一种驾驶员对突发时间的简单反应时间的预测方法技术

本发明专利技术公开了一种驾驶员对突发时间的简单反应时间的预测方法。该方法包括：通过多个电极采集脑电信号，并记录与所述脑电信号对应的反应时间参数；从采集到的脑电信号中提取脑电特征参数；基于所述脑电特征参数和反应时间，建立支持向量回归预测模型；根据所述支持向量回归预测模型，得到反应时间预测值通过使用本发明专利技术所提供的驾驶员对突发时间的简单反应时间的预测方法，可以对驾驶员对突发时间的简单反应时间进行准确的预测。

A method for predicting the simple response time of a driver to a sudden time

The invention discloses a method for predicting the simple reaction time of a sudden time of a driver. The method comprises: a plurality of electrodes through the acquisition of EEG signal, and recording the reaction time corresponding to the EEG parameters; EEG feature extraction of EEG parameters from the collected; the characteristics of EEG parameters and reaction time on the establishment of support vector regression prediction model based on regression model; the support vector, response time prediction method of simple reaction time by using the driver of the burst time of the predictive value can be predicted on the simple reaction time on burst time.

【技术实现步骤摘要】
一种驾驶员对突发时间的简单反应时间的预测方法
本专利技术涉及应激检测技术，特别涉及一种驾驶员对突发时间的简单反应时间的预测方法。
技术介绍
驾驶员对突发事件的反应能力是影响驾驶安全的关键因素。长时间的连续驾驶可引起驾驶员反应能力下降，对突发事件的反应时间延长，从而增加事故发生概率。因此，就驾驶员对突发事件的反应时间予以有效预测，是构建自适应式危险性驾驶状态预警系统的关键。复杂多变的驾驶环境、驾驶经验以及驾驶员自身特性等因素影响了驾驶反应时间。研究人员通过采用车辆跟驰模型对车队在城市交叉口启动过程进行仿真，分析驾驶启动反应时间，结果表明前车开行之后，后续车辆的启动反应时间都会出现延长。研究人员采用E-prime软件模拟驾驶过程中等待红灯环境，分析红灯等待时长对驾驶员启动反应时间的影响性，结果表明在红灯等待极限之前，驾驶反应时间逐渐递减；在红灯等待极限之后，驾驶反应时间逐渐递增。研究人员采用双任务下仪表盘指针的宽度与长度以及字符颜色等因素对驾驶员认知过程的影响，结果表明指针的宽度与字符颜色对驾驶员的反应时间具有显著影响。研究人员就驾驶员在单任务(无短信)与双任务(短信)两种情况下对外界刺激的反应时间进行了分析，结果表明后者比前者的反应时间显著增加。分析了两种车辆制动灯方式(持续与动态闪烁)对驾驶反应时间的影响，结果表明驾驶员在驾驶过程中对持续制动灯所做出的反应时间明显低于动态闪烁制动灯。研究人员还研究了在乡村道路与城市道路两种驾驶模拟环境下，不同驾龄的驾驶员应对突发事件的反应时间，结果表明驾龄越高并且处于乡村驾驶环境下应对突发事件的反应时间越长。由上可知，现有技术中虽然已经从不同角度对驾驶反应时间的相关影响因素进行了系统性研究，为驾驶员的安全管理和交通系统的安全性设计提供了理论依据。但是，现有技术中的前期研究仅表明脑电信号与驾驶精神状态、驾驶行为绩效具有高度相关性，目前针对驾驶反应时间进行预测的研究尚不多见。
技术实现思路
