【摘要】：近年來,隨著國(guó)民經(jīng)濟(jì)和社會(huì)的飛速發(fā)展,汽車保有量也急劇攀升,道路交通安全問題越來越受到社會(huì)的廣泛關(guān)注。統(tǒng)計(jì)數(shù)據(jù)顯示不良的駕駛行為是引起交通事故的主要原因,分析車輛在行駛過程中的行為對(duì)于規(guī)范駕駛行為、減少交通事故、提高交通安全具有指導(dǎo)意義。互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和智能移動(dòng)終端設(shè)備豐富的功能給人們的生活帶來便捷,智能設(shè)備已經(jīng)成為人們生活中不可缺少的一部分。IOS智能設(shè)備中的加速計(jì)和陀螺儀能夠感知設(shè)備的移動(dòng)和狀態(tài),通過這些傳感器可以實(shí)現(xiàn)低成本的數(shù)據(jù)采集功能。本文利用IOS設(shè)備傳感器采集并識(shí)別車輛的行駛行為,主要包括:換道、加速、減速、剎車等行為,在此基礎(chǔ)上提出了基于支持向量機(jī)的識(shí)別算法,具體工作如下:1.利用智能手機(jī)/pad等移動(dòng)終端中嵌入的加速計(jì)和陀螺儀采集車輛行駛過程中的加速度和角速度數(shù)據(jù),針對(duì)車輛行駛過程中因車輛顛簸產(chǎn)生的零點(diǎn)漂移及高頻噪聲的問題,對(duì)采集到的數(shù)據(jù)進(jìn)行標(biāo)零和低通濾波處理。2.針對(duì)車輛行駛過程中換道、加速、減速和剎車時(shí)采集到的加速度和角速度數(shù)據(jù),建立能夠表征其行為特征的特征向量,包括數(shù)據(jù)的最大值、最小值、最大最小值之間的差值、均值及方差,提出了基于支持向量機(jī)的車輛行為分類器。為了解決連續(xù)換道等行為的識(shí)別,提出了一種N-δ滑動(dòng)窗口截取算法,實(shí)現(xiàn)了對(duì)包含多個(gè)行為的數(shù)據(jù)的快速劃分。3.搭建實(shí)驗(yàn)測(cè)試平臺(tái),并在城市道路中對(duì)本文提出的車輛行駛行為識(shí)別方法進(jìn)行了實(shí)驗(yàn)測(cè)試,測(cè)試結(jié)果表明,該方法能夠有效地識(shí)別車輛行駛行為。
[Abstract]:In recent years, with the rapid development of the national economy and society, the number of vehicles has risen rapidly, and the problem of road traffic safety has been paid more and more attention by the society. Statistical data show that poor driving behavior is the main cause of traffic accidents. It is of guiding significance to analyze the behavior of vehicles in the course of driving to regulate driving behavior, reduce traffic accidents and improve traffic safety. The rapid development of Internet technology and the rich functions of intelligent mobile terminal devices bring convenience to people's life. Smart devices have become an indispensable part of people's lives. Accelerometers and gyroscopes in IOS smart devices can sense the movement and state of devices, and can achieve low-cost data acquisition through these sensors. This paper uses IOS device sensor to collect and recognize the driving behavior of the vehicle, including: changing track, accelerating, decelerating, braking and so on. On this basis, a recognition algorithm based on support vector machine is proposed. The specific work is as follows: 1. Accelerometers and gyroscopes embedded in mobile terminals such as smart phone / pad are used to collect acceleration and angular velocity data during vehicle driving, aiming at the problem of zero drift and high frequency noise caused by vehicle bumps during vehicle driving. Data collected by zero and low pass filter processing. 2. In view of the acceleration and angular velocity data collected during the course of the vehicle moving, accelerating, decelerating and braking, the characteristic vectors, including the difference between the maximum, the minimum, the maximum and the minimum values, are established to characterize the characteristics of the vehicle's behavior, including the maximum, the minimum and the maximum and minimum values of the data. A vehicle behavior classifier based on support vector machine (SVM) is proposed based on mean and variance. An N- 未 sliding window intercepting algorithm is proposed to realize the fast partition of data including multiple behaviors. The experimental test platform is built and the vehicle driving behavior identification method proposed in this paper is tested in the urban road. The test results show that the method can effectively identify the vehicle driving behavior.
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：U495

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 肖獻(xiàn)強(qiáng);任春燕;王其東;;基于隱馬爾可夫模型的駕駛行為預(yù)測(cè)方法研究[J];中國(guó)機(jī)械工程;2013年21期

2 張澤星;宗長(zhǎng)富;馬福良;王暢;;基于多維高斯隱馬爾科夫模型的駕駛員轉(zhuǎn)向行為辨識(shí)方法[J];汽車技術(shù);2011年07期

3 成波;馮睿嘉;張偉;李家文;張希波;;基于多源信息融合的駕駛?cè)似跔顟B(tài)監(jiān)測(cè)及預(yù)警方法研究[J];公路交通科技;2009年S1期

4 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

5 宗長(zhǎng)富;楊肖;王暢;張廣才;;汽車轉(zhuǎn)向時(shí)駕駛員駕駛意圖辨識(shí)與行為預(yù)測(cè)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2009年S1期

6 汪子梅;楊翠容;武薇;范影樂;;采用分塊耦合廣義分形維的語(yǔ)音端點(diǎn)檢測(cè)技術(shù)研究[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年03期

7 馮國(guó)友;戴揚(yáng);沈海斌;時(shí)曉東;;孤立詞語(yǔ)音識(shí)別中端點(diǎn)檢測(cè)加速器的設(shè)計(jì)與實(shí)現(xiàn)[J];電子器件;2007年03期

8 王曉原;楊新月;;駕駛行為非參數(shù)微觀仿真模型[J];交通運(yùn)輸工程學(xué)報(bào);2007年01期

9 韋華,張偉;中美兩國(guó)汽車駕駛安全影響因素研究[J];中國(guó)安全科學(xué)學(xué)報(bào);2004年09期

相關(guān)博士學(xué)位論文 前3條

1 周俊靜;基于激光雷達(dá)的智能車輛目標(biāo)識(shí)別與跟蹤關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2014年

2 張一;智能視頻監(jiān)控中的目標(biāo)識(shí)別與異常行為建模與分析[D];上海交通大學(xué);2010年

3 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9條

1 任亮;智能車環(huán)境下車輛典型行為識(shí)別方法研究[D];長(zhǎng)安大學(xué);2015年

2 宋雅清;基于Android傳感器的駕駛事件識(shí)別關(guān)鍵技術(shù)研究[D];中國(guó)海洋大學(xué);2014年

3 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

4 石磊;基于Android智能移動(dòng)終端的汽車疲勞駕駛預(yù)警系統(tǒng)的研究與實(shí)現(xiàn)[D];南京郵電大學(xué);2013年

5 陳文;基于加速度傳感器的智能終端手勢(shì)識(shí)別關(guān)鍵技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

6 黃沁元;基于iPhone設(shè)備點(diǎn)對(duì)點(diǎn)通信增值服務(wù)軟件的實(shí)現(xiàn)[D];電子科技大學(xué);2011年

7 李實(shí)振;北京市司機(jī)風(fēng)險(xiǎn)駕駛行為研究[D];北京交通大學(xué);2011年

8 龔全福;基于iOS的新浪微博iPhone客戶端的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

9 龔劍;汽車不良駕駛行為監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];武漢理工大學(xué);2010年

，

本文編號(hào)：2368005