【摘要】：隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展,機(jī)動(dòng)車保有量的持續(xù)增加,道路交通安全問(wèn)題日益嚴(yán)峻。交通事故逐漸成為造成人類傷亡的主要原因之一,而醉酒駕駛是其中一個(gè)很大的原因。因此,對(duì)醉酒駕駛進(jìn)行準(zhǔn)確識(shí)別意義重大。本文主要利用駕駛模擬艙進(jìn)行駕駛實(shí)驗(yàn),采集了醉酒駕駛和正常駕駛的駕駛行為參數(shù),對(duì)不同狀態(tài)駕駛行為進(jìn)行了分析,提取了能顯著表征醉酒駕駛的特征參數(shù),并基于提取的特征參數(shù)對(duì)駕駛員狀態(tài)進(jìn)行了識(shí)別。主要研究?jī)?nèi)容如下:首先,基于駕駛模擬平臺(tái),設(shè)計(jì)實(shí)驗(yàn)采集駕駛行為數(shù)據(jù)。本文對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了廣泛調(diào)研,在總結(jié)前人研究的基礎(chǔ)上,利用駕駛模擬平臺(tái)開(kāi)展駕駛實(shí)驗(yàn),采集了25名駕駛員的駕駛行為數(shù)據(jù),并對(duì)數(shù)據(jù)進(jìn)行了整理與篩選,建立了樣本數(shù)據(jù)庫(kù)。其次,分析了醉酒對(duì)駕駛行為的影響,進(jìn)行了特征選擇。本文運(yùn)用統(tǒng)計(jì)分析方法對(duì)醉酒狀態(tài)和正常狀態(tài)的駕駛行為進(jìn)行了對(duì)比分析,明確了醉酒對(duì)車速、加速度、方向盤(pán)轉(zhuǎn)角、制動(dòng)踏板踩踏深度、加速踏板踩踏深度、偏離中心線距離等駕駛行為的影響規(guī)律,最終選取方向盤(pán)轉(zhuǎn)角作為識(shí)別特征。再次,采用滑動(dòng)數(shù)據(jù)窗進(jìn)行特征提取。為減輕采用總體數(shù)據(jù)長(zhǎng)度統(tǒng)計(jì)均值和標(biāo)準(zhǔn)差對(duì)數(shù)據(jù)特征的損失,本文基于滑動(dòng)數(shù)據(jù)窗分別求取方向盤(pán)轉(zhuǎn)角均值序列和標(biāo)準(zhǔn)差序列構(gòu)建特征參數(shù),并研究了不同數(shù)據(jù)窗長(zhǎng)度對(duì)特征提取的影響和不同數(shù)據(jù)窗提取特征的有效性,結(jié)果表明滑動(dòng)數(shù)據(jù)窗可以提取明顯表征醉酒駕駛的特征參數(shù)。第四,采用近似熵和樣本熵進(jìn)行特征提取。首先對(duì)近似熵和樣本熵的參數(shù)選擇進(jìn)行了分析,搭建了最優(yōu)熵值計(jì)算模型;其次基于提取的最優(yōu)熵值構(gòu)建特征參數(shù),并采用ROC曲線對(duì)特征參數(shù)的判別性能進(jìn)行了對(duì)比分析,結(jié)果表明方向盤(pán)轉(zhuǎn)角近似熵作為判別特征的性能優(yōu)于樣本熵。最后,搭建了基于駕駛行為特征的駕駛員狀態(tài)檢測(cè)模型。分別采用KNN和SVM構(gòu)建基于單特征參數(shù)、多特征參數(shù)加權(quán)融合的醉酒駕駛檢測(cè)模型,對(duì)比分析了各醉酒駕駛檢測(cè)模型的識(shí)別準(zhǔn)確度與運(yùn)行效率。結(jié)果表明,SVM檢測(cè)模型識(shí)別效果優(yōu)于KNN檢測(cè)模型,加權(quán)融合可以提高檢測(cè)模型的識(shí)別準(zhǔn)確度;SVM在尋找最優(yōu)參數(shù)時(shí)需要耗費(fèi)比較多的時(shí)間,運(yùn)行效率低于KNN。
[Abstract]:With the development of social economy and the increasing number of motor vehicles, the problem of road traffic safety is becoming more and more serious. Traffic accidents have gradually become one of the main causes of human casualties, and drunken driving is one of the major causes. Therefore, it is of great significance to identify drunken driving accurately. In this paper, the driving behavior parameters of drunken driving and normal driving were collected, and the driving behavior of different states were analyzed, and the characteristic parameters which could represent drunken driving were extracted. The driver state is recognized based on the extracted feature parameters. The main research contents are as follows: firstly, based on the driving simulation platform, the experiment is designed to collect driving behavior data. This paper has carried on the extensive investigation to the domestic and foreign research present situation, has carried on the driving experiment using the driving simulation platform, has collected 25 drivers' driving behavior data, and has carried on the arrangement and the screening to the data. The sample database is established. Secondly, the influence of drunkenness on driving behavior is analyzed, and the characteristic selection is carried out. In this paper, the statistical analysis method is used to compare and analyze the driving behavior of drunken state and normal state, and it is clear that drunkenness affects speed, acceleration, steering wheel angle, tread depth of brake pedal, stampede depth of accelerator pedal, and so on. Finally, the steering angle is selected as the recognition feature. Thirdly, a sliding data window is used for feature extraction. In order to reduce the loss caused by the statistical mean and standard deviation of total data length, based on the sliding data window, the characteristic parameters of the steering wheel angle mean series and the standard deviation sequence are obtained respectively in this paper. The influence of different length of data window on feature extraction and the effectiveness of different data window in feature extraction are studied. The results show that sliding data window can extract the characteristic parameters that represent drunken driving obviously. Fourthly, approximate entropy and sample entropy are used for feature extraction. First, the parameter selection of approximate entropy and sample entropy is analyzed, and the calculation model of optimal entropy value is built. Secondly, the characteristic parameters are constructed based on the extracted optimal entropy value, and the discriminant performance of feature parameters is compared and analyzed by using ROC curve. The results show that the approximate entropy of steering wheel angle is superior to the sample entropy as the distinguishing feature. Finally, a driver state detection model based on driving behavior characteristics is built. KNN and SVM are used to construct the drunk driving detection model based on single feature parameter and multi-feature parameter weighted fusion. The recognition accuracy and running efficiency of each drunk driving detection model are compared and analyzed. The results show that the recognition effect of SVM detection model is better than that of KNN detection model, and the recognition accuracy of the detection model can be improved by weighted fusion, and SVM needs more time to find the best parameters, and its running efficiency is lower than that of KNN..
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U463.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁靖艷;;機(jī)動(dòng)車駕駛?cè)饲址格{駛行為的調(diào)查研究[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

