人機(jī)共駕系統(tǒng)可以視為社會屬性的人與邏輯屬性的車輛智能化子系統(tǒng)通過克服彼此間的決策沖突,最終形成的安全、高效且友好的穩(wěn)定駕駛模式,是“駕駛?cè)?智能系統(tǒng)”間的最優(yōu)駕駛匹配。考慮社會因素、倫理因素以及“機(jī)駕”系統(tǒng)的智能邏輯屬性對智能車輛的影響,人機(jī)協(xié)同共駕模式將很可能長期存在于智能汽車中。在人機(jī)共駕研究中,“人駕”與“機(jī)駕”的協(xié)同與沖突機(jī)理分析是研究基礎(chǔ),駕駛?cè)说娜艘驅(qū)傩院汀皺C(jī)駕”的決策邏輯是影響系統(tǒng)性能的主要因素。人因?qū)傩园{駛習(xí)性、駕駛技能和駕駛狀態(tài)等駕駛?cè)诵袨槟Ｊ綄傩?是人機(jī)共駕系統(tǒng)進(jìn)行駕駛權(quán)分配時(shí)的關(guān)鍵影響因素。此外,人因?qū)傩詫τ凇皺C(jī)駕”決策邏輯也具有重要影響。因此,基于人因?qū)傩缘膫�(gè)性化人機(jī)共駕策略研究,是未來智能駕駛系統(tǒng)的關(guān)鍵技術(shù)之一。本文在深入分析人機(jī)間的協(xié)同與沖突機(jī)理的基礎(chǔ)上,針對人機(jī)協(xié)同共駕中駕駛?cè)说娜艘驅(qū)傩院蜋C(jī)器的邏輯屬性,開展了考慮駕駛能力及駕駛習(xí)性的個(gè)性化人機(jī)協(xié)同共駕研究。建立起面向人因?qū)傩缘南到y(tǒng)激勵(lì)及場景構(gòu)建理論及測試方法,并搭建了相應(yīng)的測試平臺;提出駕駛能力概念及評估方法,解決了復(fù)雜多變的人因?qū)傩砸鸬鸟{駛權(quán)分配機(jī)制的合理性問題;采用中級類我度對應(yīng)的“類我”屬性表... 

【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)】：176 頁

【學(xué)位級別】：博士

【部分圖文】：

-a中國汽車年產(chǎn)量

吉林大學(xué)博士學(xué)位論文2荷是主要因素[10-11]。至少有一次疲勞駕駛行為的駕駛?cè)藬?shù)占各類交通事故中總駕駛?cè)藬?shù)的1/5，如果在危險(xiǎn)前1秒警告駕駛?cè)�，約90%的駕駛事故是可以避免的[12]。由于駕駛環(huán)境的高精神負(fù)荷屬性，帶來的緊張感及疲勞感是誘發(fā)高血壓等心腦血管疾病的主要誘因[13]。波蘭進(jìn)行的職業(yè)駕駛員心血管不良事件風(fēng)險(xiǎn)研究顯示，73.8%的被測樣本中出現(xiàn)了高血壓情況，高血壓情況和晝夜血壓值異常在職業(yè)司機(jī)中較為普遍[14]。我國學(xué)者通過查閱2005-2013年間1822名長途客車駕駛?cè)速Y料發(fā)現(xiàn)，其總體患病率為67.6%，其中以消化系統(tǒng)（24.9%）和心血管系統(tǒng)（22.9%）患病比例最高[15]。圖1.22006-2015年間國內(nèi)外交通事故信息統(tǒng)計(jì)[5-8]圖1.3-a全國擁堵熱力圖圖1.3-b北京市擁堵熱力圖圖1.32018年度全國擁堵及北京市高峰擁堵熱力圖[9]針對汽車工業(yè)帶來的諸多問題和挑戰(zhàn)，全球各國政府機(jī)構(gòu)、產(chǎn)業(yè)界及學(xué)術(shù)界紛紛提出解決辦法。美國交通運(yùn)輸部于2009年和2014年先后發(fā)布《ITSStrategicResearchPlan,2010-2014》[16]及《ITSStrategicResearchPlan,2015-2019》[17]，期望通過智能交通方式實(shí)現(xiàn)安全、機(jī)動且友好型交通環(huán)境。此后，美國眾議院于2017年通過了《確保

