因子分析与多层神经网络组合的酒驾辨识模型研究

• 作者: 孙一帆 张敬磊 王丝丝
• 来源期刊: 中国安全科学学报
• 学科: 工学
• 关键词: 酒后驾驶 驾驶行为 特征参数 因子分析 多层神经网络
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 安全工程技术科学
• 页码范围: 127-132
• 页数: 6页
• 分类号: X951
• 语种: 中文
• DOI: 10.16265/j.cnki.issn1003-3033.2017.07.023

摘要

为准确辨识驾驶员酒驾行为以及酒驾状态水平,提高酒驾治理效率,通过人因工程试验和驾驶模拟试验,采集并预处理驾驶员在正常、饮酒、醉酒3种驾驶状态下的驾驶行为数据(包括驾驶员的人、车、环境数据);对原始参数进行因子分析,提取特征参数并将其作为多层神经网络的输入向量,训练多层神经网络,建立基于因子分析和多层神经网络的酒驾行为辨识模型;选取75组测试样本数据输入模型,将模型的输出结果与实际情况比较,验证模型的有效性.研究表明:该模型的训练时间为0.905 s,最优验证均方误差(MSE)为0.034,识别准确率达92.41％,用该模型能较为快速、准确地识别酒后驾驶行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张敬磊	山东理工大学交通与车辆工程学院	39	412	10.0	19.0
2	王丝丝	山东理工大学交通与车辆工程学院	6	12	3.0	3.0
3	孙一帆	山东理工大学交通与车辆工程学院	6	13	3.0	3.0