[发明专利]一种基于脑电数据的交通动态因素复杂度的辨识方法

说明书

本申请公开了一种基于脑电数据的交通动态因素复杂度的辨识方法，所述方法通过采集驾驶员驾驶过程中的脑电数据进行预处理，从预处理过的脑电数据中得到显著性指标进行交通因素复杂度辨识模型的搭建；所述交通因素复杂度辨识模型包括行人过街因素辨识模型、车辆变速因素辨识模型、车辆变道因素辨识模型。本发明建立了基于驾驶员脑电数据的交通环境因素复杂度的辨识模型，对驾驶安全具有十分重要的意义，解决了驾驶安全研究中，复杂交通因素、复杂交通场景的辨识和预警缺乏理论依据的问题。

技术领域

本发明涉及交通驾驶安全技术领域，具体提供一种基于脑电数据的交通动态因素复杂度的辨识方法。

背景技术

随着经济的快速增长，我国汽车保有量也不断增长，据公安部交通管理局发布的消息，截止到2019年上半年，国内汽车保有量已经达到2.5亿辆。为满足人们的出行需求，中国乃至全世界不断地推进道路建设，从而导致交通场景日益丰富，道路交通环境愈加复杂，交通安全事故率更是与日俱增。根据世界卫生组织提供的数据显示，全世界每年有几千万人因道路交通事故受伤或致残，有高达125万人因交通事故致死。大约91％的死亡交通事故发生在低收入和中等收入国家，其中，我国是世界上受道路交通安全伤害最严重的国家之一。

在复杂的交通环境中，驾驶员会面临各种各样的刺激，这些刺激可能会对驾驶安全造成风险，并对其心理健康造成影响。Yerkes-Dodson定律表示，当驾驶员处于较为复杂的交通场景时，所承受的精神负荷较大，容易产生生理上的应激反应，并致使驾驶人出现身体紊乱、决策迟缓、操作错误的现象，极易引起交通事故。因此，面对日益复杂的道路交通场景，准确评估驾驶人精神负荷、科学度量交通场景复杂程度成为了人们愈发关注与重视的问题。

对于交通参与者而言，通过深入研究交通环境中的复杂因素对驾驶行为表现和精神负荷的影响，可以使驾驶员更为全面的了解交通环境中不同复杂因素对驾驶的影响方式及影响程度，有助于提高驾驶员对潜在的复杂因素的重视和驾驶的安全性。对于交通管理者而言，通过对驾驶员的心理负荷的评估，交通控制中心可以通过调节道路交通运行情况、合理优化道路交通环境使驾驶员保持适当的心理负荷，从而减少交通事故发生率，提高交通控制管理水平，保证交通系统安全的运营。

现有关于交通场景复杂度的研究方法主要是从交通环境的因素端出发，选取相关专业人士的主观看法、道路交通事故数据、反映车辆或驾驶员运动状态的指标作为评价基础，对交通环境因素和交通场景驾驶难度进行描述。这些指标易于得到，但均不能从驾驶员的视角定量性的描述交通场景复杂度，缺乏客观性。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种基于脑电数据的交通动态因素复杂度的辨识方法，从驾驶员的视角量化交通系统的复杂程度，更为客观的分析交通场景的复杂程度，通过合理的分类，有针对性的分析交通环境中的交通因素，并判别交通环境的复杂度。

为实现上述目的，本发明提供了如下技术方案：

一种基于脑电数据的交通动态因素复杂度的辨识方法，所述方法通过采集驾驶员驾驶过程中的脑电数据进行预处理，从预处理过的脑电数据中得到显著性指标进行交通因素复杂度辨识模型的搭建；

所述交通因素复杂度辨识模型包括行人过街因素辨识模型、车辆变速因素辨识模型、车辆变道因素辨识模型。

所述脑电数据预处理过程包括四个过程：

陷波和带通滤波去噪、基于ICA法的眼电去噪、刺激段数据提取、基线校正，以去除脑电信号中的噪音，其中：

陷波和带通滤波去噪，去除特定频率分量，运用陷波去除50HZ的工频噪音，而尽可能避免对其他有用频率分量的影响，采用带宽为1-50Hz的带通FIR滤波器去除高频噪音，保留 1-50HZ的频带信号，FIR滤波器可以在保证任意幅频特性的同时具有严格的线性相频特性，利用FIR滤波器可以直接去除部分伪迹；