Driver workload estimation using a novel hybrid method of error reduction ratio causality and support vector machine

اندازه گیری بار کاری راننده اهمیت زیادی برای بهبود درک رفتارهای راننده و حمایت از پیشرفت فن آوری های سیستم پیشرفته راننده کمک می کند. در این مقاله، یک روش ترکیبی جدید برای اندازه گیری برآورد بار کاری راننده برای داده های رانندگی واقعی ارائه شده است. به منظور ارزیابی همبستگی هر یک از متغیرهای اندازه گیری با تغییرات حجم کار، علیت نسبت خطای کاهش، روش جدید شناسایی علیت غیر خطی جدید است. یک مدل کامل توصیف رابطه بین حجم کار و اندازه گیری های مهم انتخاب شده سپس توسط یک مدل رگرسیون بردار پشتیبانی پشتیبانی می شود. اطلاعات رانندگی واقعی از 10 شرکت کننده، شامل 15 متغیر فیزیولوژیکی و حالت وسیله ای اندازه گیری شده برای اعتبار سنجی استفاده می شود. نتایج آزمون نشان می دهد که روش علیت نسبت نسبت به کاهش خطا به طور موثر می تواند متغیرهای مهم را که مربوط به تنوع راننده حجم کار است را شناسایی کند و مدل مبتنی بر رگرسیون بردار پشتیبانی می تواند با موفقیت و به شدت برآورد بار کاری را ارزیابی کند.