本文選題：交通工程　切入點：輔助安全系統(tǒng)　出處：《長安大學(xué)學(xué)報(自然科學(xué)版)》2014年05期

【摘要】：針對駕駛?cè)嗽趽Q道時若出現(xiàn)決策失誤,極易引發(fā)交通事故的問題,通過在真實交通環(huán)境中進(jìn)行實車試驗,采集車輛運動狀態(tài)、駕駛?cè)瞬僮餍袨橐约邦^部運動特性、周圍交通環(huán)境等數(shù)據(jù);通過對換道意圖階段和車道保持階段數(shù)據(jù)參數(shù)的對比分析,提取能夠表征駕駛?cè)藫Q道意圖和行為的特征參數(shù);通過建立BP神經(jīng)網(wǎng)絡(luò)模型,以不同特征參數(shù)作為輸入向量對待測樣本進(jìn)行預(yù)測,確定最終的輸入特征指標(biāo),并基于建立的BP網(wǎng)絡(luò)模型,進(jìn)行駕駛?cè)藫Q道行為預(yù)測。研究結(jié)果表明:換道前2s內(nèi)的預(yù)測準(zhǔn)確率為94.4%,靈敏度為93.33%,能夠準(zhǔn)確預(yù)測出93.33%的換道行為;該模型能夠有效預(yù)測駕駛?cè)说膿Q道行為,且準(zhǔn)確率高、時序性強。
[Abstract]:In view of the problem that the driver is prone to cause traffic accident if he makes a wrong decision when changing the road, the real vehicle test is carried out in the real traffic environment to collect the moving state of the vehicle, the operating behavior of the driver and the characteristics of the head motion. Traffic environment and other data; through the comparison and analysis of the data parameters in the phase of road change intention and lane maintenance, the characteristic parameters which can represent the change intention and behavior of the driver are extracted; the BP neural network model is established, and the BP neural network model is established. Different characteristic parameters are used as input vectors to predict the test sample, and the final input feature index is determined, and based on the BP neural network model, The results show that the prediction accuracy is 94.4 and the sensitivity is 93.330.The model can predict 93.33% of the changing behavior, and the model can effectively predict the changing behavior of the driver, and the accuracy is high. Strong timing.
【作者單位】： 長安大學(xué)汽車學(xué)院;長安大學(xué)汽車運輸安全保障技術(shù)交通行業(yè)重點實驗室;
【基金】：教育部長江學(xué)者與創(chuàng)新團(tuán)隊支持計劃項目(IRT1286) 國家自然科學(xué)基金項目(61374196,51178053) 中央高�；究蒲袠I(yè)務(wù)費專項資金項目(CHD2012TD006,2013G1221028)
【分類號】：U491.25

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 宗長富;楊肖;王暢;張廣才;;汽車轉(zhuǎn)向時駕駛員駕駛意圖辨識與行為預(yù)測[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年S1期

2 李亞秋;吳超仲;馬曉鳳;黃珍;張暉;;基于EKF學(xué)習(xí)方法的BP神經(jīng)網(wǎng)絡(luò)汽車換道意圖識別模型研究[J];武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版);2013年04期

3 黨睿娜;王建強;李克強;張強;;高速公路行駛條件下的駕駛員換道特性[J];清華大學(xué)學(xué)報(自然科學(xué)版);2013年10期

相關(guān)博士學(xué)位論文 前3條

1 張良力;面向安全預(yù)警的機動車駕駛意圖識別方法研究[D];武漢理工大學(xué);2011年

2 彭金栓;基于視覺特性與車輛相對運動的駕駛?cè)藫Q道意圖識別方法[D];長安大學(xué);2012年

3 侯海晶;高速公路駕駛?cè)藫Q道意圖識別方法研究[D];吉林大學(xué);2013年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 儲穎;肖獻(xiàn)強;朱家誠;;基于駕駛行為及意圖的汽車主動安全技術(shù)研究[J];機械設(shè)計與制造;2011年01期

