机动车驾驶员疲劳状态识别系统研究

作     者：刘海平 

作者单位：哈尔滨工业大学 

学位级别：硕士

导师姓名：祝宇虹

授予年度：2013年

学科分类：08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

主      题：疲劳驾驶 疲劳等级量化 特征参数 模糊聚类 

摘      要：由于疲劳驾驶导致的交通事故频发，给人民的生命和财产带来了巨大危害。因此，疲劳驾驶预警系统的研发具有重要意义和实际应用价值。目前，对疲劳驾驶监测技术的研究较多，但是能够实现车载、不影响驾驶员驾驶舒适度、实时对驾驶员的疲劳状态进行监测的产品较少，已有的产品存在受环境影响大，稳定性差，价格昂贵等各种问题。本文利用汽车模拟器在实验室模拟真实的机动车行驶状况，设计了用于驾驶员疲劳状态实时监测的系统。采用模糊聚类技术对能够反应驾驶员疲劳状况的多路特征信号进行实时处理。实验验证了该系统辨识能力强，具有较好的容错能力。为疲劳驾驶监测技术的研究奠定了技术和实验基础。 首先，分析了国内外疲劳驾驶监测技术的研究现状，对比各种监测方法的优缺点，提出利用适合车载、不具有强迫性，信号处理简单的驾驶员的呼吸、脉搏、体温以及对方向盘的操作信号作为疲劳判定的依据。设计了系统硬件，开发了实验样机。利用模块化设计方法，将系统分为信号采集模块、微处理器模块、电源模块和报警模块。设计了能够采集人体呼吸信号、手握方向盘压力信号和方向盘转角信号的传感器。为疲劳驾驶监测技术的研究提供了新的思路。实验样机实现了车载，且具有实时处理能力。 其次，提出一种疲劳等级量化方法，通过大量实验，获得了和驾驶员驾驶相关的各种数据，通过分析驾驶员在两种不同状态的数据特征，提取呼吸信号标准差、单位时间打哈欠个数、脉搏频率、手握方向盘压力、转角不稳定系数、以及体表温度共六个参数作为疲劳判定的特征参数。 最后，针对与驾驶员疲劳状态相关的信息具有多样性且需要实时处理等特点，利用模糊聚类方法作为数据处理的核心算法。建立了基于C均值的模糊聚类疲劳驾驶模型。对单一特征参数和多特征参数分别进行模糊聚类分析。结果显示前者辨识准确率高，后者容错能力强。因此对两种方法加权平均，优化了疲劳识别算法。设计了系统验证实验，验证了系统能够实现车载，实时监测功能，并且能够有效的辨识出驾驶员的状态，且具有一定的容错能力。