作為我國工業(yè)支柱之一,汽車工業(yè)近年來發(fā)展迅速并逐步向網(wǎng)聯(lián)化、智能化、節(jié)能化的目標(biāo)前進(jìn)。但是,汽車社會(huì)的蓬勃發(fā)展也伴隨著道路交通事故數(shù)量保持在較高水平的嚴(yán)峻形勢(shì)。在“人-車-路”三位一體的交通環(huán)境中,涉及人類因素的交通事故占比遠(yuǎn)高于其他兩個(gè)因素誘發(fā)的事故占比。本文從駕駛員的駕駛行為出發(fā),對(duì)人類駕駛員駕駛表現(xiàn)和駕駛安全的內(nèi)在關(guān)聯(lián)展開了研究,建立由駕駛表現(xiàn)到駕駛安全的量化映射模型,提出了基于駕駛表現(xiàn)的駕駛權(quán)限預(yù)警方法,為人機(jī)共駕的駕駛權(quán)限交接提供可靠的實(shí)際依據(jù)。最后,采用深度學(xué)習(xí)方法,研究了基于長短期記憶網(wǎng)絡(luò)的擬人化轉(zhuǎn)向模型。論文的主要工作和研究成果如下:(1)基于歐盟自然駕駛項(xiàng)目UDRIVE乘用車子數(shù)據(jù)庫,結(jié)合批測(cè)試方法、多工作站計(jì)算集群并行計(jì)算技術(shù),生成駕駛表現(xiàn)分集與緊急安全事件分集,采用K均值聚類算法對(duì)高速場(chǎng)景下駕駛員駕駛表現(xiàn)進(jìn)行了分布結(jié)構(gòu)識(shí)別,研究了不同駕駛表現(xiàn)亞型事故風(fēng)險(xiǎn)傾向差異,構(gòu)建了由多維表現(xiàn)到實(shí)際駕駛安全的映射模型。(2)針對(duì)對(duì)駕駛員在環(huán)試驗(yàn),建立了駕駛模擬器數(shù)據(jù)采集系統(tǒng),實(shí)現(xiàn)了多源駕駛員在環(huán)數(shù)據(jù)采集與異頻實(shí)驗(yàn)數(shù)據(jù)同步重構(gòu),設(shè)計(jì)了基于聽覺-口語次任務(wù)的多層次工作負(fù)荷駕駛員在環(huán)...

【文章頁數(shù)】：88 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及分析
        1.2.1 駕駛員駕駛表現(xiàn)評(píng)價(jià)方法
        1.2.2 駕駛安全評(píng)估方法
        1.2.3 機(jī)器學(xué)習(xí)
        1.2.4 人機(jī)共駕
    1.3 研究內(nèi)容與目的
    1.4 研究技術(shù)路線與章節(jié)安排
2 UDRIVE自然駕駛數(shù)據(jù)研究
    2.1 自然駕駛研究
    2.2 自然駕駛數(shù)據(jù)分析方法
        2.2.1 大規(guī)模數(shù)據(jù)庫信息處理流程
        2.2.2 駕駛表現(xiàn)指標(biāo)與駕駛安全指標(biāo)
    2.3 相關(guān)性分析與聚類分析
    2.4 本章小結(jié)
3 駕駛員在環(huán)駕駛實(shí)驗(yàn)
    3.1 駕駛模擬器的組成及主要功能
        3.1.1 駕駛模擬器的組成與性能
        3.1.2 駕駛模擬器數(shù)據(jù)采集系統(tǒng)
    3.2 駕駛員在環(huán)實(shí)驗(yàn)設(shè)計(jì)
        3.2.1 研究對(duì)象的選擇
        3.2.2 實(shí)驗(yàn)方法的擬定
        3.2.3 總體實(shí)驗(yàn)流程的擬定
    3.3 實(shí)驗(yàn)執(zhí)行結(jié)果
    3.4 本章小結(jié)
4 駕駛員在環(huán)實(shí)驗(yàn)數(shù)據(jù)分析與應(yīng)用
    4.1 相關(guān)性分析
        4.1.1 相關(guān)性評(píng)價(jià)方法
        4.1.2 駕駛表現(xiàn)與駕駛安全表征指標(biāo)
        4.1.3 駕駛表現(xiàn)與駕駛安全的關(guān)聯(lián)程度以及關(guān)聯(lián)形式
    4.2 K均值聚類分析
        4.2.1 聚類數(shù)的確定
        4.2.2 聚類結(jié)果分析
    4.3 基于長短期記憶網(wǎng)絡(luò)的擬人跟車模型
        4.3.1 長短期記憶網(wǎng)絡(luò)模型
        4.3.2 長短期記憶網(wǎng)絡(luò)模型與其他神經(jīng)網(wǎng)絡(luò)模型的對(duì)比
        4.3.3 長短期記憶網(wǎng)絡(luò)超參數(shù)優(yōu)化及最優(yōu)測(cè)試結(jié)果
    4.4 基于駕駛表現(xiàn)的駕駛權(quán)限分配系統(tǒng)
    4.5 本章小結(jié)
5 結(jié)論與展望
    5.1 研究結(jié)論
    5.2 研究展望
參考文獻(xiàn)
附錄
    A 作者在攻讀碩士學(xué)位期間參與的科研項(xiàng)目
    B 部分駕駛表現(xiàn)指標(biāo)定義
    C 學(xué)位論文數(shù)據(jù)集
致謝



本文編號(hào)：3765622