基于动态贝叶斯估计的疲劳驾驶识别研究

基于动态贝叶斯估计的疲劳驾驶识别研究

论文摘要

疲劳驾驶是导致交通事故的主要原因之一。为了对驾驶员的疲劳状态进行有效识别,通过无线测量设备采集6名长途客车驾驶员的脑电、肌电和呼吸信号,并对其进行分析处理。结合当下时刻的上下文信息(睡眠质量、驾驶条件、生理节律),利用信息融合技术,建立3层隐马尔可夫模型,从而实现对疲劳驾驶的动态估计。从两种不同情况出发,估计驾驶过程中不同时刻驾驶员疲劳的概率。基于贝叶斯模型的预测结果与主观评分结果的一致性达到了0.87,表明所提出的模型能够对驾驶员的疲劳状态进行有效的动态识别。

论文目录

  • 引言
  • 1 方法
  •   1.1 被试者及驾驶实验任务
  •   1.2 生理信号预处理及特征优化
  •   1.3 动态贝叶斯估计
  •   1.4 核密度估计方法
  • 2 结果
  •   2.1 睡眠质量及其先验概率
  •   2.2 驾驶环境及其先验概率
  •   2.3 生理节律及其先验概率
  • 3 结论
  • 文章来源

    类型: 期刊论文

    作者: 付荣荣,田永胜,王世超,王琳

    关键词: 疲劳驾驶,动态贝叶斯估计,脑电信号,肌电信号,呼吸信号

    来源: 中国生物医学工程学报 2019年06期

    年度: 2019

    分类: 医药卫生科技,工程科技Ⅱ辑

    专业: 公路与水路运输

    单位: 燕山大学测试计量技术及仪器河北省重点实验室,沈阳工程学院机械学院

    基金: 国家自然科学基金(51605419),河北省自然科学基金(E2018203433),中国博士后基金一等资助(2016M600193)

    分类号: U491.254

    页码: 759-763

    总页数: 5

    文件大小: 310K

    下载量: 253

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于动态贝叶斯估计的疲劳驾驶识别研究
    下载Doc文档

    猜你喜欢