基于駕駛行為特征與眼動(dòng)特征的疲勞駕駛辨識(shí)方法研究.pdf

1、隨著道路運(yùn)輸事業(yè)的快速發(fā)展，各國機(jī)動(dòng)車保有量迅速增加，道路交通事故數(shù)量與日俱增，惡性交通事故越來越多。研究表明疲勞駕駛是導(dǎo)致道路交通事故的主要原因之一，因此，對(duì)疲勞駕駛辨識(shí)方法進(jìn)行研究，選擇可靠有效的檢測指標(biāo)，搭建準(zhǔn)確及時(shí)的檢測模型，對(duì)改善道路交通安全狀況，降低交通事故發(fā)生頻率具有重大意義。
　　論文基于不同疲勞狀態(tài)下駕駛員的眼動(dòng)及駕駛行為規(guī)律分析，提取駕駛行為及眼動(dòng)特征參數(shù)，并基于信息融合理論，搭建駕駛疲勞辨識(shí)模型，并對(duì)駕駛員的

2、疲勞狀態(tài)實(shí)現(xiàn)了較高的識(shí)別精度。主要研究內(nèi)容如下:
　　(1)設(shè)計(jì)了疲勞駕駛模擬實(shí)驗(yàn)方案，并招募了10名駕駛員在西南交通大學(xué)自主研發(fā)的大型駕駛模擬器上進(jìn)行連續(xù)的疲勞駕駛實(shí)驗(yàn)，同步記錄了10名駕駛?cè)氩煌跔顟B(tài)下的駕駛行為數(shù)據(jù)和眼動(dòng)數(shù)據(jù)，并根據(jù)駕駛員的KSS得分和“三級(jí)疲勞評(píng)價(jià)法”對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行切分，然后對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，建立了疲勞駕駛樣本數(shù)據(jù)庫。
　　(2)運(yùn)用統(tǒng)計(jì)學(xué)方法研究了不同疲勞狀態(tài)下駕駛員的駕駛行為和眼動(dòng)特征的變化規(guī)律

3、，重點(diǎn)分析了方向盤轉(zhuǎn)角數(shù)據(jù)、方向盤轉(zhuǎn)角速度、車速以及車輛加速度的特征;眼動(dòng)方面分析了不同疲勞狀態(tài)下駕駛員的眨眼、注視、掃視以及瞳孔直徑變化等眼動(dòng)特征。在不同時(shí)間窗下提取特征參數(shù)，并運(yùn)用單因素方差分析量化了各特征參數(shù)在不同疲勞狀態(tài)下的差異顯著性水平。最終篩選出的駕駛行為特征參數(shù)包括:方向盤轉(zhuǎn)角絕對(duì)均值SAM、轉(zhuǎn)角標(biāo)準(zhǔn)差SASTD、方向盤角速度絕對(duì)均值SWM、角速度標(biāo)準(zhǔn)差SWSTD、速度標(biāo)準(zhǔn)差Vstd、加速度均值A(chǔ)m和標(biāo)準(zhǔn)差A(yù)std;眼動(dòng)特

4、征參數(shù)包括:眨眼頻率BF、注視持續(xù)時(shí)間均值FIXT mean和標(biāo)準(zhǔn)差FIXT std、掃視平均速度標(biāo)準(zhǔn)差SACV std以及瞳孔直徑變異系數(shù)CVPLD。
　　(3)對(duì)常見的信息融合方法進(jìn)行了梳理，分析了各融合方法的優(yōu)缺點(diǎn)，確定BP神經(jīng)網(wǎng)絡(luò)作為疲勞駕駛辨識(shí)模型的融合算法。隨后詳細(xì)論述了基于BP神經(jīng)網(wǎng)絡(luò)的疲勞駕駛辨識(shí)模型的建立過程，利用神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)編寫程序，隨機(jī)選取訓(xùn)練樣本集和測試樣本集對(duì)模型進(jìn)行訓(xùn)練和驗(yàn)證，結(jié)果表明該模型對(duì)駕駛