基于多源信息融合的駕駛員分心監(jiān)測(cè)研究

《基于多源信息融合的駕駛員分心監(jiān)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于多源信息融合的駕駛員分心監(jiān)測(cè)研究(申請(qǐng)清華大學(xué)工學(xué)碩士學(xué)位論文)培養(yǎng)單位：汽車工程系學(xué)科：機(jī)械工程研究生：廖源指導(dǎo)教師:成波教授二○一五年十二月DriverDistractionDetectionthroughDrivingPerformanceandEyeMovement:fromFeatureExtractiontoClassifierDesignThesisSubmittedtoTsinghuaUniversityinpartialfulfillmentoftherequirementforthedegreeofMasterofScienceinMechanicalEngineeri

2、ngbyLIAOYuanThesisSupervisor:ProfessorCHENGBoDecember,2015摘要分心是引發(fā)駕駛員失誤，造成交通事故的重要原因之一，開展駕駛員分心狀態(tài)監(jiān)測(cè)對(duì)改善交通道路安全至關(guān)重要。與疲勞不同，分心具有持續(xù)時(shí)間短，變化快的特點(diǎn)。為了解決分心監(jiān)測(cè)實(shí)時(shí)性要求高，不同場(chǎng)景和不同種類的分心駕駛共性特征不明確的問(wèn)題，論文以駕駛分心為對(duì)象，依托駕駛模擬實(shí)驗(yàn)平臺(tái)，探究了城市道路場(chǎng)景高速公路場(chǎng)景下，兩種分心類型——認(rèn)知分心與視覺(jué)分心的表現(xiàn)特征與監(jiān)測(cè)算法設(shè)計(jì)。論文首先對(duì)駕駛分心表現(xiàn)特征進(jìn)行了統(tǒng)計(jì)學(xué)分析，基于多源信息融合的候選特征集合進(jìn)一步篩選最優(yōu)特征子集，提取了不同場(chǎng)景、不

3、同分心類型的共性關(guān)鍵特征，通過(guò)驗(yàn)證最優(yōu)特征子集分類器性能，量化出多源信息融合的優(yōu)勢(shì)，部分印證了Yerkes-Dodson法則。采用提取的共性關(guān)鍵特征，設(shè)計(jì)了基于支持向量機(jī)分類器的滑窗式分心監(jiān)測(cè)算法，討論算法參數(shù)對(duì)監(jiān)測(cè)性能的影響得到最優(yōu)參數(shù)組合，該組合下的分心監(jiān)測(cè)算法對(duì)場(chǎng)景、分心類型的適應(yīng)性好，兼顧了識(shí)別率與監(jiān)測(cè)快速性?；隈{駛模擬仿真平臺(tái)設(shè)計(jì)了兩類典型駕駛場(chǎng)景——停止標(biāo)志控制的交叉路口和限速高速公路，在次任務(wù)平板電腦上實(shí)現(xiàn)了用于產(chǎn)生分心的認(rèn)知次任務(wù)和視覺(jué)次任務(wù)設(shè)計(jì)，論文還對(duì)傳統(tǒng)工作負(fù)荷測(cè)量裝置——外周視覺(jué)檢測(cè)任務(wù)裝置（PeripheralDetectionTaskdevice,PDT）進(jìn)行便攜

4、化改進(jìn)，得到基于檢測(cè)反應(yīng)任務(wù)的駕駛員注意力測(cè)試裝置（DetectionResponseTaskdevice,DRT），DRT獲取的駕駛員認(rèn)知負(fù)荷為分心監(jiān)測(cè)提供了重要參考。論文獲取了兩類場(chǎng)景下單任務(wù)（常態(tài)）駕駛和雙任務(wù)（分心）駕駛數(shù)據(jù)。城市道路場(chǎng)景獲取了22名被試的有效數(shù)據(jù)，高速公路場(chǎng)景獲取了16名被試的有效數(shù)據(jù)。用候選特征集合對(duì)采集的駕駛行為及眼動(dòng)數(shù)據(jù)進(jìn)行計(jì)算，得到分心駕駛特征在駕駛績(jī)效和眼動(dòng)信息兩方面的完整描述，并對(duì)駕駛分心在特征上的影響進(jìn)行了統(tǒng)計(jì)分析，對(duì)性別、年齡等因素展開了討論。論文分析得到駕駛分心在駕駛績(jī)效和眼動(dòng)信息上的表現(xiàn)特征以及這些表現(xiàn)特征和分心類型、性別和年齡的關(guān)系。為了應(yīng)對(duì)高維

5、度、小樣本的數(shù)據(jù)特征，采用封裝支持向量機(jī)（SupportVectorMachine，SVM）的基因選擇算法提取了能顯著表征駕駛分心狀態(tài)最優(yōu)特征子集，基于對(duì)最優(yōu)特征子集結(jié)構(gòu)、重要度的分析，進(jìn)一步得到了可用于駕駛分心在線監(jiān)測(cè)分類器設(shè)計(jì)的共性關(guān)鍵特征，良好適應(yīng)不同駕駛場(chǎng)景-分心類型組合。對(duì)最優(yōu)特征子集進(jìn)行了分類器性能驗(yàn)證，量化分析了多源信息融合在不同場(chǎng)景下的優(yōu)勢(shì)。I通過(guò)DRT測(cè)量得到不同場(chǎng)景下常態(tài)駕駛與認(rèn)知分心駕駛的工作負(fù)荷，發(fā)現(xiàn)在高負(fù)荷的駕駛場(chǎng)景下，信息融合的分心監(jiān)測(cè)手段能顯著提高監(jiān)測(cè)效果，部分印證了Yerkes-Dodson法則，從工作負(fù)荷角度說(shuō)明了場(chǎng)景信息對(duì)分心監(jiān)測(cè)的重要性。研究結(jié)果為駕駛分心

6、特征優(yōu)選提供了方法支撐與數(shù)據(jù)參考。設(shè)計(jì)了一種基于SVM分類器，融合駕駛績(jī)效和眼動(dòng)信息特征作為輸入的滑窗式駕駛分心在線監(jiān)測(cè)算法，兼顧識(shí)別效果和監(jiān)測(cè)快速性，適應(yīng)不同駕駛場(chǎng)景和分心類型。綜合考慮在線監(jiān)測(cè)識(shí)別率和監(jiān)測(cè)快速性，得到5秒計(jì)算時(shí)間窗-75%重疊度的最佳算法參數(shù)組合。在線監(jiān)測(cè)算法結(jié)果在不同場(chǎng)景-分心類型間，識(shí)別率達(dá)86.6%~98.9%，表征監(jiān)測(cè)快速性的決策提前度可達(dá)88.7%~95.0%。本文提出的駕駛分心在線監(jiān)測(cè)算法不僅識(shí)別率較高，且在樣本長(zhǎng)度30秒的情況下，可以在分心發(fā)生后平均6.5~9.0秒識(shí)別出駕駛員的分心狀態(tài)，監(jiān)測(cè)快速性好。關(guān)鍵詞：駕駛員；分心監(jiān)測(cè)；駕駛績(jī)效；眼動(dòng)信息；支持向量機(jī)I

7、IAbstractDriverdistractionhasbeenidentifiedasonemajorcauseofunsafedriving.Distractionishighlydemandingonthereal-timedetectioncomparedwithfatiguedetection.Itisunclearaboutthecommonfeaturesofdifferentdi