發(fā)布時間：2021-07-13 12:09

　　近年來,機動車和駕駛?cè)藬?shù)量的增加對人們的生產(chǎn)生活產(chǎn)生極大影響,人們也越來越重視隨之產(chǎn)生的道路擁堵、環(huán)境污染等問題,尤其更為重視帶來巨大人員傷亡和財產(chǎn)損失的頻發(fā)的交通事故�，F(xiàn)如今,車輛的跟車行為成為城市道路上最常見的交通現(xiàn)象之一,研究相鄰車輛行駛規(guī)律引起了眾多研究者的興趣,研究在跟車工況下兩車之間參數(shù)分布是如何相互影響以及對兩車參數(shù)相互影響進行量化,將對提高跟車行駛的安全性以及跟車模型的建立提供參考意義。自然駕駛數(shù)據(jù)全面、真實、可靠,樣本具有廣泛的代表性,以其獨特的優(yōu)勢為國內(nèi)駕駛行為特性的研究提供重要依據(jù),本文將依托中國汽車工程研究院股份有限公司采集的自然駕駛數(shù)據(jù)進行跟車工況的相關(guān)研究。首先,對采集得到的自然駕駛數(shù)據(jù)進行降噪濾波處理,參考別人文獻以及結(jié)合數(shù)據(jù)本身制定跟車工況的提取原理,共提取了1207個跟車工況,在該跟車工況的基礎(chǔ)上利用核密度估計研究了駕駛員在跟車時的前車速度、前車加速度、自車速度、自車加速度、兩車相對距離和兩車相對速度的概率密度分布,分析了前車速度、加速度在自車速度、加速度條件下的概率密度分布以及自車速度、加速度在前車速度、加速度條件下的概率密度分布。其次,為進一步分析... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：76 頁

【學位級別】：碩士

【部分圖文】：

實車安裝設備示意

吉林大學碩士學位論文10圖2.2自然駕駛數(shù)據(jù)采集設備安裝示意圖GPS可以提供車輛實時經(jīng)緯度位置，方便于進行車輛定位管理、行駛區(qū)域自動區(qū)分等操作，GPS還可以作為多傳感器時間同步的基準。前向毫米波雷達使用大陸ARS408-2177GH長距離毫米波雷達，可以提供精準的目標物位置與速度信息，其位置測量精度可以達到分米級，速度測量精度達到0.1km/h，且位置與速度信息為獨立測量，互不干擾，目標的實時刷新率為17Hz，可以在極短時間內(nèi)探測到遠達250m的目標。Mobileye安裝與車輛前方，可以彌補毫米波雷達在目標物類別識別、標志牌識別和車道線識別方面的弱勢，提供更加豐富的場景信息，輸出車道線類型、車道線方程、目標物類型、目標物THW等信息。Mobileye在85%的情況下，測量誤差不超過10%，且其測量誤差會隨著目標物距離的減少和可識別時間的增加而迅速降低。攝像頭為數(shù)字攝像頭，分辨率720P，采用LVDS接口，輸出幀率為25幀/秒，攝像頭安裝于車輛前方和左、右側(cè)，提供各方向的視場信息，可以彌補Mobileye無法提供視頻圖像的缺陷，為數(shù)據(jù)分析人員提供更加直觀的視頻數(shù)據(jù)。該數(shù)據(jù)采集設備支持在線標記和離線回放，其中3攝像頭+Mobileye+毫米波雷達+GPS可覆蓋車身274°的視場信息。2.1.2自然駕駛數(shù)據(jù)采集區(qū)域及采集參數(shù)參與自然駕駛數(shù)據(jù)采集的車輛有五菱寶駿汽車、長安汽車、名爵汽車、北汽新能源汽車、威馬汽車等共25輛，參與自然駕駛數(shù)據(jù)采集的駕駛員共60人，每個駕駛員的駕齡都在3年以上。截止到2019年6月中旬，中國汽車工程研究院

