智能汽車在輔助駕駛員完成駕駛?cè)蝿?wù)的同時,在某些工況下能夠完全替代駕駛員進(jìn)行車輛控制。智能汽車為駕駛員操縱車輛提供了與傳統(tǒng)汽車不同的方式,同時也帶來了截然不同的人機(jī)交互問題。人車控制權(quán)切換是由駕駛員或智能駕駛系統(tǒng)發(fā)起,并由駕駛員或智能駕駛系統(tǒng)恢復(fù)對車輛控制的行為過程,其對汽車行駛安全有著重要影響。本文綜合考慮交通環(huán)境特征與約束、駕駛員操縱行為特征以及本車運(yùn)動狀態(tài),從人車路角度綜合提出了適用于實車環(huán)境的人車控制權(quán)切換評價方法,主要研究內(nèi)容如下:首先,在實車環(huán)境下利用雷達(dá)傳感器進(jìn)行多目標(biāo)跟蹤與分類,實現(xiàn)控制權(quán)切換工況下動態(tài)交通環(huán)境態(tài)勢評估以及交通環(huán)境特征提取,包括目標(biāo)-車道位置、道路曲率、護(hù)欄信息、前方運(yùn)動目標(biāo)密度等。在不同交通環(huán)境進(jìn)行駕駛員接管行為試驗,結(jié)果表明交通環(huán)境復(fù)雜程度顯著影響了駕駛員接管時間以及接管質(zhì)量,在復(fù)雜交通環(huán)境下,駕駛員需要更長的反應(yīng)時間恢復(fù)足夠的情景感知能力,導(dǎo)致更加劇烈的操縱動作。而前方運(yùn)動目標(biāo)密度對交通環(huán)境復(fù)雜程度具有顯著影響,但是本車行駛曲率與相鄰車道目標(biāo)狀態(tài)對其影響不顯著。為了對交通環(huán)境復(fù)雜程度進(jìn)行識別,實現(xiàn)根據(jù)交通環(huán)境復(fù)雜程度對駕駛員接管時間進(jìn)行判斷,本文基于... 

【文章來源】：吉林大學(xué)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)】：199 頁

【學(xué)位級別】：博士

【部分圖文】：

駕駛員駕駛不同級別智能駕駛車輛時主觀工作負(fù)荷部分學(xué)者通過研究駕駛員響應(yīng)外部刺激的反應(yīng)時間對其駕駛負(fù)荷進(jìn)行研究

圖 1.4 不同交通密度下駕駛員接管行為模擬器試驗研究主要針對車輛與環(huán)境因素對控制權(quán)切換影響進(jìn)行行者，駕駛員本身對接管行為同樣具有顯著影響。駕部分：陳述性能力（declarative）與程序性能力（proce

駕駛員上肢EMG信號采集諸多研究表明駕駛員與乘員的生理反應(yīng)與車輛性能存在一定的映射關(guān)系

【參考文獻(xiàn)】：
期刊論文
[1]駕駛員轉(zhuǎn)向操縱時上肢肌肉力學(xué)特性仿真[J]. 高振海,范達(dá),王德平,程悅,王彥會.  汽車工程. 2016(01)
[2]基于AnyBodyTM技術(shù)的人體運(yùn)動建模方法[J]. 劉書朋,司文,嚴(yán)壯志,許昌威.  生物醫(yī)學(xué)工程學(xué)進(jìn)展. 2010(03)
[3]電動助力轉(zhuǎn)向系統(tǒng)轉(zhuǎn)向感覺主觀模糊評價方法[J]. 施國標(biāo),張昕,林逸.  吉林大學(xué)學(xué)報(工學(xué)版). 2007(04)
[4]虛擬人體運(yùn)動系統(tǒng)建模方法研究[J]. 徐力,郭巧,陳海英.  系統(tǒng)仿真學(xué)報. 2004(08)
[5]網(wǎng)絡(luò)分析法（ANP）的理論與算法[J]. 王蓮芬.  系統(tǒng)工程理論與實踐. 2001(03)

博士論文
[1]智能汽車綜合縱向控制的統(tǒng)一駕駛員模型研究[D]. 崔文鋒.吉林大學(xué) 2017
[2]智能汽車方向與速度綜合決策的混合機(jī)理與規(guī)則建模研究[D]. 張立增.吉林大學(xué) 2017
[3]駕駛行為安全性多屬性評價方法及應(yīng)用研究[D]. 李揚(yáng).吉林大學(xué) 2016
[4]基于生物學(xué)反應(yīng)的駕駛舒適度研究[D]. 羅仕鑒.浙江大學(xué) 2005

碩士論文
[1]考慮駕駛員骨肌力學(xué)特性的汽車踏板布置評價[D]. 尹秋.吉林大學(xué) 2017
[2]電動助力制動系統(tǒng)研究[D]. 潛磊.吉林大學(xué) 2017
[3]智能汽車的軌跡跟隨控制研究[D]. 明廷友.吉林大學(xué) 2016
[4]公路線形舒適性評價方法研究[D]. 程文娟.河北工業(yè)大學(xué) 2007



本文編號：3135546