[发明专利]驾驶员反应时间预测方法

说明书

技术领域

本发明涉及特定人员反应时间测量技术领域，特别涉及一种驾驶员反应时间预测方法。

背景技术

高铁速度的不断提升对动车组司机的作业能力提出了更高要求，其中动车组司机对突发事件的反应能力是影响驾驶作业安全可靠性的关键因素。

目前国内外就动车组司机(及机动车驾驶员)反应时间预测的相关研究尚不多见，现有研究主要针对反应时间与神经生理信号相关性进行了探讨。Jap等人研究了在模拟环境下机车司机长时间单调驾驶过程中脑电信号与反应时间的相关性，研究结果表明脑电信号中低频波段与反应时间呈现了正相关，而高频波段与反应时间呈现负相关。Darwent等人在真实环境下对机车司机的警觉度进行了监测，结果表明随着驾驶警觉度的下降，对突发事件的反应时间不断延长，同时论证了脑电信号与反应时间存在着了紧密联系。Haga等人设计了一项机车司机对信号灯的反应能力的实验，验证了脑电信号的变化能够直接反映机车司机的反应能力。Lin等人利用脑电信号与驾驶行为绩效(反应时间、车速等)的相关性，对驾驶持续性注意性水平进行了实时监测。

以上研究从不同角度验证了反应时间与神经生理信号具有相关性，但却未能用两者相关性对反应时间进行有效预测。因此如何通过动车组司机的神经生理信号，实现动车组司机对突发事件的反应时间的有效预测，是构建车载实时动车组司机危险性驾驶状态预警系统的关键性技术。

发明内容

有鉴于此，本发明旨在提供一种驾驶员反应时间预测方法，即通过小波变换提取脑电特征参数作为客观预测指标，结合BP神经网络方法，构建了一种驾驶员反应时间的预测算法，以便为车载实时驾驶员危险性驾驶状态预警系统的开发与设计提供理论依据。

具体而言，本发明的驾驶员反应时间预测方法包括步骤：获取驾驶员的脑电信号；通过小波变换提取经滤波处理后的脑电信号中的脑电特征参数；以驾驶员的脑电特征参数作为输入层，以反应时间作为输出层，构建BP神经网络预测模型。

进一步地，所述滤波处理具体包括：脑电信号以0-35Hz的带宽进行整体滤波处理。

进一步地，通过小波变换提取脑电特征参数具体包括：

a、对于经滤波处理后的脑电信号，记为u(n)，则其小波变换定义为：

式中，为小波函数；i为频率因子；m为时间平移因子；n为信号时长；

b、小波变换后的信号u(n)进行有限层分解，采用Mallat算法：

式中，AH为近似分量；Ci为不同尺度下的细节分量；H为分解层数；通过上述有限层分解得到θ、α、β3种不同频段的小波系数；

c、对上述频段提取小波系数的能量值作为脑电特征参数：

式中，P_X为相应频段的能量值；S_X(t)为相应频段的小波系数；t为时间；h_i为相应频段的幅值；

d、对q个电极的脑电信号进行处理，相应得到3×q项脑电特征参数。

进一步地，所述方法还包括：对所得到的脑电特征参数按式进行归一化处理，使脑电特征参数的数值在[0,1]之间，以消除数据中存在的噪声：

式中，x_imax与x_imin为脑电特征参数x_i的最大值与最小值。

进一步地，构建BP神经网络预测模型具体包括：以驾驶员的脑电特征参数作为输入层，以反应时间预测值作为输出层，构建含1个隐含层的BP神经网络预测模型；其中，输入层节点个数由驾驶员的脑电特征参数个数决定；隐含层节点个数s则由模型训练结果进行择优选取；输出层节点个数为1。

进一步地，所述模型中输入层到隐含层、隐含层到输出层之间的连接权值系数及偏置分别为w_ik,w_k1,b_ik,b_k1(i＝1,2,...,3×q,k＝1,2,...,s)，对于输入层的任意节点o至隐含层的任意节点p的输出：

y_op＝f(x_iw_op+b_op)

式中，f(·)为Sigmoid函数，即

输出层输出结果为：