学位论文 > 优秀研究生学位论文题录展示
基于转向操作和车辆状态的疲劳驾驶检测方法研究
作 者: 屈肖蕾
导 师: 成波
学 校: 清华大学
专 业: 机械工程
关键词: 疲劳驾驶 疲劳检测 转向操作 车辆状态 指标选择
分类号: U491.254
类 型: 硕士论文
年 份: 2012年
下 载: 98次
引 用: 0次
阅 读: 论文下载
内容摘要
疲劳驾驶是造成严重交通事故的主要原因之一。研究驾驶人疲劳状态实时检测方法,对改善道路交通安全具有重大意义。通过分析驾驶人不同疲劳状态下的转向操作特性,可以实现对驾驶人疲劳状态的有效估计。该技术为非接触式检测,且不受光照等因素影响,具有很高的实用价值。然而,在实际研究当中,受疲劳特征的隐匿性、驾驶人操作特性的个体差异性以及道路行驶环境的复杂性等诸多因素的影响,对驾驶人疲劳状态实施有效检测仍存在较多的难题。本文以建立高性能的驾驶人疲劳状态实时检测算法为目标,围绕疲劳操作特性分析、特征指标抽取、最优指标筛选、疲劳模式推断等问题展开研究,建立了驾驶人疲劳状态检测方法,并对该方法进行了验证。本文深入分析了驾驶人不同疲劳状态下的转向操作和车辆状态变量的波动幅度、速度、频度的变化特性,抽取量化的疲劳判别指标对隐藏在操作特性变量时间序列信息中的疲劳特征进行深入挖掘,并采用统计学方法对疲劳判别指标的差异显著性进行了检验。为对疲劳判别指标进行优化降维,以支持向量机算法的分类性能为评价准则,以序列浮动前向选择算法为搜索策略,建立了疲劳判别指标优化选择算法;利用该算法从疲劳判别指标全集中筛选出最优子集,并以此为输入,基于支持向量机算法建立了疲劳检测模型。结果表明,该模型将驾驶人的疲劳状态分为清醒、疲劳、非常疲劳三类识别率为86.1%。考虑驾驶人操作特性的个体差异性,利用驾驶人开始驾驶后的一段清醒数据作为参考数据,将从参考数据抽取的疲劳判别指标的均值作为参考指标,以疲劳判别指标与参考指标的比值作为个性指标,利用个性指标建立了考虑个体差异性的疲劳检测模型,该模型对驾驶人疲劳状态的识别率为87.7%。考虑换线操作对疲劳检测的影响,将车辆偏出车道事件分为主动换线和疲劳导致的车道偏离两类,通过分析正常换线和疲劳车道偏离的转向操作和车辆状态特性,抽取量化的判别指标对这些特性进行测量,并利用指标优化选择算法对判别指标进行优化降维,建立了车辆偏出车道时的疲劳检测模型,该模型在车辆偏出车道时对驾驶人的疲劳状态进行判别,取得了较优的识别结果。
|
全文目录
摘要 3-4 Abstract 4-11 第1章 引言 11-20 1.1 研究背景和意义 11-12 1.2 驾驶人疲劳状态检测的研究现状 12-18 1.2.1 驾驶人疲劳状态评定方法 12-14 1.2.2 驾驶人疲劳状态检测方法 14 1.2.3 基于操作特性的驾驶人疲劳状态检测 14-18 1.3 本文研究内容 18-20 第2章 基于驾驶模拟器的疲劳驾驶试验 20-34 2.1 实验平台简介 20-22 2.2 仿真场景建模 22-24 2.2.1 道路仿真环境建模 22-24 2.2.2 交通仿真环境建模 24 2.3 实验方案设计 24-25 2.4 疲劳样本数据库的建立 25-33 2.4.1 疲劳状态评价方法介绍 25-26 2.4.2 疲劳状态评价方法验证 26-31 2.4.3 驾驶人疲劳样本数据库 31-33 2.5 本章小结 33-34 第3章 疲劳操作特性分析及疲劳判别指标抽取 34-55 3.1 数据分析平台建立 34-35 3.2 疲劳操作特性分析 35-41 3.2.1 基于变量波形的疲劳操作特性分析 35-38 3.2.2 基于变量分布的疲劳操作特性分析 38-41 3.3 疲劳判别指标抽取 41-49 3.3.1 统计类指标 41-42 3.3.2 