苏州大学杨聪获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉苏州大学申请的专利用户疲劳状态干预方法、装置、设备和介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121608751B 。
龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610148216.5,技术领域涉及:B60W40/08;该发明授权用户疲劳状态干预方法、装置、设备和介质是由杨聪;倪瑞鸣设计研发完成,并于2026-02-03向国家知识产权局提交的专利申请。
本用户疲劳状态干预方法、装置、设备和介质在说明书摘要公布了:本发明涉及一种用户疲劳状态干预方法、装置、设备和介质,所述方法包括:获取用户生理数据、用户行为数据和用户环境数据,对用户生理数据和用户行为数据进行时序配准,并基于时序配准后的用户生理数据和时序配准后的用户行为数据构建多源驾驶状态监测时序数据;将多源驾驶状态监测时序数据输入至用户疲劳状态评估模型中,得到用户疲劳现状等级和用户疲劳发展等级;调用用户疲劳现状等级对应的用户疲劳状态干预措施集;基于用户环境数据和用户疲劳发展等级,从用户疲劳状态干预措施集中筛选用户疲劳状态干预措施,并执行用户疲劳状态干预措施。本发明能够通过多维数据处理、疲劳状态评估和分级干预措施,提升状态识别的准确性和干预的有效性。
本发明授权用户疲劳状态干预方法、装置、设备和介质在权利要求书中公布了:1.一种用户疲劳状态干预方法,其特征在于,所述方法包括: 获取用户生理数据、用户行为数据和用户环境数据,对所述用户生理数据和用户行为数据进行时序配准,并基于时序配准后的所述用户生理数据和时序配准后的所述用户行为数据构建得到多源驾驶状态监测时序数据; 将所述多源驾驶状态监测时序数据输入至用户疲劳状态评估模型中,得到用户疲劳现状等级和用户疲劳发展等级; 其中,所述用户疲劳发展等级用以表征预测的未来的所述用户疲劳现状等级; 调用所述用户疲劳现状等级对应的用户疲劳状态干预措施集; 基于所述用户环境数据和用户疲劳发展等级,从所述用户疲劳状态干预措施集中筛选用户疲劳状态干预措施,并执行所述用户疲劳状态干预措施; 其中,所述基于所述用户环境数据和用户疲劳发展等级,从所述用户疲劳状态干预措施集中筛选用户疲劳状态干预措施,包括: 基于幂集法,从所述用户疲劳现状等级对应的所述用户疲劳状态干预措施集中,枚举得到非空措施组合集,并基于所述用户环境数据,剔除所述非空措施组合集中违反环境约束条件的非空措施组合,得到候选组合集; 基于多目标函数计算所述候选组合集中的各候选组合的多目标函数值,构建多目标函数值矩阵,并基于所述多目标函数值矩阵对所述候选组合进行两两支配关系判断,逐一剔除被支配的所述候选组合,得到帕累托最优解集和帕累托前沿;其中,所述帕累托最优解集中的帕累托最优解为未被任何所述候选组合集中的其他的所述候选组合支配的所述候选组合,所述帕累托前沿为所述帕累托最优解的所述多目标函数值的集合; 基于所述用户环境数据和所述用户疲劳发展等级分配所述多目标函数的多目标权重; 基于所述多目标函数和所述多目标权重求解得到理想点,并结合所述多目标权重和所述帕累托前沿,将所述帕累托最优解集中同所述理想点的加权切比雪夫距离最小的所述帕累托最优解选取为最优干预措施组合;其中,所述最优干预措施组合用以表征从所述用户疲劳状态干预措施集中筛选得到的所述用户疲劳状态干预措施; 其中,所述多目标函数包括环境适配度目标函数和疲劳发展等级适配度目标函数,所述多目标函数值包括所述环境适配度目标函数对应的环境适配度目标函数值和所述疲劳发展等级适配度目标函数对应的疲劳发展等级适配度目标函数值,所述多目标权重包括所述环境适配度目标函数对应的环境适配度权重和所述疲劳发展等级适配度目标函数对应的疲劳发展等级适配度权重,所述多目标函数和所述多目标权重的表达式为: 式中,为候选组合,和分别为候选组合的环境适配度目标函数值和疲劳发展等级适配度目标函数值,为环境参数权重向量,为逐元素相乘,为用户环境数据对应的环境状态向量,为候选组合的环境需求向量,为欧几里得范数,为归一化函数,为候选组合的疲劳发展等级适配向量,为用户疲劳发展等级对应的疲劳发展等级向量,和分别为环境适配度权重和疲劳发展等级适配度权重,为权重分布集中度参数,和分别为环境适配度目标的场景重要性评分和疲劳发展等级适配度目标的场景重要性评分,为自然常数。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人苏州大学,其通讯地址为:215222 江苏省苏州市吴江区久泳西路1号苏州大学未来校区;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励