CN120288054A 基于时空图神经网络的驾驶员危险行为干预系统及方法 （安康市道路运输服务中心）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120288054A(43)申请公布日2025.07.11

(21)申请号202510381610.9

(22)申请日2025.03.28

(71)申请人安康市道路运输服务中心

地址725000陕西省安康市汉滨区安康大

道28号

(72)发明人傅文艾昊丁仁红赵峰魏军景宏君艾芷如

(74)专利代理机构南京图亿时代专利代理事务所(普通合伙)32716

专利代理师杨哲

(51)Int.CI.

GO6N

GO6N

GO6N

B60W

B60W

B60W

B60W

B60W

B60W

3/049(2023.01)

3/042(2023.01)

3/08(2023.01)40/09(2012.01)50/00(2006.01)50/14(2020.01)

50/16(2020.01) 30/14(2006.01)60/00(2020.01)

B60W40/08(2012.01)

GO6F18/25(2023.01)

GO6F18/20(2023.01)

GO6N3/0464(2023.01)

权利要求书2页说明书11页附图5页

(54)发明名称

基于时空图神经网络的驾驶员危险行为干预系统及方法

(57)摘要

CN120288054A本发明涉及智能驾驶领域，具体涉及基于时空图神经网络的驾驶员危险行为干预系统及方法，本发明提出通过多模态数据采集模块获取生理信号、驾驶姿态和操控行为数据；利用时空图神经网络风险感知引擎，构建动态图结构并评估驾驶员风险状态；智能干预执行模块根据评估结果，采取触觉、视觉或车辆控制干预策略；闭环优化模块监测干预效果，更新风险模型和策略；系统融合毫米波雷达与多通道视觉分析，将识别准确率提升至98.6%,并通过生理信号和微表情分

CN120288054A

多模态数据采集模块

多模态数据采集模块时空图神经网络

风险感知引摩

闭环优化模块

智能干预执行模块

CN120288054A权利要求书1/2页

2

1.基于时空图神经网络的驾驶员危险行为干预系统，其特征在于，包括：

多模态数据采集模块，用于采集驾驶员生理信号、驾驶姿态和操控行为数据；

时空图神经网络风险感知引擎，与所述多模态数据采集模块数据连接，用于：

接收所述多模态数据采集模块发送的多模态数据；

基于所述多模态数据构建驾驶员一车辆交互动态图结构；

利用多尺度时间卷积网络处理所述动态图结构的时序变化；

输出驾驶员风险状态评估结果；

智能干预执行模块，与所述时空图神经网络风险感知引擎连接，用于：

接收所述风险状态评估结果；

基于所述风险状态评估结果，选择触觉、视觉或车辆控制干预策略；

执行所选择的干预策略；

闭环优化模块，与所述智能干预执行模块和所述时空图神经网络风险感知引擎连接，用于：

监测干预后驾驶员行为变化；

评估干预效果；

基于所述干预效果，更新驾驶员风险模型和干预策略。

2.根据权利要求1所述的系统，其特征在于，所述多模态数据采集模块包括：

毫米波雷达传感器，用于采集驾驶员心率和呼吸频率；

红外结构光传感器，用于构建驾驶员三维骨架姿态模型；

方向盘压力传感网格，用于捕捉握力分布变化；

多级缓冲区，用于存储所述传感器采集的数据；

时间戳校准单元，用于对多源数据进行时间同步处理。

3.根据权利要求1所述的系统，其特征在于，所述时空图神经网络风险感知引擎包括：

图结构构建模块，用于将驾驶员生理状态和行为特征统一建模为动态图结构；

空间图卷积模块，用于处理图结构中节点的空间关系；

多尺度时间卷积模块，用于通过膨胀因子级联时间卷积网络处理时间维度变化；

递归因果注意力模块，用于提取长序列依赖关系；

风险评估模块，用于输出驾驶员风险状态评估结果。

4.根据权利要求3所述的系统，其特征在于，所述动态图结构包括：

骨架关键点节点，用于表示驾驶员头部、躯干和四肢的位置信息；

生理状态节点，用于表示心率、心率变异性和呼吸频率等生理指标；

车辆控制节点，用于表示方向盘、踏板和换挡等操控界面；

空间相关性边，用于连接相关节点；

时间相关性边，用于捕捉节点时序变化模式；

生理一行为交互边，用于建立生理状态节点与行为节点