一种基于预期功能安全的驾驶员监控系统优化方法及系统

本发明涉及驾驶员监控系统测试领域，尤其是涉及一种基于预期功能安全的驾驶员监控系统优化方法及系统。

背景技术：

1、dms(driver monitor system)为驾驶员监控系统的简称，是指驾驶员行驶过程中，全天候监测驾驶员的疲劳状态、危险驾驶行为的信息技术系统。在发现驾驶员出现疲劳、打哈欠、眯眼睛及其他错误驾驶状态后，dms系统将会对此类行为进行及时的分析，并进行语音灯光提示，起到警示驾驶员，纠正错误驾驶行为的作用。

2、目前主流驾驶员监测系统以摄像头视觉检测为主，同时耦合了汽车行驶状态间接估计的技术路线，并不断探索生机电先进传感器在驾驶员领域的应用。但由于汽车交通环境复杂，当前驾驶员监控系统在检测与识别精度方面尚无法满足自动驾驶发展需要，驾驶员监控系统集成到智能汽车电子电器架构中，可能会因为感知局限、算法缺陷等引发安全危害。

3、确保驾驶员监控系统的安全性至关重要，当前业内采用iso26262标准对电子电器系统失效导致的汽车安全问题进行了归类分析及危害等级界定，可有效规避或控制那些影响安全目标的随机硬件失效或系统性失效的问题。

4、但针对驾驶员监控系统等受车辆内外部动态环境影响较大的电子电器系统，可能会遇到潜在的、iso26262标准没有覆盖到的风险和危害，包括系统算法性能不足，驾驶员误操作不确定性、场景突变或者传感器不稳定等预期功能安全(sotif，safety of theintended functionality)相关问题。预期功能安全研究是对iso26262功能安全标准的补充，进一步应对非失效情况下的潜在危害行为引起的不合理风险。

5、综上所述，现有技术中缺少针对dms产品预期功能安全的研究，且对于dms的测试通常需要采用实车测试，具有安全隐患高、耗费时间长等问题。

技术实现思路

1、本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于预期功能安全的驾驶员监控系统优化方法及系统。本发明基于驾驶员认知理论和贝叶斯概率模型对驾驶员监控系统(dms)的预期功能安全进行量化，从而为dms产品的功能开发和安全设计提供参考。

2、本发明的目的可以通过以下技术方案来实现：

3、一种基于预期功能安全的驾驶员监控系统优化方法，包括以下步骤：

4、选定待测的驾驶员监控系统；

5、构建仿真驾驶场景；

6、驾驶员在所述仿真驾驶场景下执行视觉次任务和听觉次任务，并由所述驾驶员监控系统进行监控，得到监控数据；

7、基于预期功能安全理论，构建用于对所述驾驶员监控系统进行测试的测试指标，并将所述监控数据应用于测试指标的计算中，所述测试指标包括暴露度、严重度及可控度；

8、基于贝叶斯理论，对所述暴露度指标进行量化；

9、通过对驾驶员监控系统危害事件分析，对所述严重度指标进行量化；

10、基于驾驶员认知理论，对所述可控度指标进行量化；

11、结合所述暴露度、严重度及可控度，构建针对所述驾驶员监控系统的测试模型；

12、输出所述测试模型对驾驶员监控系统的测试结果，即驾驶员监控系统的安全等级；

13、基于所述测试结果，对驾驶员监控系统进行优化。

14、进一步地，所述基于贝叶斯理论，对所述暴露度指标进行量化，包括以下步骤：

15、针对驾驶员在仿真驾驶场景下执行视觉次任务和听觉次任务，计算仿真工作周期t内驾驶员监控系统由于预期功能安全不足出现的危害事件次数n；

16、基于贝叶斯理论，求出时间r内出现m次危害事件的概率，从而得到暴露度概率函数；

17、其中，所述贝叶斯理论的表达式为：

18、

19、式中p(bi)为事件bi发生的先验概率，p(bi|a)是在事件a发生的条件下事件bi发生的后验概率。

20、进一步地，所述通过对驾驶员监控系统危害事件分析，对严重度指标进行量化，其表达式为：

21、

22、其中，s表示驾驶员监控系统危害事件的严重度；安全环境，dms功能异常表示安全驾驶环境下，驾驶员监控系统出现漏检或错检，并不会导致严重危害事件的情况；危险环境，dms功能异常表示危险驾驶环境下，因dms漏检或错检而导致严重危害事件的情况。

