考虑驾驶员驾驶习性的汽车纵向智能辅助驾驶系统研究

发布时间：2020-12-17 04:00

　　汽车纵向智能辅助驾驶系统作为自动驾驶领域的研究热点之一,在提高行车安全性、乘坐舒适性以及缓解驾驶员压力方面有着极其重要的意义。但是,在人-车-环境闭环系统中,驾驶员是最薄弱、最不确定的一环,具有较强的复杂性和非线性特性。为了提高ADAS系统的适应性和驾驶员对其的接受度,在驾驶辅助系统的控制策略设计中将驾驶员的行为习性考虑在内显得至关重要。在现有的研究中,大部分只是针对一般类型的驾驶员特性,没有充分考虑到整个驾驶员群体的习性差异。而少数针对驾驶员个体习性的研究中,则是利用自学习的方式对驾驶员手动驾驶行为进行在线学习和参数实时匹配,但这种方式中系统对手动驾驶行为自学习的时机和时间都不能有效确定,并且易受驾驶员短时行为波动的影响。因此,对驾驶习性进行有效分类和精确辨识,并将其考虑到纵向ADAS系统的设计中是现阶段实现个性化纵向智能辅助驾驶的关键。本文依托国家重点研发计划项目“智能电动汽车人机共驾交互理论”（编号:2016YFB0100904）和国家自然科学基金项目“智能电动汽车一体化建模与集成控制方法”（编号:U1564211）,开展了考虑驾驶员习性的汽车纵向智能辅助驾驶系统研究。基于高斯混... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：129 页

【学位级别】：硕士

【部分图文】：

因交通事故与交通拥堵带来的社会问题

智能汽车的层级划分在图1.3所示的SAE智能汽车层级划分中，L0属于传统意义上的驾驶，全程由人

驾驶员数据采集用车辆驾驶模拟器实物图

【参考文献】：
期刊论文
[1]基于KL散度的驾驶员驾驶习性非监督聚类[J]. 朱冰,蒋渊德,邓伟文,杨顺,何睿,苏琛.  汽车工程. 2018(11)
[2]对汽车智能化进程及其关键技术的思考[J]. 陈虹,郭露露,边宁.  科技导报. 2017(11)
[3]美国道路交通事故数据统计体系概览[J]. 官阳.  汽车与安全. 2017(02)
[4]深度学习中的无监督学习方法综述[J]. 殷瑞刚,魏帅,李晗,于洪.  计算机系统应用. 2016(08)
[5]聚类算法综述[J]. 伍育红.  计算机科学. 2015(S1)
[6]基于高斯混合模型的驾驶员个人特质辨识[J]. 吴坚,姚琳琳,朱冰,邓伟文.  吉林大学学报(工学版). 2015(01)
[7]基于驾驶员转向操作特性的疲劳驾驶检测[J]. 屈肖蕾,成波,林庆峰,李升波.  汽车工程. 2013(09)
[8]“车适应人”线控汽车理想特性参考模型神经网络建模[J]. 宗长富,林娜,李刚,张泽星,程卫,郑宏宇,刘明辉.  吉林大学学报(工学版). 2013(S1)
[9]正交试验设计和分析方法研究[J]. 刘瑞江,张业旺,闻崇炜,汤建.  实验技术与管理. 2010(09)
[10]FCM算法的改进及仿真实验研究[J]. 吕晓燕,罗立民,李祥生.  计算机工程与应用. 2009(20)

博士论文
[1]考虑交通车辆运动不确定性的轨迹规划方法研究[D]. 孙浩.吉林大学 2017
[2]个性化驾驶员模型及其在驾驶行为评估中的应用[D]. 胡杰.浙江大学 2017
[3]仿驾驶员速度跟随行为的自适应巡航控制算法研究[D]. 严伟.吉林大学 2016
[4]面向驾驶辅助系统的车辆行驶安全预警模型研究[D]. 胡三根.华南理工大学 2016
[5]轮毂电机驱动电动汽车联合制动的模糊自整定PID控制方法研究[D]. 林辉.吉林大学 2013
[6]基于驾驶员特性自学习方法的车辆纵向驾驶辅助系统[D]. 张磊.清华大学 2009

硕士论文
[1]智能汽车避障危险评估和轨迹规划研究[D]. 江庆坤.吉林大学 2016
[2]智能汽车的轨迹跟随控制研究[D]. 明廷友.吉林大学 2016
[3]汽车自适应巡航控制系统模糊控制策略研究[D]. 李肖含.北京理工大学 2015
[4]EM算法及其应用[D]. 张宏东.山东大学 2014
[5]车辆自适应巡航控制系统的算法研究[D]. 龚李龙.浙江大学 2012
[6]基于Simulink和Stateflow建模的嵌入式软件开发平台研究[D]. 高权.电子科技大学 2008



本文编号：2921371