隨著經(jīng)濟及汽車工業(yè)的發(fā)展,汽車保有量不斷上升,給人們的生活帶來了巨大的便利,但交通安全問題也成為了社會發(fā)展的隱患,交通事故造成了許多的財產(chǎn)損失與人員傷亡。據(jù)統(tǒng)計,90%以上的交通事故是由駕駛員引起的,駕駛員的危險駕駛行為成為導(dǎo)致交通事故的一個主要因素。危險駕駛行為的形式和定義多種多樣,盡管其中的一些已經(jīng)被明確列為違規(guī)違法行為,如超速、酒后駕駛等,但還有很多危險駕駛行為并沒有被列入交通法規(guī)中,不能受到嚴(yán)格的約束和監(jiān)管。因此,如何對行駛過程中的危險駕駛行為進行有效評估,提高車輛行駛安全性,減少交通事故,成為迫在眉睫的重要問題。但通過調(diào)查研究現(xiàn)狀發(fā)現(xiàn),一些風(fēng)險評估方法沒有考慮到不同行駛狀態(tài)下危險駕駛行為存的不同,也沒有考慮到不同風(fēng)格駕駛員之間的差異。為了使評估結(jié)果更加準(zhǔn)確、合理和人性化,本文提出了一種考慮駕駛員特性的行駛風(fēng)險度評估方法,主要研究內(nèi)容如下所示:（1）考慮到車輛的行駛過程極其復(fù)雜多變,為對行駛風(fēng)險進行準(zhǔn)確的評估,首先要確定車輛的行駛狀態(tài)。將車輛行駛狀態(tài)劃分為自由行駛、跟馳和換道三種,考慮到現(xiàn)有技術(shù)已通過傳感器數(shù)據(jù)很好的解決了自由行駛和跟馳狀態(tài)的區(qū)分問題,因此本文針對換道狀態(tài)識別進... 

【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)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

車輛行駛狀態(tài)示意圖

吉林大學(xué)碩士學(xué)位論文82.1.2跟馳狀態(tài)跟馳狀態(tài)是指車輛跟隨前方車輛行駛的狀態(tài)，如圖2.2所示。在當(dāng)前的人口密度和汽車保有量下，跟馳已經(jīng)成為日常道路上車輛的主要行駛狀態(tài)之一。跟馳過程中車輛之間相關(guān)性較大，因此跟馳會對交通效率、道路安全產(chǎn)生重要影響，跟馳狀態(tài)下駕駛員的危險駕駛行為很有可能會引起追尾事故，嚴(yán)重時還會造成連環(huán)追尾，造成重大的財產(chǎn)損失和人員傷亡[26]。圖2.2跟馳狀態(tài)示意圖2.1.3換道狀態(tài)換道是指駕駛員受周邊車輛的車速、間距等環(huán)境信息的影響后變更車輛所在車道的過程。如圖2.3所示，圖中車輛A為換道車輛。在日常駕駛中，換道十分常見。換道行為的執(zhí)行需要滿足兩個條件，一是目標(biāo)車道需要有一定的空間，使車輛駛?cè)朐撥嚨篮罂梢哉Ｐ旭�，這取決于目標(biāo)車道前方車輛與后方車輛的行駛狀態(tài)與間距；二是要有充足的時間確保換道能順利進行，這取決于原車道前方車輛與后方車輛的行駛狀態(tài)及間距[27,28]。因此，換道過程中，駕駛員會時刻觀察的周邊車輛的狀態(tài)，從而調(diào)整車輛的橫向運動與縱向運動，保證換道成功率，避免可能發(fā)生的碰撞。與自由行駛狀態(tài)和跟馳狀態(tài)相比，換道狀態(tài)下車輛與周邊車輛的聯(lián)系更加密切，換道對車輛運行安全和交通流的影響也更大，車輛換道過程將增加發(fā)生交通沖突的可能性，從而影響交通運行效率，降低道路通行能力，甚至引發(fā)交通事故。

