疲劳驾驶的脑电特性探索

研究疲劳驾驶时的脑电特性.利用汽车模拟驾驶系统模拟驾驶员疲劳驾驶的情况,用脑电仪记录驾驶员的脑电情况,得到了驾驶员在正常状态和疲劳状态下驾驶时的脑电数据和波形,分别用平均功率谱方法和非线性的关联维数方法对所得数据进行分析.得到了疲劳驾驶时脑电的2个特征量R和D.可以用驾驶员驾驶时的脑电特征量来评价其疲劳程度.     

一种新的考虑驾驶员疲劳的人机协同避障策略

人机协同驾驶系统在避障工况中， 针对驾驶员注意力不集中导致不能及时操控汽车的问题，设计一种考虑驾驶员特性的人机协同避障控制器. 以双驾双控人机共驾结构为基础，自动驾驶系统采用线性二次调节器（Linear Quadratic Regulator，LQR）控制车辆跟踪规划轨迹，基于最优预瞄侧向加速度建立驾驶员模型. 为了使驾驶权在避障过程中分配更加合理，使用驾驶模拟器采集疲劳驾驶数据训练BP神经网络来识别驾驶员疲劳操作行为，通过对空间碰撞危险度和驾驶员疲劳因子建模设计人机协同避障策略. 搭建Carsim、PreScan和 Simulink联合仿真平台进行高速工况下的避障仿真试验. 仿真结果表明，相较于传统方法，本文所提策略在静态障碍物避障过程中，侧向加速度、质心侧偏角和横摆角速度分别降低了8.9%、18.2%和11.1%，在动态障碍物避障过程中，相应的指标分别降低了51.5%、53.4%和50.6%，提高了车辆在避障过程中的稳定性.     

基于汽车操纵信号的驾驶员疲劳状态检测

将驾驶方向盘运动信息及道路偏移值作为驾驶员疲劳表征信息,通过模拟器的模拟驾驶实验,采集10名驾驶员疲劳表征数据,建立神经网络模型对驾驶员疲劳状态进行检测.基于PVT（Psychomotor Vigilance Task）测试结果及驾驶录像,采集清醒状态与疲劳状态的实验数据,并进行分析;然后对数据进行离散化和归一化,作为神经网络模型的输入.采用BP算法对神经网络模型进行训练,直至满足误差要求.实验结果表明,该方法检测驾驶员疲劳状态的准确率较高,实用性较强.     

基于呼吸信号的驾驶员疲劳状态实时监测系统

针对疲劳驾驶导致交通事故多发，提出一种三维疲劳评定方法用于确定驾驶员的真实疲劳状态，利用经验模态分解、信号重构等信号分析技术提取呼吸信号的周期、周期标准差、幅值、幅值标准差和哈欠频繁次数等作为判定疲劳的特征参数。通过构建驾驶员疲劳状态监测系统和大量的模拟驾驶试验证明这些特征参数能够有效地反映疲劳状态，为该系统现场实际应用奠定了基础，对于减少因疲劳驾驶造成的交通事故具有重要的应用价值。     

基于熵权法的驾驶疲劳量化

为了客观准确获取驾驶疲劳判别阈值,采用驾驶模拟试验研究方法,采集驾驶员在清醒及疲劳状态下的眼动数据、反应时间、执行时间.用驾驶人连续驾驶状态下的眼动数据、反应时间、执行时间表达驾驶人注意特性、反应能力、执行能力.并以三者为自变量,驾驶疲劳量化值为因变量,基于熵权法对三者加权平均建立三者之间的关系模型.为了提高驾驶疲劳阈值的客观性,选取基于可变的阈值确定方法,得到最优一次疲劳及二次疲劳阈值.文中还揭示了驾驶人连续驾驶状态下疲劳变化规律.评价了驾驶疲劳的量化方法.试验结果表明,该方法有效地提高了驾驶疲劳量化的准确性,在预防驾驶疲劳的行车安全领域有着广泛应用前景.     

基于驾驶疲劳的高海拔地区公路平曲线线形指标试验研究

为提高高海拔地区公路平曲线路段交通安全,进行驾驶员疲劳测试试验。采用心率血氧测试仪、非接触式光电速度传感仪等仪器采集驾驶员在高海拔地区一级公路平曲线路段行驶过程中的心率血氧数据与汽车运行速度。分析驾驶员在该路段行驶过程中的驾驶疲劳特性,建立了驾驶疲劳度与平曲线曲率变化率之间的关系模型。试验结果表明,在高海拔地区长直路段或大半径圆曲线后接曲率变化率为0.06(°)/m或半径为800 m的圆曲线可有效缓解驾驶员驾驶疲劳。     

考虑驾驶员行为特性的行车安全仿真试验

为了分析驾驶员行为特性对行车安全的影响状况,首先建立了基于MATLAB/Simulink和ADAMS联合仿真的人—车—路闭环系统,通过不同车速下的双移线和蛇形线的闭环仿真试验验证了该系统的有效性。此外,在综合国内外学者研究成果的基础上,综合驾驶员的生理、心理特性和疲劳程度将驾驶员的驾驶特性分为12类,并确定相应类型驾驶特性的表征参数。选取某省道设计方案的部分路段为试验路段,对不同类型驾驶员在弯道上的行车安全以及不同疲劳程度的驾驶员在恶劣天气下的行车安全进行正交试验设计,基于人—车—路闭环系统开展虚拟行车仿真试验。试验数据的极差和方差分析结果显示,驾驶员疲劳程度对行车安全状况影响显著,在雨天与冰雪等恶劣天气下行驶时车速是影响行车安全的决定性因素。     

基于无线体域网中多生理信号驾驶疲劳检测

利用生理信号的无线测量设备实现了对驾驶员在驾驶过程中的脑电信号、肌电信号和呼吸信号的采集,并对其进行分析处理,从而实现驾驶员的疲劳检测.首先分别计算三个生理信号的近似熵并将其作为疲劳检测的特征参数,然后使用主成分分析对特征参数进行降维优化处理,同时对原始特征参数和分析后的主成分分别进行统计分析,基于优化处理后的特征参数利用回归方程建立驾驶疲劳估计模型.最后通过交叉验证对本方法进行评价,并使用数据融合方法给出了综合的评价结果.评价结果表明提出的方法对驾驶员疲劳状态的检测正确率达到90%以上.     

非接触式车载疲劳驾驶实时报警系统

疲劳驾驶是行车交通事故的主要原因之一。本项目是为了研制一种嵌入式实时驾驶员疲劳报警系统。该装置实时跟踪驾驶员的驾驶状态，获取其眨眼频率和持续驾驶时间等数据，用以判断驾驶员是否疲劳或是否集中注意力。一旦驾驶员出现疲劳状态或者注意力不集中的情况，该装置将给出声光报警和语音提示。     

基于多特征融合的疲劳驾驶状态识别方法研究

针对交通安全中疲劳驾驶状态识别问题，使用单一的疲劳驾驶特征的方法识别率较低，本文提出一种基于面部多特征加权和的疲劳识别方法.通过人眼状态检测算法提取眼部疲劳参数，即持续闭眼时间、闭眼帧数比、眨眼频率，通过打哈欠状态检测得到打哈欠次数和打哈欠持续时间，通过头部运动状态分析得到点头频率，建立融合以上六个特征的驾驶疲劳状态检测模型来评估驾驶员的疲劳等级并进行相应的预警.实验测试数据选自NTHU驾驶员疲劳检测视频数据集的部分数据.经实验调整后，发现该方法的识别准确率较高，识别效果好.