相关实验视频
Updated: May 5, 2026
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
11.1K
摩托车骑手实时疲劳监测系统使用传感器和随机森林算法
Iwan Aang Soenandi1, Lamto Widodo2, Cynthia Hayat3
1Department of Industrial Engineering, Krida Wacana Christian University, Indonesia.
概括
这项研究开发了使用生理信号和机器学习对摩托车手实时疲劳监测系统. 该系统准确地检测骑手疲劳,通过提醒骑手休息来提高道路安全.
科学领域:
- 道路交通安全 道路交通安全
- 生物医学工程 生物医学工程
- 机器学习应用 机器学习应用
背景情况:
- 摩托车事故受到骑手疲劳的重大影响,这会损害性能并增加碰撞风险.
- 现有的安全措施往往缺乏实时监测骑手生理状态.
- 疲劳对摩托车道路安全构成重大威胁.
研究的目的:
- 为摩托车骑手引入实时疲劳监测系统.
- 整合生理信号采集与机器学习来检测疲劳.
- 通过及时发出警报,提高摩托车驾驶员的安全性.
主要方法:
- 使用心率变化 (HRV) 和电磁皮肤反应 (GSR) 传感器来收集生理数据.
- 应用信号预处理和特征提取 (时间域HRV,GSR导电量).
- 使用随机森林算法实时分类疲劳与非疲劳状态.
主要成果:
- 该系统在区分疲劳状态和非疲劳状态方面达到84%的准确性.
- 在实验室和实地试验中证明了成功的验证.
- 该系统提供多式联运警报,促使骑手休息.
结论:
- 与机器学习相结合的实时生理监测显示了提高摩托车驾驶员安全的巨大潜力.
- 开发的系统有效地检测骑手疲劳,使积极的安全干预成为可能.
- 这项技术可以减轻与骑摩托车疲劳相关的风险.
