【摘要】：在人—車(chē)—路三者構(gòu)成的閉環(huán)交通系統(tǒng)中,人的因素與交通事故的發(fā)生概率相關(guān)性最高�；诖�,為協(xié)調(diào)好人、車(chē)、路三者之間關(guān)系,以降低交通事故發(fā)生概率這一目標(biāo)發(fā)展起來(lái)的駕駛安全輔助系統(tǒng)(Driving Safety Assistance Systems,DSAS)已成為智能車(chē)輛領(lǐng)域的重點(diǎn)研究?jī)?nèi)容之一。目前已有的DSAS系統(tǒng)基本上是在基準(zhǔn)駕駛?cè)说幕A(chǔ)上進(jìn)行輔助控制設(shè)計(jì),導(dǎo)致DSAS系統(tǒng)對(duì)所有駕駛?cè)司扇∠嗤妮o助控制策略和控制參數(shù),無(wú)法滿(mǎn)足駕駛?cè)说膫�(gè)性化需求。如果DSAS系統(tǒng)能夠通過(guò)采集駕駛?cè)说鸟{駛行為操縱數(shù)據(jù)和車(chē)輛運(yùn)行狀態(tài)信息自動(dòng)完成對(duì)駕駛?cè)笋{駛的個(gè)體特性的學(xué)習(xí)并將學(xué)習(xí)結(jié)果用于DSAS系統(tǒng)的輔助控制策略,則可提高DSAS系統(tǒng)的個(gè)性化和智能化水平。實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵技術(shù)之一就是研究解決駕駛?cè)说膫�(gè)性化駕駛行為操縱模式建模與駕駛行為識(shí)別問(wèn)題�；谝陨蠁�(wèn)題的出現(xiàn),本文主要的研究?jī)?nèi)容如下:(1)通過(guò)采集駕駛行為操縱數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行預(yù)處理后,用數(shù)據(jù)/機(jī)理混合的方法對(duì)駕駛?cè)说膫�(gè)體特性進(jìn)行分析,研究駕駛?cè)瞬倏v動(dòng)作節(jié)點(diǎn)的提取方法以便進(jìn)行駕駛行為操縱模式建模。(2)在對(duì)駕駛?cè)瞬倏v動(dòng)作節(jié)點(diǎn)進(jìn)行精確提取的基礎(chǔ)上,基于有向圖原理,研究個(gè)性化駕駛行為操縱模式建模方法。(3)利用ART2A-E自適應(yīng)諧振神經(jīng)網(wǎng)絡(luò)具有穩(wěn)定性、可塑性強(qiáng)、實(shí)時(shí)在線自學(xué)習(xí)的特點(diǎn),研究基于ART2A-E算法與操縱模式反向映射的駕駛行為識(shí)別方法。研究結(jié)果表明:(1)在對(duì)駕駛?cè)说膫�(gè)體特性進(jìn)行分析的基礎(chǔ)上,通過(guò)設(shè)置動(dòng)態(tài)閾值uT來(lái)控制操縱動(dòng)作節(jié)點(diǎn)生成的方法,能有效實(shí)現(xiàn)操縱動(dòng)作節(jié)點(diǎn)的精確提取。(2)根據(jù)駕駛?cè)嗽趫?zhí)行某一具體駕駛行為時(shí)操縱動(dòng)作的變化規(guī)律,提出基于有向圖的個(gè)性化駕駛行為操縱模式建模方法,測(cè)試表明該方法能有效地體現(xiàn)駕駛?cè)说膫�(gè)體特性。(3)利用ART2A-E算法能夠較好地實(shí)現(xiàn)基于個(gè)性化駕駛行為操縱模式反向映射的駕駛行為識(shí)別,為研究開(kāi)發(fā)個(gè)性化和智能化的駕駛安全輔助系統(tǒng)提供了技術(shù)支撐。
[Abstract]:In the closed loop traffic system composed of man, vehicle and road, the correlation between the human factor and the probability of traffic accident is the highest. Based on this, in order to coordinate the relationship among people, vehicles and roads to reduce the probability of traffic accidents, the driving safety assistance system (Driving Safety Assistance Systems,DSAS) has become one of the most important research contents in the field of intelligent vehicles. At present, the existing DSAS system is basically designed on the basis of the reference driver, which results in the DSAS system adopting the same auxiliary control strategy and control parameters for all drivers, which can not meet the individual needs of the driver. If the DSAS system can automatically complete the learning of the driving characteristics of the driver by collecting the driver's driving behavior control data and vehicle running state information, and applies the learning results to the auxiliary control strategy of the DSAS system. It can improve the level of personalization and intelligence of DSAS system. One of the key technologies to achieve this goal is to study and solve the modeling and identification problems of driver's personalized driving behavior control mode. Based on the above problems, the main research contents of this paper are as follows: (1) by collecting driving behavior manipulation data, preprocessing the data, using the data / mechanism mixing method to analyze the individual characteristics of the driver. The extraction method of driver manipulating action node is studied in order to model the driving behavior control mode. (2) on the basis of accurate extraction of driver manipulating action node, based on directed graph principle, The modeling method of personalized driving behavior control mode is studied. (3) using ART2A-E adaptive resonant neural network has the characteristics of stability, plasticity and real-time on-line self-learning. A driving behavior recognition method based on reverse mapping of ART2A-E algorithm and control mode is studied. The results show that: (1) based on the analysis of the individual characteristics of the driver, the method of controlling the generation of manipulating action nodes by setting a dynamic threshold uT is proposed. It can effectively extract the manipulative action nodes. (2) according to the changing law of the driver's manipulating action while performing a specific driving behavior, this paper presents a modeling method of individualized driving behavior control mode based on directed graph. The test results show that the method can effectively reflect the individual characteristics of the driver. (3) using ART2A-E algorithm can better realize the driving behavior recognition based on the reverse mapping of personalized driving behavior control mode. It provides technical support for the research and development of individualized and intelligent driving safety assistant system.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：U491.25

