基于多维信息特征分析的驾驶人认知负荷研究

来源：中国血液净化杂志2021年第4期北京时间：

作者：郑玲, 乔旭强, 倪涛, 杨威, 李以农

单位：重庆大学机械与运载工程学院, 重庆 400044"],"fundList_en":["National Key R & D Program of China (2016YFB0100904); Chongqing Technology Innovation and Application Development Project (cstc2019jscx-zdztzxX0032)

摘要：准确评估驾驶人认知负荷水平，对于深入研究驾驶人行为特性，改善驾驶安全性具有重要意义。现有的驾驶人认知负荷分类方法，大多基于心电、脑电等生理信息和车辆信息，由于特征选择上的单一性，导致驾驶人认知负荷分类模型的分类精度不高。设计基于跟驰场景的不同认知负荷N-back次任务试验，通过采集受试者的生理信号和车辆信号，结合NASA_TLX主观评分和机器学习算法，提出了基于多维信息特征融合的驾驶人认知负荷分类方法。研究表明：基于生理信息和车辆信息的多维信息特征认知负荷分类方法，其精度显著高于传统的基于生理信息的认知负荷分类方法，以多维信息特征为输入，随机森林法以其稳定性好、抗过拟合能力强的特点，表现出优异的分类效果，相比神经网络和支持向量机，具有最高的平均分类精度。

关键词：交通工程,认知负荷,多信息特征,模式识别,驾驶安全

基金资助：国家重点研发计划项目（2016YFB0100904）；重庆市技术创新与应用发展专项（cstc2019jscx-zdztzxX0032）