PSYCH OpenIR  > 社会与工程心理学研究室
基于BP神经网络的驾驶精神疲劳识别方法
其他题名Recognition method of driving mental fatigue based on BP neural network
郭孜政1; 谭永刚1; 马国忠1; 潘毅润1; 陈崇双1
2014
发表期刊哈尔滨工业大学学报
通讯作者邮箱guozizheng@psych.ac.cn
文章类型期刊论文
卷号46期号:8页码:118-121
摘要为了对驾驶精神疲劳予以有效识别,基于行为绩效结合心电信号指标构建了一种驾驶精神疲劳识别方法.以驾驶行为绩效为客观测评指标,给出了驾驶精神疲劳状态的分级划分方法.在此基础上,以心率变异性的6项指标作为疲劳识别特征因子,采用BP神经网络模型,建立了驾驶精神疲劳状态分类器.最后结合实例,依据驾驶行为绩效,将疲劳状态划分为2级,采用10名驾驶员连续4 h的驾驶行为绩效(反应时)、心电数据,对模型、方法予以测算.结果表明,10名驾驶员平均正确识别率在71%~80%之间,且其平均正确识别率为73%.BP神经网络模型与心率变异性指标相结合可有效的识别疲劳.
其他摘要To recognize driving mental fatigue efficiently, this study constructs a recognition method based on ECG. The method proposes hierarchy partition of state of driving mental fatigue by using driving behavior performance as objective evaluation indexes. Meanwhile, taking 6 indexes of HRV as fatigue recognition characterization factors and BP artificial neural network model, this paper establishes the recognition model for state of driving mental fatigue. Finally, according to examples, the mental fatigue is divided into two classifications. Collecting 4 hours continual driving behavior performance and ECG data from 10 drivers to test the model, the result shows that the average recognition accuracy rate is between 71%and 80%, and the average accuracy rate is 73%. The combination of BP neural network model and HRV indexes could recognize fatigue effectively.
关键词驾驶行为 精神疲劳 识别方法 心率变异性 Bp神经网络
学科领域工业与组织心理学
语种中文
文献类型期刊论文
条目标识符http://ir.psych.ac.cn/handle/311026/20112
专题社会与工程心理学研究室
通讯作者郭孜政
作者单位1.西南交通大学 交通运输与物流学院,610031 成都
2.中国科学院心理研究所,100101 北京
推荐引用方式
GB/T 7714
郭孜政,谭永刚,马国忠,等. 基于BP神经网络的驾驶精神疲劳识别方法[J]. 哈尔滨工业大学学报,2014,46(8):118-121.
APA 郭孜政,谭永刚,马国忠,潘毅润,&陈崇双.(2014).基于BP神经网络的驾驶精神疲劳识别方法.哈尔滨工业大学学报,46(8),118-121.
MLA 郭孜政,et al."基于BP神经网络的驾驶精神疲劳识别方法".哈尔滨工业大学学报 46.8(2014):118-121.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
基于BP神经网络的驾驶精神疲劳识别方法.(284KB)期刊论文作者接受稿开放获取CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[郭孜政]的文章
[谭永刚]的文章
[马国忠]的文章
百度学术
百度学术中相似的文章
[郭孜政]的文章
[谭永刚]的文章
[马国忠]的文章
必应学术
必应学术中相似的文章
[郭孜政]的文章
[谭永刚]的文章
[马国忠]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。