隨著生活水平的不斷提高,我國(guó)汽車保有量在不斷增加,導(dǎo)致道路交通安全和燃油消耗問(wèn)題日益嚴(yán)峻,而駕駛員的駕駛風(fēng)格與道路交通安全和汽車燃油經(jīng)濟(jì)性有著密切關(guān)系。因此,本文基于駕駛模擬器采集駕駛員的操作信息和車輛狀態(tài)信息,以多元特征參數(shù)作為評(píng)價(jià)駕駛風(fēng)格屬性的指標(biāo),構(gòu)建具有良好識(shí)別能力的駕駛風(fēng)格識(shí)別模型。本文主要完成了如下工作:（1）駕駛實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集。利用駕駛模擬器設(shè)計(jì)實(shí)驗(yàn)方案,招募20名駕駛員完成模擬駕駛?cè)蝿?wù),同步采集駕駛員的駕駛操作信息和車輛狀態(tài)信息,進(jìn)行特征化處理構(gòu)建49個(gè)維度的特征參數(shù)數(shù)據(jù)集。運(yùn)用調(diào)查問(wèn)卷的方式對(duì)駕駛員的激進(jìn)程度進(jìn)行自我評(píng)分和專業(yè)人士評(píng)分,統(tǒng)計(jì)匯總激進(jìn)程度分值,利用k均值聚類方式將駕駛員分為溫和型、正常型和激進(jìn)型,完成樣本標(biāo)記任務(wù)。（2）建立駕駛風(fēng)格識(shí)別模型。使用支持向量機(jī)（Support Vector Ma chine,SVM）和反向傳播（Back Propagation,BP）神經(jīng)網(wǎng)絡(luò)構(gòu)建有監(jiān)督駕駛風(fēng)格識(shí)別模型,對(duì)比兩模型對(duì)駕駛風(fēng)格的識(shí)別能力。研究結(jié)果顯示:SVM和BP神經(jīng)網(wǎng)絡(luò)模型的駕駛風(fēng)格識(shí)別準(zhǔn)確率分別為93.0348%和92.0398%。（3）優(yōu)化駕駛風(fēng)格識(shí)別... 

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 駕駛風(fēng)格特征參數(shù)的選取
        1.2.2 駕駛風(fēng)格識(shí)別算法的研究
    1.3 本課題研究?jī)?nèi)容
第2章 實(shí)驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集
    2.1 實(shí)驗(yàn)設(shè)計(jì)方案
        2.1.1 實(shí)驗(yàn)?zāi)康?br>        2.1.2 實(shí)驗(yàn)總體方案
    2.2 實(shí)驗(yàn)設(shè)備
    2.3 實(shí)驗(yàn)任務(wù)
        2.3.1 招募駕駛員
        2.3.2 實(shí)驗(yàn)道路模型
        2.3.3 實(shí)驗(yàn)要求
        2.3.4 實(shí)驗(yàn)人員要求
    2.4 數(shù)據(jù)集處理
        2.4.1 異常數(shù)據(jù)剔除
        2.4.2 缺失數(shù)據(jù)的補(bǔ)齊
    2.5 特征參數(shù)數(shù)據(jù)集構(gòu)建
    2.6 標(biāo)記樣本
        2.6.1 駕駛風(fēng)格調(diào)查問(wèn)卷
        2.6.2 駕駛風(fēng)格分類
    2.7 本章小結(jié)
第3章 駕駛風(fēng)格識(shí)別模型的建立
    3.1 駕駛風(fēng)格識(shí)別流程
    3.2 BP神經(jīng)網(wǎng)絡(luò)駕駛風(fēng)格識(shí)別模型
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)優(yōu)點(diǎn)及應(yīng)用
        3.2.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程
        3.2.4 BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果分析
    3.3 SVM駕駛風(fēng)格識(shí)別模型
        3.3.1 SVM優(yōu)點(diǎn)
        3.3.2 SVM基本原理
        3.3.3 SVM駕駛風(fēng)格識(shí)別結(jié)果分析
    3.4 模型對(duì)比分析
    3.5 本章小結(jié)
第4章 駕駛風(fēng)格識(shí)別模型的優(yōu)化
    4.1 主成分分析(PCA)
        4.1.1 特征提取的必要性
        4.1.2 PCA的思想
        4.1.3 PCA的原理
    4.2 主成分的確定
    4.3 基于半監(jiān)督SVM的駕駛風(fēng)格識(shí)別模型
        4.3.1 半監(jiān)督學(xué)習(xí)概述
        4.3.2 自訓(xùn)練SVM半監(jiān)督學(xué)習(xí)算法(STSVM)
        4.3.3 非直推半監(jiān)督多標(biāo)記學(xué)習(xí)算法(i MLCU)
    4.4 模型對(duì)比分析
    4.5 本章小結(jié)
結(jié)論與展望
參考文獻(xiàn)
附錄 A(攻讀學(xué)位期間所發(fā)表的學(xué)術(shù)論文目錄)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于車輛行駛數(shù)據(jù)的駕駛?cè)诵袨樽V分析方法[J]. 陳鏡任,吳業(yè)福,吳冰.  計(jì)算機(jī)應(yīng)用. 2018(07)
[2]基于駕駛模擬實(shí)驗(yàn)的駕駛風(fēng)格對(duì)高速公路換道行為的影響[J]. 石京,柳美玉.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[3]Driving skill classification in curve driving scenes using machine learning[J]. Naiwala P.Chandrasiri,Kazunari Nawa,Akira Ishii.  Journal of Modern Transportation. 2016(03)
[4]基于駕駛風(fēng)格識(shí)別的混合動(dòng)力汽車能量管理策略[J]. 秦大同,詹森,曾育平,蘇嶺.  機(jī)械工程學(xué)報(bào). 2016(08)
[5]不同駕駛操作方法下的汽車運(yùn)行燃料消耗量分析[J]. 曾誠(chéng),蔡鳳田,劉莉,曹磊.  交通節(jié)能與環(huán)保. 2011(01)
[6]淺談BP神經(jīng)網(wǎng)絡(luò)在模式識(shí)別中的應(yīng)用[J]. 林加鄉(xiāng),葛元.  電腦知識(shí)與技術(shù). 2011(07)
[7]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[8]基于實(shí)驗(yàn)心理學(xué)的駕駛員駕駛特性及其綜合評(píng)價(jià)[J]. 馬艷麗,裴玉龍.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2008(12)
[9]關(guān)于BP網(wǎng)中隱含層層數(shù)及其節(jié)點(diǎn)數(shù)選取方法淺析[J]. 葉斌,雷燕.  商丘職業(yè)技術(shù)學(xué)院學(xué)報(bào). 2004(06)
[10]拉依達(dá)（PauTa）準(zhǔn)則與異常值剔除[J]. 張敏,袁輝.  鄭州工業(yè)大學(xué)學(xué)報(bào). 1997(01)

博士論文
[1]基于駕駛員特性自學(xué)習(xí)方法的車輛縱向駕駛輔助系統(tǒng)[D]. 張磊.清華大學(xué) 2009

碩士論文
[1]基于駕駛員意圖的智能車輛路徑跟隨研究[D]. 鄭亞奇.湖南大學(xué) 2016
[2]基于半監(jiān)督的SVM遷移學(xué)習(xí)文本分類方法[D]. 譚建平.廣東工業(yè)大學(xué) 2016



本文編號(hào)：3681022