预防酒驾的检测方法及其系统与流程

1.本发明涉及交通安全领域，具体涉及预防酒驾的检测方法及其系统。


背景技术：

2.近年来对酒驾的监控和惩戒力度大大提升，但依然存在酒后驾驶导致事故发生的情况。其中一个重要的原因在于，酒后依然能够正常启动车辆，对酒驾途中小概率的交警检查存在侥幸心理。现有技术中，虽然可以通过在驾驶室内安装酒精浓度检测仪、传感器等装置以对驾驶室的酒精浓度进行检测，检测通过后再控制车辆的点火系统。但显然地，酒精浓度检测仪容易被其他气味所干扰，特别是可以通过“人造”气味顺利过关。因此，有必要提高酒驾的检测可靠性，做到在启动车辆前及时发现酒驾，从而有效制止酒驾的发生。


技术实现要素：

3.本发明所要解决的技术问题是：提供预防酒驾的检测方法及其系统，能够在启动汽车之前准确地预测是否酒驾，从源头上制止酒驾的发生。
4.为了解决上述技术问题，本发明采用的技术方案为：预防酒驾的检测方法，包括：在云端服务器创建车辆、驾驶员和手持终端之间的关联关系；手持终端定时上报定位信息至云端服务器；车载系统接收到启动指令后，验证驾驶员的身份；若验证通过，则向云端服务器请求获取过去预设第一时长内所述驾驶员的定位信息；云端服务器依据所述关联关系，获取所述驾驶员对应的手持终端在所述过去预设第一时长内上报的定位信息，并发送至车载系统；车载系统依据接收到的定位信息，提取所述驾驶员的逗留定位点；判断所述逗留定位点是否属于风险定位点；若是，则获取所述驾驶员的当前头像信息，并将所述当前头像信息输入至饮酒识别模型；若所述饮酒识别模型识别为饮酒，则提示驾驶员使用预置的酒精检测仪进行酒精含量检测。
5.进一步地，所述验证驾驶员的身份中的验证方式包括：人像识别和指纹识别。
6.进一步地，所述逗留定位点为在预设第二时长内没有发生变化的定位点；所述风险定位点包括酒店、餐饮店、酒吧和ktv。
7.进一步地，当所述当前头像信息为静态头像图片信息，则所述饮酒识别模型的获取包括：获取两组以上的头像数据对，一组头像数据对包括一个人的酒后状态头像数据和清醒状态头像数据；分别提取每组头像数据对的特征，所述特征包括眼部特征和肤色特征；以每组特征对作为训练数据，训练得到饮酒识别模型。
8.进一步地，当所述当前头像信息为动态的头像视频信息，则所述饮酒识别模型识别为饮酒，包括：饮酒识别模型获取驾驶员动态的头像视频信息；依据所述头像视频信息，提取驾驶员脸部的各个像素点，确定所述各个像素点的平均色调值；提取驾驶员眼部的特征信息，统计预设第三时长内的闭眼次数；提取驾驶员的头部图像，确定预设第三时长内所述头部图像偏移中心线的次数；依据所述平均色调值、闭眼次数以及偏移中心线的次数，确定驾驶员是否饮酒，若是，则输出饮酒的结果。
9.进一步地，所述提示驾驶员使用预置的酒精检测仪进行酒精含量检测，之后，包括：若监测到在预设第四时长内未执行酒精含量检测，或者酒精检测仪的检测结果超标，则判定驾驶员当前处于酒后状态，发出语音提示并禁止启动。
10.本发明提供的另一个技术方案为：一种预防酒驾的检测系统，包括云端服务器、手持终端、车载系统以及酒精检测仪；所述手持终端和所述车载系统分别与所述云端服务器无线连接；所述酒精检测仪与所述车载系统连接；所述云端服务器，用于创建车辆、驾驶员和手持终端之间的关联关系，以及依据所述关联关系，获取所述驾驶员对应的手持终端在所述过去预设第一时长内上报的定位信息，并发送至车载系统；所述手持终端，用于定时上报定位信息至云端服务器；所述车载系统，用于接收到启动指令后，验证驾驶员的身份；若验证通过，则向云端服务器请求获取过去预设第一时长内所述驾驶员的定位信息；以及依据接收到的定位信息，提取所述驾驶员的逗留定位点；判断所述逗留定位点是否属于风险定位点；若是，则获取所述驾驶员的当前头像信息，并将所述当前头像信息输入至饮酒识别模型；若所述饮酒识别模型识别为饮酒，则提示驾驶员使用预置的酒精检测仪进行酒精含量检测。
