【技術實現步驟摘要】
本專利技術涉及一種舒適性評價領域，尤其涉及一種融合駕駛績效的特種車輛駕駛員舒適性評價方法和系統。
技術介紹
1、隨著全球汽車工業的迅猛發展，汽車已從單一交通工具演變為安全、環保、舒適和智能化的綜合移動平臺。在智能網聯汽車中，智能座艙作為人機交互的核心，其設計優化至關重要。現代智能座艙能夠滿足駕駛員在娛樂、導航等方面的多樣化需求，從而改善駕駛體驗，尤其在長途行駛時減輕駕駛員的疲勞感。專用作業工程車輛(如醫療救護車和消防車)具有特殊設計要求，旨在滿足緊急救援等特定應用場景，駕駛員在駕駛座艙中的舒適性直接影響著駕駛員的效率，進一步還可能會影響行車安全。
2、現有技術中，對于駕駛員的舒適性研究以民用車為主，缺乏基于特種車輛的駕駛舒適性研究。種車輛在設計與使用上與民用車輛顯著不同，特種車輛通常需要在復雜場景下穩定、可靠的執行任務；而駕駛員的舒適性不僅影響其生理和心理狀態，還會因為影響生理和心理狀態而間接影響認知負荷，從而影響駕駛績效；而駕駛績效是民用車輛駕駛員舒適性研究中沒有考慮的。
3、因此，為解決上述技術問題，亟需提出一種新的技術手段。
技術實現思路
1、有鑒于此，為提高特種車輛的駕駛員舒適性評價的準確性，本專利技術提出了一種融合駕駛績效的特種車輛駕駛員舒適性評價方法和系統。
2、本專利技術提出的一種融合駕駛績效的特種車輛駕駛員舒適性評價方法，包括以下步驟：
3、s1.獲取樣本數據集；
4、所述樣本數據集包括駕駛員的主觀評分指標
5、s2.根據所述主觀評分指標集和客觀生理特征指標集構建客觀生理特征評分模型；
6、根據所述駕駛績效特征指標集構建駕駛績效特征評分模型；
7、s3.獲取待評分駕駛員的客觀生理特征指標和駕駛績效特征指標；
8、s4.基于所述客觀生理特征評分模型，根據所述待評分駕駛員的客觀生理特征指標，確定客觀生理指標評分oc；
9、基于所述駕駛績效特征評分模型，根據所述待評分駕駛員的駕駛績效特征指標，確定駕駛績效評分dc；
10、s5.根據所述客觀生理指標評分oc和所述駕駛績效評分dc計算駕駛員舒適性評分，計算公式如下：
11、sd-p＝ω1oc+ω2dc
12、ω1+ω2＝1
13、其中，sd-p表示駕駛員舒適性評分，ω1和ω2表示權重。
14、進一步，所述客觀生理特征評分模型通過如下方法構建：
15、s211.構建主客觀評價映射模型；
16、所述主客觀評價映射模型為機器學習模型；
17、s212.根據所述主觀評分指標集確定所述主觀評分指標對應的等級，得到主觀評分等級集t＝{t1，t2，...，ti}，其中，ti表示第i個駕駛員的主觀評分對應的等級；
18、s213.將所述客觀生理特征指標數據集o＝{o1，o2，...，oi}，以及所述主觀評分等級集t＝{t1，t2，...，ti}輸入至所述主客觀評價映射模型中進行訓練，直至達到預設訓練標準，所述主客觀評價映射模型訓練完成，得到不同客觀生理特征指標對應的等級；
19、其中，oi表示第i個駕駛員的客觀生理特征指標，ti表示第i個駕駛員的主觀評分對應的等級；
20、s214.按照等級的大小從小到大對所述客觀生理特征指標進行賦分，得到客觀生理特征指標的初始分數；
21、s215.采用歸一化方法對所述生理指標的初始分數進行歸一化處理，得到不同生理指標對應的最終分數。
22、進一步，所述主觀評分等級集t通過如下方法得到：
23、采用k均值聚類算法對所述主觀評分指標集中的主觀評分指標進行聚類，輸出如下式：
24、
25、其中，ck表示第k簇的聚類中心，ckj表示第k簇中第j個主觀評分；
26、按照各簇聚類中心的大小，將各簇從小到大進行等級劃分，得到第1個等級至第k個等級。
27、進一步，所述客觀生理特征指標包括腦電特征指標、肌電特征指標和體壓分布特征指標；
28、所述腦電特征指標為前額葉腦電不對稱系數α；
29、所述肌電特征指標包括：肌電均方根值rms、積分肌電值iemg、平均功率頻率mpf和中位頻率mf；
30、所述體壓分布特征指標包括：最大壓力pm、平均壓力pv、最大壓力梯度gm和平均壓力梯度gv和不對稱系數cu；
31、若所述客觀生理特征指標與駕駛員舒適性為正相關，則需要對所述為正相關的客觀生理特征指標正向化處理，并采用正向化后的指標替換正向化前的客觀生理特征指標；
32、若所述客觀生理特征指標與駕駛員舒適性為負相關，則需要對所述為負相關的客觀生理特征指標逆向化處理，并采用逆向化后的指標替換逆向化前的客觀生理特征指標。
33、進一步，在將所述樣本數據集輸入至所述主客觀評價映射模型前，還包括對所述樣本數據集中的客觀生理特征指標數據集進行篩除，篩除方法如下：
34、對所述客觀生理特征指標數據集中的數據進行克魯斯卡爾-沃利斯檢驗，得到所述客觀生理特征指標數據的k-w統計量；
