胥川，王雪松，张惠，陈小鸿
摘要：为了提高疲劳检测的精度，本研究通过驾驶模拟实验采集了15位中青年有经验驾驶员的车辆位置、方向盘操控、眼动等多源数据并计算疲劳特征指标，同时采集驾驶员主观疲劳程度并通过视频回放进行校核，在此基础上建立疲劳等级与特征指标的决策树模型，结果表明：对于区别疲劳等级最显著的变量有闭眼时间比例(Percentage of eye closure, PERCLOS)、车道偏移标准差、越线时空面积、方向盘反转率，且上述变量与疲劳等级呈正相关；PERCLOS为最优的疲劳等级划分变量，并获取了两个重要阈值：当PERCLOS小于2.8%时，驾驶员处于严重疲劳状态的比例为0%；当PERCLOS大于21.9%时，驾驶员处于未疲劳状态的比例为0%；该模型预测的总正确率为64.31%。为了校验模型，本研究从15位驾驶员中随机选取了4位进行模型校验实验。校核结果表明该模型的正确率达63.22%。模型在两次实验中都未发现将严重疲劳识别为未疲劳的情况。
引用：胥川,王雪松,张惠,陈小鸿.基于决策树的驾驶疲劳等级分析与判定[J].同济大学学报自然科学版,2015,43(1):75-81.
基于决策树的驾驶疲劳等级分析与判定.pdf