【摘要】：隨著我國(guó)公路交通的快速發(fā)展,道路交通事故已成威脅人民生命財(cái)產(chǎn)安全的嚴(yán)重事故之一,汽車的主動(dòng)安全技術(shù)逐漸成為人們關(guān)注的焦點(diǎn)。駕駛危險(xiǎn)狀態(tài)的辨識(shí)是主動(dòng)安全技術(shù)的一個(gè)重要研究?jī)?nèi)容,能夠有效避免車輛碰撞,減少交通事故。本文針對(duì)基于車輛運(yùn)行參數(shù)的駕駛危險(xiǎn)狀態(tài)辨識(shí)進(jìn)行研究,希望能準(zhǔn)確識(shí)別并記錄車輛運(yùn)行過(guò)程中遇到的危險(xiǎn)狀態(tài),從而提高駕駛安全性。論文對(duì)基于車輛運(yùn)行參數(shù)的駕駛危險(xiǎn)狀態(tài)的辨識(shí)進(jìn)行相關(guān)研究。首先基于高速公路運(yùn)行環(huán)境,利用UC-win/Road軟件搭建雙向六車道車輛行駛場(chǎng)景。對(duì)試驗(yàn)場(chǎng)景的危險(xiǎn)狀態(tài)設(shè)置為被試在駕駛模型車輛跟馳目標(biāo)移動(dòng)過(guò)程中,移動(dòng)目標(biāo)突然緊急制動(dòng),被試采取措施進(jìn)而規(guī)避,以避免發(fā)生碰撞。采集該過(guò)程中車輛模型的運(yùn)行參數(shù)以及交通沖突時(shí)間。車輛運(yùn)行參數(shù)包括縱向和橫向加速度、車體偏航率,方向盤旋轉(zhuǎn)率以及制動(dòng)力度,組成一個(gè)自變量備選集合X。以集合X為基礎(chǔ),分別采用多元線性回歸和多元非線性回歸方法建立3個(gè)交通沖突時(shí)間模型。在自變量集X基礎(chǔ)上,根據(jù)多元線性回歸方法建立第一個(gè)交通沖突時(shí)間模型M1。在模型M1的基礎(chǔ)上,采用逐步回歸法對(duì)M1進(jìn)行改進(jìn)。改進(jìn)后得到第二個(gè)交通沖突時(shí)間模型M2。利用灰色關(guān)聯(lián)度對(duì)自變量集X進(jìn)行處理,建立交通沖突時(shí)間與自變量集之間的模型M3。通過(guò)使用實(shí)測(cè)數(shù)據(jù)進(jìn)行比較發(fā)現(xiàn),M3能夠很好地對(duì)交通沖突時(shí)間進(jìn)行識(shí)別。最后對(duì)交通沖突時(shí)間模型M3進(jìn)行改進(jìn),為了降低M3發(fā)生“誤報(bào)”的風(fēng)險(xiǎn),用時(shí)間窗對(duì)駕駛危險(xiǎn)狀態(tài)進(jìn)行篩選,并把考慮時(shí)間窗口的辨識(shí)模型拓展到城市快速路上。并在Matlab中對(duì)仿真環(huán)境下的試驗(yàn)數(shù)據(jù)進(jìn)行檢驗(yàn),結(jié)果表明,車輛危險(xiǎn)狀態(tài)辨識(shí)模型對(duì)拓展情況也有很高的辨識(shí)率,能在車輛遇到危險(xiǎn)狀態(tài)時(shí)進(jìn)行識(shí)別。
【圖文】：

技術(shù)路線圖

利用駕駛模擬設(shè)備，搭建各種危險(xiǎn)狀態(tài)的模擬場(chǎng)景，并進(jìn)危險(xiǎn)狀況下的各種性能進(jìn)行研究。所以，為了能夠準(zhǔn)確地駛車輛過(guò)程中遇到的危險(xiǎn)狀況（直線行駛條件下前車緊急擬器上進(jìn)行駕駛試驗(yàn)，對(duì)車輛運(yùn)行參數(shù)及車輛各狀態(tài)參數(shù)非線性回歸方法建立交通沖突時(shí)間與運(yùn)行參數(shù)之間的函數(shù)識(shí)別。的駕駛模擬器如圖 2.1 所示，，該駕駛模擬器可模擬各種不同輛運(yùn)行參數(shù)以及車輛的各狀態(tài)參數(shù)進(jìn)行實(shí)時(shí)采集。且模擬驗(yàn)要求進(jìn)行道路交通場(chǎng)景建立，環(huán)境展示以及完成駕駛模證，駕駛員駕駛行為分析，車輛動(dòng)態(tài)參數(shù)分析，城市規(guī)劃面的研究。模擬器主要由 4 個(gè)主要部分組成。
【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】：2018
【分類號(hào)】：U463.6;U492.8

