面向智能汽车空间的本体建模与映射研究

该文利用本体层次化上下文建模方法,建立了一个智能汽车空间本体。为了解决上下文本体模型与上下文推理方法之间的信息共享问题,提出了一种基于概念的本体映射方法,实现了一个识别智能汽车空间内司机状态的原型系统。实验结果表明,本体模型和推理方法能较有效地识别司机的不同状态。

基于HMM的驾驶员疲劳识别在智能汽车空间的应用

智能汽车空间作为普适计算一种具体而集中的表现,对此提出一个基于隐马尔科夫模型(HMM)的驾驶员疲劳识别应用。选取PERCLOS特征变量作为测评驾驶员疲劳的低层上下文,通过大量样本数据的训练,建立HMM,用Viterbi算法从观察序列中识别出最有可能的驾驶员隐藏状态,提醒驾驶员以确保安全的驾驶行为。最后通过在模拟实验环境中的案例验证了该方法的有效性。