摘要
利用驾驶员在环仿真实验平台,搭建了较为真实的交通场景,采集驾驶员眼动信号和操作信号,利用眼动信号关于感兴趣区域(车内区域、车辆前方近处区域、远方区域)注视时间占比的结果给驾驶员贴标签,以减少标签错误的可能性;采用支持向量机(SVM)方法,比较研究基于单一操作信号(转向盘转角中心、速度、侧向加速度)和多操作信号组合评价驾驶员的技能等级.结果表明:采用纵向速度和侧向加速度信号组合比单一操作信号以及其他操作信号的组合对驾驶员技能等级分类正确率高.同时,通过比较多种驾驶员技能等级评价模型,得出最佳驾驶员技能等级评价的经验模型0.3*exp(6*V)+0.7*(8*Ac),其分类正确率达到了90％.
基金项目
仿驾驶员态势感知模型与人机协同驾驶决策研究(51575169)
基于深度学习的驾驶员注意力多维度评估与建模研究(2017JJ2032)
NETL
NSTL
维普
万方数据