第2章行駛狀態(tài)劃分及識別9圖2.3換道狀態(tài)示意圖2.2行駛數(shù)據(jù)樣本提取在2.1節(jié)中，已經(jīng)將行駛狀態(tài)劃分為自由行駛、跟馳和換道，為了確定車輛當(dāng)前的行駛狀態(tài)，需要建立行駛狀態(tài)識別模型。由于辨別自由行駛狀態(tài)和跟馳狀態(tài)比較簡單，可通過車載傳感器數(shù)據(jù)如毫米波雷達得到很好的解決，因此，只需建立換道狀態(tài)識別模型即可進行行駛狀態(tài)的有效識別。換道過程比較復(fù)雜，難以通過方向盤轉(zhuǎn)角進行直接判斷。雖然根據(jù)交通法規(guī)要求，駕駛員在換道前需要開啟轉(zhuǎn)向燈以警示周邊車輛，但實際道路環(huán)境中，仍有部分駕駛員不遵守此條規(guī)則，因此也不能根據(jù)轉(zhuǎn)向燈的狀態(tài)判斷車輛是否正在換道。在本節(jié)中，將進行不同行駛狀態(tài)的車輛行駛數(shù)據(jù)樣本的提取，作為訓(xùn)練換道識別狀態(tài)識別模型的樣本數(shù)據(jù)集。2.2.1數(shù)據(jù)集介紹NGSIM是美國高速公路管理局(FederalHighwayAdministration,FHWA)于2005年開展的一個項目，該項目旨在收集大量真實的車輛軌道數(shù)據(jù)，用以研究微觀駕駛行為。迄今為止，NGSIM數(shù)據(jù)集已成為微觀駕駛行為相關(guān)算法和微觀交通仿真領(lǐng)域最常用的數(shù)據(jù)集，廣泛應(yīng)用于車輛跟馳、換道及軌跡預(yù)測等方面的研究中[29]。NGSIM數(shù)據(jù)包括I-80、US-101、Lank、Peach四個路段的車輛行駛數(shù)據(jù)，其中I-80與US-101為高速公路，Lank和Peach為城市道路，因此本文只采用I-80與US-101路段的車輛行駛數(shù)據(jù)。

【參考文獻】：
期刊論文
[1]5G車聯(lián)網(wǎng)技術(shù)與標(biāo)準(zhǔn)進展[J]. 朱雪田.  電子技術(shù)應(yīng)用. 2019(08)
[2]考慮駕駛風(fēng)格的車輛換道行為及預(yù)測模型[J]. 劉思源,喻偉,劉潔瑩,尹小梅,吳義虎.  長沙理工大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[3]車輛典型危險行駛狀態(tài)識別與檢測研究進展[J]. 劉通,付銳,張士偉,鄧明陽.  中國安全科學(xué)學(xué)報. 2017(10)
[4]智能車輛運動控制研究綜述[J]. 郭景華,李克強,羅禹貢.  汽車安全與節(jié)能學(xué)報. 2016(02)
[5]智能手機車輛異常駕駛行為檢測方法[J]. 周后飛,劉華平,石紅星.  智能系統(tǒng)學(xué)報. 2016(03)
[6]微觀交通仿真的安全換道模型研究[J]. 周世杰,宋竹,羅嘉慶.  電子科技大學(xué)學(xué)報. 2015(05)
[7]危險駕駛行為辨識算法研究[J]. 劉永濤,喬潔,魏朗,鞏建強,張亞岐.  計算機工程與設(shè)計. 2014(04)
[8]基于高斯混合隱馬爾科夫模型的高速公路超車行為辨識與分析[J]. 呂岸,胡振程,陳慧.  汽車工程. 2010(07)
[9]基于云模型的駕駛員駕駛狀態(tài)評估方法[J]. 胡斌,王生進,丁曉青.  清華大學(xué)學(xué)報(自然科學(xué)版). 2009(10)
[10]微觀仿真中車輛換道的行為分析和建模[J]. 楊建國,王金梅,李慶豐,王兆安.  公路交通科技. 2004(11)

博士論文
[1]面向駕駛輔助系統(tǒng)的車輛行駛安全預(yù)警模型研究[D]. 胡三根.華南理工大學(xué) 2016
[2]載貨汽車危險狀態(tài)辨識及監(jiān)測預(yù)警研究[D]. 姚雪萍.吉林大學(xué) 2014
[3]基于駕駛員視覺特性的駕駛行為預(yù)測方法研究[D]. 冀秉魁.吉林大學(xué) 2014
[4]車輛換道預(yù)警的若干關(guān)鍵問題研究[D]. 王暢.長安大學(xué) 2012

碩士論文
[1]智能車輛周邊安全態(tài)勢評價方法[D]. 高鵬飛.燕山大學(xué) 2018
[2]基于車聯(lián)網(wǎng)駕駛行為評分的安全駕駛衛(wèi)士分析與設(shè)計[D]. 張正.南京郵電大學(xué) 2017
[3]個人駕駛行為的評估與分析研究[D]. 劉凱利.北方工業(yè)大學(xué) 2017
[4]基于實測微觀駕駛狀態(tài)的交通安全風(fēng)險分析及模型校正[D]. 李倩.北京交通大學(xué) 2017
[5]車聯(lián)網(wǎng)環(huán)境下跟馳行為建模及交通流穩(wěn)定性分析[D]. 李騰龍.長安大學(xué) 2017
[6]車輛換道行為對交通流影響分析[D]. 王茉莉.吉林大學(xué) 2016
[7]基于車輛動態(tài)監(jiān)控數(shù)據(jù)的異常駕駛行為識別技術(shù)研究[D]. 丁琛.北京交通大學(xué) 2015
[8]車聯(lián)網(wǎng)環(huán)境下基于UBI的車險費率厘定模式與方法研究[D]. 朱爽.北京交通大學(xué) 2015
[9]汽車安全輔助駕駛系統(tǒng)研究與實現(xiàn)[D]. 尹磊.山東大學(xué) 2012



本文編號：3350437