首页|基于电生理的机器学习在驾驶疲劳识别中的应用

基于电生理的机器学习在驾驶疲劳识别中的应用

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
道路交通事故(RTA)导致大量人员伤亡和财产损失,驾驶疲劳是导致RTA的重要因素之一.电生理信号作为神经系统调节身体机能的一种信息反馈,能够反映出驾驶员的疲劳状态,但目前针对电生理信号作为信息输入并采用机器学习的方法进行驾驶疲劳识别的相关研究缺乏系统综述.通过调研疲劳相关文献,本文总结疲劳的神经调节机制,阐明驾驶疲劳是由于心理及生理的双重负荷所导致并汇总驾驶疲劳相关的诱发因素,归纳当前与驾驶疲劳识别相关的电生理信号及其生理机制和相关指标.机器学习算法被广泛应用于驾驶疲劳识别中,本文汇总现有研究中以电生理信号作为信息输入源并采用各种机器学习算法构建的驾驶疲劳识别模型,比较各种机器学习算法的有效性,介绍有监督机器学习的优缺点;并指出应用于驾驶疲劳识别时应根据样本情况和模型特征值选取合适的分类算法;多种电生理信号作为信息源有助于提高疲劳识别模型的准确性,但模型输入特征值增加并不能有效提高模型准确性.最后指出基于电生理信号的疲劳识别方法的研究进展,为驾驶疲劳识别提供了新机遇.
Application of electrophysiology-based machine learning in identifying driving fatigue

向洪义、朱细燕、廖志康、赵辉

展开 >

陆军军医大学大坪医院军事交通伤防治研究室,重庆 400042

交通安全 驾驶疲劳 机器学习 生理机制 电生理信号

重庆院士创新项目军队青年培育项目

cstc2019yszx-jscxX000220QNPY031

2022

10.11836/JEOM21310

环境与职业医学
上海市疾病预防控制中心 中华预防医学会

环境与职业医学

CSTPCDCSCD北大核心
影响因子：0.71
ISSN：1006-3617
年,卷(期)：2022.39(4)
  • 1