基于车路协同的驾驶行为判别方法研究

发布时间：2017-10-14 04:21

  本文关键词：基于车路协同的驾驶行为判别方法研究

  更多相关文章： 车路协同 驾驶行为 车辆动力学 BP神经网络 车辆主动安全

【摘要】：随着汽车产业的不断发展,汽车保有量的急剧增加,交通事故和道路拥堵频繁发生,造成严重的人员、财产和环境损失,交通安全、交通拥堵和交通污染已经成为交通领域亟待解决的三大难题;无线通信、传感技术的发展,及大数据时代的到来,使得智能交通系统必将成为解决三大交通难题的有效手段。作为智能交通的重要研究方向,车路协同技术通过采用先进的传感、通信与计算设备,能够提高车辆行驶安全,缓解交通拥堵,并减少环境污染。驾驶行为是引起交通事故和道路拥堵的关键因素,驾驶行为判别是车路协同中关于道路交通事故预测的重要方法。本文在深入分析国内外关于驾驶行为研究的基础上,首先,从宏观上论述引起路网交通事故发生的原因,结合数据挖掘理论,提出车辆行驶状态信息挖掘方法,并构建基于车路协同的交通事故预测系统框架,为驾驶行为判别研究提供理论和方法依据;其次,采用VISSIM仿真软件建立微观交通仿真模型,进行不同行驶条件下局部路网仿真,获得大量原始仿真数据,并对原始数据进行预处理;然后,根据车辆动力学理论,分析车辆行驶状态参数对车辆行驶安全的影响,并推导得到行驶状态参数求解方法,完成基本行驶参数到行驶状态参数的转换;最后,利用BP神经网络,建立以车辆行驶状态参数为输入的驾驶行为判别模型,实现对驾驶行为好坏的评价。通过对判别模型进行验证及改进,结果表明,所建立的BP网络模型对驾驶行为判别准确率较高,为车辆主动安全与交通事故预测研究提供一定参考。
【关键词】：车路协同 驾驶行为 车辆动力学 BP神经网络 车辆主动安全
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 绪论11-18
• 1.1 课题背景及研究的目的和意义11-12
• 1.2 国内外研究现状12-15
• 1.2.1 车路协同技术综述12-13
• 1.2.2 驾驶行为研究综述13-15
• 1.3 本文研究内容与技术路线15-16
• 1.3.1 主要研究内容15-16
• 1.3.2 技术路线16
• 1.4 论文结构安排16-18
• 第2章 基于车路协同的交通事故预测框架设计18-28
• 2.1 路网交通事故发生机理18-19
• 2.2 路网交通事故影响因素分析19-24
• 2.2.1 驾驶行为19-21
• 2.2.2 车辆综合性能21-22
• 2.2.3 交通流状态22-23
• 2.2.4 路网环境23-24
• 2.3 车辆行驶状态信息挖掘方法24-26
• 2.3.1 原始数据准备24-25
• 2.3.2 样本数据挖掘25
• 2.3.3 模式评估与验证25-26
• 2.4 交通事故预测物理结构框架26-27
• 2.4.1 检测传感设备27
• 2.4.2 数据处理中心27
• 2.4.3 信息发布系统27
• 2.5 本章小结27-28
• 第3章 VISSIM仿真建模与数据预处理28-45
• 3.1 微观交通仿真模型简介28-29
• 3.1.1 交通仿真模型分类28-29
• 3.1.2 常用微观交通仿真对比29
• 3.2 VISSIM微观交通仿真建模29-40
• 3.2.1 局部路网结构搭建30-32
• 3.2.2 基本仿真参数确定32-36
• 3.2.3 车辆行驶规则设置36-37
• 3.2.4 仿真原始数据获取37-40
• 3.3 原始数据预处理40-44
• 3.3.1 数据预处理过程40-42
• 3.3.2 数据预处理结果42-44
• 3.4 本章小结44-45
• 第4章 车辆行驶状态参数分析与求解45-63
• 4.1 车辆行驶状态参数分析45-51
• 4.1.1 行驶状态参数分类45-47
• 4.1.2 线性二自由度汽车模型47-48
• 4.1.3 横摆角速度与车辆操稳性48-50
• 4.1.4 质心侧偏角与车辆操稳性50-51
• 4.2 车辆行驶状态参数估计方法51-56
• 4.2.1 横摆角速度估计方法51-53
• 4.2.2 质心侧偏角估计方法53-56
• 4.2.3 行驶状态参数估计方法总结56
• 4.3 车辆行驶状态参数求解56-62
• 4.3.1 车辆与大地坐标系转化56-57
• 4.3.2 行驶状态参数推导过程57-59
• 4.3.3 行驶状态参数求解结果59-62
• 4.4 本章小结62-63
• 第5章 基于BP网络的驾驶行为判别模型建立63-77
• 5.1 神经网络基本理论63-65
• 5.1.1 神经网络基础63-64
• 5.1.2 典型神经网络模型64-65
• 5.1.3 BP神经网络65
• 5.2 BP神经网络结构设计65-73
• 5.2.1 网络学习样本的确定65-70
• 5.2.2 网络隐层结构的确定70-71
• 5.2.3 网络传递函数的选取71-72
• 5.2.4 网络训练函数的选取72-73
• 5.3 BP网络判别模型验证与改进73-76
• 5.3.1 BP模型验证结果与评价74
• 5.3.2 BP模型改进结果与评价74-76
• 5.4 本章小结76-77
• 结论77-78
• 参考文献78-82
• 攻读硕士学位期间承担的科研任务与主要成果82-83
• 致谢83

