大约80%的水上交通事故涉及人为因素,驾驶员疲劳是船舶交通事故发生的关键原因之一。近年来,基于脑电图(Electroencephalogram,EEG)的驾驶员疲劳检测技术的发展,有助于快速准确地识别驾驶员的疲劳程度。然而,由于EEG信号的敏感性和个体差异,影响驾驶员疲劳检测的准确性。该试验在船舶模拟器中进行,收集多个受试者的脑电信号。选取与疲劳相关的脑前额叶的3个通道脑电信号进行预处理,并提取基于EEG的多种特征,例如平均绝对值(Mean Absolute Value,MAV)、标准差(Standard Deviation,SD)、均方根(Root Mean Square,RMS)和香农熵(Shannon Entropy,SE)。基于卡罗林斯卡嗜睡量(Karolinska Sleepiness Scale,KSS)表将驾驶员的疲劳分为清醒、中等和疲劳等3个程度。将多种分类算法的分类准确率进行比较,双向长短期记忆网络(Bi-Long Short Term Memory,Bi-LSTM)分类器效果最佳,分类准确率达到88.63%。结果表明:该方法在研究船舶驾驶员跨个体的三分类问题中能获得显著的效果。
展开▼
