因子分析与多层神经网络组合的酒驾辨识模型研究

来源：中国安全科学学报杂志2017年第7期北京时间：

作者：孙一帆, 张敬磊, 王丝丝

单位：山东理工大学 交通与车辆工程学院,山东 淄博 255000

摘要：为准确辨识驾驶员酒驾行为以及酒驾状态水平,提高酒驾治理效率,通过人因工程试验和驾驶模拟试验,采集并预处理驾驶员在正常、饮酒、醉酒3种驾驶状态下的驾驶行为数据(包括驾驶员的人、车、环境数据);对原始参数进行因子分析,提取特征参数并将其作为多层神经网络的输入向量,训练多层神经网络,建立基于因子分析和多层神经网络的酒驾行为辨识模型;选取75组测试样本数据输入模型,将模型的输出结果与实际情况比较,验证模型的有效性。研究表明:该模型的训练时间为0.905 s,最优验证均方误差(MSE)为0.034,识别准确率达92.41%,用该模型能较为快速、准确地识别酒后驾驶行为。

关键词：酒后驾驶,驾驶行为,特征参数,因子分析,多层神经网络

基金资助：国家自然科学基金资助(61573009);山东省自然科学基金资助(ZR2014FM027); 山东省高等学校科技计划(J15LB07); 汽车安全与节能国家重点实验室开放基金资助(KF16232)。