基于机器学习的驾驶行为评价研究

论文总字数：26489字

摘 要

随着车内多媒体应用的逐渐丰富，驾驶员变得更容易在驾驶中分心，从而导致车祸的发生。为了解决包括这一问题在内的诸多问题，人们逐步重视起对辅助驾驶系统的开发。本文提出了一种基于连续高斯混合密度隐马尔科夫模型（GMD-HMM）的驾驶行为识别方案，并对其进行了实现。通过在模拟驾驶器环境中进行多任务工作，采集驾驶员的ECG心电数据和车辆数据，经过处理后构建连续HMM分类预测模型，并用此模型对测试数据进行分类以评价驾驶员在驾驶过程中的精神负荷状态。之后以多种指标（查准率、查全率和ROC曲线）对该模型的性能进行了综合评价分析，并将其和BP神经网络与SVM模型作了简单比较，同时给出了该模型和识别方案以及本文的实验方法在辅助驾驶系统中可能的应用。

关键词： GMD-HMM，机器学习，驾驶行为，ECG，辅助驾驶系统

Abstract

While the built-in car multi-media systems become more functional and available, the driver is much easier to get distracted from the normal driving, which will definitely cause more care accidents. To solve this problem, researcher are now more dedicated to the development of driver-assistance-system. This paper proposes a project of machine learning based on Continues Gaussian Mixture Density Hidden Markov Model (GMD-HMM) by building an HMM model based on the ECG and vehicle data collected from a driving simulator to evaluate a driver’s mental stress in order to judge whether the driver is under the distraction or dangerous driving state. Then evaluated this model with multi indicator (precision, recall and ROC curve) and compared it with the BP Neural Network and SVM model, pointed out the possible application of this HMM model and the experimental method used in this paper in driver assistance systems. This paper has stated the design of the project in detail and evaluated the performance and advantages of the model.

KEY WORDS: GMD-HMM, Machine Learning, Driving Behavior, ECG, Drive Assistance Systems

目 录

摘要 ………………………………………………………………………………………………………Ⅰ

1. 绪论 ………………………………………………………………………………………………1

1.1 研究背景 ………………………………………………………………………………1

1.2 研究现状 ………………………………………………………………………………1

1.2.1 精神负荷评价方法研究现状…………………………………………………………1

1.2.2 ECG心电与精神负荷关系研究现状 ………………………………………………2

1.3 研究方法 ……………………………………………………………………………………3

1.4 论文结构 ……………………………………………………………………………………4

1.5 本章小结 ……………………………………………………………………………………4

1. 基于驾驶模拟器的数据采集 ………………………………………………………………5

2.1 实验对象 ………………………………………………………………………………5

2.2 实验设备 ………………………………………………………………………………5

2.3 实验情况 ………………………………………………………………………………5

2.3.1 实验任务 ……………………………………………………………………………5

2.3.2 N-Back语音交互任务 ……………………………………………………………5

2.3.3 实验流程 ……………………………………………………………………………6

2.4 本章小结 ………………………………………………………………………………6

第三章 数据处理…………………………………………………………………………………………7

3.1 原始数据……………………………………………………………………………………7

3.2 心率变异性HRV参数 ……………………………………………………………………7

3.3 数据标注……………………………………………………………………………………8

3.4 数据降维……………………………………………………………………………………8

3.5 本章小结……………………………………………………………………………………9

第四章 驾驶行为识别 …………………………………………………………………………………10

4.1 隐马尔科夫模型 ………………………………………………………………………10

4.1.1 基本定义 ………………………………………………………………………10

4.1.2 学习算法 ……………………………………………………………………………12

4.1.3 预测算法Viterbi ………………………………………………………………14

4.1.4 连续高斯混合密度隐马尔科夫模型（GMD-HMM） ……………………………15

4.1.5 多输入隐马尔科夫模型 ……………………………………………………15

4.2 建模策略 …………………………………………………………………………………16

4.3 模型训练和测试 …………………………………………………………………………17

4.3.1 模型训练 …………………………………………………………………………17

4.3.2 模型测试 …………………………………………………………………………18

4.4 模型评价分析 ……………………………………………………………………………19

4.4.1 分类预测结果 …………………………………………………………………… 19

4.4.2 查准率Precision和查全率Recall ……………………………………………21

4.4.3 ROC曲线 …………………………………………………………………………22

4.4.4 与其它模型对比分析 ……………………………………………………………24

4.5 本章小结 …………………………………………………………………………………25

第五章 相关应用 …………………………………………………………………………………26

第六章 总结与展望 …………………………………………………………………………………27

6.1 工作总结 ……………………………………………………………………………27

6.2 未来展望 ………………………………………………………………………………27

参考文献（References） ……………………………………………………………………………28

致谢 ………………………………………………………………………………………………………30

剩余内容已隐藏，请支付后下载全文，论文总字数：26489字