1.本技术涉及智能交通、数据处理与嵌入式系统领域，尤其涉及一种交通风险防控方法、装置、设备及电子设备。


背景技术：

2.随着国民经济的快速发展与人民物质文化需求的日益增长，我国的汽车保有量逐年上涨，交通安全管理面临巨大的挑战。当在车辆在道路上行驶时，往往会由于驾驶员或车辆的原因产生危险行为，这样会对驾驶车辆与其他车辆的安全造成严重影响。当面对高风险行为时，采取主动的预警措施，并对该行为进行矫正，以降低风险程度，是实现风险管控的重要手段。
3.在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：
4.现有的交通风险防控系统未考虑驾驶员个人因素，即设计的系统的受众过于宽泛，为考虑驾驶员的个人特性，导致系统对于不同的驾驶员针对性较弱，难以适应不同的驾驶风格；对于风险行为的识别不准确，主要原因是使用的传感器种类过于单一，致使判断效果会随着单一传感器的检测效果的变化而发生改变，难以保证识别效率；设计系统不够完备，即设计的系统仅可针对单一风险类型，而未提炼一套行之有效，普适性强的风险评估方法；便携性差，即系统过于笨重，驾驶员可能会忘记携带，或对驾驶行为产生影响


技术实现要素：

5.本技术实施例的目的是提供一种交通风险防控方法、装置、设备及电子设备，以解决相关技术中存在的未考虑驾驶员人因因素，风险评估不准确的技术问题。
6.根据本技术实施例的第一方面，提供一种交通风险防控方法，包括：
7.获取连续的驾驶员面部图像和心率信号；
8.根据所述连续的面部图像，计算所述驾驶员的第一疲劳等级；
9.根据所述连续的心率信号，计算所述驾驶员的第二疲劳等级；
10.根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；
11.判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号。
12.进一步地，所述预定疲劳阈值的设定过程包括：
13.根据连续的驾驶员面部图像和心率信号，判断所述驾驶员的类型；
14.根据所述驾驶员的类型，设定所述驾驶员的预定疲劳阈值。
15.进一步地，根据所述连续的面部图像，计算所述驾驶员的第一疲劳等级，包括：
16.对所述连续的面部图像进行预处理；
17.对预处理后的面部图像进行人脸识别，判断所述面部图像中所述驾驶员的眼睛是否闭合；
18.根据所述连续的面部图像的总帧数和其中所述驾驶员的眼睛闭合的帧数，计算所述驾驶员的第一疲劳等级。
19.进一步地，根据所述连续的心率信号，计算所述驾驶员的第二疲劳等级，包括：
20.根据所述连续的心率信号，计算所述连续的时间内心率的平均值；
21.获取所述驾驶员的心率信号的瞬时值；
22.根据所述平均值与瞬时值，计算所述驾驶员的第二疲劳等级。
23.进一步地，判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，包括：
24.判断所述实际疲劳等级是否超出预定疲劳阈值；
25.若是，则根据所述实际疲劳等级和预定疲劳阈值，计算风险等级；
26.根据所述风险等级，生成对应种类的预警指令。
27.根据本技术实施例的第二方面，提供一种交通风险防控装置，包括：
28.获取模块，用于获取连续的驾驶员面部图像和心率信号；
29.第一计算模块，用于根据所述面部图像，计算所述驾驶员的第一疲劳等级；
30.第二计算模块，用于根据所述心率信号，计算所述驾驶员的第二疲劳等级；
31.融合模块，用于根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；
32.生成指令模块，用于判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号。
33.根据本技术实施例的第三方面，提供一种交通风险防控设备，包括：
34.数据采集模块，用于采集连续的驾驶员面部图像和心率信号；
