有軌電車具有載客量大、污染小、行駛便利等特點(diǎn),已在成都、大連等游覽景區(qū)投入使用。無人駕駛技術(shù)目前引起了眾多研究者的關(guān)注,在有軌電車上也開發(fā)了各種類型應(yīng)用,而無人駕駛結(jié)合有軌電車的研究中,安全性是其推廣落地的重中之重。車輛的主動(dòng)安全通常使用運(yùn)動(dòng)學(xué)模型預(yù)測車輛軌跡,并使用預(yù)測軌跡和運(yùn)動(dòng)學(xué)公式判斷車輛之間的實(shí)時(shí)碰撞風(fēng)險(xiǎn)程度。但使用運(yùn)動(dòng)學(xué)模型來預(yù)測車輛軌跡會(huì)存在場景較單一,不能分析復(fù)雜路況和預(yù)測結(jié)果較差的問題。本文結(jié)合（Long Short-Term Memory,LSTM）神經(jīng)網(wǎng)絡(luò)的軌跡預(yù)測方法與有軌電車多質(zhì)點(diǎn)碰撞模型,設(shè)計(jì)了基于軌跡預(yù)測的自動(dòng)駕駛有軌電車碰撞風(fēng)險(xiǎn)評估模型。主要工作如下:（1）考慮到物體移動(dòng)過程中其軌跡數(shù)據(jù)具有時(shí)序性,采用對時(shí)間序列描述能力強(qiáng)的LSTM深度學(xué)習(xí)算法構(gòu)建軌跡預(yù)測模型。通過LSTM提取時(shí)序軌跡數(shù)據(jù)中特征,得到預(yù)測軌跡,并分析了不同參數(shù)大小對軌跡預(yù)測的精準(zhǔn)度的影響。模型預(yù)測結(jié)果的均方誤差為0.094,實(shí)驗(yàn)結(jié)果驗(yàn)證了其預(yù)測有效性。（2）考慮到有軌電車在行駛過程中,碰撞風(fēng)險(xiǎn)大小與有軌電車周圍車輛的相對距離成反比,與速度成正比。在有軌電車簡化為多質(zhì)點(diǎn)模型基礎(chǔ)上,提出無人駕... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

駕駛員心理—生理反應(yīng)模型

相關(guān)理論和技術(shù)分析9圖2-2神經(jīng)元模型結(jié)構(gòu)Figure2-2Neuronmodelstructure由圖可知，神經(jīng)元模型的接收的信息為和其緊密連接的神經(jīng)元輸出的信息，輸出的信息通過神經(jīng)元之間連接的權(quán)重值計(jì)算并相加，判斷輸入值是否達(dá)到刺激神經(jīng)元的最小刺激強(qiáng)度也就是閾值，隨后將信息輸送給后方神經(jīng)元2.2.2激活函數(shù)對于神經(jīng)元而言激活函數(shù)的主要是加入非線性因素，解決線性模型的表達(dá)、分類能力不足的問題。激活函數(shù)的作用是判斷神經(jīng)元是否向外輸出信息并且決定輸出信息量的大校其通過一個(gè)分段常值函數(shù)進(jìn)行激活。除了Sigmoid激活函數(shù)外，經(jīng)常被人們使用的激活函數(shù)還有tanh函數(shù)和ReLU函數(shù)。圖2-3sigmoid激活函數(shù)Figure2-3sigmoidactivationfunction通過Sigmoid激活函數(shù)使具體的數(shù)值收縮至0到1的范圍中，其公式如2-2所示。1()1xxe(2-2)Sigmoid激活函數(shù)如圖2-4。其往往存在三個(gè)方面的不足，首先是面臨著梯度消失的問題，結(jié)合圖形能夠觀察到，在函數(shù)不斷接近于0或者1時(shí)，曲線圖形將會(huì)更加平緩。對應(yīng)的梯度數(shù)值趨向于0，此時(shí)就形成了飽和神經(jīng)元。所以，在借助方向傳播的更新梯度時(shí)，該神經(jīng)元的梯度不會(huì)變化，造成網(wǎng)絡(luò)的訓(xùn)練不能推進(jìn)，就帶來了梯度消失的情形。Sigmoid的第二個(gè)不足在于其對外傳輸?shù)膬?nèi)容不是以0為中心的。最后一個(gè)不足在于其需要付出更高的運(yùn)算成本，這是由于其相應(yīng)的指數(shù)函數(shù)和另外形式函數(shù)相比，需要付出更大成本。

相關(guān)理論和技術(shù)分析9圖2-2神經(jīng)元模型結(jié)構(gòu)Figure2-2Neuronmodelstructure由圖可知，神經(jīng)元模型的接收的信息為和其緊密連接的神經(jīng)元輸出的信息，輸出的信息通過神經(jīng)元之間連接的權(quán)重值計(jì)算并相加，判斷輸入值是否達(dá)到刺激神經(jīng)元的最小刺激強(qiáng)度也就是閾值，隨后將信息輸送給后方神經(jīng)元2.2.2激活函數(shù)對于神經(jīng)元而言激活函數(shù)的主要是加入非線性因素，解決線性模型的表達(dá)、分類能力不足的問題。激活函數(shù)的作用是判斷神經(jīng)元是否向外輸出信息并且決定輸出信息量的大校其通過一個(gè)分段常值函數(shù)進(jìn)行激活。除了Sigmoid激活函數(shù)外，經(jīng)常被人們使用的激活函數(shù)還有tanh函數(shù)和ReLU函數(shù)。圖2-3sigmoid激活函數(shù)Figure2-3sigmoidactivationfunction通過Sigmoid激活函數(shù)使具體的數(shù)值收縮至0到1的范圍中，其公式如2-2所示。1()1xxe(2-2)Sigmoid激活函數(shù)如圖2-4。其往往存在三個(gè)方面的不足，首先是面臨著梯度消失的問題，結(jié)合圖形能夠觀察到，在函數(shù)不斷接近于0或者1時(shí)，曲線圖形將會(huì)更加平緩。對應(yīng)的梯度數(shù)值趨向于0，此時(shí)就形成了飽和神經(jīng)元。所以，在借助方向傳播的更新梯度時(shí)，該神經(jīng)元的梯度不會(huì)變化，造成網(wǎng)絡(luò)的訓(xùn)練不能推進(jìn)，就帶來了梯度消失的情形。Sigmoid的第二個(gè)不足在于其對外傳輸?shù)膬?nèi)容不是以0為中心的。最后一個(gè)不足在于其需要付出更高的運(yùn)算成本，這是由于其相應(yīng)的指數(shù)函數(shù)和另外形式函數(shù)相比，需要付出更大成本。


本文編號(hào)：2978424