10.13837/j.issn.1006-8309.2020.03.0001
基于眼动特征及ECG的轨道交通驾驶员疲劳分析与识别
目的 分析城市轨道交通驾驶员眼动特征及心电信号(ECG)的变化趋势,探究适宜的疲劳等级划分方法 ,构建有效的疲劳识别模型.方法招募6名志愿者进行城市轨道交通列车驾驶模拟实验,全程佩戴EQ02+型ECG数据采集套件和Dikablis眼镜式眼动仪,分析被试瞳孔面积变化,采用聚类分析法划分疲劳等级,分析被试SDNN、RMSSD、HF、HFnorm、LF/HF五项心电指标的变化,采用心电信号指标构建支持向量机(SVM)疲劳识别模型.结果 (1)被试瞳孔面积总体呈现波动下降的趋势,且与聚类分析法划分的疲劳等级具有一致性.(2)心电指标随实验时间变化明显,反映了交感神经和迷走神经的调节功能,可用于被试疲劳状态分析与识别.(3)对比三种不同核函数下模型的训练结果,高斯核函数识别效果最好,识别率达87.5%.结论 眼动特征疲劳等级划分与心电指标SVM疲劳识别模型构建的结合,可为城市轨道交通驾驶员疲劳监测与预测的进一步研究提供依据.
交通工程、人因工程、驾驶行为、交通安全、轨道交通、眼动、心电、疲劳、事故预防
26
U298.1+2;B849(铁路运输管理工程)
国家自然科学基金资助项目71701124
2020-09-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
1-5,12