Нейронечеткая ансамблевая модель определения функционального состояния утомления водителя транспортного средства с использованием пупиллометрии

Катасев, А.С. и Новикова, С.В. и Катасева, Д.В. и Дагаева, М.В. и Кузенкова, Г.В. (2026) Нейронечеткая ансамблевая модель определения функционального состояния утомления водителя транспортного средства с использованием пупиллометрии. Вестник ТвГУ. Серия: Прикладная математика (2). С. 56-82. ISSN 1995-0136

PDF - Опубликованная версия
1MB

Абстракт

В работе предложен метод автоматического определения состояния утомления водителя на основе данных пупиллометрии. Система включает носимое неинвазивное устройство для регистрации реакции зрачка на световой стимул и программный модуль с нейронечеткой моделью классификации. Для формирования обучающих данных разработана двухэтапная технология обработки видеозаписей зрачковой реакции с построением пупиллограмм. Сформирован набор из 1500 наблюдений: по 750 для состояний бодрствования и утомления. В качестве признаков используются амплитуда и время сужения, минимальный диаметр зрачка и скорость половинного сужения. Классификатор построен на ансамбле из 6 нейронечетких сетей, формирующих коллективную базу знаний. Для уменьшения избыточности правил предложен двухэтапный метод редукции, основанный на объединении лингвистически идентичных нечетких правил и модифицированном генетическом алгоритме. В результате число правил сокращено с 486 до 29, что соответствует уменьшению размерности базы знаний на 98,77%, при этом точность классификации увеличилась на 1,47%

Абстракт (англ.)

This paper proposes a method for the automatic determination of a driver’s fatigue functional state based on the analysis of pupillometry data. The system includes a wearable non-invasive device for recording the pupil response to a light stimulus and a software module implementing a neuro-fuzzy classification model. To form the training dataset, a two-stage technology for collecting and processing video recordings of pupil reactions was developed, followed by the construction of pupillograms. A dataset containing 1500 observations was formed (750 for the alert state and 750 for the fatigue state). The following features were used as input parameters: constriction amplitude, constriction time, minimum pupil diameter, and half-constriction velocity. An ensemble of six neuro-fuzzy networks was used to build the classifier, forming a collective knowledge base. To reduce rule redundancy, a two-stage rule reduction method was proposed based on merging linguistically identical fuzzy rules and applying a modified genetic algorithm. As a result, the number of rules was reduced from 486 to 29, which corresponds to a 98.77% reduction in the knowledge base size, while the classification accuracy increased by 1.47%. The resulting compact model ensures high recognition accuracy and provides the possibility of interpreting the results in natural language

Тип объекта:	Статья
Сведения об авторах:	Катасёв Алексей Сергеевич профессор кафедры систем информационной безопасности ФГБОУ ВО «Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ». Россия, 420015, г. Казань, ул. Большая Красная, д. 55, КНИТУ-КАИ. Новикова Светлана Владимировна профессор кафедры прикладной математики и информатики Казанского национального исследовательского технического университета им А.Н. Туполева – КАИ. Россия, 420015, г. Казань, ул. Большая Красная, д. 55, КНИТУ-КАИ. Катасёва Дина Владимировна доцент кафедры систем информационной безопасности ФГБОУ ВО «Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ». Россия, 420015, г. Казань, ул. Большая Красная, д. 55, КНИТУ-КАИ Дагаева Мария Витальевна начальник центра разработки и сопровождения информационных систем ГБУ «Безопасность дорожного движения». Россия, 420059, г. Казань, Оренбургский тракт, 5, ГБУ БДД Кузенкова Галина Владимировна доцент кафедры математического обеспечения и суперкомпьютерных технологий Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского. Россия, 603022, г. Нижний Новгород, проспект Гагарина, 23, ННГУ им. Лобачевского
Ключевые слова:	функциональное состояние человека, пупиллометрия, ансамбль нечетких нейронных сетей, лингвистически идентичные нечеткие правила, редукция нечетких правил, функция принадлежности, генетический алгоритм
Ключевые слова (англ.):	human functional state, pupillometry, neuro-fuzzy ensemble networks, linguistically identical fuzzy rules, fuzzy rule reduction, membership function, genetic algorithm
Категории:	0 Общий отдел > 00 Общие вопросы науки и культуры 0 Общий отдел > 00 Общие вопросы науки и культуры > 004 Информационные технологии. Вычислительная техника
Подразделения:	Университеты > Казанский национальный исследовательский технический университет им. А. Н. Туполева Университеты > Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского (Арзамасский филиал)
ID Code:	15522
Deposited On:	10 Июн 2026 08:29
Последнее изменение:	10 Июн 2026 08:29

Repository Staff Only: item control page