[發(fā)明專利]基于駕駛行為評估駕駛員認(rèn)知表現(xiàn)的研究方法

有效

• 申請?zhí)枺?/td>: 202010589554.5
• 申請日: 2020-06-24
• 公開（公告）號: CN111724597B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計）人: 付英健;王龍標(biāo);黨建武
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G08G1/01
• 分類號: G08G1/01;G06F16/215;G06N3/04
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程小艷

1.基于駕駛行為評估駕駛員認(rèn)知表現(xiàn)的研究方法，其特征在于，包括如下步驟：

1)針對收集到實驗的數(shù)據(jù)庫，數(shù)據(jù)預(yù)處理；

2)回歸函數(shù)中，利用皮爾森系數(shù)挑選特征，構(gòu)建lasso回歸和ridge回歸的函數(shù)，進(jìn)行交叉驗證，提高準(zhǔn)確率，得到預(yù)測的認(rèn)知表現(xiàn)：

使用滑動窗口作為基準(zhǔn)，并使用512幀作為窗口大小，以每256幀為一個滑動點進(jìn)行計算；

3)利用兩種方法分別預(yù)測駕駛員認(rèn)知行為；

4)駕駛員行為分析：先分析MMSE目標(biāo)，在“整體道路”，“住宅區(qū)和交叉點”中進(jìn)行預(yù)測；

所述步驟3)兩種方法，具體如下：

回歸預(yù)測，在回歸任務(wù)中，我們將駕駛行為作為輸入數(shù)據(jù)：X，認(rèn)知表現(xiàn)作為輸出數(shù)據(jù)包括駕駛技能、認(rèn)知功能和個人信息：Y；在駕駛過程X中，基于時間序列，平均值，標(biāo)準(zhǔn)差，最大值和最小值用作特征向量；將21種駕駛行為作為輸入；

實驗預(yù)測包括：所有行駛路徑，住宅道路，主干道路和交叉點，將它們分開并分別進(jìn)行預(yù)測；

在從X預(yù)測Y值的回歸預(yù)測任務(wù)中，使用了兩種模型，一種是套索回歸模型，一種是嶺回歸模型；使用交叉驗證來提高準(zhǔn)確性和可靠性；

在交叉驗證中，將參數(shù)設(shè)置為：

訓(xùn)練集：驗證集：測試集＝10：1：1；

20組是訓(xùn)練集，2組是驗證集，2組是測試集，然后連續(xù)滑動到繼續(xù)訓(xùn)練，通過確定系數(shù)r²進(jìn)行最終實驗評估，以評估測試數(shù)據(jù)；

該回歸任務(wù)推測為認(rèn)知表現(xiàn)，并在r²0.1作為基線；

另外一種是深度學(xué)習(xí)，使用長短期記憶網(wǎng)絡(luò)LSTM進(jìn)行對比實驗，大數(shù)據(jù)的預(yù)測分析問題上使用了神經(jīng)網(wǎng)絡(luò)，使用LSTM模型來考慮時間序列上的數(shù)據(jù)以進(jìn)行預(yù)測；

最后，我們使用R²作為每個駕駛員認(rèn)知表現(xiàn)的衡量標(biāo)準(zhǔn)，駕駛員真實表現(xiàn)是：y₁，y₂…y_n預(yù)測出來的人表現(xiàn)為f₁，f₂…f_n；

預(yù)測均值為：

原始數(shù)據(jù)和均值之差的平方和：

預(yù)測數(shù)據(jù)和均值之差的平方和：

相關(guān)系數(shù)：