经验类指标 42-47 3.3.3 拓展类指标 47-49 3.4 疲劳判别指标的有效性分析 49-54 3.4.1 分析方法 49-51 3.4.2 分析结果 51-54 3.5 本章小结 54-55 第4章 疲劳判别指标优化选择算法 55-69 4.1 指标优化选择算法的设计方案 55-58 4.1.1 指标优化选择算法的概述 55-57 4.1.2 指标优化选择算法的方案设计 57-58 4.2 指标优化选择算法的评价准则 58-63 4.2.1 支持向量机的基本思想 58-61 4.2.2 评价准则的优化方法 61-62 4.2.3 疲劳模式的三类决策 62-63 4.3 指标优化选择算法的程序实现 63-65 4.3.1 SFFS 算法的搜索策略 63-64 4.3.2 指标优化选择算法的程序流程 64-65 4.4 指标优化选择结果及疲劳检测模型 65-68 4.4.1 疲劳判别指标的优化选择结果 65-67 4.4.2 驾驶人疲劳状态检测模型及其测试 67-68 4.5 本章小结 68-69 第5章 影响疲劳检测的关键因素分析 69-81 5.1 个体差异性的影响及其自学习方法 69-72 5.1.1 个体差异性对疲劳检测模型的影响 69-70 5.1.2 个体差异性的自学习方法 70-72 5.1.3 考虑个体差异性的疲劳检测算法设计 72 5.2 车辆偏出车道时的疲劳检测模型 72-80 5.2.1 主动换线与疲劳车道偏离的操作特性分析 73-78 5.2.2 判别指标的抽取与选择 78 5.2.3 车辆偏出车道时的疲劳检测模型及其测试 78-80 5.3 本章小结 80-81 第6章 结论 81-82 参考文献 82-86 致谢 86-88 附录 A 疲劳判别指标的有效性分析结果 88-94 附录 B 车辆偏出车道时疲劳判别指标的有效性分析结果 94-97 个人简历、在学期间发表的学术论文与研究成果 97
|
相似论文
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 红外条件下驾驶员疲劳检测研究,TP391.41
- 基于视觉的驾驶员疲劳状态检测方法研究,TP391.41
- 基于DM642的红外成像系统在脸部疲劳状态识别中的应用,TP391.41
- 基于汽车驾驶员的疲劳驾驶检测系统的研究,TP274
- 基于计算机视觉的机车乘务员驾驶疲劳监测研究,TP274
- 基于多特征融合的驾驶员疲劳检测研究,TP391.41
- 基于人脸面部特征的驾驶员疲劳检测技术研究,TP391.41
- 基于信息融合的驾驶员疲劳检测研究,TP391.41
- 汽车驾驶员疲劳驾驶预警装置设计及实验研究,U491.6
- 基于模式识别的驾驶员疲劳状态检测系统研究,TP391.41
- 基于DM6437的驾驶员疲劳检测技术研究,TP391.41
- 基于DM642的驾驶员疲劳检测系统研究,TP274
- 基于机器视觉的驾驶员疲劳检测研究,TP391.41
- 驾驶员疲劳检测中人眼定位方法的研究,TP391.41
- 危险品运输车辆运行状态监测与再现技术的研究,U492.81
- 网络学习疲劳检测中的人脸特征定位研究,TP391.41
- 配戴近视镜驾驶者的驾驶疲劳检测,TP274.4
- 基于视觉的汽车驾驶员疲劳状况检测装置的研究,TP274.4
- 基于驾驶员眼睛状态的疲劳驾驶检测算法,TP391.41
- 基于人脸定位技术的疲劳驾驶检测方法,TP391.41
中图分类: > 交通运输 > 公路运输 > 交通工程与公路运输技术管理 > 交通工程与交通管理 > 交通系统 > 人-车-路相互作用 > 驾驶者的生理、心理与环境气候对行车的影响
© 2012 www.xueweilunwen.com
|