目前,國內(nèi)外都大力發(fā)展先進駕駛輔助系統(tǒng)（Advanced Driving Assistance System,ADAS）,其目的是輔助駕駛員、避免人為誤操作、提高駕駛安全性。判斷ADAS系統(tǒng)是否達到其開發(fā)的目的,需要在測試平臺上進行測試。本文主要在危險場景下對先進駕駛輔助系統(tǒng)中的自適應(yīng)巡航系統(tǒng)（Adaptive Cruise Control,ACC）的測試平臺進行搭建,平臺搭建借助仿真軟件PreScan和MATLAB。測試的危險場景是從大量的自然駕駛數(shù)據(jù)中提取和分類而來,因此危險場景的提取與分類是搭建測試平臺的依據(jù)。主要研究工作及成果如下:（1）數(shù)據(jù)采集預處理。將采集的數(shù)據(jù)根據(jù)不同的解碼方式解析成直觀讀取的數(shù)據(jù)并保存成Excel形式。將解析好的數(shù)據(jù)通過刪除無效數(shù)據(jù)、三次樣條插值補充空缺數(shù)據(jù)和過濾噪聲等方式清洗,便于后續(xù)使用。（2）危險場景提取。將處理好的數(shù)據(jù)通過分析,確定判斷場景的危險特征有自車縱向加速度、THW和TTC。特征參數(shù)閾值選擇參考了國外諸多文獻,并結(jié)合自身數(shù)據(jù)特點加以確定。通過確定的特征參數(shù)篩選標準提取危險場景,但是篩選出的片段中危險片段占比小,僅有61.97%。其中場景被... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學位級別】：碩士

【部分圖文】：

自然駕駛數(shù)據(jù)縮減計劃流程圖

技術(shù)路線

第2章數(shù)據(jù)采集及預處理9第2章數(shù)據(jù)采集及預處理2.1數(shù)據(jù)采集流程自然駕駛數(shù)據(jù)采集種類繁多，數(shù)據(jù)采集和管理都對以后數(shù)據(jù)的保存、統(tǒng)計和分析有極其重要的影響。為使采集數(shù)據(jù)工作標準化、科學化及合理化，同時提高所采集的數(shù)據(jù)質(zhì)量，數(shù)據(jù)采集的工作流程按照圖2.1進行。圖2.1數(shù)據(jù)采集工作流程圖數(shù)據(jù)采集前期，需要根據(jù)預先設(shè)計或預期的采集場景的要素需求，規(guī)劃數(shù)據(jù)采集大體區(qū)域、各類型道路擬采集里程配比及數(shù)據(jù)采集車輛的具體行進路線，同時擬定采集任務(wù)的周期、預算、任務(wù)分工，選定數(shù)據(jù)采集設(shè)備方案及車輛型號。數(shù)據(jù)采集資源籌備是根據(jù)數(shù)據(jù)采集任務(wù)規(guī)劃進行人員籌備、設(shè)備安裝、采集車輛籌備、存儲數(shù)據(jù)設(shè)備，確保資源的合理分配，保證數(shù)據(jù)采集工作的進行。根據(jù)采集任務(wù)對數(shù)據(jù)采集作業(yè)人員數(shù)量、年齡、駕齡、身體狀況、綜合條件等的要求進行招募、面試及實車路試。數(shù)據(jù)采集后需要進行回傳工作，隨車測試人員在數(shù)據(jù)采集過程中按照在途回傳和收車回傳的原則將采集的原始數(shù)據(jù)進行回傳。采集的原始數(shù)據(jù)需要進行質(zhì)量核查，然后將合格的原始數(shù)據(jù)轉(zhuǎn)移，并將儲存原始數(shù)據(jù)的設(shè)備進行規(guī)范化管理，以保證原始數(shù)據(jù)的完整性。2.2數(shù)據(jù)采集試驗準備2.2.1采集設(shè)備數(shù)據(jù)采集設(shè)備根據(jù)采集方案的不同和數(shù)據(jù)需求的不同分為三相機、五相機、毫米波雷達與前視相機融合、毫米波雷達與前視相機融合加裝Mobileye等多種方案。

【參考文獻】：
期刊論文
[1]基于梯度提升決策樹的高速公路行程時間預測模型（英文）[J]. 程娟,陳先華.  Journal of Southeast University（English Edition）. 2019(03)
[2]基于XGBoost集成的可解釋信用評分模型[J]. 劉彧祺,張智斌,陳昊昱,劉楊,邵黨國,熊馨,馬磊.  數(shù)據(jù)通信. 2019(03)
[3]安全切入場景下的駕駛?cè)顺跏贾苿訒r刻分析[J]. 朱西產(chǎn),張佳瑞,馬志雄.  中國公路學報. 2019(06)
[4]基于貝葉斯優(yōu)化XGBoost的現(xiàn)場校驗儀誤差預測[J]. 徐鋒,方彥軍.  電測與儀表. 2019(18)
[5]基于Prescan的智能駕駛輔助系統(tǒng)在環(huán)研究[J]. 趙伊齊,張引,申成剛,王嚴.  汽車實用技術(shù). 2019(09)
[6]一種基于三次樣條曲線的目標航跡擬合與插值方法研究[J]. 范云鋒,劉博,鄭益凱.  數(shù)字技術(shù)與應(yīng)用. 2019(03)
[7]智能車場景建模及仿真[J]. 鄭磊,劉濤,王宇,蔣鑫,王新竹.  汽車技術(shù). 2018(10)
[8]基于自然駕駛研究的直行追尾危險場景誘導因素分析[J]. 吳斌,朱西產(chǎn),沈劍平,孫曉宇.  同濟大學學報(自然科學版). 2018(09)
[9]基于深度傳感器的坐姿檢測系統(tǒng)[J]. 曾星,孫備,羅武勝,劉濤誠,魯琴.  計算機科學. 2018(07)
[10]基于中國危險工況的行人交通沖突典型場景提取與分析[J]. 蘇江平,陳君毅,王宏雁,陳偉,王鯤.  交通與運輸(學術(shù)版). 2017(01)

博士論文
[1]基于決策森林的回歸模型方法研究及應(yīng)用[D]. 閆云鳳.浙江大學 2019

碩士論文
[1]基于機器學習的網(wǎng)絡(luò)流量預測與應(yīng)用研究[D]. 師圣蔓.北京郵電大學 2019
[2]基于隨機森林算法的二手車估價模型研究[D]. 王靜娜.北京交通大學 2019
[3]基于用戶行為序列的網(wǎng)絡(luò)購買行為預測[D]. 段文強.江西財經(jīng)大學 2019
[4]部分自動駕駛汽車場地測試與評價研究[D]. 黃麗.重慶大學 2018



本文編號：3139403