11.所述车载系统包括人像识别装置和/或指纹识别装置；所述逗留定位点为在预设第二时长内没有发生变化的定位点；所述风险定位点包括酒店、餐饮店、酒吧和ktv。
12.进一步地，所述车载系统中的饮酒识别模型为第一饮酒识别模型或第二饮酒识别模型；所述第一饮酒识别模型，用于识别静态头像图片信息，具体通过获取两组以上的头像数据对，一组头像数据对包括一个人的酒后状态头像数据和清醒状态头像数据；然后分别提取每组头像数据对的特征，所述特征包括眼部特征和肤色特征；然后以每组特征对作为训练数据，训练得到；所述第二饮酒识别模型，用于识别动态的头像视频信息，具体用于饮酒识别模型获取驾驶员动态的头像视频信息；依据所述头像视频信息，提取驾驶员脸部的各个像素点，确定所述各个像素点的平均色调值；提取驾驶员眼部的特征信息，统计预设第三时长内的闭眼次数；提取驾驶员的头部图像，确定预设第三时长内所述头部图像偏移中心线的次数；依据所述平均色调值、闭眼次数以及偏移中心线的次数，确定驾驶员是否饮酒，若是，则输出饮
酒的结果。
13.进一步地，所述车载系统，还用于若监测到在预设第四时长内未执行酒精含量检测，或者酒精检测仪的检测结果超标，则判定驾驶员当前处于酒后状态，发出语音提示并禁止启动。
14.本发明的有益效果在于：本发明能够在开车之前完成是否酒驾的检测，在确认驾驶员饮酒的情况下禁止车辆启动，从源头上制止酒驾的发生，有效降低酒驾事故的发生概率。进一步地，本发明的检测手段只针对驾驶员，能够有效屏蔽车内其他人的干扰，更具针对性和准确性；同时，是以驾驶员开车之前是否在饮酒风险高地点逗留过为依据决定是否有必要进一步执行在线识别，这样能够更具针对性地对可能喝酒的驾驶员进行检测，使下一步的检测更具必要性和目的性，同时实现高效筛查。再进一步地，本发明在线识别地是驾驶员当下的头部表现，准确性更高；最后，在大概率识别为饮酒的情况下，将以准确率最高的酒精检测仪进行定性，由此大大提高检测结果的准确性，有效避免误判情况的发生，维护用户合法驾驶车辆的权利。
附图说明
15.图1为本发明一实施例一种预防酒驾的检测方法的流程示意图；图2为本发明实施例一所述一种预防酒驾的检测方法的流程示意图；图3为本发明一实施例一种预防酒驾的检测系统的组合和连接示意图。
具体实施方式
16.为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
17.本发明最关键的构思在于：在开车之前完成是否酒驾的检测，检测过程先依据驾驶员的逗留点确定是否存在饮酒可能，在有可能的情况下采用进阶式检测，实现高效且精准地判定是否酒驾。
18.实施例一请参照图1以及图2，本实施例提供一种预防酒驾的检测方法，采用进阶式检测方式，能够高效且精准地认定驾驶员是否饮酒。
19.本实施例的方法可以包括以下步骤：s1：在云端服务器创建车辆、驾驶员和手持终端之间的关联关系。
20.具体而言，以车牌唯一标识一车辆，以人像和/或指纹唯一标识一个驾驶员。预先在云端服务器配置每辆车对应的驾驶员，以及每个驾驶员对应的手持终端，从而得到车辆-驾驶员-手持终端三者的关联关系。例如，一关联关系为车牌号为xxx的汽车下对应2个驾驶员（分别为驾驶员a和驾驶员b），驾驶员a对应手机号码为12345的手机a1，驾驶员b对应手机号码为54321的手机b1。所述关联关系的存储形式可以是表格、树状图、文字等其他方式。
21.可选地，可以在建立车辆与车主之间的关联关系之后，由车主授权其他驾驶员的合法身份，以确保关联关系的有效性。
