转向盘转角特性在驾驶疲劳检测中的应用研究

论文摘要

随着道路交通网络建设的发展和汽车保有量的增加,道路交通事故成为影响社会发展的严重问题。对近十年道路交通事故统计资料的分析发现,近年来道路交通事故的发生起数和伤亡人数都有所下降,但是平均每起事故的伤亡人数有上升趋势,恶性事故时有发生,疲劳驾驶往往是引发这类事故的重要原因。研究驾驶疲劳检测问题具有重要的现实意义。本文的主要工作有:在综述驾驶疲劳检测方法研究状况的基础上,指出了多数研究只在室内虚拟环境中进行,不重视驾驶员生理、心理感受等问题。针对具体问题,设计了转向盘转角采集装置,在真实道路环境下实施了汽车行驶试验,得到了驾驶员正常驾驶和疲劳驾驶两种状态下的转向盘转角数据,并进行了对比分析,提出了驾驶状态分类标准,为驾驶疲劳检测提供了数据支持。在对人工神经网络基本理论,BP神经网络结构,误差反向传播算法及其改进算法深入分析的基础上,选取转向盘转角为切入点,研究了基于BP神经网络的驾驶疲劳检测模型建模过程。讨论了数据的预处理,隐层节点数的选择,训练算法的确定等问题,并对模型进行实际应用。试验数据和模型输出的对比分析表明,模型对驾驶疲劳的检出率为71.4%,同时也证明了BP神经网络应用于驾驶疲劳检测的可行性。针对BP神经网络易于陷入局部极小等不足,把遗传算法与BP神经网络相结合,利用遗传算法擅长全局搜索的优点,将其用于BP神经网络初始权值和阈值的优化。仿真实验结果表明,模型对驾驶疲劳的检出率达到78.2%,提高了9.5%,遗传算法的优化增强了BP神经网络的泛化能力,使模型的检测精度得到了提高。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 研究背景和意义
• 1.2 驾驶疲劳概述
• 1.2.1 驾驶疲劳的定义
• 1.2.2 驾驶疲劳的表现
• 1.2.3 驾驶疲劳的原因
• 1.3 驾驶疲劳检测方法研究综述
• 1.3.1 驾驶疲劳检测概述
• 1.3.2 驾驶疲劳主观检测方法
• 1.3.3 驾驶疲劳客观检测方法
• 1.3.3.1 通过监测驾驶员的生理信号来检测驾驶疲劳
• 1.3.3.2 通过监测驾驶员的生理反应特征来检测驾驶疲劳
• 1.3.3.3 通过监测车辆的参数来检测驾驶疲劳
• 1.4 驾驶疲劳预警系统开发状况综述
• 1.4.1 基于驾驶员生理信号监测的预警系统
• 1.4.2 基于驾驶员生理反应特征监测的预警系统
• 1.4.3 基于车辆参数监测的预警系统
• 1.4.4 基于多种特性参数监测的预警系统
• 1.5 驾驶疲劳检测方法研究存在的问题
• 1.6 研究方法和主要内容
• 1.6.1 研究方法
• 1.6.2 主要内容
• 1.7 本章小节
• 2 人工神经网络基本理论
• 2.1 人工神经网络概述
• 2.1.1 生物学基础
• 2.1.1.1 生物神经元的结构
• 2.1.1.2 生物神经元的功能和特点
• 2.1.2 人工神经元模型
• 2.1.3 神经网络结构
• 2.1.4 神经网络学习
• 2.1.4.1 学习方式
• 2.1.4.2 学习规则
• 2.2 BP神经网络
• 2.2.1 BP神经网络结构
• 2.2.2 BP算法的数学描述和实现步骤
• 2.2.2.1 数学描述
• 2.2.2.2 实现步骤
• 2.2.3 BP算法的不足和改进
• 2.3 本章小节
• 3 汽车行驶试验及数据分析
• 3.1 汽车行驶试验
• 3.1.1 试验目的
• 3.1.2 试验设备
• 3.1.2.1 试验用车
• 3.1.2.2 转向盘转角采集装置
• 3.1.2.3 数据采集系统
• 3.1.3 试验人员
• 3.1.4 试验路段
• 3.1.5 试验时间
• 3.1.6 试验过程
• 3.2 试验数据处理与分析
• 3.2.1 主观疲劳评价数据
• 3.2.2 转向盘转角数据
• 3.2.2.1 转角与电压的关系
• 3.2.2.2 滤波
• 3.2.2.3 角速度
• 3.2.3 典型数据分析
• 3.2.3.1 典型数据
• 3.2.3.2 驾驶状态分类指标
• 3.3 本章小结
• 4 基于BP神经网络的驾驶疲劳检测建模研究
• 4.1 BP神经网络和驾驶疲劳检测的结合
• 4.1.1 BP神经网络应用于驾驶疲劳检测的可行性
• 4.1.2 BP神经网络在驾驶疲劳检测中的应用
• 4.2 基于BP神经网络驾驶疲劳检测模型的建立
• 4.2.1 驾驶状态数据处理
• 4.2.2 样本数据
• 4.2.2.1 数据的选取
• 4.2.2.2 数据的预处理
• 4.2.3 网络结构设计
• 4.2.3.1 网络层数的设计
• 4.2.3.2 隐层节点数的设计
• 4.2.3.3 激活函数的选取
• 4.2.4 网络的训练
• 4.2.4.1 训练算法的确定
• 4.2.4.2 训练参数的选取
• 4.3 仿真实验和结果分析
• 4.3.1 MATLAB软件及其神经网络工具箱简介
• 4.3.2 仿真实验
• 4.3.2.1 主要程序
• 4.3.2.2 隐层节点数确定实验
• 4.3.2.3 训练算法确定实验
• 4.3.3 实验结果和分析
• 4.4 本章小节
• 5 遗传算法优化BP神经网络研究
• 5.1 遗传算法
• 5.1.1 基本思想
• 5.1.2 理论基础
• 5.1.3 基本要素
• 5.1.3.1 参数编码
• 5.1.3.2 初始种群
• 5.1.3.3 适应度函数
• 5.1.3.4 遗传操作
• 5.1.3.5 控制参数
• 5.1.4 基本流程
• 5.1.5 基本特点
• 5.2 遗传算法和BP神经网络的结合
• 5.2.1 概述
• 5.2.2 遗传算法优化BP神经网络的连接权值
• 5.3 遗传算法方案设计
• 5.3.1 编码设计
• 5.3.2 初始种群设定
• 5.3.3 适应度函数设计
• 5.3.4 遗传算子设计
• 5.3.4.1 选择算子
• 5.3.4.2 交叉算子
• 5.3.4.3 变异算子
• 5.3.5 控制参数设定
• 5.4 仿真实验和结果分析
• 5.4.1 仿真实验
• 5.4.1.1 主要程序
• 5.4.1.2 初始种群数目确定实验
• 5.4.2 实验结果和分析
• 5.5 本章小节
• 6 结论和展望
• 6.1 主要结论
• 6.2 工作展望
• 参考文献
• 个人简介
• 导师简介
• 获得成果目录清单
• 致谢