基于多生理參數(shù)的駕駛?cè)藛T心理壓力狀態(tài)評估.pdf

1、隨著社會經(jīng)濟的快速發(fā)展和人民生活水平的不斷提高，汽車已經(jīng)逐步成為普通市民的出行工具。駕駛壓力能夠誘發(fā)厭煩、恐懼、憤怒等多種不同情感，直接影響駕駛員的認(rèn)知水平和決策能力，進而降低駕駛員對車輛的操控力，從而導(dǎo)致交通事故的發(fā)生。因此，評估駕駛?cè)藛T的心理壓力狀態(tài)，并予以干預(yù)警告，可以有效提醒駕駛員注意，進而降低事故的發(fā)生，這對于交通系統(tǒng)的正常運行有著重要的意義。
　　生理信號能夠反應(yīng)駕駛?cè)藛T的心理壓力狀態(tài)，對生理參數(shù)的研究可以有效的進行壓

2、力狀態(tài)分析以及情感識別。本文基于駕駛員駕駛過程中的多生理信號，實現(xiàn)駕駛員的心理壓力狀態(tài)評估。采用小波分析進行預(yù)處理和特征點識別，分別提取心電、肌電和呼吸信號的20、18、22個時域和頻域特征。基于核主成分分析法（Kernal Principal Component Analysis,KPCA)，將特征數(shù)據(jù)集投影到一個更低維度的特征空間實現(xiàn)優(yōu)化，保留了≥90％累計貢獻率的5個特征值，作為分類器的輸入。在分析比較支持向量機（Support

3、Vector Machine,SVM）和隱馬爾可夫模型（Hidden Markov Model,HMM）壓力識別結(jié)果的基礎(chǔ)上，考慮SVM分類器適于反映異類樣本間差異，而HMM分類器適于反映同類樣本相似度的特點，提出了一種基于SVM改進的HMM情感模型來實現(xiàn)駕駛?cè)藛T心理壓力狀態(tài)的評估。結(jié)果顯示，SVM最大識別率為91.97%，HMM最大識別率為93.00%，基于SVM改進的HMM情感模型可以有效地識別低、中、高三個水平的壓力，最大識別率達