【参考文献】

中国期刊全文数据库 前10条

1 华雪东;王炜;王昊;;考虑车与车互联通讯技术的交通流跟驰模型[J];物理学报;2016年01期

2 白艳;贾鑫;;最优预瞄加速度驾驶员模型参数试验辨识方法研究[J];汽车工程;2015年07期

3 刘有军;李可;余俊;田路;周治稳;;四车道高速公路跟驰换道模型与参数激励[J];中国公路学报;2014年12期

4 胡鸿;易灿南;廖远志;廖可兵;洪俊;;车载驾驶员疲劳驾驶预警与控制系统研究[J];中国安全生产科学技术;2014年11期

5 鲁光泉;宋阳;;车路协同环境下驾驶行为特性与交通安全综述[J];交通信息与安全;2014年05期

6 赵晓华;杜洪吉;荣建;;基于ROC曲线的疲劳驾驶判别方法研究[J];交通信息与安全;2014年05期

7 任殿波;张京明;王聪;;变曲率弯路车辆换道虚拟轨迹模型[J];物理学报;2014年07期

8 管欣;张立增;贾鑫;;误差分析法求解PO预瞄驾驶员模型参数[J];汽车工程;2014年02期

9 陈慧;高博麟;徐帆;;车辆质心侧偏角估计综述[J];机械工程学报;2013年24期

10 李家文;成波;;针对驾驶员疲劳状态的防撞报警算法的研究[J];汽车工程;2013年06期

中国博士学位论文全文数据库 前3条

1 孙轶轩;基于数据挖掘的道路交通事故分析研究[D];北京交通大学;2014年

2 付皓;汽车电子稳定性系统质心侧偏角估计与控制策略研究[D];吉林大学;2008年

3 刘雁飞;驾驶行为建模研究[D];浙江大学;2007年

中国硕士学位论文全文数据库 前6条

1 谢正全;基于VISSIM的实时数据交通仿真技术的应用研究[D];西南交通大学;2010年

2 方洪鹰;数据挖掘中数据预处理的方法研究[D];西南大学;2009年

3 吕宜生;基于实时数据的道路交通事故预测方法与仿真试验研究[D];哈尔滨工业大学;2007年

4 牛国宏;基于神经网络的交通事故预测[D];长安大学;2006年

5 雷兢;道路交通事故预测及控制研究[D];福州大学;2005年

6 刘利;道路交通事故统计分析及预测模型研究[D];重庆大学;2004年

，

本文编号：1028968