抵近信控交叉口分心驾驶识别模型

为降低驾驶人抵近交叉口过程因分心导致的交通事故,本文基于双向长短时记忆网络(BILSTM)建立分心驾驶识别模型。依托驾驶模拟实验,采集了45位驾驶人抵近信控交叉口过程中的横纵行为数据,通过方差分析研究分心任务对驾驶行为的影响。结果表明,分心驾驶人需要更长的制动反应时间,制动操作时间缩短,踩压制动踏板的力度下降,同时操纵方向盘的稳定性变差。然后,筛选有显著性影响的6个特征行为指标作为模型的输入,结果表明：BILSTM模型分心状态识别的精确率最高,达到92.6%,F1值为88.7%;准确率、精确率、召回率、F1、AUC和ROC曲线等模型性能均优于单向长短期记忆网络、支持向量机和决策树5.0分心识别模型。研究结果说明BILSTM模型能有效判别抵近信控交叉口驾驶人分心状态,可为交叉口驾驶人分心预警系统的优化设计提供依据和指导。