本文關(guān)鍵詞：駕駛員轉(zhuǎn)向行為特性辨識方法研究　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 模式識別 辨識模型

【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,極大地促進了車輛的電子化、智能化、電動化進程。線控系統(tǒng)具有的靈活多變及參數(shù)可調(diào)的特性使得車輛動力學(xué)的設(shè)計自由度大大增加,開發(fā)人員可以在充分理解駕駛員特性的前提下,通過個性化的車輛動力學(xué)控制實現(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、最不確定的一個環(huán)節(jié),通過對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,并且有針對性地改善道路交通安全性。輔助駕駛系統(tǒng)與駕駛員個體特性間存在相互適應(yīng)問題,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,提高駕駛員對系統(tǒng)的接受度。無人駕駛是汽車技術(shù)發(fā)展的趨勢,無人駕駛算法的本質(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)計需要對駕駛員行為特性進行深度研究。因此,從線控汽車的個性化動力學(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)計以及無人駕駛汽車的擬人化控制等各個方面考慮,對駕駛員行為特性進行研究具有重要研究意義。本文依托于國家自然科學(xué)基金項目“分布式全線控電動汽車可重構(gòu)集成控制策略研究(項目編號:51505178)”、國家自然科學(xué)基金項目“基于駕駛員特性的新型線控轉(zhuǎn)向系統(tǒng)控制機理和評價方法研究”(編號:51575223),專注于駕駛員行為特性中的轉(zhuǎn)向特性研究。基于駕駛模擬器平臺進行試驗道路設(shè)計和特征參數(shù)的獲取,并利用模式識別方法理論以及數(shù)據(jù)挖掘技術(shù)建立駕駛員轉(zhuǎn)向行為特性辨識模型,主要的工作內(nèi)容如下:(1)研究道路條件因素對駕駛員轉(zhuǎn)向行為特性的影響本文的研究目的是,通過駕駛員在特定轉(zhuǎn)向工況下所表現(xiàn)出來的轉(zhuǎn)向操作行為以及車輛運動狀態(tài)量來辨識駕駛員內(nèi)在的轉(zhuǎn)向行為特性。而駕駛員所表現(xiàn)出來的轉(zhuǎn)向行為特性同時受外界環(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)向行為特性辨識模型之前有必要先確定并且排除外界環(huán)境因素對駕駛員所表現(xiàn)出來的轉(zhuǎn)向操作行為的影響。本文設(shè)計并且實施了左/右轉(zhuǎn)向正交試驗,采集轉(zhuǎn)向試驗數(shù)據(jù),重點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)向正交試驗分別進行,對左/右轉(zhuǎn)向正交試驗結(jié)果進行對比分析,探究駕駛員左/右轉(zhuǎn)向之間的差異性。(2)對駕駛員轉(zhuǎn)向行為特性進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,設(shè)計并且組織若干名適齡駕駛員在駕駛模擬器試驗平臺上進行轉(zhuǎn)向試驗(以右轉(zhuǎn)向試驗為例),采集右轉(zhuǎn)向試驗數(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)向行為特性辨識模型BP神經(jīng)網(wǎng)絡(luò)(BP_ANN)和支持向量機(SVM)是解決分類問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別方法,利用采集得到的右轉(zhuǎn)向試驗數(shù)據(jù)建立了駕駛員轉(zhuǎn)向行為特性辨識模型。并且比較了兩者對于測試樣本集的測試準(zhǔn)確率,得出BP神經(jīng)網(wǎng)絡(luò)駕駛員轉(zhuǎn)向行為特性辨識模型對于測試樣本測試精度比支持向量機(SVM)駕駛員轉(zhuǎn)向行為特性辨識模型更高的結(jié)論。最后,展示了BP神經(jīng)網(wǎng)絡(luò)駕駛員轉(zhuǎn)向行為特性辨識模型預(yù)測駕駛員右轉(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)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：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;;基于駕駛員類型識別的雙離合自動變速器換擋規(guī)律研究[J];農(nóng)業(yè)工程學(xué)報;2015年20期

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

4 宗長富;林娜;張澤星;李剛;;線控汽車駕駛員特性辨識算法的研究[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[J];吉林大學(xué)學(xué)報(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策[J];中國地質(zhì)大學(xué)學(xué)報(社會科學(xué)版);2013年S1期

7 肖獻(xiàn)強;任春燕;王其東;;基于隱馬爾可夫模型的駕駛行為預(yù)測方法研究[J];中國機械工程;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[J];汽車工程;2013年09期

9 徐秋棟;;《應(yīng)用多元統(tǒng)計分析》[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;;基于電動助力轉(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人駕駛車輛行為決策與運動規(guī)劃方法研究[D];中國科學(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;基于駕駛員視覺特性的駕駛行為預(yù)測方法研究[D];吉林大學(xué);2014年

4 白艷;汽車易駕駛性評價的隨機駕駛員模型方法[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方法研究[D];吉林大學(xué);2011年

，

本文編號：1413629