广告
基于EU 1341/2021的DDAW测试能力
本文介绍了基于EU 1341/2021法规的DDAW（Driver Drowsiness and Attention Warning）测试能力。针对DDAW法规和ENCAP（European New Car Assessment Programme）中应用的KSS（Karolinska Sleepiness Scale，卡洛琳斯卡嗜睡量表）评价方法，研究者设计了一种驾驶人困倦实验范式，并在静态驾驶舱环境下采集了不同KSS等级下的驾驶员的眼动、脑电以及行为学生理数据。通过对数据进行分析处理，得到了不同KSS等级下的客观生理数据，并建立了高准确度的KSS等级预测模型。基于该预测模型，可以对参与DDAW试验的驾驶员进行选择和培训，从而保证测试过程中驾驶员KSS自我评估的合规性、科学性和有效性，同时帮助企业完成KSS培训、DDAW出口认证和ENCAP摸底测试。
引言
随着交通事故中驾驶员困倦和注意力不集中的影响逐渐凸显，欧洲委员会于2021年颁布了EU 1341/2021法规，要求汽车制造商在新车型上安装DDAW系统，以监测驾驶员的困倦状态并发出相应的警告。DDAW系统的有效性和准确性对于保障驾驶安全至关重要。本文针对DDAW法规中应用的KSS评价方法，通过设计驾驶人困倦实验范式，采集不同KSS等级下驾驶员的多种生理数据，并建立了高准确度的KSS等级预测模型，以提高DDAW测试的合规性、科学性和有效性。
实验设计
为了获得不同KSS等级下驾驶员的生理数据，我们在静态驾驶舱环境下进行了实验。实验对象包括不同年龄、性别和驾龄的驾驶员。实验过程中，驾驶员被要求根据KSS评价方法对自身的嗜睡程度进行评分，并进行驾驶模拟任务。同时，我们采集了驾驶员的眼动数据、脑电数据以及行为学生理数据。实验范式的设计充分考虑了实际驾驶中的不同困倦状态，并确保实验结果的可靠性和有效性。
数据分析与处理
通过对采集的数据进行分析和处理，我们得到了不同KSS等级下的客观生理数据。针对眼动数据，我们分析了驾驶员的注视点分布、注视时长以及眼动速度等指标。对于脑电数据，我们采用了先进的信号处理技术，提取了与困倦状态相关的频谱特征。此外，我们还分析了驾驶员的行为学生理数据，如反应时间、车速变化等。通过这些分析，我们能够量化不同KSS等级下的驾驶员困倦程度，并建立了准确度较高的KSS等级预测模型。
KSS等级预测模型
基于所得到的客观生理数据，我们采用机器学习方法建立了KSS等级预测模型。首先，我们对数据进行特征提取和选择，以降低数据维度并提高模型的泛化能力。然后，我们采用适当的机器学习算法，如支持向量机（SVM）或深度神经网络（DNN），对数据进行训练和优化。通过交叉验证和模型评估，我们选择了准确度较高的模型作为最终的KSS等级预测模型。
DDAW测试中的驾驶员选择和培训
基于建立的KSS等级预测模型，我们能够在DDAW测试中对驾驶员进行选择和培训，以确保测试过程中KSS自我评估的合规性、科学性和有效性。根据模型预测的结果，我们可以选择合适的驾驶员参与测试，并提供相关培训以提高其困倦状态的识别能力和反应能力。这将有助于企业顺利完成KSS培训、DDAW出口认证和ENCAP摸底测试。
结论
本研究基于EU 1341/2021法规的DDAW测试需求，设计了驾驶人困倦实验范式，并通过采集不同KSS等级下驾驶员的眼动、脑电和行为学生理数据，建立了高准确度的KSS等级预测模型。基于该预测模型，我们能够对参与DDAW试验的驾驶员进行选择和培训，确保测试过程中KSS自我评估的合规性、科学性和有效性。这一研究成果对于企业完成KSS培训、DDAW出口认证和ENCAP摸底测试具有重要意义，同时也为提高驾驶员的交通安全性和道路行驶质量提供了有力支持。
广告
最新资讯
-
解决方案丨封装力对燃料电池堆的影响
2024-05-06 15:28
-
IDIADA提升动力总成环境舱测试能力，适用范
2024-05-06 15:23
-
NI×怿星：联合打造行业领先的L4自动驾驶数
2024-05-06 13:57
-
特斯拉FSD自动驾驶方案要点解读
2024-05-06 11:35
-
蔚赫信息储能BMS HiL系统：揭秘能源管理新
2024-05-06 10:49
广告
广告
