先進駕駛輔助系統(tǒng)（Advanced Driver Assistant Systems,ADAS）已經被證明可以顯著減少人因事故的發(fā)生;然而,由于交通環(huán)境復雜,僅依賴自車傳感信息的預警算法存在漏報和誤報問題。在交通事故中,他車突然切入導致的側向碰撞事故占據(jù)了一定的比例,而現(xiàn)有ADAS在切入場景中的預警準確率較低。為了改善ADAS在切入場景中的預警有效性,本文建立一種車車Vehicle-to-vehicle,V2V)通信(環(huán)境下的側向碰撞風險預警模型,通過V2V通信傳輸周邊車輛的換道意圖,實現(xiàn)切入車和被切入車的軌跡預測,以提高這種典型風險場景的預警及時性和準確率。本文的研究成果可以為ADAS在切入場景的進一步優(yōu)化提供新的建模思路和理論依據(jù)。首先,搭建實車實驗平臺,采用實車加裝傳感器的方法采集車輛運動學數(shù)據(jù)和駕駛環(huán)境數(shù)據(jù)以模擬V2V通信環(huán)境;招募男性熟練駕駛人被試在城市快速路上開展實車實驗;在對數(shù)據(jù)進行預處理、標定和分析后,篩選得到210個自由換道事件作為換道樣本庫。隨后,基于實車試驗數(shù)據(jù)建立換道行為預測模型和行車軌跡預測模型。基于SVM-RFE（Support Vector Machine... 

【文章來源】：武漢理工大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【部分圖文】：

駕駛意圖對預警系統(tǒng)的影響

17收集后方目標相對于本車的位置和相對速度。所有數(shù)據(jù)與主時間同步并從監(jiān)控軟件輸出，輸出間隔為0.1秒。MobileyeOXTSRT2500CAN總線慣導系統(tǒng)攝像頭IbeoLUX-4激光雷達毫米波雷達圖2-1實車實驗平臺設備信息2.1.3實驗路段及被試人員為了防止交通環(huán)境過于復雜，標線不清晰等問題對傳感器造成干擾，實驗路段選擇武漢市的二環(huán)線，如圖2-2所示。實驗道路全長48km，由雙向四車道和雙向六車道組成，限速為70km/h。本次實驗共招募了10名被試。已有的研究發(fā)現(xiàn)，駕駛人性別、經驗等特質會對駕駛行為產生顯著影響[54]，為了防止駕駛人個體差異對實驗結果造成影響，本次實驗招募的被試均為男性熟練駕駛人，年齡均值為32.2，標準差為4.2，駕駛里程均值為82,450公里，標準差為50.9。每次實驗時間段均選擇天氣晴朗的非早晚高峰時段，實驗要求被試駕駛人按照平時正常駕駛的狀態(tài)進行換道策略的選擇。

實車實驗路線圖

【參考文獻】：
期刊論文
[1]基于HMM和SVM級聯(lián)算法的駕駛意圖識別[J]. 劉志強,吳雪剛,倪捷,張騰.  汽車工程. 2018(07)
[2]基于換道決策機理的多車道元胞自動機模型[J]. 鄧建華,馮煥煥.  交通運輸系統(tǒng)工程與信息. 2018(03)
[3]先進駕駛輔助系統(tǒng)的接受程度及其影響因素分析[J]. 呂能超,秦羚,羅毅.  交通信息與安全. 2017(06)
[4]駕駛經驗對先進駕駛輔助系統(tǒng)的作用研究[J]. 呂能超,段至誠,吳超仲.  交通運輸系統(tǒng)工程與信息. 2017(06)
[5]基于支持向量機的車輛換道決策模型[J]. 張疊,杜榮華,劉理.  武漢理工大學學報(交通科學與工程版). 2017(05)
[6]基于支持向量機的車輛駕駛行為識別研究[J]. 祝儷菱,劉瀾,趙新朋,楊達.  交通運輸系統(tǒng)工程與信息. 2017(01)
[7]基于自然駕駛數(shù)據(jù)的避撞預警對跟車行為影響[J]. 王雪松,朱美新,邢祎倫.  同濟大學學報(自然科學版). 2016(07)
[8]基于駕駛人決策機制的換道意圖識別模型[J]. 倪捷,劉志強.  交通運輸系統(tǒng)工程與信息. 2016(01)
[9]面向駕駛行為預警的換道意圖辨識模型研究[J]. 畢勝強,梅德純,劉志強,汪澎.  中國安全科學學報. 2016(02)
[10]駕駛人換道意圖實時識別模型評價及測試[J]. 郭應時,付銳,趙凱,馬勇,袁偉.  吉林大學學報(工學版). 2016(06)

博士論文
[1]基于視覺特性與車輛相對運動的駕駛人換道意圖識別方法[D]. 彭金栓.長安大學 2012

碩士論文
[1]基于深度學習的換道行為建模與分析[D]. 房哲哲.北京交通大學 2018
[2]城市道路車輛換道模型及換道決策研究[D]. 朱停仃.遼寧工業(yè)大學 2018



本文編號：3372471