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡閏秀;劉永濤;;基于機(jī)器視覺(jué)的客運(yùn)車輛危險(xiǎn)行駛狀態(tài)辨識(shí)技術(shù)研究[J];汽車實(shí)用技術(shù);2015年11期

2 趙樹(shù)恩;屈賢;張金龍;;基于人車路協(xié)同的車輛彎道安全車速預(yù)測(cè)[J];汽車工程;2015年10期

3 朱天軍;孔現(xiàn)偉;李彬;;基于雙層隱馬爾可夫模型的重型車輛行駛狀態(tài)辨識(shí)方法研究[J];兵工學(xué)報(bào);2015年10期

4 王暢;付銳;張瓊;郭應(yīng)時(shí);袁偉;;換道預(yù)警系統(tǒng)中參數(shù)TTC特性研究[J];中國(guó)公路學(xué)報(bào);2015年08期

5 張博;郝杰;馬剛;岳金朋;張建華;史忠植;;混合概率典型相關(guān)性分析[J];計(jì)算機(jī)研究與發(fā)展;2015年07期

6 張博;史忠植;趙曉非;張建華;;一種基于跨領(lǐng)域典型相關(guān)性分析的遷移學(xué)習(xí)方法[J];計(jì)算機(jī)學(xué)報(bào);2015年07期

7 馬勇;付銳;;駕駛?cè)艘曈X(jué)特性與行車安全研究進(jìn)展[J];中國(guó)公路學(xué)報(bào);2015年06期

8 歐陽(yáng)庭輝;查曉明;秦亮;熊一;朱小帆;;風(fēng)電功率爬坡事件預(yù)測(cè)時(shí)間窗口的選取[J];電網(wǎng)技術(shù);2015年02期

9 王暢;徐遠(yuǎn)新;付銳;郭應(yīng)時(shí);袁偉;;應(yīng)用于換道預(yù)警系統(tǒng)的潛在危險(xiǎn)目標(biāo)辨識(shí)算法[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

10 王世明;徐建閩;羅強(qiáng);李日涵;;面向高速公路的車輛換道安全預(yù)警模型[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年12期

相關(guān)博士學(xué)位論文 前3條

1 劉永濤;基于環(huán)境感知技術(shù)的客運(yùn)車輛危險(xiǎn)行駛狀態(tài)辨識(shí)技術(shù)研究[D];長(zhǎng)安大學(xué);2015年

2 姚雪萍;載貨汽車危險(xiǎn)狀態(tài)辨識(shí)及監(jiān)測(cè)預(yù)警研究[D];吉林大學(xué);2014年

3 楊煒;客運(yùn)車輛危險(xiǎn)行駛狀態(tài)機(jī)器視覺(jué)辨識(shí)系統(tǒng)研究[D];長(zhǎng)安大學(xué);2013年

相關(guān)碩士學(xué)位論文 前5條

1 周健;植被冠層截留量模型的多元回歸分析[D];電子科技大學(xué);2012年

2 孫維圓;基于制動(dòng)距離的載貨汽車制動(dòng)系統(tǒng)危險(xiǎn)狀態(tài)辨識(shí)研究[D];吉林大學(xué);2011年

3 黃介武;多元線性模型中的最優(yōu)預(yù)測(cè)[D];中南大學(xué);2006年

4 曹楓林;多元線性模型的參數(shù)估計(jì)[D];武漢科技大學(xué);2006年

5 彭向陽(yáng);多元線性模型回歸系數(shù)的估計(jì)及其性質(zhì)[D];湘潭大學(xué);2002年

本文編號(hào)：2658618