基于EEG的船舶驾驶员疲劳程度识别

摘要：

大约80％的水上交通事故涉及人为因素,驾驶员疲劳是船舶交通事故发生的关键原因之一.近年来,基于脑电图(Electroencephalogram,EEG)的驾驶员疲劳检测技术的发展,有助于快速准确地识别驾驶员的疲劳程度.然而,由于EEG信号的敏感性和个体差异,影响驾驶员疲劳检测的准确性.该试验在船舶模拟器中进行,收集多个受试者的脑电信号.选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理,并提取基于EEG的多种特征,例如平均绝对值(Mean Absolute Value,MAV)、标准差(Standard Deviation,SD)、均方根(Root Mean Square,RMS)和香农熵(Shannon Entropy,SE).基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale,KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度.将多种分类算法的分类准确率进行比较,双向长短期记忆网络(Bi-Long Short Term Memory,Bi-LSTM)分类器效果最佳,分类准确率达到88.63％.结果表明:该方法在研究船舶驾驶员跨个体的三分类问题中能获得显著的效果.

关键词：船舶驾驶员、脑电图、疲劳程度、特征提取、卡罗林斯卡嗜睡量、分类算法

所属期刊栏目：46

分类号：U698(水路运输技术管理)

在线出版日期：2023-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：22-28