本文關(guān)鍵詞：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，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著道路運(yùn)輸事業(yè)的快速發(fā)展,各國(guó)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(lái)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(cè)指標(biāo),搭建準(zhǔn)確及時(shí)的檢測(cè)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)駕駛員的疲勞狀態(tài)實(shí)現(xiàn)了較高的識(shí)別精度。主要研究?jī)?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)瞬煌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(kù)。(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,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)特征參數(shù)包括：眨眼頻率BF、注視持續(xù)時(shí)間均值FIXT_mean口標(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(guò)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(cè)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)駕駛員的清醒、疲勞、非常疲勞三種狀態(tài)分別達(dá)到了83%、69.6%和79.6%的平均識(shí)別準(zhǔn)確率,因此,該模型可以用于駕駛員疲勞狀態(tài)的辨識(shí),為疲勞駕駛檢測(cè)提供了一種思路。
【關(guān)鍵詞】：疲勞駕駛 疲勞辨識(shí) 駕駛行為特征 眼動(dòng)特征 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：U492.8
【目錄】：

• 摘要6-7
• Abstract7-12
• 第1章 緒論12-21
• 1.1 研究背景及意義12-14
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀14-19
• 1.2.1 基于主觀評(píng)定的檢測(cè)方法14-15
• 1.2.2 基于生理參數(shù)特征的檢測(cè)15-16
• 1.2.3 基于眼動(dòng)特征的檢測(cè)16-17
• 1.2.4 基于駕駛行為特征的檢測(cè)17-18
• 1.2.5 基于信息融合的檢測(cè)方法18
• 1.2.6 國(guó)內(nèi)外研究現(xiàn)狀綜述18-19
• 1.3 研究?jī)?nèi)容及技術(shù)路線19-21
• 第2章 駕駛疲勞概述21-26
• 2.1 駕駛疲勞的定義21
• 2.2 駕駛疲勞的分類21-22
• 2.2.1 心理疲勞21-22
• 2.2.2 生理疲勞22
• 2.3 駕駛疲勞的影響因素22-24
• 2.3.1 內(nèi)部因素23-24
• 2.3.2 外部因素24
• 2.4 疲勞駕駛的危害24-25
• 2.5 疲勞駕駛預(yù)防對(duì)策25-26
• 第3章 基于駕駛模擬器的疲勞駕駛實(shí)驗(yàn)26-34
• 3.1 實(shí)驗(yàn)?zāi)康?/span>26
• 3.2 實(shí)驗(yàn)條件26-29
• 3.2.1 實(shí)驗(yàn)設(shè)備26-28
• 3.2.2 實(shí)驗(yàn)場(chǎng)景28
• 3.2.3 實(shí)驗(yàn)人員28-29
• 3.3 實(shí)驗(yàn)方案設(shè)計(jì)29-30
• 3.4 疲勞駕駛樣本數(shù)據(jù)庫(kù)30-33
• 3.4.1 疲勞狀態(tài)評(píng)價(jià)方法選取30-32
• 3.4.2 疲勞駕駛實(shí)驗(yàn)數(shù)據(jù)32
• 3.4.3 建立疲勞駕駛樣本數(shù)據(jù)庫(kù)32-33
• 3.5 本章小結(jié)33-34
• 第4章 疲勞駕駛特征數(shù)據(jù)分析34-58
• 4.1 數(shù)據(jù)分析方法34-36
• 4.1.1 數(shù)據(jù)分析軟件34
• 4.1.2 方差分析的原理及步驟34-36
• 4.2 疲勞駕駛駕駛行為特征分析36-49
• 4.2.1 方向盤轉(zhuǎn)角數(shù)據(jù)分析36-40
• 4.2.2 方向盤角速度分析40-43
• 4.2.3 車速變化分析43-46
• 4.2.4 加速度分析46-49
• 4.3 疲勞狀態(tài)駕駛員眼動(dòng)特征分析49-56
• 4.3.1 駕駛?cè)苏Ｑ厶卣鞣治?/span>49-50
• 4.3.2 駕駛?cè)俗⒁曁卣鞣治?/span>50-52
• 4.3.3 駕駛?cè)藪咭曁卣鞣治?/span>52-55
• 4.3.4 駕駛?cè)送字睆椒治?/span>55-56
• 4.4 疲勞駕駛特征參數(shù)多重比較56-57
• 4.5 本章小結(jié)57-58
• 第5章 基于眼動(dòng)及駕駛行為特征的疲勞狀態(tài)辨識(shí)58-69
• 5.1 疲勞駕駛特征參數(shù)選擇58-59
• 5.2 疲勞駕駛狀態(tài)辨識(shí)方法選擇59-61
• 5.2.1 信息融合方法的概念59-60
• 5.2.2 常用信息融合算法介紹60-61
• 5.2.3 疲勞駕駛辨識(shí)方法的確定61
• 5.3 疲勞駕駛BP神經(jīng)網(wǎng)絡(luò)辨識(shí)模型61-65
• 5.3.1 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程及算法61-63
• 5.3.2 疲勞駕駛BP神經(jīng)網(wǎng)絡(luò)辨識(shí)模型的設(shè)計(jì)63-65
• 5.4 疲勞駕駛辨識(shí)模型的仿真驗(yàn)證65-68
• 5.5 本章小結(jié)68-69
• 結(jié)論與展望69-71
• 致謝71-72
• 參考文獻(xiàn)72-77
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研情況77

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 石京;肖遙;;駕駛心理對(duì)交通安全的影響[J];交通信息與安全;2014年05期

2 郭孜政;譚永剛;馬國(guó)忠;潘毅潤(rùn);陳崇雙;;基于BP神經(jīng)網(wǎng)絡(luò)的駕駛精神疲勞識(shí)別方法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2014年08期

3 王連震;裴玉龍;;基于貝葉斯網(wǎng)絡(luò)的駕駛疲勞程度識(shí)別模型[J];城市交通;2014年03期

4 馬錦飛;常若松;高遠(yuǎn);;瞳孔直徑大小檢測(cè)駕駛員疲勞的實(shí)證效度分析[J];遼寧師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2014年01期

5 張寧寧;王宏;付榮榮;;基于小波熵的駕駛疲勞腦電信號(hào)特征提取[J];汽車工程;2013年12期

6 傅莉;;多傳感器信息融合技術(shù)研究[J];科技廣場(chǎng);2013年09期

7 謝承玲;陳彩明;劉堂宇;;一種車載疲勞駕駛監(jiān)測(cè)儀[J];現(xiàn)代電子技術(shù);2013年12期

8 薄純娟;徐國(guó)凱;宋鵬;李忠楠;;疲勞駕駛檢測(cè)方法研究綜述[J];大連民族學(xué)院學(xué)報(bào);2013年03期

9 李薛媛;;疲勞駕駛預(yù)防措施的研究[J];交通世界(運(yùn)輸.車輛);2012年06期

10 楊永旭;陳旭輝;;模糊集理論在多傳感器信息融合中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用與軟件;2011年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前6條

1 牛清寧;基于信息融合的疲勞駕駛檢測(cè)方法研究[D];吉林大學(xué);2014年

2 肖獻(xiàn)強(qiáng);基于信息融合的駕駛行為識(shí)別關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2011年

3 謝曉莉;駕駛疲勞生成機(jī)理研究[D];北京工業(yè)大學(xué);2010年

4 毛U，

本文編號(hào)：342651