基于FSDT的驾驶员危险感知能力检测研究

驾驶员危险感知能力对于安全驾驶至关重要,因此有效地检测驾驶员的危险感知能力以甄别出危险感知能力较差的驾驶员并对其进行相应培训,将可大大降低道路交通系统中事故的发生率.本文基于模糊信号检测理论(FSDT),设计了驾驶员危险感知能力的检测方法和分级试验方案,通过采用虚拟现实技术与模拟驾驶仿真技术,并利用模糊信号检测理论中的敏感度和信号响应标准两个指标,实现了对驾驶员危险感知能力的定量评价.结果表明:基于FSDT检测驾驶员危险感知能力是可行的,且信号响应标准参数比敏感度参数更能准确地判断驾驶员的危险感知能力.     

基于Kohonen-SVM模型的驾驶行为险态动态辨识

对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8 400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。