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 丁靖艷;;機(jī)動(dòng)車(chē)駕駛?cè)饲址格{駛行為的調(diào)查研究[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

2 陳海英;;駕駛行為的心理解讀[J];知識(shí)就是力量;2012年10期

3 郭孜政;張殿業(yè);金鍵;唐優(yōu)華;;機(jī)車(chē)雙司機(jī)駕駛行為可靠性研究[J];中國(guó)安全科學(xué)學(xué)報(bào);2007年02期

4 李力;王飛躍;鄭南寧;張毅;;駕駛行為智能分析的研究與發(fā)展[J];自動(dòng)化學(xué)報(bào);2007年10期

5 崔西奎;孫林輝;宋云峰;;路寬對(duì)駕駛行為及司機(jī)負(fù)荷的影響[J];邯鄲職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年01期

6 李慶鋼;;高速公路10大“高危”駕駛行為評(píng)選揭曉:超速行駛高居榜首[J];汽車(chē)運(yùn)用;2008年07期

7 吳洋;羅霞;劉昱崗;;跟馳駕駛行為的滑�？刂葡到y(tǒng)建模[J];控制理論與應(yīng)用;2008年04期

8 郭孜政;陳崇雙;王欣;;基于貝葉斯判別的駕駛行為危險(xiǎn)狀態(tài)辨識(shí)[J];西南交通大學(xué)學(xué)報(bào);2009年05期

9 張鳳;李永娟;蔣麗;;駕駛行為理論模型研究概述[J];中國(guó)安全科學(xué)學(xué)報(bào);2010年02期

10 白云;石京;;北京市駕駛行為與影響因素分析[J];交通信息與安全;2010年02期

相關(guān)會(huì)議論文 前10條

1 丁靖艷;鄭全全;;關(guān)于侵犯駕駛行為的若干問(wèn)題[A];中國(guó)人類(lèi)工效學(xué)學(xué)會(huì)第六次學(xué)術(shù)交流會(huì)論文摘要匯編[C];2003年

2 李勇;譚紅英;劉丹平;;基于多傳感器信息融合的客車(chē)不安全駕駛行為智能分析[A];2012中國(guó)信息經(jīng)濟(jì)學(xué)年會(huì)會(huì)議論文集[C];2012年

3 李勇;陳剛;劉丹平;;基于駕駛行為遠(yuǎn)程識(shí)別與監(jiān)控的公交客運(yùn)管理策略研究[A];2012中國(guó)信息經(jīng)濟(jì)學(xué)年會(huì)會(huì)議論文集[C];2012年

4 趙亮;胡江碧;;眼動(dòng)與駕駛行為的相關(guān)性分析[A];2008第四屆中國(guó)智能交通年會(huì)論文集[C];2008年

5 董旭;盧秀玲;;公交車(chē)司機(jī)攻擊性駕駛行為與主觀幸福感的相關(guān)研究[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

6 楊嬌艷;杜峰;瞿煒娜;孫向紅;;人格對(duì)駕駛安全的影響[A];第十五屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

7 李靖宇;謝曉非;葛瑜;;小事件、大影響:公平感知覺(jué)與規(guī)則駕駛行為[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

8 吳志周;陳天姿;張劍橋;;基于隱馬爾科夫模型的公交駕駛險(xiǎn)態(tài)行為辨識(shí)方法[A];第八屆中國(guó)智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

9 王秋鴻;常詩(shī)晴;謝曉非;;為什么我們不能友善駕駛——模型的初步探討[A];增強(qiáng)心理學(xué)服務(wù)社會(huì)的意識(shí)和功能——中國(guó)心理學(xué)會(huì)成立90周年紀(jì)念大會(huì)暨第十四屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2011年

