本文關(guān)鍵詞：駕駛員轉(zhuǎn)向行為特性辨識(shí)方法研究　出處：《吉林大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 車適應(yīng)人 駕駛員轉(zhuǎn)向行為特性 高斯混合模型 模式識(shí)別 辨識(shí)模型

【摘要】：隨著線控技術(shù)在汽車上得到逐漸普及應(yīng)用,汽車上傳統(tǒng)的機(jī)械/液壓系統(tǒng)被電子傳感器和電子執(zhí)行元件所取代,極大地促進(jìn)了車輛的電子化、智能化、電動(dòng)化進(jìn)程。線控系統(tǒng)具有的靈活多變及參數(shù)可調(diào)的特性使得車輛動(dòng)力學(xué)的設(shè)計(jì)自由度大大增加,開發(fā)人員可以在充分理解駕駛員特性的前提下,通過(guò)個(gè)性化的車輛動(dòng)力學(xué)控制實(shí)現(xiàn)理想的車輛響應(yīng),變“人適應(yīng)車”為“車適應(yīng)人”。在人-車-路閉環(huán)系統(tǒng)中,駕駛員是其中最薄弱、最不確定的一個(gè)環(huán)節(jié),通過(guò)對(duì)駕駛員行為特性的分析可以探索道路交通事故的深層原因,并且有針對(duì)性地改善道路交通安全性。輔助駕駛系統(tǒng)與駕駛員個(gè)體特性間存在相互適應(yīng)問(wèn)題,駕駛員行為特性的研究可以改善輔助駕駛系統(tǒng)的設(shè)計(jì),提高駕駛員對(duì)系統(tǒng)的接受度。無(wú)人駕駛是汽車技術(shù)發(fā)展的趨勢(shì),無(wú)人駕駛算法的本質(zhì)是模仿優(yōu)秀人類駕駛員,安全、高效的完成駕駛?cè)蝿?wù)。算法的合理設(shè)計(jì)需要對(duì)駕駛員行為特性進(jìn)行深度研究。因此,從線控汽車的個(gè)性化動(dòng)力學(xué)控制、從“駕駛員”的角度提高道路交通安全水平、駕駛輔助系統(tǒng)的人性化設(shè)計(jì)以及無(wú)人駕駛汽車的擬人化控制等各個(gè)方面考慮,對(duì)駕駛員行為特性進(jìn)行研究具有重要研究意義。本文依托于國(guó)家自然科學(xué)基金項(xiàng)目“分布式全線控電動(dòng)汽車可重構(gòu)集成控制策略研究(項(xiàng)目編號(hào):51505178)”、國(guó)家自然科學(xué)基金項(xiàng)目“基于駕駛員特性的新型線控轉(zhuǎn)向系統(tǒng)控制機(jī)理和評(píng)價(jià)方法研究”(編號(hào):51575223),專注于駕駛員行為特性中的轉(zhuǎn)向特性研究�；隈{駛模擬器平臺(tái)進(jìn)行試驗(yàn)道路設(shè)計(jì)和特征參數(shù)的獲取,并利用模式識(shí)別方法理論以及數(shù)據(jù)挖掘技術(shù)建立駕駛員轉(zhuǎn)向行為特性辨識(shí)模型,主要的工作內(nèi)容如下:(1)研究道路條件因素對(duì)駕駛員轉(zhuǎn)向行為特性的影響本文的研究目的是,通過(guò)駕駛員在特定轉(zhuǎn)向工況下所表現(xiàn)出來(lái)的轉(zhuǎn)向操作行為以及車輛運(yùn)動(dòng)狀態(tài)量來(lái)辨識(shí)駕駛員內(nèi)在的轉(zhuǎn)向行為特性。而駕駛員所表現(xiàn)出來(lái)的轉(zhuǎn)向行為特性同時(shí)受外界環(huán)境因素(車輛因素、道路條件、交通條件和天氣條件等)以及駕駛員的內(nèi)在的轉(zhuǎn)向行為特性的共同作用。因此,在建立駕駛員轉(zhuǎn)向行為特性辨識(shí)模型之前有必要先確定并且排除外界環(huán)境因素對(duì)駕駛員所表現(xiàn)出來(lái)的轉(zhuǎn)向操作行為的影響。本文設(shè)計(jì)并且實(shí)施了左/右轉(zhuǎn)向正交試驗(yàn),采集轉(zhuǎn)向試驗(yàn)數(shù)據(jù),重點(diǎn)考察了道路條件因素(轉(zhuǎn)彎曲率半徑R、道路彎道夾角θ、路面寬度W以及路面附著系數(shù)μ)對(duì)駕駛員轉(zhuǎn)向行為特性的影響;并且將左/右轉(zhuǎn)向正交試驗(yàn)分別進(jìn)行,對(duì)左/右轉(zhuǎn)向正交試驗(yàn)結(jié)果進(jìn)行對(duì)比分析,探究駕駛員左/右轉(zhuǎn)向之間的差異性。(2)對(duì)駕駛員轉(zhuǎn)向行為特性進(jìn)行合理分類將道路條件因素(轉(zhuǎn)彎曲率半徑R、道路彎道夾角θ、路面寬度W以及路面附著系數(shù)μ)確定下來(lái),設(shè)計(jì)并且組織若干名適齡駕駛員在駕駛模擬器試驗(yàn)平臺(tái)上進(jìn)行轉(zhuǎn)向試驗(yàn)(以右轉(zhuǎn)向試驗(yàn)為例),采集右轉(zhuǎn)向試驗(yàn)數(shù)據(jù)。借鑒前人研究成果,結(jié)合數(shù)據(jù)挖掘有關(guān)方法確定了最佳的駕駛員轉(zhuǎn)向行為特性分類數(shù);基于K-means算法、高斯混合模型(GMM)以及期望最大化算法(EM)完成對(duì)駕駛員右轉(zhuǎn)向操作行為特性的聚類。(3)建立駕駛員轉(zhuǎn)向行為特性辨識(shí)模型BP神經(jīng)網(wǎng)絡(luò)(BP_ANN)和支持向量機(jī)(SVM)是解決分類問(wèn)題的行之有效的兩種典型方法,本文分別基于以上兩種模式識(shí)別方法,利用采集得到的右轉(zhuǎn)向試驗(yàn)數(shù)據(jù)建立了駕駛員轉(zhuǎn)向行為特性辨識(shí)模型。并且比較了兩者對(duì)于測(cè)試樣本集的測(cè)試準(zhǔn)確率,得出BP神經(jīng)網(wǎng)絡(luò)駕駛員轉(zhuǎn)向行為特性辨識(shí)模型對(duì)于測(cè)試樣本測(cè)試精度比支持向量機(jī)(SVM)駕駛員轉(zhuǎn)向行為特性辨識(shí)模型更高的結(jié)論。最后,展示了BP神經(jīng)網(wǎng)絡(luò)駕駛員轉(zhuǎn)向行為特性辨識(shí)模型預(yù)測(cè)駕駛員右轉(zhuǎn)向行為特性的能力。
[Abstract]:On the premise of fully understanding the driver ' s characteristics , the driver is the most vulnerable and most uncertain . ( 3 ) The BP neural network ( BP _ ANN ) and the expectation maximization algorithm ( EM ) are used to establish the driver ' s steering behavior characteristic identification model .

