文献类型：期刊文章

作　　者：郭孜政[1] 吴志敏[1] 潘雨帆[1] 余刚[2] 张骏[1]

机构地区：[1]西南交通大学交通运输与物流学院综合交通运输智能化国家地方联合工程实验室,成都610031 [2]成都市公安局事故预防处,成都610031

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(51108390);国家自然科学基金委铁道联合基金资助项目(U1234206)

年　　份：2016

卷　　号：42

期　　号：3

起止页码：427-432

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了对驾驶持续性注意水平予以有效识别，基于脑电（EEG）信号特征指标构建了一种持续性注意水平识别方法．以驾驶行为绩效为客观测评指标，提出了一种驾驶持续性注意水平等级划分方法．在此基础上，选取驾驶员EEG波段（θ（4～8Hz）、α（8～13Hz）、β（13～30Hz））的频谱幅值及其组合指标（α＋β）β、α/β、（θ＋α）／（α＋β）、θ/β、（α＋β）／θ作为特征指标，将粒子群优化（PSO）算法与支持向量机（SVM）相结合，构建了驾驶持续性注意水平识别算法．最后，基于驾驶模拟器实验数据对该模型予以试算．结果表明模型识别平均正确率可达93．02％．该方法可用于对驾驶员持续性注意水平的识别．

关 键 词：粒子群优化 支持向量机 驾驶持续性注意  识别模型  

分 类 号：U491.254[物流管理与工程类]