EUVIMEDEUVIMED entdecken
Crossref

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

Алексей Сергеевич Катасёв, Светлана Владимировна Новикова, Дина Владимировна Катасёва, Мария Витальевна Дагаева, Галина Владимировна Кузенкова

Herald of Tver State University. Series: Applied Mathematics · 08.06.2026 · (2(81)) · 56-82

DOI: 10.26456/vtpmk775 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Herald of Tver State University. Series: Applied Mathematics, erschienen am 08.06.2026. Verfasst von Алексей Сергеевич Катасёв und 4 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

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\%. 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.

Zitieren

APA

Катасёв, А. С., Новикова, С. В., Катасёва, Д. В., Дагаева, М. В., & Кузенкова, Г. В. (2026). Нейронечеткая ансамблевая модель определения функционального состояния утомления водителя транспортного средства с использованием пупиллометрии. Herald of Tver State University. Series: Applied Mathematics, 56-82. https://doi.org/10.26456/vtpmk775

Vancouver

Катасёв АС, Новикова СВ, Катасёва ДВ, Дагаева МВ, Кузенкова ГВ. Нейронечеткая ансамблевая модель определения функционального состояния утомления водителя транспортного средства с использованием пупиллометрии. Herald of Tver State University. Series: Applied Mathematics. 2026:56-82. doi:10.26456/vtpmk775

BibTeX
@article{2026,
  author = {Катасёв, Алексей Сергеевич and Новикова, Светлана Владимировна and Катасёва, Дина Владимировна and Дагаева, Мария Витальевна and Кузенкова, Галина Владимировна},
  title = {Нейронечеткая ансамблевая модель определения функционального состояния утомления водителя транспортного средства с использованием пупиллометрии},
  journal = {Herald of Tver State University. Series: Applied Mathematics},
  year = {2026},
  number = {2(81)},
  pages = {56--82},
  doi = {10.26456/vtpmk775}
}
Kostenlos starten →