吉林大學(xué)博士學(xué)位論文2荷是主要因素[10-11]。至少有一次疲勞駕駛行為的駕駛?cè)藬?shù)占各類交通事故中總駕駛?cè)藬?shù)的1/5，如果在危險(xiǎn)前1秒警告駕駛?cè)�，約90%的駕駛事故是可以避免的[12]。由于駕駛環(huán)境的高精神負(fù)荷屬性，帶來的緊張感及疲勞感是誘發(fā)高血壓等心腦血管疾病的主要誘因[13]。波蘭進(jìn)行的職業(yè)駕駛員心血管不良事件風(fēng)險(xiǎn)研究顯示，73.8%的被測樣本中出現(xiàn)了高血壓情況，高血壓情況和晝夜血壓值異常在職業(yè)司機(jī)中較為普遍[14]。我國學(xué)者通過查閱2005-2013年間1822名長途客車駕駛?cè)速Y料發(fā)現(xiàn)，其總體患病率為67.6%，其中以消化系統(tǒng)（24.9%）和心血管系統(tǒng)（22.9%）患病比例最高[15]。圖1.22006-2015年間國內(nèi)外交通事故信息統(tǒng)計(jì)[5-8]圖1.3-a全國擁堵熱力圖圖1.3-b北京市擁堵熱力圖圖1.32018年度全國擁堵及北京市高峰擁堵熱力圖[9]針對汽車工業(yè)帶來的諸多問題和挑戰(zhàn)，全球各國政府機(jī)構(gòu)、產(chǎn)業(yè)界及學(xué)術(shù)界紛紛提出解決辦法。美國交通運(yùn)輸部于2009年和2014年先后發(fā)布《ITSStrategicResearchPlan,2010-2014》[16]及《ITSStrategicResearchPlan,2015-2019》[17]，期望通過智能交通方式實(shí)現(xiàn)安全、機(jī)動且友好型交通環(huán)境。此后，美國眾議院于2017年通過了《確保

【參考文獻(xiàn)】：
期刊論文
[1]不同情緒作用下的汽車駕駛行為預(yù)測[J]. 程靜,張藝.  交通運(yùn)輸工程與信息學(xué)報(bào). 2019(03)
[2]面向人因的車路協(xié)同系統(tǒng)綜合測試及影響評估[J]. 趙曉華,陳雨菲,李海艦,邢冠仰,馮笑凡.  中國公路學(xué)報(bào). 2019(06)
[3]自動駕駛汽車測試技術(shù)與應(yīng)用進(jìn)展[J]. 余卓平,邢星宇,陳君毅.  同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[4]Shared Control of Highly Automated Vehicles Using Steer-By-Wire Systems[J]. Chao Huang,Fazel Naghdy,Haiping Du,Hailong Huang.  IEEE/CAA Journal of Automatica Sinica. 2019(02)
[5]智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系建設(shè)概述[J]. 劉麗亞,宋琨,孔曉霜,Dong Haomin.  汽車文摘. 2019(03)
[6]面向人機(jī)協(xié)同共駕的駕駛行為短時(shí)預(yù)測方法研究[J]. 喻愷,彭理群,丁雪,賀宜.  交通信息與安全. 2019(01)
[7]人機(jī)共駕智能汽車的控制權(quán)切換與安全性綜述[J]. 吳超仲,吳浩然,呂能超.  交通運(yùn)輸工程學(xué)報(bào). 2018(06)
[8]汽車駕駛?cè)说那榫w誘發(fā)與識別研究綜述[J]. 王浩倫,朱業(yè)安,彭理群,蘇航.  交通信息與安全. 2018(04)
[9]基于危險(xiǎn)態(tài)勢識別的智能車駕駛模式選擇[J]. 嚴(yán)利鑫,黃珍,吳超仲,秦伶巧,朱敦堯,冉斌.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(08)
[10]Fatigue driving detection based on Haar feature and extreme learning machine[J]. Chang Zheng,Ban Xiaojuan,Wang Yu.  The Journal of China Universities of Posts and Telecommunications. 2016(04)

