دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 9 |
فرمت فایل | docx |
حجم فایل | 1367 کیلو بایت |
تعداد صفحات فایل | 22 |
مدل شناسایی خستگی راننده بر اساس ترکیب اطلاعات و شبکه ی بایسین پویا - 2010
A driver fatigue recognition model based on information fusion and dynamic Bayesian network
چکیده :
ما پیشنهاد می کنیم که یک مدل را برای شناسایی خستگی راننده بر اساس شبکه بایسین پویا می توان انجام داد. که در آن ترکیب اطلاعات و ویژگیهای متعدد متنی و فیزیولوژیکی وجود دارد. ویژگیهای تماس مانند فیزیولوژیکی مانند مثال (EEG) و(ECG) وجود دارد. و در مرتبه اول از مدل مخفی مارکف برای محاسبه پویایی شبکه بایسین در زمانهای مختلف می توان استفاده کرد. اعتبار تجربی از سیستم های پیشنهادی نشان می دهد که قابل استفاده است. همچنین نشان می دهد که تماس با ویژگیهای فیزیولوژیکی EEG - ECG برای استخراج میزان خستگی راننده قابل توجه است.
کلمات کلیدی : شناسایی خستگی راننده شبکه پایین پویا، ویژگیهایی متنی، ویژگیهای فیزیولوژیک و همپوشانی اطلاعات.
مقدمه :
پیشرفتهای اخیر در علوم شناختی، روان شناسی زمینه های مرتبط نشان داده اند که احساسات انسانی مانند خشم، ترس، استرس، حواس پرتی و خستگی نقش مهمی در رفتار یک شخص را باز می کند. رفتار رانندگان به صورت کامل مطالعه شد و با توجه به آن توجه محققین را جلب نمود. و آن این بود که خستگی راننده یکی از عوامل مهمی است که به حوادث رانندگی کمک می کند انجمن ملی ایمنی ترافیک امریکا (NHTSA) تخمین می زند که در سال 100000 تصادف در ایالات متحده امریکا اتفاق می افتد. که ناشی از خستگی بوده و نتیجه آن بیش از 1500 مرگ و میر و هفتاد یک هزار صدمه جسمی را ایجاد می کند. بر فراز مطالعات نشان می دهد که خواب آلودگی راننده ٪16 تمام تصادفات و بیش از ٪20 تصادفات در بزرگ راهها را منجر می شود. بنابراین ارزیابی خستگی راننده یک چالش بزرگ برای حمل و نقل هوشمند آینده است