本文關(guān)鍵詞：基于車路協(xié)同的駕駛行為判別方法研究

  更多相關(guān)文章： 車路協(xié)同 駕駛行為 車輛動(dòng)力學(xué) BP神經(jīng)網(wǎng)絡(luò) 車輛主動(dòng)安全

【摘要】：隨著汽車產(chǎn)業(yè)的不斷發(fā)展,汽車保有量的急劇增加,交通事故和道路擁堵頻繁發(fā)生,造成嚴(yán)重的人員、財(cái)產(chǎn)和環(huán)境損失,交通安全、交通擁堵和交通污染已經(jīng)成為交通領(lǐng)域亟待解決的三大難題;無線通信、傳感技術(shù)的發(fā)展,及大數(shù)據(jù)時(shí)代的到來,使得智能交通系統(tǒng)必將成為解決三大交通難題的有效手段。作為智能交通的重要研究方向,車路協(xié)同技術(shù)通過采用先進(jìn)的傳感、通信與計(jì)算設(shè)備,能夠提高車輛行駛安全,緩解交通擁堵,并減少環(huán)境污染。駕駛行為是引起交通事故和道路擁堵的關(guān)鍵因素,駕駛行為判別是車路協(xié)同中關(guān)于道路交通事故預(yù)測的重要方法。本文在深入分析國內(nèi)外關(guān)于駕駛行為研究的基礎(chǔ)上,首先,從宏觀上論述引起路網(wǎng)交通事故發(fā)生的原因,結(jié)合數(shù)據(jù)挖掘理論,提出車輛行駛狀態(tài)信息挖掘方法,并構(gòu)建基于車路協(xié)同的交通事故預(yù)測系統(tǒng)框架,為駕駛行為判別研究提供理論和方法依據(jù);其次,采用VISSIM仿真軟件建立微觀交通仿真模型,進(jìn)行不同行駛條件下局部路網(wǎng)仿真,獲得大量原始仿真數(shù)據(jù),并對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理;然后,根據(jù)車輛動(dòng)力學(xué)理論,分析車輛行駛狀態(tài)參數(shù)對(duì)車輛行駛安全的影響,并推導(dǎo)得到行駛狀態(tài)參數(shù)求解方法,完成基本行駛參數(shù)到行駛狀態(tài)參數(shù)的轉(zhuǎn)換;最后,利用BP神經(jīng)網(wǎng)絡(luò),建立以車輛行駛狀態(tài)參數(shù)為輸入的駕駛行為判別模型,實(shí)現(xiàn)對(duì)駕駛行為好壞的評(píng)價(jià)。通過對(duì)判別模型進(jìn)行驗(yàn)證及改進(jìn),結(jié)果表明,所建立的BP網(wǎng)絡(luò)模型對(duì)駕駛行為判別準(zhǔn)確率較高,為車輛主動(dòng)安全與交通事故預(yù)測研究提供一定參考。
【關(guān)鍵詞】：車路協(xié)同 駕駛行為 車輛動(dòng)力學(xué) BP神經(jīng)網(wǎng)絡(luò) 車輛主動(dòng)安全
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 緒論11-18
• 1.1 課題背景及研究的目的和意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.1 車路協(xié)同技術(shù)綜述12-13
• 1.2.2 駕駛行為研究綜述13-15
• 1.3 本文研究內(nèi)容與技術(shù)路線15-16
• 1.3.1 主要研究內(nèi)容15-16
• 1.3.2 技術(shù)路線16
• 1.4 論文結(jié)構(gòu)安排16-18
• 第2章 基于車路協(xié)同的交通事故預(yù)測框架設(shè)計(jì)18-28
• 2.1 路網(wǎng)交通事故發(fā)生機(jī)理18-19
• 2.2 路網(wǎng)交通事故影響因素分析19-24
• 2.2.1 駕駛行為19-21
• 2.2.2 車輛綜合性能21-22
• 2.2.3 交通流狀態(tài)22-23
• 2.2.4 路網(wǎng)環(huán)境23-24
• 2.3 車輛行駛狀態(tài)信息挖掘方法24-26
• 2.3.1 原始數(shù)據(jù)準(zhǔn)備24-25
• 2.3.2 樣本數(shù)據(jù)挖掘25
• 2.3.3 模式評(píng)估與驗(yàn)證25-26
• 2.4 交通事故預(yù)測物理結(jié)構(gòu)框架26-27
• 2.4.1 檢測傳感設(shè)備27
• 2.4.2 數(shù)據(jù)處理中心27
• 2.4.3 信息發(fā)布系統(tǒng)27
• 2.5 本章小結(jié)27-28
• 第3章 VISSIM仿真建模與數(shù)據(jù)預(yù)處理28-45
• 3.1 微觀交通仿真模型簡介28-29
• 3.1.1 交通仿真模型分類28-29
• 3.1.2 常用微觀交通仿真對(duì)比29
• 3.2 VISSIM微觀交通仿真建模29-40
• 3.2.1 局部路網(wǎng)結(jié)構(gòu)搭建30-32
• 3.2.2 基本仿真參數(shù)確定32-36
• 3.2.3 車輛行駛規(guī)則設(shè)置36-37
• 3.2.4 仿真原始數(shù)據(jù)獲取37-40
• 3.3 原始數(shù)據(jù)預(yù)處理40-44
• 3.3.1 數(shù)據(jù)預(yù)處理過程40-42
• 3.3.2 數(shù)據(jù)預(yù)處理結(jié)果42-44
• 3.4 本章小結(jié)44-45
• 第4章 車輛行駛狀態(tài)參數(shù)分析與求解45-63
• 4.1 車輛行駛狀態(tài)參數(shù)分析45-51
• 4.1.1 行駛狀態(tài)參數(shù)分類45-47
• 4.1.2 線性二自由度汽車模型47-48
• 4.1.3 橫擺角速度與車輛操穩(wěn)性48-50
• 4.1.4 質(zhì)心側(cè)偏角與車輛操穩(wěn)性50-51
• 4.2 車輛行駛狀態(tài)參數(shù)估計(jì)方法51-56
• 4.2.1 橫擺角速度估計(jì)方法51-53
• 4.2.2 質(zhì)心側(cè)偏角估計(jì)方法53-56
• 4.2.3 行駛狀態(tài)參數(shù)估計(jì)方法總結(jié)56
• 4.3 車輛行駛狀態(tài)參數(shù)求解56-62
• 4.3.1 車輛與大地坐標(biāo)系轉(zhuǎn)化56-57
• 4.3.2 行駛狀態(tài)參數(shù)推導(dǎo)過程57-59
• 4.3.3 行駛狀態(tài)參數(shù)求解結(jié)果59-62
• 4.4 本章小結(jié)62-63
• 第5章 基于BP網(wǎng)絡(luò)的駕駛行為判別模型建立63-77
• 5.1 神經(jīng)網(wǎng)絡(luò)基本理論63-65
• 5.1.1 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)63-64
• 5.1.2 典型神經(jīng)網(wǎng)絡(luò)模型64-65
• 5.1.3 BP神經(jīng)網(wǎng)絡(luò)65
• 5.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)65-73
• 5.2.1 網(wǎng)絡(luò)學(xué)習(xí)樣本的確定65-70
• 5.2.2 網(wǎng)絡(luò)隱層結(jié)構(gòu)的確定70-71
• 5.2.3 網(wǎng)絡(luò)傳遞函數(shù)的選取71-72
• 5.2.4 網(wǎng)絡(luò)訓(xùn)練函數(shù)的選取72-73
• 5.3 BP網(wǎng)絡(luò)判別模型驗(yàn)證與改進(jìn)73-76
• 5.3.1 BP模型驗(yàn)證結(jié)果與評(píng)價(jià)74
• 5.3.2 BP模型改進(jìn)結(jié)果與評(píng)價(jià)74-76
• 5.4 本章小結(jié)76-77
• 結(jié)論77-78
• 參考文獻(xiàn)78-82
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果82-83
• 致謝83