22.s2：关联关系中的手持终端将定时上报自身定位信息至云端服务器。
23.上报周期依据经验进行合理设定，例如，每分钟上报一次，五分钟上报一次。
24.远端服务器将定位信息存储至对应的手持终端下，可以理解为将上报的定位信息与其对应的手持终端进行关联。
25.s3：车载系统到接收启动指令后，不进行启动，而是先验证驾驶员的身份；若验证通过，则向云端服务器请求获取过去预设第一时长内所述驾驶员的定位信息。
26.具体而言，验证驾驶员的身份的方式包括人像识别和/或指纹识别。即可以采用其中一种或者是同时采用两种进行身份识别。人像识别和指纹识别具备唯一确定性，区别于单纯的密码识别或者钥匙识别，能够唯一确定驾驶员的身份。
27.可选的，车载系统可以与云端服务器联网进行驾驶员身份的识别。具体地，可以预先在云端服务器的关联关系中，同时存储驾驶员的人像数据或者指纹数据，而后，在识别过程，车载系统在获取人像数据或者指纹数据后，联网云端服务器，依据关联关系，确定当前驾驶员的人像数据或指纹数据是否与车辆对应的其中一个驾驶员的人像数据或指纹数据匹配，若匹配，则当前驾驶员的身份认证通过，若无法匹配，则证明当前驾驶员未登记在该车下。
28.可选的，车载系统可以本地对驾驶员的身份进行识别。具体地，可以预先从云端服务器下载该车的关联关系至本地，该关联关系中同样预先存储有驾驶员的人像数据或指纹数据。在识别过程，车载系统可以直接依据本地存储的关联关系确定当前驾驶员的人像数据或指纹数据是否与车辆对应的其中一个驾驶员的人像数据或指纹数据匹配，从而识别当前驾驶员的身份。
29.若驾驶员的身份验证不通过，则提示不具备行驶该车的资格，且无法正常启动车辆。一方面，驾驶员身份的验证能够确保车主授权的人才能行驶车辆，另一方面，能够明确当前驾驶员的身份，以明确后续检测的目标，提高检测准确性。
30.车载系统在明确驾驶员的身份后，便据此向云端服务器请求该驾驶员在过去一段时间的行踪轨迹，以明确驾驶员是否有饮酒的可能性（城市生活中绝大多数的饮酒场合是在公共场所），并据此确定是否有必要开展在线酒驾识别。其中，所述第一时长，指的是以当前时刻为始，往前追溯n小时，所述n为大于等于1。
31.s4：云端服务器依据所述关联关系，获取所述驾驶员对应的手持终端在所述过去预设第一时长内上报的定位信息，并发送至车载系统。
32.远端服务器接收到车载系统上报（车载系统本地进行身份验证情况下）的，或者是自身确认（联网进行身份验证的情况下）当前驾驶员的身份后，将依据关联关系，确定其对应的手持终端（本实施例中假设为手机）。
33.s5：车载系统依据接收到的定位信息，提取所述驾驶员的逗留定位点。
34.所述逗留定位点，指的是在预设第二时长内没有发生变化的定位点。所述第二时长可以依据经验数据确定。例如，本实施例对应饮酒的逗留时间，一般情况下，超过15分钟或半小时的聚会才有可能发生饮酒事件，因此，可以设定第二时长为15分钟或者半小时。当然，所述第二时长还可以依据具体情况灵活进行调整，以不断优化判断精确度。
35.s6：判断任一所述逗留定位点是否属于风险定位点。
36.所述风险定位点指的是对应酒店、餐饮店、酒吧和ktv等可以饮酒的场所的定位点。其中，所述餐饮店不包括不售卖酒品的餐饮店，例如快餐店，奶茶店等。
37.在该步骤中，将针对每一个逗留定位点进行分析，确定其是否属于饮酒风险定位
点。例如，s5确定的其中一个逗留点为老兵烧烤，由于其属于售卖酒品的餐饮店，因此将认定该逗留点属于风险定位点。
38.若判断结果为任一均否，则处理启动指令；若判断结果为任一为是，则执行s7。
39.该步骤的目的是确认驾驶员在过去一段时间内是否在可能饮酒的场合中逗留超过一定时间，以确认驾驶员是否存在饮酒的可能性。这样便能够高效且准确地筛选出可能喝酒了的驾驶员，因为没有出席饮酒场合，就不存在饮酒可能。
