基于机器学习的驾驶场景中未来压力事件预测
机器学习
2021-06-15 v1 人工智能
信号处理
摘要
本文提出一种提前至多一分钟预测驾驶员压力水平的模型。成功预测未来压力可使减压干预在受试者承压前启动，从而减轻或可能避免压力带来的性能损失。所提模型采用从驾驶员足部与手部的皮肤电反应（GSR）信号以及胸部的呼吸与心电图（ECG）信号中提取的特征。用于训练模型的数据取自现有数据库，随后经处理生成统计与频域特征。从数据中共提取 42 个特征，并通过分组并对每组每个特征取六项统计度量，扩展为总计 252 个特征。采用随机森林分类器（Random Forest Classifier），以留一受试者交叉验证（leave-one-subject-out）测试方法进行训练与评估。该模型在测试数据上取得 94% 的平均准确率。结果表明模型表现良好，可作为车载压力预防系统的一部分使用。
引用
@article{arxiv.2106.07542,
title = {Machine Learning Based Prediction of Future Stress Events in a Driving Scenario},
author = {Joseph Clark and Rajdeep Kumar Nath and Himanshu Thapliyal},
journal= {arXiv preprint arXiv:2106.07542},
year = {2021}
}
备注
4 Pages, IEEE 7th World Forum on Internet of Things 2021