توسعه الگوریتم تشخیص خواب آلودگی راننده با استفاده از شبکه عصبی یا سیستم های نوروفازی بر اساس داده های بدست آمده از دینامیک خودرو

یکی از عوامل در بحث تصادفات رانندگی، خواب آلودگی درحین رانندگی می باشد. این بحث مخصوصا در میان خودروهای مسافربری و تجاری اهمیت زیادی پیدا می کند زیرا ابعاد این گونه تصادفات نسبت به خودرو های سواری بزرگ تر و تلفات و عواقب آن نیز بیشتر است. به دلیل اهمیت تشخیص خواب آلودگی در این گروه از رانندگان، در این پایان نامه رفتار رانندگان خودروهای مسافربری با استفاده از شاخص دینامیکی زاویه فرمان و موقعیت جانبی مورد توجه قرار گرفته است. برای این منظور در پروسه پردازش سیگنال در مرحله استخراج ویژگی از ویژگی های حوزه زمان استفاده شده است. روش های pca، lda و بهینه ی نسبی به عنوان راهکاری برای کاهش ویژگی مورد استفاده قرار گرفته است. به منظور بررسی عملکرد این روش ها، از طبقه بند شبکه ی عصبی مصنوعی استفاده می شود. بعد از کاهش ویژگی از طبقه بندهای خطی و غیرخطی شامل svm، knn و شبکه عصبی چند لایه (mlp) به منظور تفکیک دو کلاس خواب و هوشیار استفاده شده و در انتها به عنوان راهکار ابتکاری و نوین با هدف افزایش دقت طبقه بندی سیگنال ها، ترکیب نتایج طبقه بندها در دستور کار قرار گرفته است. از این رو از روش مبتنی بر انتگرال فازی (سوگینو و چکوئت) برای اجماع نظر بین نتایج طبقه بندها استفاده می شود.