40.s7：当s6的判断结果为存在属于风险定位点的逗留点，则获取驾驶员的当前头像信息，并将所述当前头像信息输入至饮酒识别模型。
41.所述饮酒识别模型，为预先创建的用于依据实时头像信息进行分析和识别，输出是否饮酒的结果的模型。
42.在一具体实例中，所述饮酒识别模型的识别对象（输入的）为静态的头像图片信息。在本实施例中将其称为第一饮酒识别模型，其获取过程为：先获取多组头像数据对，一组头像数据对包括一个人的酒后状态头像数据和清醒状态头像数据。为了提高识别准确率，将针对不同年龄段的男和女，饮用不同容量的酒，获取多组头像数据对。其中，年纪在20以上的男性居多。例如，针对一30岁的男性，先获取其未酒后状态（即清醒状态）的头像数据，而后，分别以喝1两、2两、3两、5两、半斤、一斤白酒，以及200ml、500ml、700ml等容量的啤酒后的头像数据作为对照，生成多组头像数据对。
43.然后，分别提取每组头像数据对的特征，所述特征包括眼部特征和肤色特征。所述眼部特征包括眼皮闭合程度、瞳孔是否放大、眼神是否涣散等，具体可以依据酒后出现的疲劳状态确定；所述肤色特征重点为脸部两颊的肤色，具体通过提取脸部像素点，然后依据色调值平均值确定。
44.最后，以一组特征对作为一个训练数据对初始模型进行训练，通过训练所有组的特征对，得到第一饮酒识别模型。
45.对应上述第一饮酒识别模型的识别过程，可以包括：开启摄像头，必要时同时开启辅助灯光，拍摄得到驾驶员的头像信息；将头像信息输入到第一饮酒识别模型中进行分析和识别，输出是否饮酒的结果。
46.优选地，可以连续拍摄得到多张头像，分次输入至第一饮酒识别模型中得到多个识别结果，以多票的结果作为最终结果，以提高识别准确性，排除失误的可能性。
47.在另一具体实例中，所述饮酒识别模型的识别对象（输入的）为动态的头像图片信息，例如一段动态的针对头像拍摄的短视频。在本实施例中将其称为第二饮酒识别模型。所述第二饮酒识别模型的识别过程可以包括：开启摄像头，必要时同时开启辅助灯光，拍摄一段针对驾驶员头部的视频信息，然后将其输入至第二饮酒识别模型；第二饮酒识别模型依据接收到的头像视频信息，分别提取驾驶员脸部的各个像素点，确定各个像素点的平均色调值；以及提取驾驶员眼部的特征信息，统计预设第三时长内的闭眼次数；以及提取驾驶员的头部图像，确定预设第三时长内所述头部图像偏移中心线的次数。上述特征对应酒后特征，特征分析步骤不分先后；所述第三时长小于视频时长，目的在于计算得到闭眼频次以及头部偏移频次。
48.最后，依据所述平均色调值、闭眼次数以及偏移中心线的次数，确定驾驶员是否饮酒，若是，则输出饮酒的结果；若否，则允许启动车辆。
49.所述第二饮酒识别模型，是通过分析驾驶员头像特征是否符合酒后特征来确定结果，相较第一饮酒识别模型，由于是以动态数据为基础进行识别，更能抓住驾驶员的真实状态，因此精准度更高。
50.s8：若饮酒识别模型识别为饮酒，则提示驾驶员使用车内预置的酒精检测仪进行酒精含量检测。
51.即便是通过饮酒识别模型确认为饮酒，也进一步地采用准确率最高的酒精检测仪进行最终认定，以确保检测结果准确无误，避免耽误用车。
52.所述酒精检测仪与车载系统连接，车载系统能够获取酒精检测仪的使用状态以及检测结果，实现功能集成，更具智能化。
53.s9：若监测到在预设第四时长内未执行酒精含量检测，或者酒精检测仪的检测结果超标，则判定驾驶员当前处于酒后状态，发出语音提示并禁止启动。
54.可以预设酒精检测仪的等待使用时间，即第四时长，如五分钟、十分钟等合理的等待时间，若车载系统监测到超出第四时长，酒精检测仪还未被使用，便认为驾驶员存在逃避行为，判定驾驶员处于酒后状态，不仅使用语音形式进行更清楚、直白的提示（饮酒影响视力，文字提示效果不佳），并且禁止启动车辆。其中，所述提示可以是“检测到您当前处于酒后状态，不宜驾车，已禁止启动车辆，如有需要联系xxx”等明确的提示性语言。
