5.1 結論
本研究的安全評估系統包含了模糊邏輯控制與類神經網路學習 系統，前者經由模糊理論將安全程度數值化，使得安全程度有了限定 的數值範圍可被客觀討論與比較；後者則藉由倒傳遞類神經網路對受 試者的反應時間數值加以學習，建立起可供參考的個人化反應時間預 測模型，用以檢查受試者是否有明顯的反常表現，並對安全評估主系 統加以調整，使之輸出更客觀可信的安全評估值。
本研究使用模糊邏輯作為主系統的架構，並且使用問卷子系統和 BPN 子系統，依照每位受試者對自我能力的認知與各自獨特的生理表 現調整主系統內部歸屬函數的參數，使安全評估系統能夠更貼切地表 達每位受試者在受試當中受分心因素所影響的分心程度之大小。實驗 結果之數據更清楚表示，安全評估系統成功分析出受試者在疲勞駕駛 及夜間疲勞駕駛的分心因素下行車，所得到的安全評估值較低，也就 是具有較高危險性的意思，與一般社會大眾普遍認為疲勞駕駛易造成 意外事故之概念不謀而合。BPN 子系統也清楚地將「疲勞」與加入夜 間因素的「夜間疲勞」兩項分心因素對受試者的影響加以判斷，得知 同樣處於疲勞的狀況下，若於夜間行車，可能具有更大的危險性。
單單只使用模糊邏輯作為安全評估系統，有時可能因模糊演算的 方式造成對實際情勢的誤判而高估安全程度，此時 BPN 子系統可以經 由觀察駕駛者於表現上的反常程度做調整，有效降低誤判所造成的誤 差，避免過分錯估安全程度之情事發生。
5.2 檢討與建議
1. 本研究在量測反應時間上，受試者必須回答簡單的加法問題，
並且於行駛中使用無線輸入裝置點選答案。若將此安全評估 系統實際用於實際行駛中，可能增加當下的分心程度，提高 行車的危險性。若單只應用於疲勞駕駛的分心評估，可以考 慮採用 Eriksson 等人[6]所提出，藉由偵測瞳孔的活動來分 析駕駛人是否疲勞的方法來替代擷取反應時間的作法。
2. 本研究的第二階段實驗為擷取反應時間與心跳率各 50 次，
並取其平均值，用以輸入安全評估系統。由於擷取數據的頻 率約為 10 秒 1 次，若未包含受測者的反應時間，完成 50 次 數據擷取至少也需要 8 分 20 秒，若欲將本評估系統應用於 實際行車，可能會遺漏掉潛藏在這段時間內不安全的時段。
可行的辦法為減少數據擷取的總次數，如 20 次一組或是 10
實驗檢查安全評估系統是否仍具可信度，減少本研究安全評 估系統於時間長度上的評估死角，讓系統更具實用價值。
3. 由於量測器材受限以及部分的量測器材於實車上的裝設較 具難度，本研究考慮的駕駛人表現參數較少，如果能夠考慮 駕駛者於煞車踏板的踩踏力度與深度、方向盤轉動的角速度 等等其它變數，應可使分心程度的判別更為精確。
參考文獻
[1] Y. Ian Noy, “Human Factors Issues Related to Driver Distraction From In‐Vehicle System,” Ergonomics Division Road Safety and Motor Vehicle Regulation Directorate Transport Canada.
[2] Goodman, M., “NHTSA Driver Distraction Research: Past, Present, and Future,” NHTSA Research and Development, Washington, DC., 2000.
[3] S. L. Chisholm, J. K. Caird, J. Lockhart,“The effects of practice with MP3 players on driving performance,” Accident Analysis and Prevention, September 2007.
[4] Katherine E. Heck, Ramona M. Carlos, “Passenger distractions among adolescent drivers,” Journal of Safety Research, August 2008.
[5] Thomy Nilsson, Thomas M. Nelson, Dona Carlson, “Development of fatiguesymptoms during simulated driving,” Accident Analysis and Prevention, 1997.
[6] Martin Eriksson, Nikolaos P. Papanikolopoulos, “Driver fatigue:a vision‐basedapproach to automatic diagnosis,” Transportation Research Part C, 2001.
[7] Ivan D. Brown, “Prospects for technological countermeasures
[8] Sarah Otmani, Thierry Pebayle, Joceline Roge, Alain Muzet, “Effect of drivingduration and partial sleep deprivation on subsequent alertness and performance of car drivers,” Physiology & Behavior, 2005.
[9] J. Fukuda, E. Akutsu and K. Aoki, “An estimation of driver’s drowsiness level using keeping,” JSAE, 1995.
[10] Zengyong Li., Kun Jiao, Ming Chen, Chengtao Wang, “Reducing the effects of driving fatigue with magnitopuncture stimulation,”
Accident Analysis and Prevention, 2004.
[11] Joanne, L. H. et al., “The impact of internal distraction on driver visual behavior.”
[12] Michael E. Rakauskas, Nicholas J. Ward, Erwin R. Boer, Edward M.
Bernat, Meredith Cadwallader, Christopher J. Patrick, “Combined effects of alcohol and distraction on driving performance,”
Accident Analysis and Prevention, June 2008.
[14] 林志榮，“結合隱藏式馬可夫模型與類神經網路之國語語音辨 識＂，國立中央大學電機工程學系碩士論文，2000 年。
[15] 邱偉源，“以模糊法評估分心因素對行車安全之影響＂，國立 交通大學機械工程學系碩士論文，2008 年。