论文部分内容阅读
驾驶员作为交通系统的操纵者,驾驶员的行为状态是交通系统安全的关键因素。如今因为人的因素导致的事故成上升趋势,对驾驶员的状态监测成为交通安全研究中的重要课题。研究指出驾驶员对突发事件的反应速度是影响驾驶安全的最重要的心理品质,在驾驶员状态发生改变影响反应速度时,生理信号上会有明显的表征,尤以脑电信号最为敏感,且已有研究表明反应时间与脑电信号频域特征有明确的定性关系。基于脑电信号敏感性好,精度高的特点,脑电信号被广泛用于驾驶员的认知状态识别上。在当前研究中,主要通过脑电信号来辨别驾驶员因为疲劳、警觉度下降的引起的认知能力下降,通过设定阈值对驾驶员发出预警,但仅少量研究通过脑电信号对驾驶员的简单反应时间做出预测。针对上述问题,本文拟通过分析驾驶员简单反应时间与脑电信号的关系,建立以脑电信号频域特征为输入,构建模型对驾驶员的简单反应时间进行预测。在本研究中,采用ICA分析法去除伪迹,通过傅里叶变换提取脑电信号频域特征并作平滑处理,通过GRA方法选择特征,分别建立采用粒子群算法优化的LSSVM与SVR模型预测驾驶员简单反应时间。基于实验数据分析,GRA的选择结果表明PZ电极的α和β波段的频域特征与反应时间关联度最高,相关性分析显示α波与反应时间成正相关(r(28)0.474,p(27)0.05),β波与反应时间成负相关(r(28)-0.331,p(27)0.05)。通过预测模型对比分析表明,LSSVM比SVR模型的预测性能稍好,且以道路线形特征作为一个变量引入预测,能够进一步提升模型预测精度,综合得出GRA-LSSVM模型以脑电特征结合道路线形特征输入为最优组合,对所有被试独立建模,模型预测结果的RMSE均值为162.21ms,R~2均值为0.841。通过验证实验的数据分析,验证了所提方法的正确性和可行性。