驾驶人分心状态判别支持向量机模型优化算法

来源：交通运输系统工程与信息杂志2018年第1期北京时间：

作者：张辉，钱大琳，邵春福，钱振伟，菅美英

单位：1. 北京交通大学 交通运输学院，北京 100044；2. 清华大学 土木系交通研究所， 北京 100084

摘要：驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型，采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g，并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明，采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态，判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明，GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态， 可为驾驶人分心预警系统和分心控制策略提供依据.

关键词：交通工程,分心状态判别,支持向量机,遗传算法,驾驶绩效,参数优化

基金资助：国家重点研发计划资助/Project Supported by National Key R&D Program of China(2017YFC0804800)；国家自然 科学基金/ National Natural Science Foundation of China(51678044, 91746201)；中央高校基本科研业务费/ Fundamental Research Funds for the Central Universities of China (2017JBM30