本文關(guān)鍵詞： 駕駛持續(xù)性注意水平 腦電信號(hào) 支持向量機(jī) 識(shí)別特征指標(biāo)　出處：《西南交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：駕駛持續(xù)性注意水平是影響駕駛安全的關(guān)鍵性因素,而腦電信號(hào)的變化與駕駛持續(xù)性注意水平存在著直接聯(lián)系,因此為了對(duì)駕駛持續(xù)性注意水平予以有效識(shí)別,本文以腦電信號(hào)作為識(shí)別特征指標(biāo),構(gòu)建了一種駕駛持續(xù)性注意水平識(shí)別方法。首先,為了對(duì)駕駛持續(xù)性注意水平進(jìn)行等級(jí)劃分,本文采用駕駛反應(yīng)時(shí)間作為客觀劃分指標(biāo),提出了一種駕駛持續(xù)性注意水平等級(jí)劃分方法。在此基礎(chǔ)上,利用高效的篩選算法對(duì)腦電特征參數(shù)進(jìn)行擇優(yōu)篩選,所得到的腦電特征參數(shù)作為駕駛持續(xù)性注意水平識(shí)別特征指標(biāo)。最后,采用粒子群算法對(duì)支持向量機(jī)進(jìn)行參數(shù)優(yōu)化,構(gòu)建了駕駛持續(xù)性注意水平識(shí)別模型�；谝延械哪M駕駛平臺(tái),設(shè)計(jì)了駕駛持續(xù)性注意水平實(shí)驗(yàn),將實(shí)驗(yàn)所采集的腦電數(shù)據(jù)對(duì)該模型予以試算,得到如下結(jié)論:(1)采用反應(yīng)時(shí)間對(duì)駕駛持續(xù)性注意水平進(jìn)行等級(jí)劃分,將從屬不同等級(jí)的駕駛行為績效進(jìn)行差異性對(duì)比分析,分析結(jié)果認(rèn)為不同等級(jí)的駕駛行為績效存在著顯著差異,驗(yàn)證了文中所提方法的合理性。(2)采用Kruskal-Wallis檢驗(yàn)和Relief算法對(duì)腦電特征參數(shù)進(jìn)行擇優(yōu)篩選,得出位于FP1電極的合成參數(shù)(α+θ)/β、P7電極的合成參數(shù)θ/β、CZ電極的合成參數(shù)(α+θ)/β、P8電極的合成參數(shù)(α+θ)/β及FZ電極的合成參數(shù)(α+θ)/β在不同駕駛持續(xù)性注意水平等級(jí)下差異最為顯著,可作為駕駛持續(xù)性注意水平的識(shí)別特征指標(biāo)。(3)模型識(shí)別平均正確率為92.19%,說明所提模型和方法的可行性和適用性,認(rèn)為可用于對(duì)駕駛持續(xù)性注意水平的識(shí)別。
[Abstract]:Driving sustained attention level is the key factor to affect driving safety, and the change of EEG is directly related to driving sustained attention level, so in order to identify driving sustained attention level effectively. In this paper, the EEG signal is used as the recognition feature index, and a method of recognition of driving persistent attention level is constructed. Firstly, in order to classify the driving sustained attention level. In this paper, the driving reaction time is used as the objective classification index, and a method of classification of driving persistent attention level is proposed. On the basis of this, an efficient screening algorithm is used to select the characteristic parameters of EEG. The obtained EEG feature parameters are used as the recognition feature index of driving sustained attention level. Finally, the particle swarm optimization algorithm is used to optimize the parameters of support vector machine. Based on the existing simulated driving platform, a driving sustained attention level experiment was designed, and the EEG data collected from the experiment were used to test the model. The conclusion is as follows: 1) the reaction time is used to grade the driving sustainability attention level, and the performance of driving behavior belonging to different grades is compared and analyzed. The results show that there are significant differences in driving behavior performance among different grades. The rationality of the proposed method is verified. (2) Kruskal-Wallis test and Relief algorithm are used to select the characteristic parameters of EEG. The synthesis parameters of FP1 electrode (偽 胃 O / 尾 P7 electrode) are obtained, and the synthesis parameters of CZ electrode (偽 胃 n / 尾) are obtained. The synthesis parameters of P8 electrode (偽 胃 O / 尾) and FZ electrode (偽 胃 N / 尾) showed the most significant difference under different levels of continuous driving attention. The average recognition accuracy of the model is 92.19, which shows the feasibility and applicability of the proposed model and method. It is believed that it can be used to identify the level of continuous attention to driving.
【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】：2017
【分類號(hào)】：U491.25

