[发明专利]一种基于脑电数据的交通动态因素复杂度的辨识方法

权利要求书

1.一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于，所述方法通过采集驾驶员驾驶过程中的脑电数据进行预处理，从预处理过的脑电数据中得到显著性指标进行交通因素复杂度辨识模型的搭建；

所述交通因素复杂度辨识模型包括行人过街因素辨识模型、车辆变速因素辨识模型、车辆变道因素辨识模型。

2.根据权利要求1所述的一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于，所述脑电数据预处理过程包括四个过程：

陷波和带通滤波去噪、基于ICA法的眼电去噪、刺激段数据提取、基线校正，以去除脑电信号中的噪音，其中：

陷波和带通滤波去噪，去除特定频率分量；

基于ICA法的眼电去噪，采用独立分量分析方法去除眼电伪迹，将脑电数据分解为32个通道独立分量，然后计算各个独立成分与眼电之间的相关系数，去除相关系数较大的独立成分，再将其余无关的独立成分进行ICA逆运算重构为纯净的脑电信号；

刺激段数据提取，是将脑电信号按事件刺激段和非事件刺激段进行划分，将同类刺激诱发的脑电数据从连续的脑电数据中提取出来，划分为若干段等长的刺激事件数据段，以刺激出现的时间起点为零时刻，以时间窗为长度截取数据段；

基线校正，以驾驶员未受到刺激时的脑电信号作为参考基础值对刺激段脑电信号的漂移进行校准，将刺激段的所有信号值与参考时间的基础幅值逐一相减，得到了新的平稳电位值，消除由驾驶员动作或伪迹产生的脑电波漂移趋势，消除脑电信号相对于基线的偏离。

3.根据权利要求2所述的一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于：所述方法对预处理后的脑电数据进行分析，分别采用功率谱估计、频带能量占比、样本熵三种方法，分析驾驶过程中驾驶员的脑电信号，并从中提取显著性指标，用于辨识模型搭建。

4.根据权利要求3所述的一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于：所述功率谱估计方法从预处理后的脑电数据中提取了20个基本脑电特征指标，提取过程如下：

首先计算全脑32个通道的脑电信号的功率谱密度，并将32个通道的功率谱密度进行平均；

再提取δ波、θ波、α波和β波的功率谱密度作为全脑平均功率谱密度的4个特征指标；

然后将脑通道按额叶、顶叶、枕叶颞叶划分为四个脑区，分别对四个脑区提取脑电δ波、θ波、α波和β波的功率谱密度，得到了16个功率谱密度特征指标。

5.根据权利要求4所述的一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于：所述功率谱估计采用AR模型方法，其中AR模型功率谱估计公式为：

其中，AR功率谱估计模型中的阶数p使用代价函数来估计，AR功率谱估计模型的系数c_pi和σ²使用Burg算法进行求取，使AR模型前后项预测误差的功率之和为最小；反射系数K_p从已知信号数据{x(1),x(2),...,x(n-1)}中求得，然后利用Levinson递推算法由反射系数来求得AR参数。

6.根据权利要求4所述的一种基于脑电数据的交通动态因素复杂度的辨识方法，其特征在于，所述功率谱密度特征指标的提取过程如下：从预处理后的脑电数据分别提取出四种节律波的功率谱密度(α波、β波、θ波、δ波)作为特征指标：

其中，f_up表示节律波对应的频率上界，f_down表示节律波对应的频率下界。