多因素多模型融合的駕駛疲勞動態(tài)評估方法研究.pdf

1、疲勞駕駛是引起交通事故的重要因素，其評估及預(yù)防是交通安全領(lǐng)域的研究熱點，關(guān)系到駕駛員的生命安全及財產(chǎn)損失，已引起社會的廣泛關(guān)注。單一因素存在局限性，因素融合已成為駕駛疲勞建模的主流方法。當(dāng)前疲勞評估沒有考慮時序信息及駕駛員個體差異性，同時應(yīng)用了生理性指標(biāo)，因此疲勞評估的實用性及準(zhǔn)確率有待提高。
　　針對上述問題，本文探索疲勞觸發(fā)因素、疲勞表征因素與駕駛疲勞的內(nèi)在聯(lián)系，消除駕駛員個體差異性的影響，建立多因素多模型融合的疲勞評估模型，

2、提高駕駛疲勞評估的準(zhǔn)確率。論文的成果如下：
　　1、基于Simulink建立汽車實時動力學(xué)模型，搭建適用于疲勞駕駛實驗的汽車駕駛模擬器。分析駕駛員EEG（Electroencephalography）信號的噪聲特性，并研究噪聲剔除算法。研究多類EEG信號功率譜比值與駕駛疲勞的相關(guān)性等級，確定疲勞評估的最優(yōu)指標(biāo)（A(θ+α)/β,M）。分析各路電極的A(θ+α)/β,M與駕駛疲勞的顯著相關(guān)性，獲得疲勞評估所需最少電極數(shù)量（2路）及位

3、置（Fp1及O1）。最終建立基于EEG信號的樣本分類模型（Rf）。
　　2、提出疲勞觸發(fā)因素的篩選原則，確定了5類疲勞觸發(fā)因素，并設(shè)計了基于正交表的模擬駕駛實驗。基于EEG的最優(yōu)指標(biāo)（A(θ+α)/β,M）研究疲勞觸發(fā)因素與駕駛疲勞的相關(guān)性，結(jié)果表明駕駛時刻、累積駕駛時間與駕駛疲勞存在顯著相關(guān)性；而3類道路因素與駕駛疲勞的顯著相關(guān)性取決于駕駛時刻及累積駕駛時間。
　　3、針對2類道路類型（直道及彎道）及3類道路因素，分析汽車

4、偏離車道中心線距離（DARC）與方向盤轉(zhuǎn)角的顯著相關(guān)性；研究道路類型、因素與方向盤轉(zhuǎn)角的顯著相關(guān)性，提出彎道曲率的剔除算法；確定駕駛疲勞評估指標(biāo)（方向盤轉(zhuǎn)角均值及頻率）及16類道路工況時的最優(yōu)時間間隔；分析駕駛員個體習(xí)慣與方向盤轉(zhuǎn)角的內(nèi)在聯(lián)系并研究其剔除方法，構(gòu)建基于方向盤轉(zhuǎn)角的疲勞評估模型。
　　4、提出基于光學(xué)跟蹤器的點頭角度計算方法，獲得了與駕駛疲勞相關(guān)的兩類點頭特征（點頭頻率過低、過快）；確定了基于點頭角度的駕駛疲勞評估指

5、標(biāo)（點頭角度均值、頻率）及最優(yōu)時間間隔；研究駕駛員個體點頭習(xí)慣對點頭角度的影響，并提出了個體差異性的剔除方法，構(gòu)建基于點頭角度指標(biāo)的疲勞評估模型。
　　5、研究疲勞觸發(fā)因素、疲勞表征因素與駕駛疲勞的內(nèi)在聯(lián)系，利用動態(tài)貝葉斯網(wǎng)絡(luò)建立多因素多模型融合的駕駛疲勞動態(tài)評估模型。實驗結(jié)果表明，其評估準(zhǔn)確率較高（清醒：95.0％，疲勞：94.8%），比其它融合算法建立的疲勞評估模型準(zhǔn)確率高（3.1%）。
　　本研究探索非生理因素與駕駛疲