现有的疲劳驾驶检测方法,大多只采用单一信号判断驾驶员疲劳状态,容易受到干扰,当实际检测环境不那么理想时,无法采集到足够准确的数据,会导致检测结果出现较大偏差.提出基于随机森林与多源信息融合的疲劳驾驶检测方法,运用多个微型传感器,同步采集驾驶员的呼吸、心跳、脉搏以及握力信号,当某一个信号采集有所偏差时,另一个信号不受影响,然后将所有采集到的信号进行整合,建立一个多源融合的疲劳驾驶状态数据集作为检测依据,避免了单一信号有时误差较大的缺陷,检测准确率更高.相较于SVM、GBDT等分类算法,随机森林能够平衡数据集的误差,对缺失值不敏感,且分类速度快,模型最佳检测精度达89.16％,能够有效避免驾驶员疲劳驾驶.
国家科技期刊平台
NSTL
万方数据
维普