有鉴于此，本专利技术提供一种驾驶员对突发时间的简单反应时间的预测方法，从而可以对驾驶员对突发时间的简单反应时间进行准确的预测。本专利技术的技术方案具体是这样实现的：一种驾驶员对突发时间的简单反应时间的预测方法，该方法包括：通过多个电极采集脑电信号，并记录与所述脑电信号对应的反应时间参数；从采集到的脑电信号中提取脑电特征参数；基于所述脑电特征参数和反应时间，建立支持向量回归预测模型；根据所述支持向量回归预测模型，得到反应时间预测值。较佳的，所述从脑电信号中提取脑电特征参数包括：将采集到的脑电信号划分成多个时间长度为k分钟的分析单元，对每个分析单元的脑电信号以0～35Hz的带宽进行整体滤波处理；对每个分析单元的脑电信号，以预设步长为时间窗从左到右逐段滑动，并以预设的时间窗重叠率将一个分析单元的脑电信号分割成多个时间窗信号；将每一个时间窗信号内乘于等长度的汉明窗，得到中间变量U(n)；对U(n)进行快速傅里叶变换，得到脑电信号在频域的幅值分布f(k)；从幅值分布f(k)中分别提取预设频段的平均幅值，根据所述平均幅值计算合成参数，并将所述平均幅值和合成参数作为时间窗内信号的脑电特征参数。较佳的，所述k的值为1；所述预设步长为2000毫秒；所述时间窗重叠率为50％。较佳的，设时间窗信号为S(n)＝{s(1),s(2),....,s(n)}，设与该时间窗信号等长度的汉明窗为H(n)，其中：H(n)＝α-βcos(2πn/N-1)；因此可得：U(n)＝S(n)·H(n)；其中，α+β＝1,α,β＞0，n为信号样本量，N约等于n的二次方。较佳的，所述幅值分布f(k)为：其中，WN＝cos(2π/N)-jsin(2π/N)。较佳的，所述预设频段为θ、α和β频段；所述θ频段为4～8Hz，α频段为8～13Hz，β频段为13～30Hz；所述合成参数包括：(α+β)/β、α/β、(θ+α)/(α+β)、θ/β和(α+β)/θ。较佳的，所述基于所述脑电特征参数和反应时间参数，建立支持向量回归预测模型包括：根据脑电特征参数和反应时间建立反应时间样本集；通过一个输入空间到输出空间的非线性映射Φ，将处在低维空间的反应时间样本集映射到高维空间，对反应时间样本集进行线性回归；引入结构风险函数F，根据结构风险函数F得到计算得到支持向量回归函数f(x)。较佳的，所述反应时间样本集为：(x1,y1),...,(xi,yi),...,(xl,yl)其中，xi为脑电特征参数样本i，yi为反应时间样本i。较佳的，支持向量回归函数f(x)为：f(x)＝wTΦ(x)+b；Φ为非线性映射；w为权重矩阵；b为阈值。较佳的，所述结构风险函数F为：其中，l为样本的数目；为不灵敏损失函数；所述不灵敏损失函数的定义为：求下式的目标函数最小：式中，C为惩罚性参数；ξi,ξi*为引入的松弛变量；求解，得出目标函数F(w,ζi,ζi*)最小解αi，得出支持向量回归函数：其中，K(xi,x)＝Φ(xi)Φ(x)，K(xi,x)为核函数。常用的核函数为：RBF函数、Polynomial函数或Sigmoid函数。如上可见，本专利技术所提供的驾驶员对突发时间的简单反应时间的预测方法，基于实验所采集的脑电信号数据，采用快速傅里叶变换提取脑电特征参数，结合SVR模型，构建了一种驾驶反应时间的预测模型，从而可以较为准确地预测驾驶员对突发时间的简单反应时间，实现了驾驶员对突发事件的反应时间的准确预测。另外，通过对比分析不同核函数对模型预测结果的影响，结果表明采用RBF函数作为模型核函数所得到的预测结果最优。附图说明图1为本专利技术实施例中的驾驶员对突发时间的简单反应时间的预测方法的流程示意图。图2为本专利技术实施例中以RBF函数为模型核函数预测反应时与实际反应时对比示意图。图3为本专利技术实施例中以RBF函数为模型核函数预测反应时间误差示意图。图4为本专利技术实施例中以Polynomial函数为模型核函数预测反应时与实际反应时对比示意图。图5为本专利技术实施例中以Polynomial函数为模型核函数预测反应时间误差示意图。图6为本专利技术实施例中以Sigmoid函数为模型核函数预测反应时与实际反应时对比示意图。图7为本专利技术实施例中以Sigmoid函数为模型核函数预测反应时间误差示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本专利技术进一步详细说明。本实施例提供了一种驾驶员对突发时间的简单反应时间的预测方法。图1为本专利技术实施例中的驾驶员对突发时间的简单反应时间的预测方法的流程示意图。如图1所示，本专利技术实施例中的驾驶员对突发时间的简单反应时间的预测方法主要包括如下所述的步骤：步骤11，通过多个电极采集脑电信号，并记录与所述脑电信号对应的反应时间参数。在本专利技术的技术方案中，为了测试驾驶员对突发时间的简单反应时间，需要对被测试人员(例如，志愿者)进行相应的测试，从而获得相应的数据。例如，较佳的，在本专利技术的较佳实施例中，可以先召集多个被测试人员，例如，选取20名男性驾驶员，年龄为28～38岁，持有效驾照，驾龄都在5a以上；各个被测试人员的身体状况良好，无精神或心理疾病史，视力或矫正视力正常；测试前24小时内禁止被测试人员饮酒、含咖啡因饮料、功能性饮料，以保证测试数据的准本文档来自技高网...

