基于驾驶行为分析的醉酒驾驶检测方法研究

基于驾驶行为分析的醉酒驾驶检测方 法研究
随着社会经济的不断发展,机动车保有量的持续增加,道路交通 安全问题日益严峻。交通事故逐渐成为造成人类伤亡的主要原 因之一,而醉酒驾驶是其中一个很大的原因。
因此,对醉酒驾驶进行准确识别意义重大。本文主要利用驾驶模 拟舱进行驾驶实验,采集了醉酒驾驶和正常驾驶的驾驶行为参数, 对不同状态驾驶行为进行了分析,提取了能显著表征醉酒驾驶的 特征参数,并基于提取的特征参数对驾驶员状态进行了识别。
主要研究内容如下:首先,基于驾驶模拟平台,设计实验采集驾驶 行为数据。本文对国内外研究现状进行了广泛调研,在总结前人 研究的基础上,利用驾驶模拟平台开展驾驶实验,采集了25名驾 驶员的驾驶行为数据,并对数据进行了整理与筛选,建立了样本 数据库。
其次,分析了醉酒对驾驶行为的影响,进行了特征选择。本文运 用统计分析方法对醉酒状态和正常状态的驾驶行为进行了对比 分析,明确了醉酒对车速、加速度、方向盘转角、制动踏板踩踏 深度、加速踏板踩踏深度、偏离中心线距离等驾驶行为的影响 规律,最终选取方向盘转角作为识别特征。
最后,搭建了基于驾驶行为特征的驾驶员状态检测模型。分别采 用KNN和SVM构建基于单特征参数、多特征参数加权融合的醉酒 驾驶检测模型,对比分析了各醉酒驾驶检测模型的识别准确度与 运行效率。
结果表明,SVM检测模型识别效果优于KNN检测模型,加权融合可 以提高检测模型的识别准确度;SVM在寻找最优参数时需要耗费 比较多的时间,运行效率低于KNN。
再次,采用滑动数据窗进行特征提取。为减轻采用总体数据长度 统计均值和标准差对数据特征的损失,本文基于滑动数据窗分别 求取方向盘转角均值序列和标准差序列构建特征参数,并研究了 不同数据窗长度对特征提取的影响和不同数据窗提取特征的有 效性,结果表明滑动数据窗可以提取明显表征醉酒驾驶的特征参 数。
第四,采用近似熵和样本熵进行特征提取。首先对近似熵和样本 熵的参数选择进行了分析,搭建了最优熵值计算模型;其次基于 提取的最优熵值构建特征参数,并采用ROC曲线对特征参数的判 别性能进行了对比分析,结果表明方向盘转角近似熵作为判别特 征的性能优于样本熵。
Baidu Nhomakorabea