本文關(guān)鍵詞：基于D-S理論的汽車駕駛員疲勞決策研究

  更多相關(guān)文章： 疲勞駕駛 神經(jīng)網(wǎng)絡(luò) 粗糙集 D-S理論

【摘要】：疲勞駕駛是導(dǎo)致交通事故的主要原因,對駕駛員疲勞狀態(tài)進(jìn)行判斷并及時發(fā)出疲勞預(yù)警,對減少由疲勞駕駛所引發(fā)的交通事故具有重要意義。本文針對駕駛員疲勞監(jiān)測技術(shù)的研究現(xiàn)狀及實際應(yīng)用需求出發(fā),開展了模擬疲勞駕駛實驗,采用實驗研究與理論相結(jié)合的方法研究了人體生理信號與駕駛員疲勞之間的關(guān)系,具體研究內(nèi)容如下:1.基于模擬駕駛實驗平臺,實時同步采集駕駛員駕車過程中面背壓力、脈搏血氧和心率等特征數(shù)據(jù),利用基于疲勞量表的駕駛員自我評定、他人的客觀疲勞評定及PVT測試三者相結(jié)合的方法建立疲勞判定標(biāo)準(zhǔn),對采集數(shù)據(jù)實現(xiàn)疲勞和清醒兩種狀態(tài)下的分類。2.基于面背壓傳感器的無儀器佩戴駕駛員呼吸信號提取方法的研究,選取256個背靠壓力測試點中最大壓力點進(jìn)行三次樣條插值處理,并與從脈搏血氧中提取出的呼吸信號進(jìn)行相關(guān)性分析,得到背靠壓力信號中蘊(yùn)藏呼吸波的結(jié)論。該方法既確保了呼吸信號的準(zhǔn)確性,又為實現(xiàn)無儀器佩戴式疲勞監(jiān)測提供了重要的參考依據(jù)。3.對不同駕駛狀態(tài)下呼吸周期、呼吸幅值、心率、脈搏血氧等特征的變化規(guī)律以統(tǒng)計學(xué)方法進(jìn)行研究,采用單因素實驗設(shè)計的方法,分別定量研究不同駕駛狀態(tài)下、不同時間窗內(nèi)各特征參數(shù)的平均值和標(biāo)準(zhǔn)差之間的差異性,篩選出最優(yōu)時間窗內(nèi)駕駛員疲勞特征參數(shù)。4.基于粗糙集的最有效疲勞特征的提取。根據(jù)提取的最優(yōu)時間窗下的疲勞特征參數(shù)建立對應(yīng)疲勞屬性的決策表,基于信息熵的離散化斷點規(guī)則對數(shù)據(jù)進(jìn)行離散化并建立差別矩陣,進(jìn)行疲勞特征參數(shù)的屬性約簡,獲得最有效的疲勞決策屬性集,不僅避免了疲勞特征屬性重復(fù)提取,也提高了疲勞判定準(zhǔn)確率。5.基于D-S理論的疲勞決策級信息融合。首先通過對最有效生理特征數(shù)據(jù)運用、訓(xùn)練模糊神經(jīng)網(wǎng)絡(luò),然后將相關(guān)專家的經(jīng)驗判斷和采集的模糊信息一并融入疲勞決策過程,將其輸出的結(jié)果歸一化后設(shè)置為基本概率函數(shù),最后采用D-S進(jìn)行組合決策識別疲勞狀態(tài)。先使用模糊神經(jīng)網(wǎng)絡(luò)提取駕駛疲勞信息特征,再用D-S融合,充分利用了疲勞駕駛特征的信息,很大程度上提高了決策準(zhǔn)確率,同時避免了分析單一疲勞駕駛特征進(jìn)行疲勞識別的片面性和模糊性。
【關(guān)鍵詞】：疲勞駕駛 神經(jīng)網(wǎng)絡(luò) 粗糙集 D-S理論
【學(xué)位授予單位】：天津職業(yè)技術(shù)師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U463.6
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 課題來源9
• 1.2 研究背景及意義9-10
• 1.3 疲勞駕駛監(jiān)測的研究現(xiàn)狀10-14
• 1.3.1 主觀評價法10
• 1.3.2 生理現(xiàn)象監(jiān)測法10-12
• 1.3.3 駕駛行為監(jiān)測法12-13
• 1.3.4 多傳感器融合監(jiān)測法13-14