35.数据处理模块，用于获取连续的驾驶员面部图像和心率信号；根据所述面部图像，计算所述驾驶员的第一疲劳等级；根据所述心率信号，计算所述驾驶员的第二疲劳等级；根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号；
36.预警执行模块，用于接收所述预警指令，根据所述预警指令，发出对应强度的预警信号。
37.进一步地，所述预警执行模块设置在安全带上或佩戴在手腕上。
38.根据本技术实施例的第四方面，提供一种电子设备，包括：
39.一个或多个处理器；
40.存储器，用于存储一个或多个程序；
41.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。
42.根据本技术实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如第一方面所述方法的步骤。
43.本技术的实施例提供的技术方案可以包括以下有益效果：
44.由上述实施例可知，本技术收集了面部图像与心率的多元信息，并通过模糊规则对面部传感器与心率传感器采集到的结果进行融合，提高了驾驶员疲劳等级判定的准确性
与稳定性，通过判断所述实际疲劳等级是否超出预定疲劳阈值来判断驾驶员是否疲劳驾驶，以在实际疲劳等级超出预定疲劳阈值时即驾驶员疲劳的情况下生成对应于所述实际疲劳等级的预警指令，进行交通风险防控。
45.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。
附图说明
46.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
47.图1是根据一示例性实施例示出的一种交通风险防控方法的流程图。
48.图2是根据一示例性实施例示出的步骤s102的流程图。
49.图3是根据一示例性实施例示出的步骤s103的流程图。
50.图4是根据一示例性实施例示出的步骤s104的流程图。
51.图5是根据一示例性实施例示出的预定疲劳阈值的设定过程的流程图。
52.图6是根据一示例性实施例示出的一种交通风险防控装置的框图。
53.图7是根据一示例性实施例示出的数据采集模块和数据处理模块的安装示意图。
54.图8是根据一示例性实施例示出的预警执行模块设置在安全带上的示意图。
55.图中的附图标记包括：
56.100、图像采集单元；110、预警执行模块(集成心率采集单元)；120、数据处理模块；130、安全带；140、磁吸式供电系统；141、磁体；142、绑带； 143、排线。
具体实施方式
57.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
58.在本技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术。在本技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
59.应当理解，尽管在本技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
60.图1是根据一示例性实施例示出的一种交通风险防控方法的流程图，如图1 所示，该方法应用于数据处理模块，可以包括以下步骤：
61.步骤s101：获取连续的驾驶员面部图像和心率信号；
62.步骤s102：根据所述连续的面部图像，计算所述驾驶员的第一疲劳等级；
63.步骤s103：根据所述连续的心率信号，计算所述驾驶员的第二疲劳等级；
64.步骤s104：根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；
65.步骤s105：判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号。
