基于K近邻和支持向量机的醉酒驾驶识别方法的对比分析

李振龙，韩建龙，赵晓华，朱明浩，董文会

（北京工业大学城市交通学院，北京100124）

基于K近邻和支持向量机的醉酒驾驶识别方法的对比分析

李振龙*，韩建龙，赵晓华，朱明浩，董文会

（北京工业大学城市交通学院，北京100124）

醉酒驾驶严重威胁道路交通安全，对醉酒驾驶进行准确识别意义重大.利用驾驶模拟舱进行驾驶实验，提取醉酒驾驶和正常驾驶的驾驶行为参数.首先，通过方差分析和均值分析选取方向盘转角作为识别特征，并采用滑动数据窗求取方向盘转角均值序列，构建识别特征参数；然后，分别采用K近邻(KNN)和支持向量机(SVM)对驾驶状态进行识别，得到两种分类方法在不同道路线形的最高识别准确率及其相对应的最优数据窗；最后，对两种分类方法进行了对比分析.结果表明，SVM对醉酒驾驶的识别性能优于KNN；数据窗对KNN的识别准确率影响显著，对SVM的识别准确率影响不明显.

智能交通；醉酒驾驶识别；K近邻；支持向量机；数据窗

1 引言

随着社会经济的不断发展，机动车保有量急剧增长，交通事故越来越多.据统计，2014年1～2月国内生产安全事故发生130起，其中交通事故89起，占事故总数的68.46%.交通事故的死亡人数占总死亡人数的71.51%，交通事故的受伤人数占总受伤人数的88.17%[1].造成人员死亡和重伤的酒后驾驶交通事故占酒后驾驶交通事故总数的68.5%[2].酒后驾驶对驾驶员本人和社会生命财产安全带来巨大的威胁.因此，对酒后驾驶进行快速、准确识别意义重大.

目前，酒后驾驶的识别主要分为三类.第一类，基于驾驶员血液酒精浓度的识别.国内交通管理部门通过呼气式酒精检测仪和血液抽样来识别驾驶员的驾驶状态；……