科研之友
微信
新浪微博
Facebook
分享链接
摘要
对驾驶员在驾驶过程中的疲劳状态进行实时准确的预判，可减少由于驾驶疲劳引发的交通事故。首先，通过无线体域网采集了12名驾驶员在真实驾驶过程中的多模态特征，提取了脑电、肌电、呼吸等3种生理信号的特征参数近似熵，其中基于畸变能密度理论(DED)确定肌电信号的采集位置为颈6棘突旁开2 cm处的上斜方肌；然后，通过模糊C聚类方法分析了3种特征参数组合对疲劳状态的反映效果；最后，建立基于马氏距离理论的真实驾驶疲劳判别模型。研究结果表明，驾驶员颈6部位比颈7部位肌电信号的ApEn值显著下降(P<0.05),表明颈6处肌肉比颈7处肌肉对驾驶员的疲劳状态反映更为敏感，实际检测结果与畸变能密度理论计算结果一致，证明了该位置提取肌电信号的正确性和准确性；脑、肌、呼吸这3种生理信号的ApEn值均随驾驶时间的延长呈递减变化，驾驶约90 min时递减趋势变缓，表明驾驶员进入疲劳状态；通过模糊C聚类分析可知，当脑电与肌电ApEn组合时，清醒与疲劳的概率分布界限清晰，可有效反映驾驶疲劳状态；以脑电和肌电近似熵为自变量，基于马氏距离理论建立真实驾驶过程的疲劳判别模型，其测试集准确率达90.92%,表明该模型能够比较准确的判别出驾驶员的疲劳状态。
- 单位