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉沖;于清文;陸志國;王宏;;基于最小二乘支持向量機(jī)的腦電信號(hào)分類[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年05期

2 周天彤;葉志雄;孫偉;張廣燦;鄒凌;;模擬駕駛環(huán)境下注意力評(píng)估系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)測量與控制;2015年09期

3 王淑珍;于園園;帥靜;;目標(biāo)監(jiān)控崗位員工選拔中持續(xù)性注意力的測評(píng)[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2015年04期

4 趙正松;潘登登;;基于兩獨(dú)立樣本和配對(duì)樣本T檢驗(yàn)分析出租車行業(yè)運(yùn)行規(guī)律[J];交通建設(shè)與管理;2013年08期

5 任曉明;薛青;楊冀;;虛擬駕駛員視覺注意力模型研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年19期

6 李都厚;劉群;袁偉;劉浩學(xué);;疲勞駕駛與交通事故關(guān)系[J];交通運(yùn)輸工程學(xué)報(bào);2010年02期

7 郭克友;;惡劣光照下駕駛?cè)似诩白⒁饬σ曈X監(jiān)測算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年02期

8 馬艷麗;王要武;;駕駛員注意分配特性及其對(duì)行車安全的影響[J];交通運(yùn)輸工程學(xué)報(bào);2009年04期

9 王東;吳湘濱;;利用粒子群算法優(yōu)化SVM分類器的超參數(shù)[J];計(jì)算機(jī)應(yīng)用;2008年01期

10 劉援朝;孫忠友;魏玉桂;;機(jī)動(dòng)車駕駛員注意及相關(guān)因素的調(diào)查研究[J];社會(huì)心理科學(xué);2007年Z1期

相關(guān)博士學(xué)位論文 前6條

1 劉培朵;警覺在時(shí)間知覺中的作用研究[D];西南大學(xué);2015年

2 馬錦飛;不同音樂條件對(duì)駕駛員注意及危險(xiǎn)知覺的影響[D];遼寧師范大學(xué);2014年

3 楊博;長時(shí)間持續(xù)警戒任務(wù)下腦力疲勞對(duì)前注意和注意加工能力影響的ERP研究[D];第四軍醫(yī)大學(xué);2013年

4 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

5 吳群;基于心電信號(hào)的駕駛疲勞檢測方法研究[D];浙江大學(xué);2008年

6 張國云;支持向量機(jī)算法及其應(yīng)用研究[D];湖南大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 王圓圓;風(fēng)險(xiǎn)駕駛情境下道路廣告對(duì)駕駛?cè)俗⒁饬Φ挠绊慬D];昆明理工大學(xué);2015年

2 鐘宏燕;腦電信號(hào)的特征提取和分類研究[D];北京工業(yè)大學(xué);2014年

3 柴曉軍;客運(yùn)駕駛員疲勞駕駛監(jiān)管技術(shù)及政策研究[D];長安大學(xué);2013年

4 葉曉林;認(rèn)知負(fù)荷對(duì)駕駛員視覺注意影響的眼動(dòng)研究[D];天津師范大學(xué);2013年

5 胡輝;基于視覺的駕駛員注意力判別研究[D];西南交通大學(xué);2012年

6 李海瓊;不同交通流狀態(tài)下駕駛行為差異模擬實(shí)驗(yàn)研究[D];昆明理工大學(xué);2012年

7 南姣芬;基于腦電信號(hào)的駕駛疲勞檢測方法研究[D];陜西師范大學(xué);2011年

8 曲慶峰;基于虛擬駕駛平臺(tái)的注意選擇與分配模型研究及平臺(tái)設(shè)計(jì)[D];北京郵電大學(xué);2010年

9 張焱;腦力疲勞對(duì)注意特征的影響[D];第四軍醫(yī)大學(xué);2009年

10 李葆華;駕駛員視覺注意力的檢測方法研究[D];合肥工業(yè)大學(xué);2007年

，

本文編號(hào)：1462466