55.可见，本实施例的预防酒驾的检测方法，检测的手段只针对驾驶员这个个体，能够与车内其他人区别开来，区别于通过检测车内酒精浓度等方式而言，能够有效屏蔽车内其他人的干扰，从而提高检测准确性；同时，检测过程采用进阶式检测方式，逐步缩小检测范围并逐步提高检测精准度，能够保证检测结果的有效性。
56.实施例二本实施例在实施例一的基础上，增加判定为饮酒状态之后采取的能够保证驾驶员安全的措施：s10：车载系统获取酒精检测仪的检测结果，若检测结果对应轻度醉酒，则执行s11；若检测结果对应中度醉酒或重度醉酒，则执行s12；若检测结果对应未醉酒，则车载系统处理接收到的启动指令；s11：对应轻度醉酒情况，车载系统拒绝处理启动指令，并向预设的与驾驶员关联的紧急联系人发起语音呼叫，以及在呼叫成功后通过语音播报当前情况；在呼叫结束之后，向所述紧急联系人发送图文形式的驾驶员当前定位信息和检测结果（识别过程获取的驾驶员头像数据以及酒精检测仪的检测结果）；s12：对应中度醉酒情况以及重度醉酒情况，车载系统拒绝处理启动指令，并锁定车门，控制开窗以及控制启动通风装置，同时向预设的与驾驶员关联的紧急联系人发起语音呼叫，以及在呼叫成功后通过语音播报当前情况；在呼叫结束之后，向所述紧急联系人发送图文形式的驾驶员当前定位信息和检测结果（识别过程获取的驾驶员头像数据以及酒精检测仪的检测结果）；当车载系统接收到所述紧急联系人通过远程控制的开锁指令后，才控制解锁车门。
57.上述不同醉酒程度的认定，以酒精检测仪的检测结果数据为准进行划分，具有极高的准确度，能够保证安全保护措施实施的有效性，避免出现误困驾驶员的情况发生。
58.上述与驾驶员对应的紧急联系人信息，同样可以存储在云端服务器的关联关系
中，也可以直接存储在本地。优选地，对应一个驾驶员，可以设置两个以上的紧急联系人信息，以确保成功联系上。
59.本实施例以驾驶员的安全为出发点，通过针对不同醉酒程度，采用不同的安全保障措施，能够确保驾驶员的酒后安全。
60.实施例三请参阅图3，本实施例对应实施例一，提供一种预防酒驾的检测系统，包括云端服务器、手持终端、车载系统以及酒精检测仪；所述手持终端和所述车载系统分别与所述云端服务器无线连接；所述酒精检测仪与所述车载系统连接；所述云端服务器，用于创建车辆、驾驶员和手持终端之间的关联关系，以及依据所述关联关系，获取所述驾驶员对应的手持终端在所述过去预设第一时长内上报的定位信息，并发送至车载系统；所述手持终端，用于定时上报定位信息至云端服务器；所述车载系统，配备有人像识别装置和/或指纹识别装置，用于接收到启动指令后，验证驾驶员的身份；若验证通过，则向云端服务器请求获取过去预设第一时长内所述驾驶员的定位信息；以及用于依据接收到的定位信息，提取所述驾驶员的逗留定位点；判断所述逗留定位点是否属于风险定位点；若是，则获取所述驾驶员的当前头像信息，并将所述当前头像信息输入至饮酒识别模型；若所述饮酒识别模型识别为饮酒，则提示驾驶员使用预置的酒精检测仪进行酒精含量检测。其中，所述逗留定位点为在预设第二时长内没有发生变化的定位点；所述风险定位点包括酒店、餐饮店、酒吧和ktv。