10 任曉明;薛青;于希濤;;基于Agent的駕駛行為建模研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 記者 蔣菱楓;4月1日起整治貨車(chē)“十大野蠻駕駛行為”[N];人民公安報(bào);2013年

2 課題組成員 張勇 董曉宇;懲處醉酒駕駛行為 維護(hù)道路交通安全[N];人民法院報(bào);2014年

3 何屹;不良駕駛行為也會(huì)堵塞交通[N];科技日?qǐng)?bào);2004年

4 陸秋麗邋黎敏;桂平重拳出擊農(nóng)村違法駕駛行為[N];人民公安報(bào)·交通安全周刊;2007年

5 ;開(kāi)車(chē)講點(diǎn)車(chē)德[N];重慶日?qǐng)?bào);2004年

6 記者 謝佳　通訊員 毛誠(chéng)乾;兩周收到1000余條[N];人民公安報(bào);2010年

7 張學(xué)民 楊萌 夏裕祁 北京師范大學(xué)心理學(xué)院;背景音樂(lè)影響汽車(chē)駕駛?cè)藛T的視覺(jué)注意[N];中國(guó)社會(huì)科學(xué)報(bào);2012年

8 本報(bào)記者 慕海燕　趙琳 薛明;“道德素質(zhì)”決定“駕駛素質(zhì)”[N];哈爾濱日?qǐng)?bào);2010年

9 記者 王春 通訊員 黃艾嬌;國(guó)內(nèi)首個(gè)“自然駕駛研究項(xiàng)目”在滬啟動(dòng)[N];科技日?qǐng)?bào);2012年

10 本報(bào)記者 鄧崎凡;“嚴(yán)格執(zhí)行的話(huà)，，12分根本不禁扣”[N];工人日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 梁軍;基于Multi-Agent和駕駛行為的汽車(chē)追尾預(yù)警系統(tǒng)關(guān)鍵理論與技術(shù)研究[D];江蘇大學(xué);2015年

2 張瑞鋒;基于自然駕駛數(shù)據(jù)及主被動(dòng)試驗(yàn)方法的人車(chē)安全行為研究[D];湖南大學(xué);2016年

3 李揚(yáng);駕駛行為安全性多屬性評(píng)價(jià)方法及應(yīng)用研究[D];吉林大學(xué);2016年

4 郭孜政;駕駛行為險(xiǎn)態(tài)辨識(shí)理論與方法[D];西南交通大學(xué);2009年

5 駱勇;道路交通中攻擊性駕駛行為分析與研究[D];西南交通大學(xué);2009年

6 李平凡;駕駛行為表征指標(biāo)及分析方法研究[D];吉林大學(xué);2010年

7 肖獻(xiàn)強(qiáng);基于信息融合的駕駛行為識(shí)別關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2011年

8 王培;信息和溝通對(duì)不安全駕駛行為的影響研究[D];清華大學(xué);2011年

9 李鳳芝;攻擊性駕駛行為與交通事故的關(guān)系研究[D];四川大學(xué);2004年

10 付坤;基于駕駛員與道路環(huán)境因素的駕駛行為差錯(cuò)數(shù)學(xué)分析[D];吉林大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 郭秋蘭;吸毒駕駛行為入罪研究[D];貴州民族大學(xué);2015年

2 易恬;公交司機(jī)不良駕駛行為影響因素分析及其矯正研究[D];西南交通大學(xué);2015年

3 翟海朋;營(yíng)運(yùn)車(chē)輛駕駛員駕駛行為與駕駛適宜性檢測(cè)單項(xiàng)指標(biāo)相關(guān)性研究[D];長(zhǎng)安大學(xué);2015年

4 許書(shū)權(quán);基于車(chē)輛運(yùn)行監(jiān)控系統(tǒng)的駕駛行為安全與節(jié)能評(píng)價(jià)方法研究[D];長(zhǎng)安大學(xué);2015年

5 陳愷;基于移動(dòng)智能終端的高速公路異常駕駛行為檢測(cè)技術(shù)[D];浙江大學(xué);2015年

6 任靜文;基于智能手機(jī)終端的駕駛行為風(fēng)格檢測(cè)[D];電子科技大學(xué);2014年

7 金雪;基于駕駛行為的疲勞駕駛檢測(cè)方法研究[D];北京工業(yè)大學(xué);2015年

8 馬震宇;基于HTML5的駕駛行為分析系統(tǒng)的研究與實(shí)現(xiàn)[D];東北大學(xué);2013年

9 盧凱旋;基于車(chē)載信息融合的駕駛行為分析[D];哈爾濱工業(yè)大學(xué);2014年

10 肖向良;城市道路車(chē)道縮減區(qū)駕駛行為特征及交通仿真研究[D];長(zhǎng)沙理工大學(xué);2014年

本文編號(hào)：2308835