基于駕駛操作及車輛狀態(tài)的疲勞駕駛行為檢測研究.pdf

1、疲勞駕駛是造成交通事故的重要原因之一，因此研究一個可以實時檢測駕駛員狀態(tài)的識別系統(tǒng)有很大意義。一個高效實時地疲勞駕駛狀態(tài)檢測系統(tǒng)可以很大程度上避免駕駛員進行疲勞駕駛，進而避免交通事故的發(fā)生。而檢測系統(tǒng)的核心就是一個可以準(zhǔn)確判斷駕駛員狀態(tài)的識別算法。由于生理檢測法對駕駛員有嚴(yán)重的侵入性，而基于外部特征變化檢測的方法又很受光線環(huán)境影響。因此，本文采用的是基于駕駛操作及車輛狀態(tài)的疲勞駕駛行為檢測算法。通過駕駛模擬器開展疲勞駕駛實驗獲取駕駛員正

2、常狀態(tài)和疲勞駕駛時的操作特征以及車輛狀態(tài)，以此為基礎(chǔ)開展了疲勞駕駛狀態(tài)識別的算法研究。
　　首先，使用駕駛模擬器搭建了模擬駕駛場景，并根據(jù)需要確定要獲取的數(shù)據(jù)，包括方向盤轉(zhuǎn)向角、車輛橫擺角、車輛橫向位置等。招募共14名駕駛員開展模擬駕駛實驗，實驗包括正常狀態(tài)和疲勞狀態(tài)兩類模擬駕駛。其中12名駕駛員的數(shù)據(jù)樣本作為算法訓(xùn)練的輸入，2名駕駛員的數(shù)據(jù)樣本作為算法檢驗的輸入。根據(jù)SSS自主評估法，確定實驗過程中駕駛員的狀態(tài)，建立疲勞樣本的數(shù)

3、據(jù)庫。
　　其次，處理分析實驗采集的數(shù)據(jù)，發(fā)現(xiàn)隱含在各指標(biāo)中能夠區(qū)分正常狀態(tài)和疲勞狀態(tài)的特性。隨后根據(jù)以往研究經(jīng)驗，提出117個特征指標(biāo)選項并采用因素方差分析法對這117個特征指標(biāo)變量的有效性進行分析。最后根據(jù)分析結(jié)果，提取出7個特征指標(biāo)變量構(gòu)成后續(xù)疲勞駕駛狀態(tài)識別算法的輸入集。
　　最后利用主成分分析法實現(xiàn)了疲勞駕駛特征的進一步提取，設(shè)計了疲勞駕駛狀態(tài)識別的模糊聚類和神經(jīng)網(wǎng)絡(luò)算法并比較各算法的識別效果。隨后用2名駕駛員的實