基于D-S理论和模糊神经网络的疲劳驾驶监测

2016-01-19王仲民李佳玉邓三鹏

自动化与仪表 2016年3期

王仲民，李佳玉，邓三鹏

（天津职业技术师范大学机械工程学院，天津 300222）

疲劳驾驶监测主要是通过对各疲劳特征参数值进行综合分析来判断驾驶员是否疲劳驾驶，为驾驶员疲劳驾驶预警提供决策依据[1]。国内外关于监测疲劳驾驶的方法主要包括检测驾驶员操作行为、检测车辆状态、检测驾驶者生理反应等。然而，疲劳监测方法现仍处于探索阶段，还未形成统一的疲劳监测系统模型及制定出疲劳监测标准。由于疲劳是一种复杂的生理现象，生理信息能较准确地反映出疲劳状态[2]，本文通过实验采集驾驶员的生理特征信息，融合分析心率、脉搏和呼吸信号，决策识别出驾驶员所处的驾驶状态。

D-S证据理论在决策级的信息融合中具有较好的识别作用[3]，是由Dempster和Shafer提出的一种识别、融合不确定信息的推理方法。然而，D-S理论中基本可信度的分配需要综合有关领域专家的知识和经验，在实际应用中很难实现。本文首先通过运用与训练模糊神经网络，将相关专家的经验判断和采集的模糊信息一并融入疲劳决策过程，然后利用模糊神经网络的学习速度快、识别精度高等优点，将其输出的结果归一化后设置为基本可信度。最后采用D-S理论与模糊神经网络相融合来决策判定驾驶员驾驶状态。决策判定过程如图1所示。