• 1.4 疲勞駕駛監(jiān)測存在問題及發(fā)展趨勢14-15
• 1.5 本文研究內(nèi)容及技術(shù)路線15-16
• 第2章 疲勞駕駛數(shù)據(jù)采集16-23
• 2.1 實驗平臺16-19
• 2.1.1 實驗儀器16-18
• 2.1.2 實驗平臺18-19
• 2.2 實驗過程19-20
• 2.3 實驗數(shù)據(jù)同步采集20
• 2.4 疲勞狀態(tài)評價20-22
• 2.5 本章小結(jié)22-23
• 第3章 疲勞特征分析23-34
• 3.1 呼吸信號23-29
• 3.1.1 基于駕駛員脈搏波的呼吸波提取23-24
• 3.1.2 基于面背壓力信號的呼吸波提取24-25
• 3.1.3 呼吸信號的相關(guān)性分析25
• 3.1.4 呼吸信號統(tǒng)計分析25-26
• 3.1.5 呼吸信號特征參數(shù)26-29
• 3.2 心率信號29-32
• 3.2.1 心率統(tǒng)計分析30
• 3.2.2 心率特征參數(shù)30-32
• 3.3 脈搏血氧飽和度32-33
• 3.3.1 血氧統(tǒng)計分析32
• 3.3.2 血氧特征參數(shù)32-33
• 3.4 本章小結(jié)33-34
• 第4章 駕駛員疲勞參數(shù)的屬性約簡34-41
• 4.1 粗糙集基本理論34-37
• 4.1.1 基于信息熵的連續(xù)屬性集離散化34-36
• 4.1.2 基于差別矩陣的屬性約簡36-37
• 4.2 駕駛員疲勞參數(shù)的屬性約簡37-40
• 4.2.1 基于粗糙集的疲勞判定流程37
• 4.2.2 疲勞決策各屬性值的確定37-38
• 4.2.3 疲勞判定決策集的確定38-40
• 4.3 本章小結(jié)40-41
• 第5章 駕駛員疲勞狀態(tài)決策41-48
• 5.1 D-S基本理論41-44
• 5.1.1 基本概念41-42
• 5.1.2 D-S決策規(guī)則42-43
• 5.1.3 基本概率函數(shù)的獲取43-44
• 5.2 獲取疲勞特征信息的基本概率分配44-46
• 5.3 D-S理論疲勞駕駛決策融合46-47
• 5.3.1 基于D-S的指標(biāo)組合46-47
• 5.3.2 基于基本概率分配的決策47
• 5.4 本章小結(jié)47-48
• 第6章 結(jié)論與展望48-50
• 6.1 結(jié)論48-49
• 6.2 展望49-50
• 參考文獻(xiàn)50-54
• 致謝54-55
• 申請學(xué)位期間的研究成果及發(fā)表的學(xué)術(shù)論文55-56
• 附錄A 主觀疲勞判定表56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李家文;成波;;駕駛?cè)藸顟B(tài)適應(yīng)式疲勞預(yù)警方法的研究[J];汽車工程;2011年08期

2 李家文;成波;;駕駛員疲勞狀態(tài)適應(yīng)式復(fù)合預(yù)警方法的研究[J];汽車工程;2012年03期

3 韓清鵬;;利用EEG信號的小波包變換與非線性分析實現(xiàn)精神疲勞狀態(tài)的判定[J];振動與沖擊;2013年02期

4 王黎;于濤;聞邦椿;;基于腦電α波的非線性參數(shù)人體疲勞狀態(tài)判定[J];東北大學(xué)學(xué)報;2005年12期

5 馬樂;姜立標(biāo);王會榮;王蒙;;駕駛員疲勞駕駛預(yù)警系統(tǒng)的設(shè)計[J];哈爾濱工業(yè)大學(xué)學(xué)報;2011年05期

6 張靜,魏平,胡明敏,周克印;疲勞狀態(tài)檢測元件的研究[J];理化檢驗(物理分冊);2003年09期

7 李家文;成波;;針對駕駛員疲勞狀態(tài)的防撞報警算法的研究[J];汽車工程;2013年06期

8 王雯麗;孫s，

本文編號：1069705