【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U491.25;U463.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李振;陳香香;楊文府;;BP人工神經(jīng)網(wǎng)絡(luò)算法的探究及其應(yīng)用[J];數(shù)字技術(shù)與應(yīng)用;2016年02期

2 劉璽;何仁;程秀生;;基于駕駛員類型識(shí)別的雙離合自動(dòng)變速器換擋規(guī)律研究[J];農(nóng)業(yè)工程學(xué)報(bào);2015年20期

3 丁潔云;黨睿娜;王建強(qiáng);李克強(qiáng);;駕駛?cè)藫Q道決策分析及意圖識(shí)別算法設(shè)計(jì)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年07期

4 宗長(zhǎng)富;林娜;張澤星;李剛;;線控汽車駕駛員特性辨識(shí)算法的研究[J];汽車工程;2014年09期

5 金立生;牛清寧;劉景華;秦彥光;呂歡歡;;不同道路線形下駕駛?cè)苏J(rèn)知分散狀態(tài)監(jiān)測(cè)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2014年03期

6 韓向方;李曉杰;;道路交通事故分析及交通安全對(duì)策[J];中國(guó)地質(zhì)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2013年S1期

7 肖獻(xiàn)強(qiáng);任春燕;王其東;;基于隱馬爾可夫模型的駕駛行為預(yù)測(cè)方法研究[J];中國(guó)機(jī)械工程;2013年21期

8 屈肖蕾;成波;林慶峰;李升波;;基于駕駛員轉(zhuǎn)向操作特性的疲勞駕駛檢測(cè)[J];汽車工程;2013年09期

9 徐秋棟;;《應(yīng)用多元統(tǒng)計(jì)分析》[J];工業(yè)工程與管理;2013年04期

10 張海林;羅禹貢;江青云;李克強(qiáng);;基于電動(dòng)助力轉(zhuǎn)向的車道保持系統(tǒng)[J];汽車工程;2013年06期

相關(guān)博士學(xué)位論文 前6條

1 杜明博;基于人類駕駛行為的無(wú)人駕駛車輛行為決策與運(yùn)動(dòng)規(guī)劃方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

2 柴銳;車聯(lián)網(wǎng)環(huán)境下的駕駛行為特性研究[D];北京理工大學(xué);2016年

3 冀秉魁;基于駕駛員視覺(jué)特性的駕駛行為預(yù)測(cè)方法研究[D];吉林大學(xué);2014年

4 白艷;汽車易駕駛性評(píng)價(jià)的隨機(jī)駕駛員模型方法[D];吉林大學(xué);2012年

5 周世兵;聚類分析中的最佳聚類數(shù)確定方法研究及應(yīng)用[D];江南大學(xué);2011年

6 張磊;基于駕駛員特性自學(xué)習(xí)方法的車輛縱向駕駛輔助系統(tǒng)[D];清華大學(xué);2009年

相關(guān)碩士學(xué)位論文 前5條

1 陳英;高斯混合模型聚類及其優(yōu)化算法研究[D];華東交通大學(xué);2015年

2 溫學(xué)平;基于特征選擇的數(shù)據(jù)降維[D];華中科技大學(xué);2015年

3 鄒艷;高維數(shù)據(jù)降維方法的研究[D];西南交通大學(xué);2012年

4 凌銳;仿優(yōu)秀駕駛員行為的無(wú)人駕駛車輛轉(zhuǎn)向控制研究[D];南京航空航天大學(xué);2012年

5 王暢;基于隱形馬爾科夫模型的駕駛員意圖辨識(shí)方法研究[D];吉林大學(xué);2011年

，

本文編號(hào)：1413629