多主体建模系统 C＃编写的多代理系统，用于隧道火灾情况下的驾驶员行为分析

驾驶员的困倦是道路交通中发生严重事故的主要原因之一。 因此，已经付出了特别努力来寻找更好的辅助技术。 然而，由于昏昏欲睡的驾驶员的头部通常处于倾斜状态，因此几种现有方法无法有效地工作。 此外，车辆的晃动或驾驶员的眨眼甚至使问题变得更加复杂。 无论如何，低头姿势也意味着昏昏欲睡的状态。 因此，本文提出了一种新方法，将点头行为作为我们检测模型的输入。 在检测到人脸后，提取一些重要的面部特征； 然后，它们被用来计算预定的最优参数； 最后，基于这些阈值评估睡意。 在我们的经验实验中，所提出的算法可以成功准确地检测到 96.56% 的案例。

在本文中，我们提供了一种基于驾驶员眼睛跟踪的交通拥挤的驾驶视频对象检测数据集，称为ETOD。此外，提出了一种实时显着目标检测网络ID-YOLO，用于检测交通繁忙的驾驶场景中的驾驶员固定目标。

(更多详情、使用方法，请下载后细读README.md文件) Kaggle 州立农场分心驾驶员检测\n我在本次 Kaggle 竞赛“State Farm Distracted Driver Detection”中的解决方案，第 10 名。

通过Python第三方库dlib训练好的深度残差网络人脸识别模型进行是否疲劳的判定

公交驾驶员排班与轮班问题的模型与算法研究.pdf

机动车驾驶员技师答辩试题.docx

驾驶员行为数据集.zip 数据集包括20000多张驾驶员司机的行为体态照片数据集。

机动车驾驶员计时计程培训管理系统建设方案 3

机动车驾驶员计时计程培训管理系统建设方案 4