66.由上述实施例可知，本技术收集了面部图像与心率的多元信息，并通过模糊规则对面部传感器与心率传感器采集到的结果进行融合，提高了驾驶员疲劳等级判定的准确性与稳定性，通过判断所述实际疲劳等级是否超出预定疲劳阈值来判断驾驶员是否疲劳驾驶，以在实际疲劳等级超出预定疲劳阈值时即驾驶员疲劳的情况下生成对应于所述实际疲劳等级的预警指令，进行交通风险防控。
67.在步骤s101的具体实施中，获取连续的驾驶员面部图像和心率信号；
68.具体地，驾驶员面部图像通过红外摄像头采集，可以保证在亮度低的情况能拍摄出清晰的画面；驾驶员心率信号通过生物信号传感器采集，所述生物信号传感器与安全带捆绑在一起，正常使用时贴合驾驶员胸部，便于采集心率信号。在一实施例中，驾驶过程中通过车载电源对红外摄像头与生物信号采集器供电，保证步骤s101的信息采集正常进行，选取红外摄像头作为传感器，因为通过摄像头可读取出驾驶员面部信息，并通过面部动作，反应驾驶员的疲劳程度；选取心率传感器，因为摄像头可能会在部分剧烈抖动场景失去作用，且心率的变化可在一定程度上反应驾驶员的疲劳程度。
69.在步骤s102的具体实施中，根据所述连续的面部图像，计算所述驾驶员的第一疲劳等级；具体地，如图2所示，此步骤包括以下子步骤：
70.步骤s201：对所述连续的面部图像进行预处理；
71.具体地，通过图像处理算法，对画面进行预处理，降低画面噪声，均衡画面光照强度，在一实施例中，采取高斯滤波的方式降低画面噪声，并通过直方图均衡化均衡画面光照强度。通过预处理步骤，可降低噪声与光照的影响，使面部信息更易识别，提高检测的准确性。
72.步骤s202：对预处理后的面部图像进行人脸识别，判断所述面部图像中所述驾驶员的眼睛是否闭合；
73.具体地，利用dlib库进行人脸识别，得到画面中的驾驶员脸部标记点，并筛选得到驾驶员眼部图像，dlib库是一个机器学习的开源库，通过调用其中的人脸识别算法，可提取中人面部的68个目标点，并选取其中的眼部目标点，通过直线进行连接，得到驾驶员眼部的轮廓，可作为依据判断驾驶员眼部是否闭合。
74.步骤s203：根据所述连续的面部图像的总帧数和其中所述驾驶员的眼睛闭合的帧数，计算所述驾驶员的第一疲劳等级。
75.具体地，采用perclos模型分析驾驶员状态，驾驶员面部的perclos值计算方法如下所示：
[0076][0077]
通过测量单位时间内眼睛闭合的帧数所占比例，得出驾驶员的perclos 值，作为驾驶员的第一疲劳等级。设计有三个区间作为第一疲劳等级的判定依据，分别对应不疲劳，
轻度疲劳，重度疲劳三个等级。当驾驶员的perclos 值处于对应区间时，则形成最后的判定结果，此区间通过设计驾驶实验得到，具有较为准确的判定效果。
[0078]
在步骤s103的具体实施中，根据所述连续的心率信号，计算所述驾驶员的第二疲劳等级；具体地，如图3所示，此步骤包括以下子步骤：
[0079]
步骤s301：根据所述连续的心率信号，计算所述连续的时间内心率的平均值；
[0080]
具体地，在本实施例中，计算15秒内心率平均值，即选取15秒作为时间窗口，读取此段时间内脉冲出现的次数。
[0081]
步骤s302：获取所述驾驶员的心率信号的瞬时值；
[0082]
具体地，选取当前时刻，读取最近时间的完整心动周期，计算心率波峰与波峰之间的时间差，通过如下公式，计算瞬时心率。
[0083][0084]
步骤s303：根据所述平均值与瞬时值，计算所述驾驶员的第二疲劳等级。
[0085]
具体地，通过计算15秒周期内心率平均值与15秒周期内采集到的所有瞬时值的标准差值作为驾驶员的第二疲劳等级，其计算方式如下：
[0086][0087]
通过实验表明，随着疲劳程度的加深，15秒周期内心率的标准差值会出现明显的升高，以此为依据设置不疲劳，轻度疲劳，重度疲劳三个等级，并通过驾驶实验设计三个等级对应的区间，当标准差值越大，则疲劳等级越高。
[0088]
在步骤s104的具体实施中，根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；
[0089]
