隨著汽車保有量的增加,交通事故的發(fā)生率也越來越高,而這其中由駕駛員不當操作而引起的交通事故占有率達到80%。因此,現(xiàn)在越來越多的輔助駕駛系統(tǒng)被開發(fā),以便可以輔助駕駛員完成駕駛?cè)蝿?從而可以減少交通事故的發(fā)生。但是,開發(fā)人員圍繞智能車輛進行輔助駕駛系統(tǒng)開發(fā),在對周圍物體進行態(tài)勢感知時,卻沒有考慮到駕駛員本身。使得輔助駕駛系統(tǒng)在同一環(huán)境下,采取的控制策略完全相同,而不會根據(jù)駕駛?cè)藛T熟練程度的不同而對控制策略進行改變�；诖�,本文提出使用駕駛員的操作信號以及眼動信號,對駕駛員技能進行評估,并提出駕駛員技能評價模型,本文主要完成了以下的研究工作:(1)在駕駛員硬件在環(huán)仿真平臺上,設(shè)計并搭建適合的實驗場景。在Carsim和Labview聯(lián)合搭建的駕駛員在環(huán)仿真平臺中,搭建虛擬的道路場景,要求駕駛員戴上眼動儀,在駕駛員進行模擬駕駛時,同步采集駕駛員的眼動信號以及操作信號(轉(zhuǎn)向盤轉(zhuǎn)角、側(cè)向加速度、車速),經(jīng)NI的數(shù)據(jù)采集卡將這些數(shù)據(jù)進行實時傳遞到RT終端的VI,進而將數(shù)據(jù)共享給主機VI并進行保存,從而建立駕駛員熟練程度數(shù)據(jù)庫,進而為訓練駕駛員技能模型提供數(shù)據(jù)支持。(2)建立基于操作信號與眼動信號的駕駛員技能等級模型,對駕駛員技能等級識別方法進行總結(jié),分析SVM的優(yōu)缺點。先使用采集的駕駛員眼動信號對駕駛員技能進行貼標簽以減少誤差率。隨后使用在仿真平臺上采集的駕駛員操作信號(車速、轉(zhuǎn)向盤轉(zhuǎn)角、側(cè)向加速度)進行駕駛員技能等級辨別,并比較使用單一操作信號以及多操作信號進行組合作為特征量的區(qū)別。結(jié)果表明,使用車速以及側(cè)向加速度作為組合特征量時。準確率最高,達到90%。(3)建立基于操作信號的駕駛員技能等級量化模型。提出使用標準函數(shù)建立駕駛員技能等級量化模型,得出使用指數(shù)函數(shù)和線性函數(shù)有比較好的表現(xiàn),從而將兩者進行組合,發(fā)現(xiàn)在使用公式(0.3×exp(6×V)+0.7×(8×Ac)進行駕駛員技能等級量化時,可以得到很好的效果。同時也說明使用車速和側(cè)向加速度可以得到很好的效果,也驗證了第二部分的結(jié)果。
【學位單位】：湖南大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：U463.6
【部分圖文】：

景與意義展，人們的生活水平逐漸提高，汽車保有量不斷逐漸攀升。據(jù)統(tǒng)計，由于駕駛員的分心、疲勞或約占 80%[1]。為此，人們開始重視駕駛員行為的和美國人 Treat 等人[3]，他們通過分析手機記錄的發(fā)生的大多數(shù)原因并不是車輛本身所造成的，而例已經(jīng)達到了 90%之多。而在人的因素中，主要駕駛員在發(fā)生危險時并不能立馬反應過來，會出人[2]當時一共研究了 2036 起交通事故，這些事故概括如下：由于駕駛員熟視無睹引起的事故占 1的比重為 16%、6% 是因為駕駛員沒有引起注意圖標理解錯誤、5%是因為駕駛員自身對一些距離圖 1.1 所示。

駕駛員在發(fā)生危險時并不能立馬反應過來，會出人[2]當時一共研究了 2036 起交通事故，這些事故概括如下：由于駕駛員熟視無睹引起的事故占 17的比重為 16%、6% 是因為駕駛員沒有引起注意和圖標理解錯誤、5%是因為駕駛員自身對一些距離圖 1.1 所示。圖 1. 1 交通事故引發(fā)原因及其占比

駛員對車輛的控制國外已有證明有效的培訓體系了解影響駕駛員技能的因素，提高駕駛員技能，降低危險圖 1. 3 研究駕駛員技能的意義1.2 國內(nèi)外研究現(xiàn)狀與發(fā)展趨勢國外早期有學者進行過類似的研究，他們認為駕駛員駕駛車輛的過程就是駕駛員和車輛的交互過程[9]，而一次良好的駕駛體驗不僅取決于車輛良好的設(shè)計以及操縱表現(xiàn)，而且取決于司機對車輛的操作和控制。在操控車輛時，生許多有關(guān)駕駛員與車交互的相關(guān)事件，從最初的直接控制車輛運動（主要務）到對車輛的行駛軌跡的規(guī)劃以及導航和一些其他的輔助車輛控制的系統(tǒng)緊急制動系統(tǒng)等等(二級任務)。圖 1.4 表示一個關(guān)于駕駛員和車輛交互的事件對于不同技能駕駛員完成每個任務需要付出的注意力并不相同而且對車輛的控制也并不完全相同。

【參考文獻】

相關(guān)期刊論文 前10條

1 唐廣智;胡裕靖;周新民;高陽;;ACT-R認知體系結(jié)構(gòu)的理論與應用[J];計算機科學與探索;2014年10期

2 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學學報;2011年01期

3 羅純;張應山;;框架與正交表—處理復雜系統(tǒng)的新思維系列之二[J];上海應用技術(shù)學院學報(自然科學版);2010年03期

4 葉川;伍川輝;張嘉怡;;計量測試中異常數(shù)據(jù)剔除方法比較[J];計量與測試技術(shù);2007年07期

5 夏鎮(zhèn);饒若楠;;一種基于正交表的功能組合測試設(shè)計方法[J];微型電腦應用;2007年03期

6 楊建國,肖永劍,王兆安;交通微觀仿真中的駕駛員視覺感知模型[J];系統(tǒng)仿真學報;2005年10期

7 龐善起,劉三陽,閆海鋒;一類9n~2次組合混合水平正交表的構(gòu)造[J];應用數(shù)學學報;2005年02期

8 王武宏;駕駛行為形成模型及其在道路交通系統(tǒng)中的應用(英文)[J];Journal of Beijing Institute of Technology(English Edition);2001年03期

9 張敏,袁輝;拉依達(PauTa)準則與異常值剔除[J];鄭州工業(yè)大學學報;1997年01期

10 朱文良,李鳳華;一種新的數(shù)值優(yōu)化方法——正交表法[J];系統(tǒng)工程;1996年03期

相關(guān)博士學位論文 前3條

1 張云;基于生物視覺認知機理的特征提取及其應用研究[D];華中科技大學;2014年

2 常甜甜;支持向量機學習算法若干問題的研究[D];西安電子科技大學;2010年

3 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;2008年

相關(guān)碩士學位論文 前3條

1 鄭亞奇;基于駕駛員意圖的智能車輛路徑跟隨研究[D];湖南大學;2016年

2 王林;民用飛機可靠性數(shù)據(jù)篩選與補充方法研究[D];南京航空航天大學;2010年

3 田明;新駕駛員和熟練駕駛員視覺搜索模式比較研究[D];長安大學;2007年

本文編號：2812017