【摘要】：在人—車—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、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)展起來的駕駛安全輔助系統(tǒng)(Driving Safety Assistance Systems,DSAS)已成為智能車輛領(lǐng)域的重點研究內(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)上進行輔助控制設(shè)計,導(dǎo)致DSAS系統(tǒng)對所有駕駛?cè)司扇∠嗤妮o助控制策略和控制參數(shù),無法滿足駕駛?cè)说膫�性化需求。如果DSAS系統(tǒng)能夠通過采集駕駛?cè)说鸟{駛行為操縱數(shù)據(jù)和車輛運行狀態(tài)信息自動完成對駕駛?cè)笋{駛的個體特性的學(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)的個性化和智能化水平。實現(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�性化駕駛行為操縱模式建模與駕駛行為識別問題�；谝陨蠁栴}的出現(xiàn),本文主要的研究內(nèi)容如下:(1)通過采集駕駛行為操縱數(shù)據(jù),對數(shù)據(jù)進行預(yù)處理后,用數(shù)據(jù)/機理混合的方法對駕駛?cè)说膫�體特性進行分析,研究駕駛?cè)瞬倏v動作節(jié)點的提取方法以便進行駕駛行為操縱模式建模。(2)在對駕駛?cè)瞬倏v動作節(jié)點進行精確提取的基礎(chǔ)上,基于有向圖原理,研究個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、實時在線自學(xué)習(xí)的特點,研究基于ART2A-E算法與操縱模式反向映射的駕駛行為識別方法。研究結(jié)果表明:(1)在對駕駛?cè)说膫�體特性進行分析的基礎(chǔ)上,通過設(shè)置動態(tài)閾值uT來控制操縱動作節(jié)點生成的方法,能有效實現(xiàn)操縱動作節(jié)點的精確提取。(2)根據(jù)駕駛?cè)嗽趫?zhí)行某一具體駕駛行為時操縱動作的變化規(guī)律,提出基于有向圖的個性化駕駛行為操縱模式建模方法,測試表明該方法能有效地體現(xiàn)駕駛?cè)说膫�體特性。(3)利用ART2A-E算法能夠較好地實現(xiàn)基于個性化駕駛行為操縱模式反向映射的駕駛行為識別,為研究開發(fā)個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)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U491.25

【相似文獻】

相關(guān)期刊論文 前10條

1 丁靖艷;;機動車駕駛?cè)饲址格{駛行為的調(diào)查研究[J];中國人民公安大學(xué)學(xué)報(自然科學(xué)版);2009年01期

2 陳海英;;駕駛行為的心理解讀[J];知識就是力量;2012年10期

3 郭孜政;張殿業(yè);金鍵;唐優(yōu)華;;機車雙司機駕駛行為可靠性研究[J];中國安全科學(xué)學(xué)報;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];自動化學(xué)報;2007年10期

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

6 李慶鋼;;高速公路10大“高危”駕駛行為評選揭曉:超速行駛高居榜首[J];汽車運用;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狀態(tài)辨識[J];西南交通大學(xué)學(xué)報;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];中國安全科學(xué)學(xué)報;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題[A];中國人類工效學(xué)學(xué)會第六次學(xué)術(shù)交流會論文摘要匯編[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不安全駕駛行為智能分析[A];2012中國信息經(jīng)濟學(xué)年會會議論文集[C];2012年

3 李勇;陳剛;劉丹平;;基于駕駛行為遠(yuǎn)程識別與監(jiān)控的公交客運管理策略研究[A];2012中國信息經(jīng)濟學(xué)年會會議論文集[C];2012年

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

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

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

7 李靖宇;謝曉非;葛瑜;;小事件、大影響:公平感知覺與規(guī)則駕駛行為[A];增強心理學(xué)服務(wù)社會的意識和功能——中國心理學(xué)會成立90周年紀(jì)念大會暨第十四屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[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態(tài)行為辨識方法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

9 王秋鴻;常詩晴;謝曉非;;為什么我們不能友善駕駛——模型的初步探討[A];增強心理學(xué)服務(wù)社會的意識和功能——中國心理學(xué)會成立90周年紀(jì)念大會暨第十四屆全國心理學(xué)學(xué)術(shù)會議論文摘要集[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)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

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

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

3 何屹;不良駕駛行為也會堵塞交通[N];科技日報;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·交通安全周刊;2007年

5 ;開車講點車德[N];重慶日報;2004年

6 記者 謝佳　通訊員 毛誠乾;兩周收到1000余條[N];人民公安報;2010年

7 張學(xué)民 楊萌 夏裕祁 北京師范大學(xué)心理學(xué)院;背景音樂影響汽車駕駛?cè)藛T的視覺注意[N];中國社會科學(xué)報;2012年

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

9 記者 王春 通訊員 黃艾嬌;國內(nèi)首個“自然駕駛研究項目”在滬啟動[N];科技日報;2012年

10 本報記者 鄧崎凡;“嚴(yán)格執(zhí)行的話，，12分根本不禁扣”[N];工人日報;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)及主被動試驗方法的人車安全行為研究[D];湖南大學(xué);2016年

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

4 郭孜政;駕駛行為險態(tài)辨識理論與方法[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 肖獻強;基于信息融合的駕駛行為識別關(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;營運車輛駕駛員駕駛行為與駕駛適宜性檢測單項指標(biāo)相關(guān)性研究[D];長安大學(xué);2015年

4 許書權(quán);基于車輛運行監(jiān)控系統(tǒng)的駕駛行為安全與節(jié)能評價方法研究[D];長安大學(xué);2015年

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

6 任靜文;基于智能手機終端的駕駛行為風(fēng)格檢測[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)的研究與實現(xiàn)[D];東北大學(xué);2013年

9 盧凱旋;基于車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;城市道路車道縮減區(qū)駕駛行為特征及交通仿真研究[D];長沙理工大學(xué);2014年

本文編號：2308835