| 驾驶人分心状态判别支持向量机模型优化算法 |
| |
| 作者姓名： | 张辉 钱大琳 邵春福 钱振伟 菅美英 |
| |
| 作者单位： | 1. 北京交通大学 交通运输学院,北京 100044;2. 清华大学 土木系交通研究所, 北京 100084 |
| |
| 基金项目： | 国家重点研发计划资助/Project Supported by National Key R&D Program of China(2017YFC0804800);国家自然 科学基金/ National Natural Science Foundation of China(51678044, 91746201);中央高校基本科研业务费/ Fundamental Research Funds for the Central Universities of China (2017JBM307). |
| |
| 摘 要： | 驾驶人分心状态判别是分心驾驶预警系统的重要基础.建立以径向基为核函数的 驾驶人分心状态判别SVM模型,采用遗传算法(GA)优化SVM模型惩罚参数C和核函数参数 g,并利用模拟驾驶器实验平台采集的驾驶绩效数据对模型进行验证.结果表明,采用GASVM 模型能够准确识别自由流和拥挤流场景下驾驶人分心状态,判别精度分别为94.5%和 96.3%.与决策树C4.5 和交叉验证(CV)-SVM对比表明,GA-SVM在准确率、精准率、召回率和 F1值等模型性能方面均优于其他2 种方法.本文建立的模型能够有效地判别驾驶人分心状态, 可为驾驶人分心预警系统和分心控制策略提供依据.
|
| 关 键 词： | 交通工程 分心状态判别 支持向量机 遗传算法 驾驶绩效 参数优化 |
| 收稿时间： | 2017-07-12 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《交通运输系统工程与信息》浏览原始摘要信息 |
|
点击此处可从《交通运输系统工程与信息》下载免费的PDF全文 |
|