23、进一步地，基于驾驶员认知理论，以驾驶员由当前次任务返回驾驶任务所用的时间和准确性来衡量可控度，对可控度指标进行量化，包括以下步骤：

24、统计驾驶员从周围获取的信息或执行的动作，构成提取信息块；

25、计算提取信息块i的精确度pi：

26、

27、其中，c为提取信息块i的噪声，通常设置为0.8，ai为提取信息块i的激活量，sp为提取信息块i的产生式强度；

28、计算提取信息块i所需的反应时间t1：

29、

30、t1用于评估驾驶员执行动作的反应时间，式中，b为延迟因子，随模型不同而发生变化，通常取0.35；

31、驾驶员可控度的计算表达式为：

32、

33、其中，k为修正系数。

34、进一步地，结合所述暴露度、严重度及可控度，构建针对所述驾驶员监控系统的测试模型，所述测试模型的表达式为：

35、

36、其中，n为工作周期t内驾驶员监控系统由于预期功能安全不足出现的危害事件次数，si表示危害事件i的严重度，a、b、c分别为暴露度、严重度、可控度对应的权重，且a+b+c＝1。

37、一种基于预期功能安全的驾驶员监控系统优化系统，包括驾驶场景仿真模块、驾驶模拟器、驾驶员监控模块、显示模块、测试评价模块及上位机；

38、所述显示模块分别与驾驶场景仿真模块与驾驶员监控模块相连，所述上位机分别与驾驶员监控模块、驾驶场景仿真模块及测试评价模块相连；

39、所述驾驶场景仿真模块用于构建仿真驾驶场景；驾驶员通过驾驶模拟器在所述仿真驾驶场景下执行视觉次任务和听觉次任务；

40、所述驾驶员监控模块中包括驾驶员监控系统，驾驶员监控系统用于监控驾驶员执行视觉次任务和听觉次任务的状况。

41、进一步地，所述驾驶员监控系统包括摄像头、心率传感器及嵌入式平台；

42、所述摄像头用于采集驾驶员的图像数据，所述心率传感器用于采集驾驶员的心率数据，由嵌入式平台获取所述图像数据及心率数据；

43、嵌入式平台基于所述图像数据及心率数据，计算驾驶员驾驶状态相关信息，所述驾驶状态相关信息包括驾驶员视觉注意力朝向及驾驶员心率，同时嵌入式平台将所述驾驶状态相关信息传输至上位机中。

44、进一步地，所述上位机中包括处理计算单元，处理计算单元基于所述驾驶状态相关信息，进行可控度及严重度的量化计算。

45、进一步地，所述测试评价模块包括针对所述驾驶员监控系统的测试模型，测试模型的表达式为：

46、

47、其中，n为工作周期t内驾驶员监控系统由于预期功能安全不足出现的危害事件次数，pi表示提取信息块i的精确度，pc表示可控度，si表示危害事件i的严重度，a、b、c分别为暴露度、严重度、可控度对应的权重。

48、计算得到的esotif值越大，表示该驾驶员监控系统的危险程度越高，即安全等级越低，最后输出所述测试模型对驾驶员监控系统的测试结果。

49、进一步地，所述信息块i的精确度pi的表达式为：

50、

51、其中，c为提取信息块i的噪声，通常设置为0.8，ai为提取信息块i的激活量，sp为提取信息块i的产生式强度；

52、驾驶员可控度的计算表达式为：

53、

54、其中，k为修正系数。

55、与现有技术相比，本发明具有以下有益效果：

56、1、与当前主流的车辆安全问题不同，本发明从预期功能安全角度对驾驶员监控系统进行测试，可以应对非失效情况下的潜在危害行为引起的不合理风险。

57、2、本发明采用贝叶斯概率模型对暴露度进行量化，可以进一步的推广，预测驾驶员监控系统整个生命周期的工作性能，解决仿真耗费时间长等问题。

58、3、本发明从驾驶员认知模型角度来考虑驾驶员对危害事件的可控度，与认知心理学理论(感知和感知、记忆和学习、推理、判断和问题解决)相结合，可以更好地模拟人的表现，使针对驾驶员监控系统的测试机制更加合理。