基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

公路景观色彩对驾驶员脑电δ波成分的影响

为量化高速公路路侧景观色彩与驾驶员脑电δ波成分之间的关系,在吉珲高速公路进行道路试验,采集所需数据.首先基于幂函数建立景观色彩值与脑电δ波成分的关系模型,然后考虑驾驶时间对驾驶员脑电δ波的累积影响,基于高斯函数建立驾驶时间与脑电δ波成分的关系模型.最后采用联合建模的方式建立驾驶时间、景观色彩值对脑电δ波成分的影响关系模型.模型分析结果表明:路侧景观色彩均值与驾驶员脑电δ波成分呈负相关,而δ波多在驾驶疲劳时出现,即景观色彩越鲜亮,越能有效避免驾驶疲劳的加剧;驾驶员脑电的δ波成分随着驾驶时间t呈现波动,但是整体仍处于上升趋势,即驾驶员为规避因疲劳导致的行车危险而强制自己处于警醒状态,其自身会存在疲劳与抗拒疲劳的博弈过程.     

高速公路路侧景观色彩对驾驶员心率指标的影响

在长延高速公路进行实车实验采集所需数据,以景观色彩均值、驾驶时间为自变量,驾驶员心率均值为因变量,基于趋势面分析方法建立了三者之间的关系模型。然后采用单因素敏感性分析方法对模型中的两个自变量进行敏感性分析。结果表明:色彩均值与驾驶员心率成负相关,即随着色彩亮度的增加驾驶员疲劳程度逐步缓解;驾驶时间与驾驶员心率均值成正相关,即驾驶时间越长,心率均值越大,驾驶员倾向于疲劳;并且驾驶员心率均值对驾驶时间的敏感程度要高于其对路侧景观色彩均值的敏感程度。     

信号交叉口进口车道饱和流率估计方法

为准确估计信号交叉口进口车道的饱和流率,将高峰期获取的车头时距采用时间序列表达;基于PP检验构建稳态检验算法,剔除绿灯显示期间进口车道的异常车头时距,以获取饱和车头时距,采用饱和车头时距的均值估计饱和流率。以长春市某典型信号交叉口3条直行车道为例对本文方法进行验证,并与HCM方法进行对比。结果表明:本文方法能准确识别出饱和车头时距;饱和流率的估计值为1700～1900 pcu/h,高于HCM方法所得到的饱和流率估计值。     

基于车路协同的动态车辆安全状态评价模型

针对动态车辆安全状态评价指标参数多源、异构、动态的特点,系统地分析了影响车辆安全状态的驾驶员、车辆和环境因素并进行了信息分类,构建了车辆安全状态评价体系．基于模糊综合评判原理建立了车辆安全状态模糊综合评价模型,车辆行驶过程中通过车载终端提取评价指标的动态参数,得出车辆安全状态模糊评价集并基于加权平均原则计算其最大隶属度,根据最大“贴近度”原则对车辆直线跟车行驶和转弯行驶的安全状态进行评判,为动态车辆安全状态评价提供了一种新方法．     

基于粒子群优化与支持向量机的驾驶员疲劳等级判别

为客观、准确地判别驾驶员的疲劳程度,采用多项驾驶员生理指标、基于粒子群与支持向量机（ SVM）算法建立驾驶疲劳等级判别模型,首先将驾驶员疲劳状态分为清醒、轻度疲劳、重度疲劳和睡意4个等级,然后将驾驶员的心电RR间期标准差、心率均值、呼吸潮气量、脑电的α波、β波和δ波功率谱密度积分等作为SVM的输入变量,驾驶疲劳等级作为输出变量,引入粒子群算法优化SVM的惩罚系数和核函数参数对判别模型进行标定,采用吉珲高速公路上的实车实验数据对模型有效性进行验证。结果表明：本模型对4项疲劳等级的判别准确率均高于85％,对于驾驶员疲劳预警具有重要意义。通过对模型各个输入变量的敏感性分析,证明基于多项生理指标的疲劳判别较基于单生理指标的疲劳判别更加有效。