驾驶员差异祛除模型及其在驾驶员精神负荷评价中的应用

摘要

随着人民生活质量逐步提高，汽车行业快速发展，汽车保有量也在不断增加，随之而来的交通事故也越来越多。在所有发生的交通事故中，驾驶员自身因素占所有数量的90%以上。当驾驶员在驾驶汽车的过程时，需要对汽车的行驶状态、路面状况等多方面信息进行综合分析并进行决策，故相应的也承受着一定的精神负荷。而当驾驶员自身承受的精神负荷较高又或者较低时，就极易引起驾驶员的决策失误，导致事故的发生。而在如此巨大的汽车规模之下，驾驶员之间的差异也愈发的明显，不同的驾驶员由于个体之间的差异，当面对相同状况时，所承受的精神负荷状态也各不相同。而目前的驾驶员状态研究中，大部分只考虑了次任务信息对驾驶员的影响，并没有考虑不同驾驶员之间差异对驾驶辅助系统的影响，因此本文从次任务对驾驶员状态的影响进行研究，并利用特征工程技术去除驾驶员之间的差异并且挑选出相关性高的特征后，对驾驶员在次任务下的精神负荷状态进行识别。　　本文的主要研究工作如下：　　首先，对国内外驾驶员精神负荷评价研究现状展开了详细介绍，并分析了目前常用的评价方法，提出了驾驶员之间差异去除的重要性。设计了驾驶员精神负荷诱发实验，并通过搭建驾驶员模拟平台与虚拟实验场景，收集驾驶员在不同次任务下不同负荷等级的脑电信号(EEG, Electroencephalogram)数据。　　其次，提出了一种驾驶员差异祛除模型。针对脑电信号中存在的噪声问题，该模型首先结合独立成分分析与自适应噪声的完备经验模态分解方法去除脑电信号中的眼电噪声；然后提取脑电信号中的时域、频域和时频域特征，并使用特征投影技术-冗余属性投影方法去除脑电信号中的驾驶员之间的差异；最后使用特征选择方法-费希尔判别比挑选出脑电信号中特征相关性高的特征。经过该模型后的脑电数据特征，能较好的反映驾驶员的精神负荷状态，并不同状态之间，能较好的去除驾驶员之间的差异所造成的影响。　　最后，调试搭建了BP神经网络分类器来识别驾驶员的精神负荷，利用特征投影技术去除了驾驶员之间的差异，并通过特征选择方法后挑选出相关性高的特征，通过设置四组对比实验验证驾驶员差异祛除模型的有效性，通过多组实验挑选出最佳的特征选择的特征数目。

目录

第1章 绪 论

1.1 研究背景与意义

1.2 精神负荷评价国内外研究现状

1.2.1 主观打分评价方法

1.2.2 操纵绩效评价方法

1.2.3 生理信号评价方法

1.3 使用生理信号参数和机器学习方法的精神负荷评价

1.3.1 脑电及其评价指标

1.4 驾驶员个体之间差异祛除

1.5 本文的技术路线与结构安排

第2章 驾驶员精神负荷诱发实验及数据采集

2.1 引言

2.2 精神负荷诱发实验设计

2.2.1 实验对象

2.2.2 实验环境要求

2.2.3 驾驶模拟平台搭建

2.2.4 次任务设计介绍

2.2.5 实验评价方法

2.3 精神负荷诱发实验流程

2.3.1 实验准备阶段

2.3.2 数据采集阶段

2.3.3 实验整理阶段

2.4 数据预处理

2.5 本章小结

第3章 基于冗余属性投影与费希尔判别比的驾驶员差异祛除模型及特征提取

3.1 引言

3.2 冗余属性祛除技术—NAP

3.3 基于 CEEMDAN-ICA 去除脑电信号中的眼电信号

3.3.1 眼电信号的产生机理

3.3.2 脑电信号中眼电伪迹的滤波方法

3.3.3 独立成分分析

3.3.4 自适应噪声的完备经验模态分解

3.3.5 去除眼电信号噪声

3.4 脑电信号特征提取

3.4.1 数据预处理

3.4.2 时域特征提取

3.4.3 频域特征提取

3.4.4 时频域特征提取

3.4.5 脑电信号特征提取总览

3.5 基于费希尔判别比的特征选择

3.5.1 特征选择理论

3.5.2 费希尔判别比原理介绍

3.6 本章小结

第4章 基于 BP 神经网络的驾驶员精神负荷状态识别

4.1 引言

4.2 BP 神经网络基本原理

4.2.1 BP 神经元

4.2.2 BP 网络

4.3 驾驶员精神负荷识别

4.3.1 对比实验数据准备

4.3.2 BP 神经网络结构与参数设置

4.3.3 对比实验识别结果

4.4 最佳特征数目选择

4.5 本章小结

结论与展望

参考文献

致 谢