基于专利规避设计的疲劳驾驶预警系统扩展概念设计

doi:10.3969/j.issn.1004-132X.2026.02.016

摘要/Abstract

摘要：

疲劳驾驶预警系统是减少交通事故发生并加速智能交通建设的重要一环。以优化和扩展现有系统的功能为出发点，针对系统在不同时序阶段所需功能可能不同的情况，从概念设计阶段将疲劳驾驶预警系统、TRIZ理论与专利规避相结合，通过改善九屏幕法分别以过去、现在、未来的角度对目标系统的功能进行分析，融合成一种基于专利规避的疲劳驾驶预警系统扩展概念设计方案。该方案在专利规避层面成功规避原有的专利方案，在概念设计层面扩展并改善了原有概念方案的功能，并以疲劳驾驶预警系统为例验证了方案的可行性。

关键词: 疲劳驾驶预警系统, 专利规避, TRIZ理论, 概念设计

Abstract:

The driver fatigue monitor system played a crucial role in reducing traffic accidents and accelerating the development of intelligent transportation systems. This paper focused on optimizing and expanding the functionalities of existing systems. The varying functionalities of the systems were addressed at different chronological stages. Integrating driver fatigue monitor system with TRIZ theory and patent circumvention strategies from the conceptual design phase， the paper enhanced the nine-screen method to analyze the target system’s functionalities from past， present， and future perspectives. This integration led to the development of an expanded conceptual design scheme for a driver fatigue monitor system based on patent circumvention. The proposed scheme successfully navigated existing patent frameworks at the patent to avoid level and extends and improves the functionalities of the original concept at the conceptual design level. The feasibility of the scheme was demonstrated with the driver fatigue monitor systems as a case study.

Key words: driver fatigue monitor system, patent circumvention, TRIZ theory, conceptual design

中图分类号:

U463.6

武春龙, 姚迈, 王兴旺, 栾鑫. 基于专利规避设计的疲劳驾驶预警系统扩展概念设计[J]. 中国机械工程, 2026, 37(2): 406-415.

WU Chunlong, YAO Mai, WANG Xingwang, LUAN Xin. Extended Conceptual Design of Driver Fatigue Monitor Systems Based on Patent Circumvention Design[J]. China Mechanical Engineering, 2026, 37(2): 406-415.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2026.02.016

