多元信息融合视角下机动车驾驶员分心情形研究OA

随着智能终端的迅速普及,机动车驾驶员在驾驶过程中使用手机等电子设备的现象日益频繁,已成为导致交通事故率上升的主要原因之一。为解决这一问题,采用多源信息整合的方法对机动车驾驶员分心行为进行系统性研究。首先搭建了一套人机协同的硬件在环模拟实验平台,可实时采集受试者的生理信息(如眼动轨迹和脑电信号)以及驾驶绩效数据(如方向盘转角、侧向偏差、车速等)。随后,通过整合车辆运行参数和驾驶员生理特征数据,构建了多源信息驱动的驾驶员分心数据库。最后,基于机器学习技术开发了最优的分心状态识别模型,用于检测驾驶过程中驾驶员可能出现的注意力分散情况。研究结果表明,采用集成分类算法对由车辆信号、生理信号、道路特征与个体特征构成的多源信息数据集进行训练,所得到的分心状态检测模型在驾驶员注意力状态的智能分类上表现出显著的优越性。