典型文献
基于隐马尔可夫模型的无侵入疲劳等级判别
文献摘要：
为对驾驶人疲劳状态等级进行有效准确的判别,通过模拟驾驶试验获取了12位驾驶人的驾驶操作数据、车辆运行特征数据和眼动数据,并使用主观疲劳程度量表(KSS)获取了驾驶人的主观疲劳等级数据.从试验数据中提取了车道偏移标准差、单路段方向盘反转次数、闭眼时间比例和平均瞳孔直径共4个无侵入测量指标.结合反映累计驾驶时长的驾驶圈数,利用主成分分析(PCA)进行降维处理得到重要度最高的两个主成分后,根据KSS将驾驶人疲劳状态划分为3个等级,建立了疲劳分级隐马尔可夫模型(HMM),同时建立了支持向量机(SVM)用以对比.疲劳等级判别结果为:将12位驾驶人随机分为4组的情况下,HMM交叉验证平均判别正确率为77.26％,单组最高判别正确率为81.25％,而SVM平均判别正确率为65.02％,单组最高判别正确率为70.37％;去除了驾驶圈数这一指标重新进行疲劳等级判别,HMM平均判别正确率下降到55.61％,SVM平均判别正确率下降到50.46％.结果表明:在仅使用无侵入测量指标进行疲劳等级判别时,引入驾驶圈数能够有效提高模型精度,并且HMM在判别正确率以及稳定性上均优于SVM;在使用HMM进行疲劳等级判别时,引入PCA进行降维可有效解决指标增加带来的观测概率矩阵稀疏问题,提升了模型的普适性.
文献关键词：
交通安全;疲劳等级判别;隐马尔可夫模型;无侵入测量指标;驾驶模拟器
中图分类号：
作者姓名：
尉志礼;胥川;王雪松;王岳川
作者机构：
西南交通大学 交通运输与物流学院, 四川 成都 611756;西南交通大学 综合交通运输智能化国家地方联合工程实验室, 四川 成都 610031;同济大学 交通运输工程学院, 上海 201804;道路交通集成优化与安全分析技术国家工程实验室, 江苏 无锡 214151
文献出处：
引用格式：
[1]尉志礼;胥川;王雪松;王岳川-.基于隐马尔可夫模型的无侵入疲劳等级判别)[J].公路交通科技,2022(05):112-121
A类：
疲劳等级判别,车辆运行特征,无侵入测量指标
B类：
隐马尔可夫模型,驾驶人,疲劳状态,模拟驾驶试验,操作数,特征数据,眼动数据,疲劳程度,程度量,KSS,车道偏移,路段,方向盘,闭眼,眼时,瞳孔直径,降维处理,理得,重要度,状态划分,HMM,交叉验证,模型精度,加带,观测概率,交通安全,驾驶模拟器
AB值：
0.193317
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