2 馬晶晶;吳義虎;;基于C-P2D-HMM的機動車駕駛意圖辨識[J];科技與企業(yè);2012年02期

3 彭金栓;付銳;邵毅明;徐磊;;基于Logistic模型的駕駛?cè)藫Q道意圖識別方法[J];科技導(dǎo)報;2014年14期

4 趙軒;馬建;汪貴平;;基于制動駕駛意圖辨識的純電動客車復(fù)合制動控制策略[J];交通運輸工程學(xué)報;2014年04期

5 劉志強;周亮;汪澎;倪捷;;交叉口駕駛員轉(zhuǎn)向意圖辨識研究[J];科學(xué)技術(shù)與工程;2014年17期

6 李亞秋;吳超仲;馬曉鳳;;基于樣本熵特征的駕駛?cè)藫Q道過程特征分析[J];交通信息與安全;2014年05期

7 王曉原;張敬磊;張元元;;汽車駕駛傾向性研究進(jìn)展[J];山東理工大學(xué)學(xué)報(自然科學(xué)版);2011年06期

8 詹盛;徐遠(yuǎn)新;石涌泉;王暢;;基于模糊聚類分析的車道變換階段劃分[J];計算機工程與設(shè)計;2013年09期

9 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

10 辛?xí)扎?王萌;;一種用于大貨車換道安全性提示系統(tǒng)[J];汽車實用技術(shù);2014年08期

相關(guān)博士學(xué)位論文 前10條

1 肖獻(xiàn)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

2 張良力;面向安全預(yù)警的機動車駕駛意圖識別方法研究[D];武漢理工大學(xué);2011年

3 趙軒;純電動客車動力總成控制策略研究[D];長安大學(xué);2012年

4 侯海晶;高速公路駕駛?cè)藫Q道意圖識別方法研究[D];吉林大學(xué);2013年

5 楊煒;客運車輛危險行駛狀態(tài)機器視覺辨識系統(tǒng)研究[D];長安大學(xué);2013年

6 張瓊;基于駕駛?cè)烁兄匦缘膿Q道預(yù)警閾值研究[D];長安大學(xué);2013年

7 咸化彩;次任務(wù)駕駛安全性評價指標(biāo)及評價模型研究[D];吉林大學(xué);2014年

8 牛清寧;基于信息融合的疲勞駕駛檢測方法研究[D];吉林大學(xué);2014年

9 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

10 朱愿;基于視覺和雷達(dá)的智能車輛自主換道決策機制與控制研究[D];中國人民解放軍軍事醫(yī)學(xué)科學(xué)院;2014年

相關(guān)碩士學(xué)位論文 前10條

1 馬晶晶;基于隱馬爾可夫理論的駕駛意圖辨識研究[D];長沙理工大學(xué);2012年

2 儲穎;面向汽車主動安全的駕駛行為識別關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2010年

3 裴興龍;基于支持向量機的EHB系統(tǒng)控制算法研究[D];吉林大學(xué);2012年

4 王興偉;基于DSP的汽車縱向避撞報警技術(shù)研究[D];山東理工大學(xué);2012年

5 孫純;基于駕駛?cè)艘曈X特性的換道意圖識別[D];長安大學(xué);2012年

6 崔業(yè)杰;駕駛員操縱意圖辨識方法及應(yīng)用研究[D];吉林大學(xué);2013年

7 呂仁志;基于工況與駕駛意圖識別的HEV控制策略[D];大連理工大學(xué);2013年

8 庫峰;面向車路協(xié)同的車載信息系統(tǒng)設(shè)計與實現(xiàn)[D];武漢理工大學(xué);2013年

9 馮頡;面向汽車安全輔助系統(tǒng)的駕駛員意圖識別算法研究[D];電子科技大學(xué);2013年

10 孔現(xiàn)偉;基于隱馬爾科夫模型的重型車輛側(cè)翻預(yù)警系統(tǒng)研究[D];河北工程大學(xué);2013年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 范影樂;李谷;劉亞景;楊勇;;基于排列組合熵的腦電意識任務(wù)識別方法的研究[J];傳感技術(shù)學(xué)報;2008年01期

2 堯德中;劉鐵軍;雷旭;楊平;徐鵬;張楊松;;基于腦電的腦-機接口:關(guān)鍵技術(shù)和應(yīng)用前景[J];電子科技大學(xué)學(xué)報;2009年05期

3 丁常富;王亮;;基于交叉驗證法的BP神經(jīng)網(wǎng)絡(luò)在汽輪機故障診斷中的應(yīng)用[J];電力科學(xué)與工程;2008年03期

4 何強,毛士藝,張有為;多觀察序列連續(xù)隱含馬爾柯夫模型的無溢出參數(shù)重估[J];電子學(xué)報;2000年10期

5 楊建國,王金梅,李慶豐,王兆安;微觀仿真中車輛換道的行為分析和建模[J];公路交通科技;2004年11期

6 王玉海;宋健;李興坤;;基于模糊推理的駕駛員意圖識別研究[J];公路交通科技;2005年12期

7 楊小寶;張寧;黃留兵;;通行能力仿真中的換道模型研究[J];公路交通科技;2007年05期

8 王榮本;郭烈;金立生;顧柏園;余天洪;;智能車輛安全輔助駕駛技術(shù)研究近況[J];公路交通科技;2007年07期

9 劉小明;鄭淑暉;蔣新春;;基于動態(tài)重復(fù)博弈的車輛換道模型[J];公路交通科技;2008年06期

10 劉河生,高小榕,楊福生;隱馬爾可夫模型的原理與實現(xiàn)[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;2002年06期

相關(guān)會議論文 前1條

1 戎輝;龔進(jìn)峰;曹健;;車輛道路信息感知增強及危險預(yù)警系統(tǒng)的研究[A];2008第四屆中國智能交通年會論文集[C];2008年

相關(guān)博士學(xué)位論文 前7條

1 張良力;面向安全預(yù)警的機動車駕駛意圖識別方法研究[D];武漢理工大學(xué);2011年

2 蘇小康;基于復(fù)雜性與不確定性理論的城市生態(tài)規(guī)劃系統(tǒng)分析方法[D];湖南大學(xué);2007年

3 周立軍;基于駕駛員信息處理特性的跟馳及換道模型研究[D];吉林大學(xué);2008年

4 賈海洋;貝葉斯網(wǎng)學(xué)習(xí)若干問題研究[D];吉林大學(xué);2008年

5 袁偉;城市道路環(huán)境中汽車駕駛員動態(tài)視覺特性試驗研究[D];長安大學(xué);2008年

6 毛U，

本文編號：1658264