2 陳海英;;駕駛行為的心理解讀[J];知識(shí)就是力量;2012年10期

3 郭孜政;張殿業(yè);金鍵;唐優(yōu)華;;機(jī)車雙司機(jī)駕駛行為可靠性研究[J];中國(guó)安全科學(xué)學(xué)報(bào);2007年02期

4 李力;王飛躍;鄭南寧;張毅;;駕駛行為智能分析的研究與發(fā)展[J];自動(dòng)化學(xué)報(bào);2007年10期

5 崔西奎;孫林輝;宋云峰;;路寬對(duì)駕駛行為及司機(jī)負(fù)荷的影響[J];邯鄲職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年01期

6 李慶鋼;;高速公路10大“高�！瘪{駛行為評(píng)選揭曉:超速行駛高居榜首[J];汽車運(yùn)用;2008年07期

7 吳洋;羅霞;劉昱崗;;跟馳駕駛行為的滑�？刂葡到y(tǒng)建模[J];控制理論與應(yīng)用;2008年04期

8 郭孜政;陳崇雙;王欣;;基于貝葉斯判別的駕駛行為危險(xiǎn)狀態(tài)辨識(shí)[J];西南交通大學(xué)學(xué)報(bào);2009年05期

9 張鳳;李永娟;蔣麗;;駕駛行為理論模型研究概述[J];中國(guó)安全科學(xué)學(xué)報(bào);2010年02期

10 白云;石京;;北京市駕駛行為與影響因素分析[J];交通信息與安全;2010年02期

相關(guān)會(huì)議論文 前10條

1 丁靖艷;鄭全全;;關(guān)于侵犯駕駛行為的若干問(wèn)題[A];中國(guó)人類工效學(xué)學(xué)會(huì)第六次學(xué)術(shù)交流會(huì)論文摘要匯編[C];2003年

2 李勇;譚紅英;劉丹平;;基于多傳感器信息融合的客車不安全駕駛行為智能分析[A];2012中國(guó)信息經(jīng)濟(jì)學(xué)年會(huì)會(huì)議論文集[C];2012年

3 李勇;陳剛;劉丹平;;基于駕駛行為遠(yuǎn)程識(shí)別與監(jiān)控的公交客運(yùn)管理策略研究[A];2012中國(guó)信息經(jīng)濟(jì)學(xué)年會(huì)會(huì)議論文集[C];2012年

4 趙亮;胡江碧;;眼動(dòng)與駕駛行為的相關(guān)性分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

5 董旭;盧秀玲;;公交車司機(jī)攻擊性駕駛行為與主觀幸福感的相關(guān)研究[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

6 楊嬌艷;杜峰;瞿煒娜;孫向紅;;人格對(duì)駕駛安全的影響[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

7 李靖宇;謝曉非;葛瑜;;小事件、大影響:公平感知覺(jué)與規(guī)則駕駛行為[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

