基于驾驶操作及车辆状态的疲劳驾驶行为检测研究

发布时间：2017-09-16 11:31

  本文关键词：基于驾驶操作及车辆状态的疲劳驾驶行为检测研究

  更多相关文章： 疲劳检测 驾驶操作 车辆状态 聚类分析 神经网络

【摘要】：疲劳驾驶是造成交通事故的重要原因之一,因此研究一个可以实时检测驾驶员状态的识别系统有很大意义。一个高效实时地疲劳驾驶状态检测系统可以很大程度上避免驾驶员进行疲劳驾驶,进而避免交通事故的发生。而检测系统的核心就是一个可以准确判断驾驶员状态的识别算法。由于生理检测法对驾驶员有严重的侵入性,而基于外部特征变化检测的方法又很受光线环境影响。因此,本文采用的是基于驾驶操作及车辆状态的疲劳驾驶行为检测算法。通过驾驶模拟器开展疲劳驾驶实验获取驾驶员正常状态和疲劳驾驶时的操作特征以及车辆状态,以此为基础开展了疲劳驾驶状态识别的算法研究。首先,使用驾驶模拟器搭建了模拟驾驶场景,并根据需要确定要获取的数据,包括方向盘转向角、车辆横摆角、车辆横向位置等。招募共14名驾驶员开展模拟驾驶实验,实验包括正常状态和疲劳状态两类模拟驾驶。其中12名驾驶员的数据样本作为算法训练的输入,2名驾驶员的数据样本作为算法检验的输入。根据SSS自主评估法,确定实验过程中驾驶员的状态,建立疲劳样本的数据库。其次,处理分析实验采集的数据,发现隐含在各指标中能够区分正常状态和疲劳状态的特性。随后根据以往研究经验,提出117个特征指标选项并采用因素方差分析法对这117个特征指标变量的有效性进行分析。最后根据分析结果,提取出7个特征指标变量构成后续疲劳驾驶状态识别算法的输入集。最后利用主成分分析法实现了疲劳驾驶特征的进一步提取,设计了疲劳驾驶状态识别的模糊聚类和神经网络算法并比较各算法的识别效果。随后用2名驾驶员的实验数据对建立的识别算法进行检验,检验了算法的适用性。
【关键词】：疲劳检测 驾驶操作 车辆状态 聚类分析 神经网络
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491.254
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-20
• 1.1 选题背景和研究意义9-10
• 1.2 疲劳驾驶10-12
• 1.2.1 疲劳驾驶的定义10-11
• 1.2.2 疲劳驾驶的成因11
• 1.2.3 疲劳驾驶的特征11-12
• 1.3 疲劳检测的方法12-17
• 1.3.1 主观评价12-13
• 1.3.2 客观方法13-17
• 1.4 研究目标与主要内容17-20
• 1.4.1 研究目标17
• 1.4.2 研究内容17-18
• 1.4.3 论文章节安排18-20
• 第2章 疲劳驾驶模拟实验及研究理论基础20-30
• 2.1 疲劳驾驶模拟实验20-22
• 2.1.1 实验平台介绍20-21
• 2.1.2 模拟驾驶场景介绍21-22
• 2.1.3 实验方案22
• 2.1.4 实验数据采集22
• 2.2 研究理论基础22-29
• 2.2.1 模式识别22-25
• 2.2.2 模式识别方法25-29
• 2.3 本章小结29-30
• 第3章 疲劳驾驶操作特性分析及指标提取30-40
• 3.1 特征分析30-32
• 3.1.1 方向盘转向角数据说明30-31
• 3.1.2 方向盘转向角波形分析31
• 3.1.3 方向盘转向角幅值分析31-32
• 3.2 疲劳判别指标选取32-37
• 3.2.1 统计类指标32-33
• 3.2.2 经验类指标33-37
• 3.2.3 拓展类指标37
• 3.3 疲劳判别指标的筛选37-39
• 3.3.1 方差分析法37-39
• 3.3.2 方差分析结果39
• 3.4 本章小结39-40
• 第4章 疲劳驾驶状态识别40-54
• 4.1 基于主成分分析的特征提取40-42
• 4.2 基于聚类分析的驾驶状态识别42-45
• 4.2.1 单特征指标聚类分析43
• 4.2.2 特征指标全组合聚类分析43-44
• 4.2.3 特征指标两两组合聚类分析44
• 4.2.4 基于PCA主成分的聚类分析44-45
• 4.3 基于神经网络算法的状态识别45-51
• 4.3.1 基于BP神经网络的驾驶状态识别45-49
• 4.3.2 基于RBF神经网络的驾驶状态识别49-51
• 4.4 几种疲劳驾驶识别算法分析51-52
• 4.5 疲劳驾驶状态识别算法检验52-53
• 4.6 本章小结53-54
• 第5章 结论与展望54-57
• 5.1 主要研究成果54-55
• 5.2 主要创新点55
• 5.3 研究展望55-57
• 致谢57-58
• 参考文献58-60

【相似文献】

中国期刊全文数据库 前6条

1 赵林辉;刘志远;陈虹;;一种车辆状态的非线性估计方法研究[J];系统仿真学报;2009年06期

2 郭文强;付菊;张玉杰;侯勇严;;贝叶斯网络在车辆状态远程故障诊断系统中的应用[J];陕西科技大学学报(自然科学版);2013年01期

3 王建锋;李平;;基于多信息融合的车辆状态参数估计[J];计算机仿真;2013年11期

4 赵林辉;刘志远;陈虹;;一种车辆状态滑模观测器的设计方法[J];电机与控制学报;2009年04期

5 杨志强;谭_g;;车道保持系统的车辆状态预测模型[J];农业机械学报;2008年10期

6 ;[J];;年期

中国硕士学位论文全文数据库 前4条

1 黄皓;基于驾驶操作及车辆状态的疲劳驾驶行为检测研究[D];东南大学;2016年

2 金未平;独立分量分析在车辆状态监测中的应用研究[D];合肥工业大学;2010年

3 屈肖蕾;基于转向操作和车辆状态的疲劳驾驶检测方法研究[D];清华大学;2012年

4 黄巍;基于CAN总线的车辆状态信息显示处理系统[D];大连理工大学;2005年

，

本文编号：862784