第2章自然駕駛數(shù)據(jù)的采集和處理11股份有限公司累計完成42萬公里的道路數(shù)據(jù)采集，采集區(qū)域涵蓋東北、華北、華東、華西、華中、西南、華南等區(qū)域。圖2.3為自然駕駛數(shù)據(jù)采集區(qū)域分布圖，全國地區(qū)除西藏、新疆、青海和臺灣這些省份未進行數(shù)據(jù)采集，其他省份都進行了數(shù)據(jù)的采集。全國不同道路技術(shù)等級的自然駕駛數(shù)據(jù)所占比例分別為高速公路36.5%，城市道路33.8%，國道省道27%，其他道路2.7%，圖2.4為自然駕駛數(shù)據(jù)采集道路技術(shù)等級分布情況。參與自然駕駛數(shù)據(jù)采集的駕駛員年齡分布覆蓋20-55歲，由于要進行長時間全國區(qū)域駕駛數(shù)據(jù)采集，因此駕駛員以男性為主。數(shù)據(jù)采集也要求駕駛員具備一定駕駛經(jīng)驗，以確保外出駕駛安全性，同時兼顧不同駕駛經(jīng)驗的駕駛員，以保證多樣性。涉及多種地形、多種天氣條件，構(gòu)成了多樣化自然駕駛數(shù)據(jù)庫。其安裝的主要傳感器可以獲得的數(shù)據(jù)類型表2.1所示，攝像頭采集的信息包括目標物和車道線信息；雷達采集目標物信息，其中包括目標物類型、目標物尺寸、目標物位置和目標物尺寸等信息；Mobileye采集目標物信息、標志牌信息、車道線信息和警告類信息。本文基于長安CS75燃油SUV汽車采集的自然駕駛數(shù)據(jù)共隨機選取6240公里，皆是在天氣狀況良好（例如晴天）和白天的情況下行駛，路面無冰或雪，該數(shù)據(jù)涵蓋了城市道路、高速公路行駛區(qū)域，駕駛員按照日常的駕駛行為和駕駛習慣進行駕駛，采集駕駛員在自然狀態(tài)下的真實駕駛行為數(shù)據(jù)，選取的數(shù)據(jù)也符合中國駕駛員在中國駕駛環(huán)境下實際的行駛情況。圖2.3自然駕駛數(shù)據(jù)采集區(qū)域分布

【參考文獻】：
期刊論文
[1]基于國外技術(shù)研究方法的彎道駕駛行為特征統(tǒng)計分析[J]. 宋敏.  汽車技術(shù). 2019(12)
[2]基于自然駕駛數(shù)據(jù)的跟車場景潛在危險估計模型[J]. 劉瑞,賀經(jīng)緯,朱西產(chǎn),馬志雄.  東南大學學報(自然科學版). 2019(04)
[3]駕駛員駕駛行為的統(tǒng)計學特性[J]. 劉瑞,馬志雄,武彪,朱西產(chǎn).  同濟大學學報(自然科學版). 2019(06)
[4]駕駛員加速度分布特性及其應用[J]. 劉瑞,朱西產(chǎn).  汽車安全與節(jié)能學報. 2019(01)
[5]不同車速多前導車對跟馳行駛特性的影響[J]. 楊海飛,粟海琪,胡歡,劉昶成,李睿,譙洋.  現(xiàn)代交通技術(shù). 2019(01)
[6]基于自然駕駛數(shù)據(jù)的中國駕駛?cè)顺鞘锌焖俾犯Y模型標定與驗證[J]. 王雪松,朱美新.  中國公路學報. 2018(09)
[7]駕駛模擬器運動系統(tǒng)對跟馳行為平穩(wěn)性影響分析[J]. 時恒,涂輝招,高坤.  交通運輸系統(tǒng)工程與信息. 2017(04)
[8]老年駕駛員跟馳行為及影響因素研究[J]. 菅美英,石京.  中國安全科學學報. 2017(06)
[9]基于自然駕駛實驗的駕駛行為研究[J]. 楊敏明,王雪松,朱美新.  交通與運輸. 2017(03)
[10]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)

博士論文
[1]金融風險傳染的DAI空間計量模型及實證研究[D]. 陳秀榮.電子科技大學 2018
[2]基于駕駛員特性自學習方法的車輛縱向駕駛輔助系統(tǒng)[D]. 張磊.清華大學 2009

碩士論文
[1]基于特性分析的交通流時間序列聚類[D]. 吳冕.北京交通大學 2017
[2]基于聚類算法的汽車行駛工況研究[D]. 李洋.北京理工大學 2016
[3]基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡跟車模型研究[D]. 張運虎.長安大學 2015
[4]基于復雜網(wǎng)絡的區(qū)域經(jīng)濟演化研究[D]. 湯旻軒.南京信息工程大學 2015
[5]城市道路車輛行駛工況的構(gòu)建與研究[D]. 李寧.河北農(nóng)業(yè)大學 2013



本文編號：3282034