基于个性化行为模型的驾驶疲劳识别方法

来源：中国安全科学学报杂志2018年第6期北京时间：

作者：楚文慧, 吴超仲, 张晖, 杨曼, 李思瑶

单位：1 武汉理工大学 智能交通系统研究中心,湖北 武汉 430063; ；2 武汉科技大学 汽车与交通工程学院,湖北 武汉 430081

摘要：为提高疲劳驾驶状态的识别精度,应考虑驾驶人之间的个体差异。以实车驾驶试验条件下车道保持行为中的车速和车道偏离值为输入,以方向盘转角为输出,基于径向基(RBF)神经网络针对每个驾驶人构建正常驾驶状态下的车道保持行为模型,并根据残差对模型的拟合及预测效果进行评价;将疲劳驾驶状态下的车速和车道偏离值输入到上述驾驶行为模型中,可得到模型预测的方向盘转角值,通过分析预测值与实际方向盘转角之间的差异,研究疲劳对驾驶人行为的影响;将预测残差作为输入,建立基于支持向量机(SVM)的疲劳驾驶状态辨识模型。结果表明:所建立的RBF神经网络-SVM识别模型对不同驾驶人疲劳驾驶状态的平均识别率达85%。

关键词：个性化驾驶,径向基(RBF)神经网络,驾驶行为建模,疲劳驾驶,支持向量机(SVM),实车试验

基金资助：国家重点研发计划项目(2017YFC0804802);国家自然科学基金资助(51775396, 61603282);国家自然科学基金—联合基金资助(u1624262)。