基于贝叶斯网络的驾驶疲劳程度识别模型

摘要：

国内外学者大多采用单一类型指标对驾驶疲劳程度进行判断。为克服单一指标检测的不稳定性，构建基于贝叶斯网络的驾驶疲劳程度识别模型。将驾驶环境属性、驾驶人个体属性和原始疲劳属性作为模型输入层变量。选择脑电指标、心电指标、眼动指标、驾驶绩效指标作为模型输出层变量。将清醒、轻度疲劳、重度疲劳三种驾驶疲劳程度作为隐含层变量。采用模拟驾驶方法进行实验，得到不同实验对象各个时刻不同疲劳程度的概率。将利用单一指标和贝叶斯网络模型得到的驾驶人疲劳程度与主观疲劳测评结果进行对照，证明贝叶斯网络模型不仅能消除单一指标失效时产生的误判和漏判，而且可提高识别的准确性。

关键词：交通安全、驾驶疲劳、识别模型、贝叶斯网络、度量指标

分类号：U491.2+5(交通工程与公路运输技术管理)

资助基金：国家自然科学基金项目“营运汽车驾驶员驾驶疲劳累积及预防政策研究”51178149

在线出版日期：2014-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：66-74