تشخیص خواب آلودگی رانندگان بر اساس تحلیل موجک سیگنال های فرمان و موقعیت جانبی در شبیه ساز رانندگی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 545

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TTC14_239

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

در این مقاله تشخیص خواب آلودگی رانندگان با استفاده از تحلیل موجک سیگنال های زاویه فرمان وموقعیت جانبی راننده ارائه می شود. از آنجاکه سیگنال زاویه فرمان راننده وابسته به شعاع انحنایمسیر است، تحلیل سیگنال زاویه فرمان بدون از بین بردن این وابستگی معتبر نخواهد بود. برای آنکهبتوان در هر لحظه از مسیر حرکت، زاویه فرمان مطلوب را به دست آورد و آن را از زاویه فرمان رانندهکم نمود، یک مدل فرمان راننده ارائه می شود. آزمایش هایی با حضور 38 راننده حرفه ای جهت به-دستآوردن سیگنال های مورد نیاز در شبیه ساز رانندگی انجام می شود. سیگنال های زاویه فرمان وموقعیت جانبی به بسته های یک دقیقه ای تقسیم شده و به هر کدام از این سیگنال های یک دقیقه ایبرچسب هشیار یا خواب آلود زده می شود. سپس با استفاده از موج مادرهای مختلف، این سیگنال هاییک دقیقه ای به 10 زیرلایه تجزیه شده و از هر کدام از سطوح سه ویژگی طول سیگنال، انرژی وانحراف معیار گرفته می شود. سپس هر کدام از این ویژگی ها به تنهایی به عنوان ورودی به ماشینبردار پشتیبان در نظر گرفته شده و دسته بندی صورت می گیرد. الگوریتم قادر است رانندگان را بادقت 85 درصد به دو دسته خواب آلود و هشیار دسته بندی نماید.

نویسندگان

فرهاد عرب

دستیار پژوهشی آزمایشگاه واقعیت مجازی دانشگاه صنعتی خواجه نصیرالدین طوسی

علی نحوی

عضو هیات علمی دانشگاه صنعتی خواجه نصیرالدین طوسی

محمدرضا آشوری

دستیار پژوهشی آزمایشگاه واقعیت مجازی دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • World Health Organization, Global status report on road safety 2013: ...
  • D. Dinges and M. Mallis, Managing fatigue by drowsiness detection: ...
  • J.-S. Wang, R. R. Knipling, and L. J. Blincoe, Motor ...
  • B. C. Tefft, Asleep at the wheel The prevalence and ...
  • D. M. Hiestand, P. Britz, M. Goldman, and B. Phillips, ...
  • J. Fukuda, E. Akutsu, and K. Aoki, An estimation of ...
  • G. P. Siegmund, _ J. King, and D. K. Mumford, ...
  • A. Abas, J. Mellor, and X. Chen, Non-intrusive drowsiness detection ...
  • R. Sayed and A. Eskandarian, Unobtrusive drowsiness detection by neural ...
  • A. Eskandarian and A. Mortazavi, Evaluation of a smart algorithm ...
  • F. Friedrichs and B. Yang, Drowsiness monitoring by steering and ...
  • J .Huang, H.-S. Tan, and F. Bu, Preliminary steps in ...
  • نمایش کامل مراجع