驾驶人分心状态判别支持向量机模型优化算法

摘要

驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GA-SVM模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5％和96.3％.与决策树C4.5和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和F1值等模型性能方面均优于其他2种方法.本文建立的模型能够有效地判别驾驶人分心状态,可为驾驶人分心预警系统和分心控制策略提供依据.