博士論文
[1]基于駕駛仿真的駕駛員追尾避撞行為特性及不同預(yù)警方式功效研究[D]. 薛晴婉.北京交通大學(xué) 2019
[2]典型國家汽車產(chǎn)業(yè)國際競爭力比較研究[D]. 曹悅恒.吉林大學(xué) 2018
[3]基于深度學(xué)習(xí)和面部多源動態(tài)行為融合的駕駛員疲勞檢測方法研究[D]. 趙磊.山東大學(xué) 2018
[4]橫向輔助駕駛及人機(jī)共駕控制策略的研究[D]. 汪選要.合肥工業(yè)大學(xué) 2017
[5]人機(jī)共享的駕駛員橫向輔助系統(tǒng)關(guān)鍵技術(shù)研究[D]. 談東奎.合肥工業(yè)大學(xué) 2017
[6]仿駕駛員速度跟隨行為的自適應(yīng)巡航控制算法研究[D]. 嚴(yán)偉.吉林大學(xué) 2016
[7]面向車輛操縱穩(wěn)定性的駕駛員建模及輪胎性能客觀評價(jià)研究[D]. 陳煥明.吉林大學(xué) 2015
[8]基于隨機(jī)模型預(yù)測控制的駕駛員行為建模[D]. 曲婷.吉林大學(xué) 2015
[9]基于三維數(shù)據(jù)面向無人車導(dǎo)航的非結(jié)構(gòu)化場景理解[D]. 朱株.浙江大學(xué) 2014
[10]風(fēng)雨耦合作用下高速公路交通安全與控制策略研究[D]. 趙利蘋.長安大學(xué) 2013

碩士論文
[1]基于神經(jīng)肌肉系統(tǒng)的駕駛員轉(zhuǎn)向操控建模與人機(jī)共享控制[D]. 趙彥博.吉林大學(xué) 2019
[2]具有橫向主動安全的智能車駕駛員模型[D]. 梁碩.吉林大學(xué) 2019
[3]我國道路交通事故誘因分析及預(yù)防對策建議[D]. 張博.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[4]智能汽車人機(jī)協(xié)同轉(zhuǎn)向滾動優(yōu)化控制研究[D]. 宋林桓.吉林大學(xué) 2018
[5]基于腦電數(shù)據(jù)的道路與模擬試驗(yàn)駕駛負(fù)荷相似模型研究[D]. 陳發(fā)城.吉林大學(xué) 2018
[6]基于虛擬駕駛的切換型人機(jī)共駕行為評價(jià)[D]. 徐超.吉林大學(xué) 2018
[7]基于視覺的駕駛員注意力檢測與判別研究[D]. 胡敏.湖南大學(xué) 2018
[8]基于人格特質(zhì)的駕駛?cè)藫Q道行為及決策過程研究[D]. 楊麗平.合肥工業(yè)大學(xué) 2018
[9]駕駛?cè)私箲]狀態(tài)下的應(yīng)激操作行為研究[D]. 喬偉棟.北京建筑大學(xué) 2017
[10]操縱桿線控轉(zhuǎn)向系統(tǒng)轉(zhuǎn)向行為辨識和變角傳動比設(shè)計(jì)研究[D]. 韓亞凝.吉林大學(xué) 2017



本文編號：3489448