详情

原文传递基于信息融合的架势愤怒识别方法研究

论文题名：	基于信息融合的架势愤怒识别方法研究
关键词：	驾驶行为;愤怒情绪;状态识别;信息融合
摘要：	“路怒症”正逐渐成为一种影响交通安全的社会问题。驾驶人产生愤怒情绪后，其感知、判断、决策与执行能力都会下降，最终影响其驾驶绩效，导致交通违规或交通事故的产生。因此，有必要确定驾驶愤怒的影响因素，从宏观上实现对驾驶愤怒的预测；并探索愤怒情绪下的生理与驾驶行为特征，从微观上实现对驾驶愤怒状态的识别。本文主要的研究工作如下：　　（1）本文基于特殊场景刺激以及多人交互驾驶刺激的愤怒情绪诱导方法开展了21组模拟实验；基于道路事件刺激以及限时压力刺激的愤怒情绪诱导方法开展了30组实车实验，获得了愤怒情绪的影响因素以及愤怒状态下的生理、驾驶操作行为与车辆运动状态数据。研究结果表明本文的基于模拟实验与实车实验的愤怒诱导方法是有效的，且愤怒情绪诱导成功率分别达74.60%与84.37%。　　（2）基于Multinominal Logit（MNL）方法建立了驾驶愤怒强度选择（预测）模型，并对驾驶人个体与环境等诱导因素进行了敏感度分析。测试结果表明基于MNL的预测模型对正常驾驶、低强度愤怒、中强度愤怒与高强度愤怒这四种驾驶状态的预测准确率达到77.34%。敏感度分析的结果表明驾龄、气质与周围车辆不文明驾驶情况是愤怒情绪产生的3种决定性因素。可在驾驶培训和交通管控中对这些因素进行重点监控。　　（3）采用多种时域和频域的特征生成方法以及方差分析方法提取了能有效区分不同愤怒强度4种生理特征如BVP、ECG样本熵（ECG_SampEn）与EEG的β波相对功率谱（EEG_β%）等。运用接受者操作特征曲线（receiver operating characteristic，ROC）分析方法确定了不同愤怒强度的最佳判别阈值。并基于多种特征指标的判别阈值，对不同驾驶愤怒强度进行了精确标定。采用同样的特征提取方法提取了能有效区分不同愤怒强度的9种驾驶行为特征，包括方向盘转角标准(SWA_Std)、方向盘转角下四分位值均值（SWAQ1_Mean）与加速踏板踩踏速度均值（PSAP_Mean）等6种操作行为特征与加速度标准差（Acc_Std）、横摆角速度标准差（YR_Std）与车道位置标准差（LP_Std）等3种车辆运动状态特征。　　（4）为了提高驾驶愤怒状态识别的实时性，本文采用序列浮动前向选择（sequential forward floating selection，SFFS）算法和最小二乘支持向量机（least square support vector machine，LSSVM）进行特征选择，建立了含有9个生理和驾驶行为特征的最优特征子集。最后，本文融合了3个驾驶人个体与环境特征、3个生理特征与6个驾驶行为特征，建立了基于双层置信规则库（belief rule base,BRB）的驾驶愤怒状态识别模型，并利用实际样本数据对模型进行了优化训练。验证结果表明本模型对四种愤怒强度的驾驶状态的平均识别率Acc为84.26%，平均查全率TPR为82.71%，平均查准率PPA为80.14%，识别效果要好于LSSVM，C4.5，NBC，KNN,BPNN等常用分类模型。同时考虑了驾驶人的个体差异性，提出了驾驶愤怒自适应识别方法，提高了识别模型的泛化能力与准确率。论文研究结果可为驾驶愤怒预测、识别、预警或干预系统的开发提供理论支撑。
作者：	万平
专业：	智能交通工程
导师：	吴超仲
授予学位：	博士
授予学位单位：	武汉理工大学
学位年度：	2017
正文语种：	中文