具体地，通过模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，具体地，将所述第一疲劳等级分为：不疲劳，轻度疲劳，重度疲劳三个等级，将所述第二疲劳等级分为：不疲劳，轻度疲劳，重度疲劳三个等级，通过模糊规则，推理出驾驶员的实际疲劳等级：不疲劳，轻度疲劳，重度疲劳的隶属度。通过预先设计的隶属度函数，计算当前疲劳等程度与不疲劳，轻度疲劳，重度疲劳三个等级的归属程度。使用模糊逻辑中常用的加权平均法，即将不疲劳，轻度疲劳，重度疲劳的隶属度作为权重，与实际的疲劳值相乘，计算得到最终的疲劳等级。
[0090]
在步骤s105的具体实施中，判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号。具体地，如图4所示，此步骤包括以下子步骤：
[0091]
步骤s401：判断所述实际疲劳等级是否超出预定疲劳阈值；
[0092]
具体地，如图5所示，所述预定疲劳阈值的设定过程包括：
[0093]
步骤s:501：根据连续的驾驶员面部图像和心率信号，判断所述驾驶员的类型；
[0094]
具体地，所述驾驶员的类型包括保守型和激进型，在产品装配之前，以进行大量模拟与实车数据采集实验，使用相同的数据采集模块，搜集不同驾驶员的驾驶行为数据，并使用k均值聚类的方式，将驾驶员的个人特性分为：保守型与激进型，并得到不同驾驶员个人
特性的疲劳阈值。在实验过程中，主要收集有当前车辆的速度信息，与前方车辆的距离信息，驾驶员的疲劳程度等信息，通过如上信息构建驾驶员的状态空间，使用k均值聚类的方式，将驾驶员的个人特性分类。此方法考虑了不同驾驶员面对风险状况的处理能力，以及驾驶过程中的行为习惯，能更好地依据特性，设置预警方案。
[0095]
步骤s502：根据所述驾驶员的类型，设定所述驾驶员的预定疲劳阈值；
[0096]
具体地，根据驾驶员是保守型或激进型，为该驾驶员设定对应的疲劳阈值，依据驾驶实验，分析不同驾驶人群的驾驶数据，得到驾驶员的疲劳阈值等级，一般地，保守型驾驶员选择较高的风险阈值，激进型驾驶员选择较低的风险阈值。通过此方法，保证风险评估模型能针对驾驶员得到最优的评判标准。
[0097]
步骤s402：若是，则根据所述实际疲劳等级和预定疲劳阈值，计算风险等级；
[0098]
具体地，将所述实际疲劳等级和预定疲劳阈值的差值作为风险等级，所述风险等级包括低级、中级和高级。依据驾驶实验，通过实际使用效果，将实际疲劳等级和预定疲劳阈值的差值划分为三个区间，低级即实际疲劳等级略高于预定疲劳阈值，随着差值的增加，风险等级加大。
[0099]
步骤s403：根据所述风险等级，生成对应种类的预警指令。
[0100]
具体地，当所述风险等级为低级、中级或高级时，根据该风险的等级，生成对应低级、中级或高级三种种类的预警指令，所述预警执行模块接收到该预警指令后根据上述在预警指令的种类，发出对应强度的预警信号，达到多等级预警的效果。通过预先进行的驾驶实验，可得到蜂鸣报警器、震动报警器、显示报警器和语义报警器的单一与协同预警效果，并通过采用问卷调查等方式选出不同风险等级下的最优预警方案。多模态预警可通过多种预警方式刺激驾驶员不同感官，达到更好的预警效果，多级预警可使驾驶员了解当前车辆的风险等级，并提示驾驶员做出对应的规避举措。
[0101]
与前述的交通风险防控方法的实施例相对应，本技术还提供了交通风险防控装置的实施例。
[0102]
图6是根据一示例性实施例示出的一种交通风险防控装置框图。参照图6，该装置：
[0103]
获取模块21，用于获取连续的驾驶员面部图像和心率信号；
[0104]
第一计算模块22，用于根据所述面部图像，计算所述驾驶员的第一疲劳等级；
[0105]
第二计算模块23，用于根据所述心率信号，计算所述驾驶员的第二疲劳等级；
[0106]
融合模块24，用于根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；
[0107]
生成指令模块25，用于判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号。