35、獲取所述客觀生理特征指標數據的卡方分布臨界值；
36、判斷所述客觀生理特征指標數據的k-w統計量是否大于所述客觀生理特征指標數據的卡方分布臨界值，如是，則剔除；如否，則保留。
37、進一步，所述駕駛績效評分模型通過如下方法構建：
38、s221.對所述駕駛績效特征指標集中的數據進行預處理；
39、s222.采用critic權重法計算預處理后的駕駛績效特征指標的權重；
40、s223.將權重與對應的預處理后的駕駛績效特征指標相乘，得到駕駛績效指標數據集；
41、s224.采用k均值聚類算法對所述駕駛績效指標數據集進行聚類，得到h簇聚類指標；
42、s225.按照各簇聚類中心的大小，將各簇從小到大進行等級劃分，得到駕駛績效等級，包括第一個等級至第h個等級；
43、s226.按照等級的大小從小到大對所述駕駛績效的等級進行賦分，得到不同駕駛績效對應的初始得分；
44、s227.采用歸一化方法對所述不同駕駛績效對應的初始得分進行歸一化處理；得到不同駕駛績效對應的最終得分。
45、進一步，所述駕駛績效指標包括車輛行駛指標和操作績效指標；
46、所述車輛行駛指標包括平均行駛速度、停車次數和碰撞次數；
47、所述操作績效指標包括駕駛員在操作任務中的操作時間和正確率。
48、進一步，所述對駕駛績效特征集進行預處理包括：正向化或者標準化。
49、相應地，本專利技術還提供了一種基于融合駕駛績效的特種車輛駕駛員舒適性評分方法的系統，包括數據采集模塊和數據處理模塊；
50、所述數據采集模塊本文檔來自技高網...
【技術保護點】
1.一種融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：包括以下步驟：
2.根據權利要求1所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述客觀生理特征評分模型通過如下方法構建：
3.根據權利要求2所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述主觀評分等級集T通過如下方法得到：
4.根據權利要求1或權利要求2任一項權利要求所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述客觀生理特征指標包括腦電特征指標、肌電特征指標和體壓分布特征指標；
5.根據權利要求2所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：在將所述樣本數據集輸入至所述主客觀評價映射模型前，還包括對所述樣本數據集中的客觀生理特征指標數據集進行篩除，篩除方法如下：
6.根據權利要求1所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述駕駛績效評分模型通過如下方法構建：
7.根據權利要求1或權利要求6中任一項權利要求所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：
8.根據權利要求7所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述對駕駛績效特征集進行預處理包括：正向化或者標準化。
9.一種基于權利要求1-8任一項權利要求所述融合駕駛績效的特種車輛駕駛員舒適性評分方法的系統，其特征在于：包括數據采集模塊和數據處理模塊；
...【技術特征摘要】
1.一種融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：包括以下步驟：
2.根據權利要求1所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述客觀生理特征評分模型通過如下方法構建：
3.根據權利要求2所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述主觀評分等級集t通過如下方法得到：
4.根據權利要求1或權利要求2任一項權利要求所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：所述客觀生理特征指標包括腦電特征指標、肌電特征指標和體壓分布特征指標；
5.根據權利要求2所述融合駕駛績效的特種車輛駕駛員舒適性評分方法，其特征在于：在將所述樣本數據集輸入至所述主客觀評價映射模型前...
【專利技術屬性】
技術研發人員：郭鋼，李文博，余洋，李承謀，羅佳昕，
申請(專利權)人：重慶大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。