基于BP神经网络的驾驶精神疲劳识别方法

发布时间：2018-01-08 23:32

本文关键词：基于BP神经网络的驾驶精神疲劳识别方法　出处：《哈尔滨工业大学学报》2014年08期 　论文类型：期刊论文

【摘要】：为了对驾驶精神疲劳予以有效识别,基于行为绩效结合心电信号指标构建了一种驾驶精神疲劳识别方法.以驾驶行为绩效为客观测评指标,给出了驾驶精神疲劳状态的分级划分方法.在此基础上,以心率变异性的6项指标作为疲劳识别特征因子,采用BP神经网络模型,建立了驾驶精神疲劳状态分类器.最后结合实例,依据驾驶行为绩效,将疲劳状态划分为2级,采用10名驾驶员连续4 h的驾驶行为绩效(反应时)、心电数据,对模型、方法予以测算.结果表明,10名驾驶员平均正确识别率在71%~80%之间,且其平均正确识别率为73%.BP神经网络模型与心率变异性指标相结合可有效的识别疲劳.
[Abstract]:In order to be effective to identify the driving mental fatigue, constructs a driving mental fatigue recognition method combined with the ECG signal based on the performance index. In driving behavior performance as the objective evaluation index, classification methods are driving mental fatigue state. On this basis, the 6 indicators of heart rate variability as fatigue recognition factor. Using BP neural network model is established, driving mental fatigue classifier. Finally, based on the driving performance, the fatigue state is divided into 2 levels, the driver performance 10 drivers for 4 h (reaction time), ECG data, the model calculated method. The results showed that the average of 10 drivers the correct recognition rate is 71%~80%, and the average correct recognition rate of 73%.BP neural network model and the index of heart rate variability can be effectively combined with identification of fatigue.

【作者单位】：西南交通大学交通运输与物流学院;中国科学院心理研究所;
【基金】：国家自然科学基金资助项目(51108390,51108040)
【分类号】：U491.25
【正文快照】： 驾驶精神疲劳是造成交通事故的重要原因之一,国内外相关研究资料表明,约有20%~30%的交通事故均由驾驶精神疲劳引发[1-2].因此对驾驶精神疲劳予以有效识别一直是交通安全研究的前沿热点问题.Lal,Saroj KL等通过实验研究认为心电信号的谱功率分布能够有效反应驾驶精神疲劳,即在

【相似文献】