[0108]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0109]
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本技术方案的目的。本领域普通技术人员在不付
出创造性劳动的情况下，即可以理解并实施。
[0110]
相应的，本技术还提供一种交通风险防控设备，包括：
[0111]
数据采集模块，用于采集连续的驾驶员面部图像和心率信号；
[0112]
具体地，驾驶员面部图像通过图像采集单元采集，在一实施例中采用红外摄像头，所述红外摄像头可以保证在亮度低的情况能拍摄出清晰的画面，如图7 所示，所述红外摄像头可设置在驾驶台上，与数据处理模块通过usb线相连接，通过串口协议传输信息；驾驶员心率信号通过心率采集单元采集，在一实施例中采用生物信号传感器，所述生物信号传感器可与预警执行模块捆绑在一起，便于采集心率信号，通过电路集成的方式，实现生物信号传感器与预警执行模块的捆绑，可减小整个系统的体积，提高系统的便携性。
[0113]
数据处理模块，用于获取连续的驾驶员面部图像和心率信号；根据所述面部图像，计算所述驾驶员的第一疲劳等级；根据所述心率信号，计算所述驾驶员的第二疲劳等级；根据模糊规则，对所述第一疲劳等级和第二疲劳等级进行融合，得到所述驾驶员的实际疲劳等级；判断所述实际疲劳等级是否超出预定疲劳阈值，若是，则生成对应种类的预警指令，以使得预警执行模块根据所述预警指令发出预警信号；
[0114]
具体地，数据处理模块具备一定的数据存储能力，并包含数据离线挖掘能力，通过多次采集驾驶员的面部图像和心率信号，设定驾驶员的疲劳阈值；数据处理模块可设置在驾驶台上，通过usb线，从车载usb端口取电，所述数据处理模块可以是树莓派、jetson nano、智能手机或智能平板，在本实施例中，选用树莓派作为数据处理模块，可以安放在树莓派收纳盒中，并在底部用软胶粘贴在车内驾驶台上，树莓派具有高性能、低能耗、易于开发和维护的优点。
[0115]
预警执行模块，用于接收所述预警指令，根据所述预警指令，发出对应强度的预警信号。
[0116]
进一步地，所述预警执行模块设置在安全带上或佩戴在手腕上。
[0117]
具体地，所述预警执行模块包括控制器、蜂鸣报警器、震动报警器、显示报警器和语义报警器，控制器用于接收数据处理模块的预警指令，并根据所述预警指令控制多种报警器发出相应的预警信号；蜂鸣报警器与控制器连接，用于发出标准正弦波和pwm脉宽调制蜂鸣信号，提供一种听觉形式的生物学刺激；震动报警器与控制器连接，用于发出标准震动报警信号，提供一种触觉形式的生物学刺激；语义报警器与控制器连接，用于发出预设的含有语义信息的报警信号，提供一种听觉形式的生物学刺激；视觉报警器置与控制器连接，用于显示视觉报警信号，提供一种视觉形式的生物学刺激。
[0118]
可选地，所述视觉报警器在所述预警执行模块佩戴在手腕上时使用。
[0119]
具体地，蜂鸣报警器的低频信号选择频率2000赫兹，持续时间0.1秒，间隔1.5秒，高频信号选择频率3500赫兹，持续时间0.1秒，间隔1.5秒；震动报警器的低频信号选择频率10赫兹，震动2.0秒，中频信号选择15赫兹，震动 2.0秒，高频信号选择20赫兹，震动2.0秒；语音响度设置为68.5分贝；视觉报警器可显示对应不同风险场景的文本与图形，包括不同的限速数值与图标，并在必要时可以闪烁的形式呈现出来，提高驾驶员的注意程度；
[0120]
在本实施例中，为保证运算的实时性，同时兼顾预警执行器的续航能力，选择stm32f103c8t6芯片作为控制器；蜂鸣报警器选择5伏特供电的有源蜂鸣器，蜂鸣器和控制器上tim3的pwm1通道输出端连接，控制器通过设置对应通道的pwm波占空比与频率改变蜂
