智能网联汽车混行环境下鸣笛意图识别关键技术研究

发布时间：2021-09-18 07:23

　　近年来,随着智能网联汽车（Intelligent Connected Vehicles,ICV）的飞速发展,ICV正大量涌入人工驾驶车（Manual Vehicle,MV）车流之中,交通流混行态势逐渐成形。混行环境下异构车辆之间的交互意图识别已成为当前智能交通领域的研究热点。ICV如何准确、快捷识别MV的鸣笛成为混行交通流中异构车辆交互意图识别的难点,目前学者对于异构车辆交互意图的研究尚未形成完整有效的方法论,往往都忽略了驾驶环境中的听觉信息,论文针对ICV严苛的准确性、时效安全性要求,建立了ICV鸣笛意图“感知-定位-识别”模型（Perception-Location-Recognition model,PLR）,与雾计算的混行车辆雾模型（Mixed Vehicle Fog,MVF）。论文主要研究工作如下:（1）针对ICV混行环境下对MV的鸣笛意图感知需求,从“感知-定位-识别”三个角度分析鸣笛特征,通过结合深度卷积循环神经网络算法、到达时差声源定位法和基于运动时窗的支持向量机算法,建立ICV鸣笛意图PLR模型。实验可得鸣笛声感知平均准确率达90.4%、定位角度估计误差小于5°、识别... 

【文章来源】：江苏大学江苏省

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

智能网联汽车道路行驶概念图

捎谌碛布?⒄共黄胶獾南肿春脱峡恋钠?蛋踩?惺灰?螅?コ?算力水平遭遇技术瓶颈，在车联网快速发展的当下，移动边缘计算逐渐得到广泛关注，移动边缘计算是2014年欧洲电信标准化协会(EuropeanTelecommunicationsStandardsInstitute,ETSI)提出的将边缘计算和移动网络融合的网络架构[42,43]，它打破了传统云计算僵化框架[44]，成为目前物联网架构[45–47]的研究热点。在车联网领域，移动边缘计算正致力于解决车联网中计算、网络等资源的调度问题[48–50]，国内外相关学者对此相当关注[51–54]。基础框架[55]如图1.2所示。图1.2MEC基础框架Fig.1.2MECfoundationframe

论文技术路线

【参考文献】：
期刊论文
[1]车联网络安全相关技术研究[J]. 季莹莹,赵怀瑾,吴志敏,虞成磊.  计算机产品与流通. 2020(02)
[2]面向混合交通流的智能网联车鸣笛意图识别模型[J]. 梁军,徐鹏,蔡英凤,陈龙,华国栋.  交通运输系统工程与信息. 2019(04)
[3]国内外智能网联汽车发展情况[J]. 洪琪.  汽车工程师. 2019(07)
[4]基于LEACH路由的分簇算法研究[J]. 潘白雪,胡树杰,胡玉兰.  电子世界. 2019(11)
[5]我国智能网联汽车行业发展现状探析[J]. 薛俊.  质量与标准化. 2019(04)
[6]生态驾驶研究现状及展望[J]. 付锐,张雅丽,袁伟.  中国公路学报. 2019(03)
[7]汽车行业标准化2018年工作总结及2019年标准化工作重点[J].   中国汽车. 2019(02)
[8]车联网环境下巡航控制系统对交通流油耗的影响[J]. 秦严严,王昊,陈全,冉斌.  中南大学学报(自然科学版). 2018(11)
[9]智能网联环境下的混合交通流LWR模型[J]. 秦严严,王昊,王炜.  中国公路学报. 2018(11)
[10]汽车主动安全系统的研究综述[J]. 姚君霞.  南方农机. 2018(12)

博士论文
[1]面向异构智能车队的主动安全控制方法研究[D]. 刘阳.北京交通大学 2019
[2]智能网联环境下异质交通流特性分析方法研究[D]. 秦严严.东南大学 2019

硕士论文
[1]智能网联车辆与普通车辆混合车流交通状态估计方法研究[D]. 李志伟.东南大学 2017



本文编号：3399727