TY -的A2 - Chen Chi-Hua盟——太阳,吴一帆AU - Chaozhong盟——张,回族非盟-张皮AU - Li Shaopeng盟——冯,红霞PY - 2021 DA - 2021/08/31 TI -提取最佳测量司机疲劳驾驶检测考虑指纹差异SP - 5546127六世- 2021 AB -贡献的测量检测疲劳驾驶是由计算参数,这是直接关系到睡意检测的准确性。先前的研究利用相同的统一计算参数(规定)计算每个司机的测量。然而,由于每个司机都有独特的驾驶行为特征,也就是说,司机指纹,个别司机的最佳计算参数(IDBCPs)使测量更有识别力的睡意都不同。不管司机指纹的差异司机正在测试中,使用跟单信用证代替IDBCPs计算测量将限制的昏睡探测性能测量和减少昏睡探测精度在个体司机的水平。因此,本文提出了一个优化模型计算参数的个体司机的测量和提取个体司机的测量,有效区分疲劳驾驶。通过实车实验,我们收集自然驾驶卡罗林斯卡嗜睡和主观昏昏欲睡水平评估的数据规模。八不drowsiness-related测量计算了双层滑动时间窗口。在该模型中,我们首先应用Wilcoxon测试分析差异测量的清醒状态和昏昏欲睡的状态,并构造适应度函数反映了计算参数和测量的昏睡探测性能之间的关系。第二,遗传算法被用来获得测量IDBCPs优化健身功能。IDBCPs计算,最后,我们选定的测量可以区分疲劳驾驶构成个体司机的最佳昏睡探测测量集。核实IDBCPs的优点,跟单信用证和IDBCPs的测量计算,分别用于构建的昏睡探测模型:DF_U和DF_I基于Fisher判别算法。 The mean drowsiness-detection accuracies of DF_U and DF_I were, respectively, 85.25% and 91.06%. It indicated that IDBCPs could enhance measurements’ drowsiness-detection performance and improve the drowsiness-detection accuracies. This paper contributed to the establishment of personalized drowsiness-detection models considering driver fingerprinting differences. SN - 0197-6729 UR - https://doi.org/10.1155/2021/5546127 DO - 10.1155/2021/5546127 JF - Journal of Advanced Transportation PB - Hindawi KW - ER -