61.在一具体实例中，所述车载系统中的饮酒识别模型为第一饮酒识别模型；所述第一饮酒识别模型，用于识别静态头像图片信息，具体通过获取两组以上的头像数据对，一组头像数据对包括一个人的酒后状态头像数据和清醒状态头像数据；然后分别提取每组头像数据对的特征，所述特征包括眼部特征和肤色特征；然后以每组特征对作为训练数据，训练得到；在另一具体实例中，所述饮酒识别模型为第二饮酒识别模型，用于识别动态的头像视频信息，具体用于饮酒识别模型获取驾驶员动态的头像视频信息；依据所述头像视频信息，提取驾驶员脸部的各个像素点，确定所述各个像素点的平均色调值；提取驾驶员眼部的特征信息，统计预设第三时长内的闭眼次数；提取驾驶员的头部图像，确定预设第三时长内所述头部图像偏移中心线的次数；依据所述平均色调值、闭眼次数以及偏移中心线的次数，确定驾驶员是否饮酒，若是，则输出饮酒的结果。
62.所述车载系统，还用于若监测到在预设第四时长内未执行酒精含量检测，或者酒精检测仪的检测结果超标，则判定驾驶员当前处于酒后状态，发出语音提示并禁止启动。
63.实施例四本实施例对应实施例一至实施例三，提供一具体运用场景：某天，王先生在某饭店参加同事聚会，并饮用了一瓶啤酒。聚会结束后，王先生认为自己只是引用了一瓶啤酒，不会构成酒驾，因此想要驾驶自己的机动车a离开。
64.王先生上车后，触发启动按键，车载系统接收到启动按键后，通过语音提示要求验证驾驶员的身份。由于预先登记了王先生的车主身份，因此王先生很快通过了人像识别的身份验证。由此，云端服务器也确认了当前驾驶员为王先生，便依据王先生的信息，通过预
存储的关联关系，调取了王先生的手机在过去三个小时内的定位信息，然后发送至车载系统。
65.车载系统接收到王先生在过去三小时内的定位信息后，依据各个定位信息的逗留时间，提取王先生逗留时间超过半小时的逗留定位点；然后逐一判断各个逗留定位信息是否属于饮酒风险定位点，由此，便可以追踪到王先生的其中一个逗留定位信息为某饭店，存在饮酒风险，有必要做进一步的检测。因此，通过对驾车前一段时间的逗留点进行判断，便可筛选出可能饮酒的驾驶员，并排除掉未饮酒的驾驶员。
66.车载系统将开启车内配备的摄像头（可以直接利用行车记录仪的摄像头），必要时配合灯光辅助，针对王先生的头部，获取一段短视频；然后将该短视频输入至饮酒识别模型中，通过饮酒识别模型分别提取小王脸部的各个像素点，确定各个像素点的平均色调值；以及提取小王眼部的特征信息，统计闭眼次数；以及提取小王的头部图像，确定头部偏移中心线的次数；然后，依据短视频记录的小王的肤色、闭眼次数以及头部偏移次数，判断小王是否饮酒。在此，即使小王只是饮用了一瓶啤酒，并且脸部潮红不明显且闭眼次数没有超高，但是基于由足够多的经验数据得到的训练数据训练得到的饮酒识别模型，依然能够识别出小王属于轻微饮酒程度。因此，车载系统将提示小王使用车内预置的酒精检测仪进行酒精含量检测，若小王想逃避精确度最高的酒精检测仪的检测，则车载系统将在监测到10分钟后任一酒精检测仪依然未被使用后，认定小王处于酒后状态，不对启动指令进行处理，同时使用语音提示“检测到您当前处于酒后状态，不宜驾车，已禁止启动车辆，如有需要联系159xxx”。
67.若小王接收酒精检测仪的检测，且依据测得的酒精含量确认其属于轻度饮酒，则拒绝启动车辆，并向小王的紧急联系人发起语音呼叫，在呼叫成功后通过语音播报小王的检测结果和想要开车的企图；在呼叫结束之后，向所述紧急联系人发送图文形式的小王的当前定位信息和检测结果（识别过程获取的小王的短以及酒精检测仪的检测结果）。
68.综上所述，本发明提供的预防酒驾的检测方法及其系统，在确认驾驶员饮酒的情况下禁止车辆启动，从源头上制止酒驾的发生；并且，能够有效屏蔽车内其他人的干扰，使检测更具针对性和准确性；同时，检测过程采用进阶式检测方式，逐步缩小检测范围并逐步提高检测精准度，能够保证检测结果的有效性，且实现高效筛查；最后，还能对醉酒严重的驾驶员采取安全保护措施，保证用户的安全。
69.以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。