基于决策树的驾驶疲劳等级分析与判定

被引：12

作者：

胥川 ^{[1
]}

王雪松 ^{[1
]}

陈小鸿 ^{[1
]}

张惠 ^{[2
]}

机构：

[1] 同济大学道路与交通工程教育部重点实验室

[2] 中国第一汽车股份有限公司技术中心车身部安全研究室

来源：

同济大学学报(自然科学版) | 2015年 / 43卷 / 01期

关键词：

驾驶模拟器; 疲劳驾驶; 决策树; 疲劳等级; 生理参数; 驾驶行为参数;

D O I：

暂无

中图分类号：

U491.25 [];

学科分类号：

摘要：

为了提高疲劳检测的精度,通过驾驶模拟试验采集了15位中青年有经验驾驶员的车辆横向位置、方向盘操控、眼动等多源数据并计算疲劳特征指标,同时采集驾驶员主观疲劳程度并通过视频回放进行校核,在此基础上建立疲劳等级与特征指标的决策树模型,结果表明,对于区别疲劳等级最显著的变量有闭眼时间比例(percentage of eye closure,PERCLOS)、车道偏移标准差、越线时空面积、方向盘反转率,且上述变量与疲劳等级呈正相关;PERCLOS为最优的疲劳等级划分变量,并获取了2个重要阈值:当PERCLOS小于2.8%时,驾驶员处于严重疲劳状态的比例为零;当PERCLOS大于21.9%时,驾驶员处于未疲劳状态的比例为零;该模型预测的总正确率为64.31%.为了校验模型,从15位驾驶员中随机选取了4位进行模型校验试验.校核结果表明该模型的正确率达63.22%.模型在2次试验中都未发现将严重疲劳识别为未疲劳的情况.

引用

页码：75 / 81

页数：7

共 7 条

[1] 基于ROC曲线的驾驶疲劳脑电样本熵判定阈值研究 [J].

赵晓华 ;

许士丽 ;

荣建 ;

张兴俭 .

西南交通大学学报, 2013, 48 (01) :178-183

[2]

机动车疲劳驾驶行为识别方法研究[D]. 毛喆.武汉理工大学 2009

[3]

Driver fatigue and the law from the perspective of police officers and prosecutors[J] . Igor Radun,Jussi Ohisalo,Jenni Radun,Mattias Wahde,G?ran Kecklund.Transportation Research Part F: Psychology and Behaviour . 2013

[4]

Evaluation of driver fatigue on two channels of EEG data[J] . Wei Li,Qi-chang He,Xiu-min Fan,Zhi-min Fei.Neuroscience Letters . 2011 (2)

[5]

Applying neural network analysis on heart rate variability data to assess driver fatigue[J] . M. Patel,S.K.L. Lal,D. Kavanagh,P. Rossiter.Expert Systems With Applications . 2010 (6)

[6]

Predicting driver drowsiness using vehicle measures: Recent insights and future challenges[J] . Charles C. Liu,Simon G. Hosking,Michael G. Lenné.Journal of Safety Research . 2009 (4)

[7]

Identification of driver state for lane-keeping tasks. T. Pilutti,A. G. Ulsoy. IEEE Transactions on Systems Man and Cybernetics . 1999

← 1 →