8 吳志周;陳天姿;張劍橋;;基于隱馬爾科夫模型的公交駕駛險(xiǎn)態(tài)行為辨識(shí)方法[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

9 王秋鴻;常詩(shī)晴;謝曉非;;為什么我們不能友善駕駛——模型的初步探討[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

10 任曉明;薛青;于希濤;;基于Agent的駕駛行為建模研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 記者 蔣菱楓;4月1日起整治貨車“十大野蠻駕駛行為”[N];人民公安報(bào);2013年

2 課題組成員 張勇 董曉宇;懲處醉酒駕駛行為 維護(hù)道路交通安全[N];人民法院報(bào);2014年

3 何屹;不良駕駛行為也會(huì)堵塞交通[N];科技日?qǐng)?bào);2004年

4 陸秋麗邋黎敏;桂平重拳出擊農(nóng)村違法駕駛行為[N];人民公安報(bào)·交通安全周刊;2007年

5 ;開(kāi)車講點(diǎn)車德[N];重慶日?qǐng)?bào);2004年

6 記者 謝佳　通訊員 毛誠(chéng)乾;兩周收到1000余條[N];人民公安報(bào);2010年

7 張學(xué)民 楊萌 夏裕祁 北京師范大學(xué)心理學(xué)院;背景音樂(lè)影響汽車駕駛?cè)藛T的視覺(jué)注意[N];中國(guó)社會(huì)科學(xué)報(bào);2012年

8 本報(bào)記者 慕海燕　趙琳 薛明;“道德素質(zhì)”決定“駕駛素質(zhì)”[N];哈爾濱日?qǐng)?bào);2010年

9 記者 王春 通訊員 黃艾嬌;國(guó)內(nèi)首個(gè)“自然駕駛研究項(xiàng)目”在滬啟動(dòng)[N];科技日?qǐng)?bào);2012年

10 本報(bào)記者 鄧崎凡;“嚴(yán)格執(zhí)行的話，，12分根本不禁扣”[N];工人日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 柴銳;車聯(lián)網(wǎng)環(huán)境下的駕駛行為特性研究[D];北京理工大學(xué);2016年

2 梁軍;基于Multi-Agent和駕駛行為的汽車追尾預(yù)警系統(tǒng)關(guān)鍵理論與技術(shù)研究[D];江蘇大學(xué);2015年

3 張瑞鋒;基于自然駕駛數(shù)據(jù)及主被動(dòng)試驗(yàn)方法的人車安全行為研究[D];湖南大學(xué);2016年

4 郭孜政;駕駛行為險(xiǎn)態(tài)辨識(shí)理論與方法[D];西南交通大學(xué);2009年

5 駱勇;道路交通中攻擊性駕駛行為分析與研究[D];西南交通大學(xué);2009年

6 李平凡;駕駛行為表征指標(biāo)及分析方法研究[D];吉林大學(xué);2010年

7 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

8 王培;信息和溝通對(duì)不安全駕駛行為的影響研究[D];清華大學(xué);2011年

9 李鳳芝;攻擊性駕駛行為與交通事故的關(guān)系研究[D];四川大學(xué);2004年

10 付坤;基于駕駛員與道路環(huán)境因素的駕駛行為差錯(cuò)數(shù)學(xué)分析[D];吉林大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 郭秋蘭;吸毒駕駛行為入罪研究[D];貴州民族大學(xué);2015年

2 易恬;公交司機(jī)不良駕駛行為影響因素分析及其矯正研究[D];西南交通大學(xué);2015年

3 翟海朋;營(yíng)運(yùn)車輛駕駛員駕駛行為與駕駛適宜性檢測(cè)單項(xiàng)指標(biāo)相關(guān)性研究[D];長(zhǎng)安大學(xué);2015年

4 許書(shū)權(quán);基于車輛運(yùn)行監(jiān)控系統(tǒng)的駕駛行為安全與節(jié)能評(píng)價(jià)方法研究[D];長(zhǎng)安大學(xué);2015年

5 陳愷;基于移動(dòng)智能終端的高速公路異常駕駛行為檢測(cè)技術(shù)[D];浙江大學(xué);2015年

6 任靜文;基于智能手機(jī)終端的駕駛行為風(fēng)格檢測(cè)[D];電子科技大學(xué);2014年

7 金雪;基于駕駛行為的疲勞駕駛檢測(cè)方法研究[D];北京工業(yè)大學(xué);2015年

8 馬震宇;基于HTML5的駕駛行為分析系統(tǒng)的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

9 盧凱旋;基于車載信息融合的駕駛行為分析[D];哈爾濱工業(yè)大學(xué);2014年

10 肖向良;城市道路車道縮減區(qū)駕駛行為特征及交通仿真研究[D];長(zhǎng)沙理工大學(xué);2014年

本文編號(hào)：2291187