【技术保护点】
一种驾驶员对突发时间的简单反应时间的预测方法，其特征在于，该方法包括：通过多个电极采集脑电信号，并记录与所述脑电信号对应的反应时间参数；从采集到的脑电信号中提取脑电特征参数；基于所述脑电特征参数和反应时间，建立支持向量回归预测模型；根据所述支持向量回归预测模型，得到反应时间预测值。

【技术特征摘要】
1.一种驾驶员对突发时间的简单反应时间的预测方法，其特征在于，该方法包括：通过多个电极采集脑电信号，并记录与所述脑电信号对应的反应时间参数；从采集到的脑电信号中提取脑电特征参数；基于所述脑电特征参数和反应时间，建立支持向量回归预测模型；根据所述支持向量回归预测模型，得到反应时间预测值。2.根据权利要求1所述的方法，其特征在于，所述从脑电信号中提取脑电特征参数包括：将采集到的脑电信号划分成多个时间长度为k分钟的分析单元，对每个分析单元的脑电信号以0～35Hz的带宽进行整体滤波处理；对每个分析单元的脑电信号，以预设步长为时间窗从左到右逐段滑动，并以预设的时间窗重叠率将一个分析单元的脑电信号分割成多个时间窗信号；将每一个时间窗信号内乘于等长度的汉明窗，得到中间变量U(n)；对U(n)进行快速傅里叶变换，得到脑电信号在频域的幅值分布f(k)；从幅值分布f(k)中分别提取预设频段的平均幅值，根据所述平均幅值计算合成参数，并将所述平均幅值和合成参数作为时间窗内信号的脑电特征参数。3.根据权利要求2所述的方法，其特征在于：所述k的值为1；所述预设步长为2000毫秒；所述时间窗重叠率为50％。4.根据权利要求2所述的方法，其特征在于：设时间窗信号为S(n)＝{s(1),s(2),....,s(n)}，设与该时间窗信号等长度的汉明窗为H(n)，其中：H(n)＝α-βcos(2πn/N-1)；因此：U(n)＝S(n)·H(n)；其中，α+β＝1,α,β＞0，n为信号样本量，N约等于n的二次方。5.根据权利要求4所述的方法，其特征在于，所述幅值分布f(k)为：其中，WN＝cos(2π/N)-jsin(2π/N)。6.根据权利要求5所述的方法，其特征...

【专利技术属性】
技术研发人员：张骏，郭孜政，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51