鸣器响度与频率；震动报警器选择1027手机扁平震动马达，震动报警器和控制器上tim4的pwm1通道输出端连接，控制器通过设置对应通道的pwm波占空比与频率改变震动马达的幅度与频率；语义报警器选择vs1053音频播放模块，语义信息报警装置与控制器上一组gpio 相连，控制器通过预设好的触发模式，对特定的gpio口置高电平，发送针对不同风险情况的语义信号，提醒驾驶员规避风险；视觉报警器选择1.44寸oled 显示屏。
[0121]
在具体实施的过程中，如表1所示，当控制器接收到低级预警指令时，震动报警器采用低频率振动，显示报警器显示风险类型，语义报警器发出语义信息警告，三种报警器协同工作；当控制器接收到中级预警指令时，加入蜂鸣报警器，以一定较低频率提示驾驶员，并提高震动报警器的震动频率；当控制器接收到高级预警指令时，提高蜂鸣器的声音频率以及震动报警器的震动幅度，以达到高强度预警的目的。
[0122]
表1
[0123][0124]
进一步地，所述预警执行模块还包括姿态传感器，所述姿态传感求与控制器相连，可用于判断驾驶行为的开始与结束，在一实施例中，姿态传感器选择 mpu6050，采用水平安装方法，保证其xy平面与电路板平行，且z轴正方向垂直电路板平面向外，输入端口与控制器gpio相连；
[0125]
进一步地，所述预警执行模块还包括蓝牙通讯器，使用蓝牙传输协议能够保证预警执行模块与数据处理模块正常的数据交互，所述蓝牙通讯器与控制器连接，用于接收数据处理模块发出的预警信号和姿态传感器采集到的驾驶行为信息，所述控制器通过蓝牙通讯器接收到驾驶行为开始的信息后，才会根据接收到的预警指令控制多种报警器发出相应的预警信号，在一实施例中，蓝牙模块选择hc-05传输模块，通过串口通讯的方式与控制器的usart1相连接，保证控制器可通过蓝牙传输协议与数据处理模块及姿态传感器通讯。
[0126]
进一步地，所述预警执行模块集成在一外壳中。
[0127]
具体地，预警执行器的外壳需保护内部电子设备，应具有耐热、耐腐蚀等性能，需保证其有较大硬度，且不易损坏，优选地，外壳采用亚克力材料制成；此时所述生物信号传感器设置在所述外壳上。
[0128]
在一实施例中，所述预警执行模块设置在安全带上，所述预警执行模块还可以包括磁吸式供电系统，所述磁吸式供电系统包括四块磁体、一条绑带、一条排线和一根usb线，用于从车载usb端口取电，给所述预警执行模块提供5 伏特驱动电压；此时蜂鸣报警装置吸附在安全带上，离驾驶员耳朵较近，可以提供较为清晰的蜂鸣警报，震动报警器可带动安全带一同震动，相较于智能手机等设备，可将震动较快地传递到驾驶员身体上，较好地完成生物学刺激。
[0129]
所述预警执行模块设置在安全带上时的安装方法参考图8，将安全带上的绑带捆绑在安全带合适位置，约为正常驾驶时驾驶员胸口位置，此时所述生物信号传感器紧贴驾驶员的胸口位置，便于直接测量驾驶员心率，排线后有双面胶，粘贴在安全带上，此部分在
安装后无需拆卸，可以跟随安全带进入安全带收纳槽，usb插头插入车载usb接口，对机构进行供电；
[0130]
在另一实施例中，所述预警执行模块佩戴在手腕上，可利用绑带将所述预警执行模块固定在驾驶员手腕部，此时所述生物信号传感器可测量驾驶员的脉搏信号，优选地，绑带采用涤纶面料制成。
[0131]
通过构建一套包含数据采集器，数据处理器，预警执行器的完整系统，并提供了相应设备的解决方案，可完成多样的风险防控工作，以应对实际驾驶中的不同问题。
[0132]
相应的，本技术还提供一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的交通风险防控方法。
[0133]
相应的，本技术还提供一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现如上述的交通风险防控方法。
[0134]
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求指出。
[0135]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求来限制。