论文部分内容阅读
疲劳驾驶是引起交通事故的重要因素，其评估及预防是交通安全领域的研究热点，关系到驾驶员的生命安全及财产损失，已引起社会的广泛关注。单一因素存在局限性，因素融合已成为驾驶疲劳建模的主流方法。当前疲劳评估没有考虑时序信息及驾驶员个体差异性，同时应用了生理性指标，因此疲劳评估的实用性及准确率有待提高。 针对上述问题，本文探索疲劳触发因素、疲劳表征因素与驾驶疲劳的内在联系，消除驾驶员个体差异性的影响，建立多因素多模型融合的疲劳评估模型，提高驾驶疲劳评估的准确率。论文的成果如下： 1、基于Simulink建立汽车实时动力学模型，搭建适用于疲劳驾驶实验的汽车驾驶模拟器。分析驾驶员EEG（Electroencephalography）信号的噪声特性，并研究噪声剔除算法。研究多类EEG信号功率谱比值与驾驶疲劳的相关性等级，确定疲劳评估的最优指标（A(θ+α)/β,M）。分析各路电极的A(θ+α)/β,M与驾驶疲劳的显著相关性，获得疲劳评估所需最少电极数量（2路）及位置（Fp1及O1）。最终建立基于EEG信号的样本分类模型（Rf）。 2、提出疲劳触发因素的筛选原则，确定了5类疲劳触发因素，并设计了基于正交表的模拟驾驶实验。基于EEG的最优指标（A(θ+α)/β,M）研究疲劳触发因素与驾驶疲劳的相关性，结果表明驾驶时刻、累积驾驶时间与驾驶疲劳存在显著相关性；而3类道路因素与驾驶疲劳的显著相关性取决于驾驶时刻及累积驾驶时间。 3、针对2类道路类型（直道及弯道）及3类道路因素，分析汽车偏离车道中心线距离（DARC）与方向盘转角的显著相关性；研究道路类型、因素与方向盘转角的显著相关性，提出弯道曲率的剔除算法；确定驾驶疲劳评估指标（方向盘转角均值及频率）及16类道路工况时的最优时间间隔；分析驾驶员个体习惯与方向盘转角的内在联系并研究其剔除方法，构建基于方向盘转角的疲劳评估模型。 4、提出基于光学跟踪器的点头角度计算方法，获得了与驾驶疲劳相关的两类点头特征（点头频率过低、过快）；确定了基于点头角度的驾驶疲劳评估指标（点头角度均值、频率）及最优时间间隔；研究驾驶员个体点头习惯对点头角度的影响，并提出了个体差异性的剔除方法，构建基于点头角度指标的疲劳评估模型。 5、研究疲劳触发因素、疲劳表征因素与驾驶疲劳的内在联系，利用动态贝叶斯网络建立多因素多模型融合的驾驶疲劳动态评估模型。实验结果表明，其评估准确率较高（清醒：95.0％，疲劳：94.8%），比其它融合算法建立的疲劳评估模型准确率高（3.1%）。 本研究探索非生理因素与驾驶疲劳的内在联系，确定了新的疲劳评估指标及个性差异剔除算法，为驾驶疲劳评估提供新的技术手段，经实验数据的对比验证，该动态评估模型能有效提高驾驶疲劳评估准确率。