论文部分内容阅读
安全是现代汽车产业发展的重要方向,通过预防驾驶员疲劳驾驶的方法将可以大幅地降低交通事故的产生.为此,本论文对驾驶员的疲劳特征进行了调查研究,根据调查的结果设计搭建了模拟驾驶系统采集驾驶员的驾驶数据,最后通过建立的模糊综合评价模型判断驾驶员是否处于疲劳状态,并实现疲劳驾驶预警。
本文设计编写了《疲劳驾驶行为特征调查问卷》,对驾驶员的驾龄、影响疲劳的因素、疲劳驾驶时的具体表现以及如何避免疲劳驾驶等维度进行了调查。调查结果显示,影响驾驶员疲劳状况的因素主要有三方面:睡眠质量、驾驶时长以及驾驶时段。而当驾驶员疲劳时,驾驶行为主要的特征表现为:猛打方向盘、方向盘转动频率下降、方向盘握紧力变小以及换挡时机不准确这几个方面。
根据问卷的结果,选取了方向盘转角、踏板组合开度、档位以及方向盘握紧力作为判断驾驶员是否处于疲劳驾驶状态的研究对象。搭建了包括方向盘、换挡拨杆以及踏板组合的模拟驾驶系统,并加装了相应的传感器:方向盘转角传感器、踏板开度传感器、握力传感器以及档位传感器以采集各个指标的信号。
在模拟驾驶系统上做组织了19次实验并对数据分析,最后选取了转角标准差、转角速率均值、转角速率标准差、转角加速度均值、转角加速度标准差、油门标准差、油门均值和握力均值这8个变量作为考察驾驶员疲劳状态的指标,并通过因子分析的方法将指标降维至3个公共因子:方向盘运动状态因子、油门运动状态因子和握力因子。
根据因子的变化规律,建立了基于模糊算法的综合评价系统,系统由以下组成:评判因素集U={方向盘运动状态因子F1,油门运动状态因子F2,握力因子F3}、评语集V={正常,过渡,疲劳}、各因素对各评语的隶属度函数以及因素的权向量。根据实验数据,对模型中的隶属度函数的参数和因素权向量进行反复地修正,最终得到比较符合实验数据统计特性的隶属度函数。通过验证,模型的识别率为62.2%。
实验证明,基于模糊算法的疲劳驾驶识别系统能够一定程度上判断驾驶员的疲劳状态,实现了根据驾驶员操作行为进行疲劳识别的方法。