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 華雪東;王煒;王昊;;考慮車與車互聯(lián)通訊技術(shù)的交通流跟馳模型[J];物理學(xué)報(bào);2016年01期

2 白艷;賈鑫;;最優(yōu)預(yù)瞄加速度駕駛員模型參數(shù)試驗(yàn)辨識(shí)方法研究[J];汽車工程;2015年07期

3 劉有軍;李可;余俊;田路;周治穩(wěn);;四車道高速公路跟馳換道模型與參數(shù)激勵(lì)[J];中國公路學(xué)報(bào);2014年12期

4 胡鴻;易燦南;廖遠(yuǎn)志;廖可兵;洪俊;;車載駕駛員疲勞駕駛預(yù)警與控制系統(tǒng)研究[J];中國安全生產(chǎn)科學(xué)技術(shù);2014年11期

5 魯光泉;宋陽;;車路協(xié)同環(huán)境下駕駛行為特性與交通安全綜述[J];交通信息與安全;2014年05期

6 趙曉華;杜洪吉;榮建;;基于ROC曲線的疲勞駕駛判別方法研究[J];交通信息與安全;2014年05期

7 任殿波;張京明;王聰;;變曲率彎路車輛換道虛擬軌跡模型[J];物理學(xué)報(bào);2014年07期

8 管欣;張立增;賈鑫;;誤差分析法求解PO預(yù)瞄駕駛員模型參數(shù)[J];汽車工程;2014年02期

9 陳慧;高博麟;徐帆;;車輛質(zhì)心側(cè)偏角估計(jì)綜述[J];機(jī)械工程學(xué)報(bào);2013年24期

10 李家文;成波;;針對(duì)駕駛員疲勞狀態(tài)的防撞報(bào)警算法的研究[J];汽車工程;2013年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 孫軼軒;基于數(shù)據(jù)挖掘的道路交通事故分析研究[D];北京交通大學(xué);2014年

2 付皓;汽車電子穩(wěn)定性系統(tǒng)質(zhì)心側(cè)偏角估計(jì)與控制策略研究[D];吉林大學(xué);2008年

3 劉雁飛;駕駛行為建模研究[D];浙江大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 謝正全;基于VISSIM的實(shí)時(shí)數(shù)據(jù)交通仿真技術(shù)的應(yīng)用研究[D];西南交通大學(xué);2010年

2 方洪鷹;數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理的方法研究[D];西南大學(xué);2009年

3 呂宜生;基于實(shí)時(shí)數(shù)據(jù)的道路交通事故預(yù)測方法與仿真試驗(yàn)研究[D];哈爾濱工業(yè)大學(xué);2007年

4 牛國宏;基于神經(jīng)網(wǎng)絡(luò)的交通事故預(yù)測[D];長安大學(xué);2006年

5 雷兢;道路交通事故預(yù)測及控制研究[D];福州大學(xué);2005年

6 劉利;道路交通事故統(tǒng)計(jì)分析及預(yù)測模型研究[D];重慶大學(xué);2004年

，

本文編號(hào)：1028968