基于脑电特征的酒后驾车事故倾向预估建模
本文选题：酒后驾车 + 交通事故倾向 ； 参考：《上海交通大学学报》2015年02期
【摘要】：为建立酒后驾车的事故倾向预估模型,测量了18位驾驶员不同程度饮酒后的脑电信号和交通事故倾向指标,并分别根据左额叶区脑电的长时周期度和瞬时复杂度计算规范化脑电δ波功率增益和脑电模糊熵.引进一种混合型Sigma-Pi模糊神经网络,研究网络权值训练方法,构建脑电特征参数和事故倾向指标之间的预估模型.实验结果表明:模型估计值与实际值吻合较好,具有一致增减特性,在驾驶员饮酒量小于50%主观最大饮酒量时误差很小,在饮酒量大于50%主观最大饮酒量时误差随饮酒量增大有所增加.
[Abstract]:In order to establish an accident tendency prediction model for drunk driving, the EEG and traffic accident propensity indexes of 18 drivers were measured after drinking different degrees of alcohol. The normalized 未 wave power gain and the EEG fuzzy entropy were calculated according to the long period and instantaneous complexity of the left frontal lobe EEG. In this paper, a hybrid Sigma-Pi fuzzy neural network is introduced to study the training method of network weights, and the prediction model between EEG characteristic parameters and accident propensity index is constructed. The experimental results show that the estimated value of the model is in good agreement with the actual value and has the characteristics of consistent increase and decrease, and the error is very small when the driver drinks less than 50% of the subjective maximum amount of alcohol. The error increases with the increase of alcohol consumption when the subjective maximum drinking amount is more than 50%.
【作者单位】： 厦门理工学院福建省客车先进设计与制造重点实验室;北京理工大学机械与车辆学院;天津工业大学机械工程学院;
【基金】：国家自然科学基金资助项目(61104225,61004114)
【分类号】：U491.31
【参考文献】
相关期刊论文 前6条
1 李纯明,陈天平;Sigma-Pi神经网络中的逼近问题[J];科学通报;1996年08期
2 顾雯雯;俞敏;丛黎明;;酒后驾车现状与危害及预防控制研究进展[J];中国预防医学杂志;2010年08期
3 范金锋;邵晨曦;王剑;杨明;王子才;;醉酒者脑电和正常脑电非线性特性的比较评估[J];中国生物医学工程学报;2008年01期
4 邹阳;苗夺谦;王登;;醉酒者和正常人脑电的样本熵研究[J];中国生物医学工程学报;2010年06期
5 钟铭恩;吴平东;彭军强;洪汉池;;基于血液酒精浓度和脑电特征的酒后驾车事故倾向对比研究[J];中国生物医学工程学报;2013年03期
6 钟铭恩;方遒;洪汉池;蔡建进;;驾驶员脑电模糊熵与酒后驾车交通事故倾向相关性研究[J];中国安全科学学报;2013年08期
【共引文献】
相关期刊论文 前10条
1 罗斌;杨圣志;;关于高星级饭店推行酒后代驾服务的探讨[J];河北旅游职业学院学报;2011年03期
2 罗跃虎,沈世镒;关于Sigma-Pi神经网络中的逼近问题[J];高校应用数学学报A辑(中文版);2000年01期
3 陈志祥;;一种神经网络算子及其逼近阶估计[J];高校应用数学学报A辑;2008年01期
4 任少君;司风琪;徐治皋;;基于滑动样本熵的汽轮机热耗率不确定度分析[J];东南大学学报(自然科学版);2012年S2期
5 杨超;肖文香;陈真诚;王冬翠;陈刚;田树香;罗邵辉;;基于样本熵算法的抑郁症患者脑电特征分析[J];桂林电子科技大学学报;2014年05期
6 黄小娜;张军英;;癫痫脑电信号的非线性分析方法[J];河西学院学报;2010年02期
7 周蓉蓉;姚荣斌;李生权;;基于pi-sigma神经网络的模糊建模与控制及其仿真研究[J];淮阴师范学院学报(自然科学版);2009年04期
8 周颢;邵晨曦;;脑电波的定性复杂度研究[J];计算机仿真;2011年12期
9 倪伟;邵永聪;叶恩茂;谭舒文;杨征;;持续作业对额叶脑电近似熵的影响[J];军事医学;2014年04期
10 杨程程;;驾驶疲劳研究综述[J];社会心理科学;2013年08期
相关会议论文 前2条
1 沈世镒;罗跃虎;;关于神经网络研究的若干问题[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
2 任少君;司风琪;顾慧;徐治皋;;基于滑动样本熵的汽轮机热耗率不确定度分析[A];2012电站自动化信息化学术和技术交流会议论文集[C];2012年
相关博士学位论文 前6条
1 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年
2 周永权;泛函网络理论及其学习算法研究[D];西安电子科技大学;2006年
3 南东;RBF和MLP神经网络逼近能力的几个结果[D];大连理工大学;2007年
4 张伟;基于机器视觉的驾驶人疲劳状态识别关键问题研究[D];清华大学;2011年
5 陈晓晨;驾驶决策的特征及其影响因素研究[D];辽宁师范大学;2013年
6 杨少增;基于多源生理数据与模糊建模方法的操作员功能状态预测与调节[D];华东理工大学;2014年
相关硕士学位论文 前10条
1 杨琨;疑似脑死亡病人脑电的近似熵研究[D];华东理工大学;2011年
2 乔世权;基于熵算法的膝关节红外图像特征提取研究[D];河北科技大学;2011年
3 蔡冬梅;基于非线性特征的癫痫脑电信号识别算法[D];山东大学;2011年
4 邓文彬;非线性时变系统的时变高阶神经网络建模[D];浙江工业大学;2011年
5 袁琪玮;人工神经网络在母线保护中的应用[D];南京理工大学;2012年
6 吕咏梅;泛函网络新模型及其学习算法研究[D];广西民族大学;2008年
7 姜艳茹;基于信息熵的输电线路单相自适应重合闸研究[D];东北电力大学;2012年
8 刘萌;建三江分局水土资源系统复杂性测度及优化配置研究[D];东北农业大学;2013年
9 王绩一;基于物联网的疲劳驾驶预警系统的设计与实现[D];内蒙古大学;2013年
10 李亮;基于EEMD样本熵和模糊聚类的轴承故障诊断方法研究[D];燕山大学;2013年
【二级参考文献】
相关期刊论文 前10条
1 葛家怡;周鹏;赵欣;刘海婴;王明时;;睡眠脑电时间序列的非线性样本熵研究[J];电子器件;2008年03期
2 陈天平;神经网络及其在系统识别应用中的逼近问题[J];中国科学(A辑 数学 物理学 天文学 技术科学);1994年01期
3 殷凯;黎明强;钟柳青;;饮酒与道路交通事故相关性研究进展[J];疾病控制杂志;2007年04期
4 和卫星;陈晓平;邵s，
本文编号：2002750
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2002750.html