https://www.cmemo.org.cn/CN/Y2026/V37/I2/406

图/表 15

参考文献 25

[1]	State of the Road Fatigue Fact Sheet. Available online：［EB/OL］. （accessed on 30 March 2017）.
[2]	NGUYEN T P， CHEW M T， DEMIDENKO S. Eye Tracking System to Detect Driver Drowsiness［C］∥2015 6th International Conference on Automation， Robotics and Applications （ICARA）. Queenstown， 2015： 472-477.
[3]	张希波，成波，冯睿嘉. 基于方向盘操作的驾驶人疲劳状态实时检测方法［J］. 清华大学学报（自然科学版）， 2010， 50（7）： 1072-1076.
	ZHANG Xibo， CHENG Bo， FENG Ruijia. Real-time Detection of Driver Drowsiness Based on Steering Performance［J］. Journal of Tsinghua University （Science and Technology）， 2010， 50（7）： 1072-1076.
[4]	GIELEN J， AERTS J M. Feature Extraction and Evaluation for Driver Drowsiness Detection Based on Thermoregulation［J］. Applied Sciences， 2019， 9（17）： 3555.
[5]	AWAIS M， BADRUDDIN N， DRIEBERG M. A Hybrid Approach to Detect Driver Drowsiness Utilizing Physiological Signals to Improve System Performance and Wearability［J］. Sensors， 2017， 17（9）： 1991.
[6]	World Intellectual Property Indicators-2011 Edition［EB/OL］. .
[7]	JIANG Ping， ZHAI Jinjin， CHEN Zishun， et al. The Patent Design around Method Based on TRIZ［C］∥2009 IEEE International Conference on Industrial Engineering and Engineering Management. Beijing， 2009： 1067-1071.
[8]	王梁武. TRIZ理论在产品专利规避中的应用研究及软件开发［D］. 广州：广东工业大学， 2016.
	WANG Liangwu. Research on the Application of TRIZ Theory in Product Patent Evasion and Software Development ［D］. Guangzhou： Guangdong University of Technology， 2016.
[9]	李辉，刘力萌，赵少魁，等. 面向机械产品专利规避的功能裁剪路径研究［J］. 中国机械工程， 2015， 26（19）： 2581-2589.
	LI Hui， LIU Limeng， ZHAO Shaokui， et al. Study on Function Cutting Paths of Patent Design around for Mechanical Products［J］. China Mechanical Engineering， 2015， 26（19）： 2581-2589.
[10]	LIU Yanmin， JIANG Ping， WANG Wei， et al. Integrating Requirements Analysis and Design around Strategy for Designing around Patents［C］∥2011 IEEE 2nd International Conference on Computing， Control and Industrial Engineering. Wuhan， 2011： 29-32.
[11]	李作进，李仁杰，李升波，等. 基于方向盘转角近似熵与复杂度的驾驶人疲劳状态识别［J］. 汽车安全与节能学报， 2016， 7（3）： 279-284.
	LI Zuojin， LI Renjie， LI Shengbo， et al. Driver Fatigue Recognition Based on Approximated Entropy and Complexity of Steering Wheel Angle［J］. Journal of Automotive Safety and Energy， 2016， 7（3）： 279-284.
[12]	石晓玲，杨英仓. 基于车辆行驶轨迹特征的驾驶人疲劳状态识别技术研究［J］. 中国新通信， 2017， 19（2）： 158-160.
	SHI Xiaoling， YANG Yingcang. Driver Drowsiness Detection Based on Vehicle Track［J］. China New Telecommunications， 2017， 19（2）： 158-160.
[13]	胡宏宇，高振海. 基于转向盘转角速度时序分析的驾驶疲劳检测方法［C］∥2015中国汽车工程学会年会. 重庆，2015： 60-62.
	HU Hongyu， GAO Zhenhai. Driver Drowsiness Detection Based on Time Series Analysis of Steering Wheel Angular Velocity［C］∥2015 Proceedings of the Annual Conference of the Chinese Society of Automotive Engineering. Chongqing，2015： 60-62.
[14]	王欣，吴键，孙涵，等. 基于DSP的疲劳驾驶视觉检测与预警系统设计［J］. 测试技术学报， 2020， 34（6）： 506-513.
	WANG Xin， WU Jian， SUN Han， et al. Design of Visual Detection and Early Warning System for Fatigue Driving Based on DSP［J］. Journal of Test and Measurement Technology， 2020， 34（6）： 506-513.
[15]	许伟靖，王迪，单超颖. 基于视频监控的疲劳驾驶检测技术的研究［C］∥第十六届沈阳科学学术年会. 沈阳，2019： 405-408.
	XU Weijing， WANG Di， SHAN Chaoying. Research on Fatigue Driving Detection Technology Based on Video Monitoring［C］∥ Proceedings of the Sixteenth Annual Shen yang Science Symposium （Science， Technology， Agriculture and Medicine）. Shenyang， 2019： 405-408.
[16]	王青. 基于3D CNN的疲劳驾驶预警系统的研究［D］. 南京：南京邮电大学， 2019.
	WANG Qing. Wireless Wearable Fatigue Driving Early-warning System Based on 3D CNN ［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2019.
[17]	刘旭娟，徐俊喆. 基于脉搏波检测的驾驶员睡意预警装置［J］. 计算机测量与控制， 2018， 26（5）： 249-251.
	LIU Xujuan， XU Junzhe. Driver Drowsiness Warning Device Based on Pulse Wave Detection［J］. Computer Measurement & Control， 2018， 26（5）： 249-251.
[18]	郭鸿湧. 技术创新方法基础［M］. 北京：科学出版社， 2020.
	GUO Hongyong. Fundamentals of Technological Innovation Methods［M］. Beijing： Science Press， 2020.
[19]	朱天明，武春龙，周有城，等. 基于TRIZ功能建模的扩展碰撞预警系统数字孪生概念方案构建［J］. 计算机集成制造系统， 2021， 27（2）： 337-351.
	ZHU Tianming， WU Chunlong， ZHOU Youcheng， et al. Construction of Extended Collision Warning System Digital Twin Conceptual Scheme Based on TRIZ Functional Modeling［J］. Computer Integrated Manufacturing Systems， 2021， 27（2）： 337-351.
[20]	刘力萌，檀润华，张换高，等. 基于情景与TRIZ的产品概念设计过程研究［J］. 机械设计， 2021， 38（2）： 15-22.
	LIU Limeng， TAN Runhua， ZHANG Huangao， et al. Research on the Process of Product Conceptual Design Based on the Scenarios and TRIZ［J］. Journal of Machine Design， 2021， 38（2）： 15-22.
[21]	CHANG W， TSENG C， WU Longlong. Conceptual Innovation of a Prosthetic Hand Using TRIZ［J］. Journal of the Chinese Society of Mechanical Engineers， 2008， 29（2）： 111-120.
[22]	武春龙，朱天明，张鹏，等. 基于功能模型和层次分析法的智能产品服务系统概念方案构建［J］. 中国机械工程， 2020， 31（7）： 853-864.
	WU Chunlong， ZHU Tianming， ZHANG Peng， et al. Conceptual Scheme Construction of Smart PSS Based on Functional Model and AHP［J］. China Mechanical Engineering， 2020， 31（7）： 853-864.
[23]	张水. 基于TRIZ面向功能的机械产品概念设计模型研究［D］. 哈尔滨：东北林业大学， 2019.
	ZHANG Shui. Research for TRIZ-based Funcion-oriented Mechanical Product Concept Design Model ［D］. Harbin： Northeast Forestry University， 2019.
[24]	HAINES-GADD L. TRIZ for Dummies［M］. New York： John Wiley & Sons， Ltd.， 2016.
[25]	李弘，肖玉，颜惠庚. 技术系统进化法则在九屏幕法中的应用［J］. 统计与管理， 2013， 28（2）： 145-146.
	LI Hong， XIAO Yu， YAN Huigeng. Application of Evolution Law of Technical System in Nine-screen Method［J］. Statistics and Management， 2013， 28（2）： 145-146.

