简介:对驾驶行为的危险状态进行动态辨识并提前预警是防止交通事故发生的重要手段。提出一种基于Kohonen神经网络和支持向量机(SVM)的驾驶行为险态动态辨识方法。基于国内外相关研究,选取油门、方向盘转角、刹车、离合、X轴速度、Y轴速度、X轴加速度、Y轴加速度、发动机转速作为驾驶行为状态指标。应用Kohonen神经网络对9个指标组成的向量进行非监督聚类。用聚类结果组成的时间序列表示驾驶员行为指标的动态变化特征并以此作为输入,通过训练SVM实现驾驶行为险态辨识,解决了高维指标数据监督聚类困难和险态识别的静态性问题。最后,采用驾驶模拟器进行试验设计,对方法的有效性进行验证。以8个危险场景作为诱发驾驶行为险态出现的刺激,10个被试共产生8400组识别序列,选取600组标识为险态的时间序列进行验证。结果表明:该模型的驾驶行为险态识别正确率为82.22%。不同被试的正确率差异控制在6%以下,表明此模型具备一定的泛化能力。
简介:为了分析煤矿工人的情境意识要素间的因果关系结构,建立更具鲁棒性的情境意识驱动模型,提出了一种基于DEMATEL和ISM法耦合的矿工情境意识驱动模型构建方法。首先,在构建情境意识概念模型的基础上从组织、个人和环境3个维度辨识矿工情境意识驱动要素;然后,运用熵值法计算矿工情境意识驱动要素的权重,并借助DEMATEL和ISM方法确定情境意识驱动要素间的因果作用关系,进而构建矿工情境意识驱动模型。结果表明,班组安全氛围是矿工情境意识的根本影响因素;生理心理状况、工作记忆、作业能力和作业经验是直接影响因素;组织制度、人岗匹配性、物理生产环境、培训组织、作业规程和作业负荷设计是间接影响因素。