基于改进BiGRU网络的山地道路疲劳驾驶识别方法

来源：计算机技术与发展杂志2025年第03期北京时间：

作者：李作进;李东阳;蔡俊锋;李明虹;彭大兵;郑路

摘要：针对复杂山地路况下疲劳驾驶行为隐匿性高和识别准确率低的问题,提出一种改进双向门控循环单元(Bidirectional Gated Recurrent Unit,BiGRU)神经网络的山地道路驾驶人疲劳状态识别方法。 该方法首先利用 BiGRU 网络深入挖掘驾驶行为数据中的复杂前后依赖关系,然后引入麻雀搜索算法(Sparrow Search Algorithm,SSA)对 BiGRU 模型的初始学习率、L2 正则化系数、隐藏层神经单元数和最大迭代次数进行优化,以提升模型的收敛速度、泛化能力和稳定性。为了进一步增强模型对疲劳特征的识别能力,在 BiGRU 模型中嵌入了通道注意力(Channel Attention,CA)机制,通过自适应调整不同特征通道的权重,突出疲劳驾驶与正常操作的差异性,有效提高了识别准确率。 实车数据验证表明,该方法在三级疲劳检测中的识别准确率达到 92. 0% ,较原 BiGRU 模型提升 12. 8 百分点,较其他常用疲劳驾驶检测模型也表现出更好的性能,满足了实际工程需求。

关键词：疲劳驾驶;山地道路;通道注意力;麻雀搜索算法;双向门控循环单元