一级指标	二级指标	解释
技术层面价值	专利引证数	引用专利数量越多，创新性越强，覆盖内容更全面
	专利被引次数	专利被引用次数越多，专利的影响力越大，技术价值越高
	发明人数	专利的发明人数越多，说明专利的投入成本越多，专利技术含量越高
	文献引证数	专利引用的文献越多，代表本领域的技术关联性越高
法律层面价值	权利要求数	专利的权利要求数量代表法律保护范围大小
	独立权利要求数	专利的独立权利要求数量
	IPC分类数量	专利中包含不同IPC小类的数量
商业层面价值	申请时长	专利申请的时间越长，代表商业价值越高
	专利转让次数	专利转让次数越多，商业价值越高
	同族专利数量	同族专利数量越多，代表全球布局范围越广

一级指标	二级指标	解释
技术层面价值	专利引证数	引用专利数量越多，创新性越强，覆盖内容更全面
	专利被引次数	专利被引用次数越多，专利的影响力越大，技术价值越高
	发明人数	专利的发明人数越多，说明专利的投入成本越多，专利技术含量越高
	文献引证数	专利引用的文献越多，代表本领域的技术关联性越高
法律层面价值	权利要求数	专利的权利要求数量代表法律保护范围大小
	独立权利要求数	专利的独立权利要求数量
	IPC分类数量	专利中包含不同IPC小类的数量
商业层面价值	申请时长	专利申请的时间越长，代表商业价值越高
	专利转让次数	专利转让次数越多，商业价值越高
	同族专利数量	同族专利数量越多，代表全球布局范围越广

专利公开号	专利引证数	专利被引次数	发明人数	文献引证数	权利要求数	独立权利要求数	IPC分类数量	申请时长	专利转让次数	同族专利数量
CN211529286U	1	0	7	0	7	1	1	10	0	1
CN211483131U	1	0	3	0	5	1	1	10	0	1
CN211765230U	0	0	6	0	4	1	6	10	0	1
CN212685342U	0	0	6	0	4	1	1	10	0	1
										
CN212814626U	0	0	3	0	10	1	1	10	0	1
CN211252391U	1	0	3	0	7	1	3	10	0	1
CN108973783A	11	1	1	0	2	1	3	20	1	2

专利公开号	专利引证数	专利被引次数	发明人数	文献引证数	权利要求数	独立权利要求数	IPC分类数量	申请时长	专利转让次数	同族专利数量
CN211529286U	1	0	7	0	7	1	1	10	0	1
CN211483131U	1	0	3	0	5	1	1	10	0	1
CN211765230U	0	0	6	0	4	1	6	10	0	1
CN212685342U	0	0	6	0	4	1	1	10	0	1
										
CN212814626U	0	0	3	0	10	1	1	10	0	1
CN211252391U	1	0	3	0	7	1	3	10	0	1
CN108973783A	11	1	1	0	2	1	3	20	1	2

专利公开号	专利引证数	专利被引次数	发明人数	文献引证数	权利要求数	独立权利要求数	IPC分类数量	申请时长	专利转让次数	同族专利数量
CN211529286U	0.3548	0.8462	1	1	0.6471	1	0.5238	0.3548	1	0.8462
CN211483131U	0.3548	0.8462	0.5789	1	0.5238	1	0.5238	0.3548	1	0.8462
CN211765230U	0.3333	0.8462	0.8462	1	0.4783	1	1	0.3548	1	0.8462
CN212685342U	0.3333	0.8462	0.8462	1	0.4783	1	0.5238	0.3548	1	0.8462
										
CN212814626U	0.3333	0.8462	0.5789	1	1	1	0.5238	0.3548	1	0.8462
CN211252391U	0.3548	0.8462	0.5789	1	0.6471	1	0.6471	0.3548	1	0.8462
CN108973783A	1	1	0.4738	1	0.4074	1	0.6471	1	1	1