基于模糊神经网络的驾驶警觉度识别方法研究

作者:吴志敏;潘雨帆;洪治潮 刊名:交通运输研究 上传者:张海霞

【摘要】为了有效识别驾驶警觉度,构建了一种基于脑电信号的驾驶警觉度识别方法.首先,以主观疲劳测评、驾驶行为绩效作为量化指标,验证驾驶警觉度等级划分的合理性.在此基础上,对脑电信号数据进行小波变换提取特征参数,作为驾驶警觉度的识别特征指标,结合模糊神经网络构建了驾驶警觉度识别模型.最后,采用该模型对20名驾驶员连续驾驶3h的脑电数据进行试算.结果表明:通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性,说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识别正确率为81.29%~84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别.

全文阅读

交通运输研究 第4卷 第3期|Jun. 2018 收稿日期:2018-04-26 作者简介:吴志敏(1989—),男,江西宜春人,硕士,工程师,研究方向为公路交通安全以及驾驶行为。 E-mail: 1821559101@163.com。 基于模糊神经网络的驾驶警觉度识别方法研究 吴志敏 1, 2,潘雨帆 3,洪治潮 3 (1. 公路交通安全与应急保障技术及装备交通运输行业研发中心,广东 广州 510420; 2. 广东华路交通科技有限公司,广东 广州 510420; 3. 西南交通大学 交通运输与物流学院,四川 成都 610031) 摘要:为了有效识别驾驶警觉度,构建了一种基于脑电信号的驾驶警觉度识别方法。首先,以主观 疲劳测评、驾驶行为绩效作为量化指标,验证驾驶警觉度等级划分的合理性。在此基础上,对脑 电信号数据进行小波变换提取特征参数,作为驾驶警觉度的识别特征指标,结合模糊神经网络构 建了驾驶警觉度识别模型。最后,采用该模型对20名驾驶员连续驾驶3h的脑电数据进行试算。结 果表明:通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性, 说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识 别正确率为81.29%~84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别。 关键词:模糊神经网络;驾驶警觉度等级;脑电信号;小波变换;识别模型 中图分类号:U491.254 文献标识码:A 文章编号:2095-9931(2018)03-0030-06 Recognition Method of Driving Vigilance Based on Fuzzy Neural Network WU Zhi-min1,2,PAN Yu-fan3,HONG Zhi-chao3 (1. Research and Development Center on Road Transport Safety and Emergency Support Technology & Equipment, Ministry of Transport, PRC, Guangzhou 510420, China; 2. Guangdong Hualu Transportation Technology Co., Ltd., Guangzhou 510420, China; 3. School of Transportation and Logistics, Southwest Jiaotong University, Chengdu 610031, China) Abstract: In order to recognize driving vigilance effectively, an recognition method of driving vigilance based on electroencephalogram(EEG) was constructed. Firstly, the driver′s subjective fatigue measure and driving behavior performances were used as quantitative indexes to validate the rationality of driving vigi⁃ lance grade division. The wavelet transformation was used to e

参考文献

引证文献

问答

我要提问