基于制动特性的主动避撞方法研究

发布时间：2017-09-27 05:36

  本文关键词：基于制动特性的主动避撞方法研究

  更多相关文章： 智能交通 辅助驾驶 交通安全 制动行为 神经网络 报警策略

【摘要】：随着交通安全关注度的日益上升,安全带、安全气囊等被动安全设备在应对交通事故中的弊端逐渐突显出来,单一的利用被动安全设备减轻交通事故对于人员的伤害已经不能满足人们对于生命财产安全保护的需求。因此,利用车载雷达装置、高速视频采集器、超声波探测器等先进传感器获取周围驾驶环境信息、本车运动信息建立的先进辅助驾驶系统成为了更为有效解决交通安全问题的重要手段。然而在不了解驾驶行为特征的情况下,辅助驾驶系统不可避免的会与驾驶员驾驶行为产生干涉,甚至可能导致驾驶人误操作、漏操作情况。因此,准确的了解驾驶人的行为特征信息对于提高驾驶辅助系统的人性化、智能化有极大的帮助。鉴于制动操作行为是一种常见的驾驶行为,驾驶人的制动行为是驾驶行为的一部分,因此本文对驾驶人的制动行为展开研究并在此基础上提出了新型前方障碍物报警策略。本文首先对国内外关于制动行为的研究成果进行分析与总结,并在此基础上对可能影响驾驶人制动行为的多种因素进行了一定的归纳。然后在借助PCA(主成分分析法)理论的基础上对各影响因素进行了贡献度计算,并结合BP神经网络理论建立了驾驶人制动行为预测模型并对制动意图进行了有效分类。最终以减速度为报警阈值结合制动行为特征建立了主动避撞方法。本文主要研究内容如下:(1)制动行为数据采集。文章首先基于动感型模拟驾驶仪设计了城市道路驾驶场景,招募了实验人员,完成了跟车状态下各驾驶参数的采集,为后期的特征参数的筛选、模型建立和制动意图分类奠定了坚实的基础。(2)特征参数的筛选。基于国内外的研究成果以及对驾驶人制动行为影响因素的分析,在借助的PCA理论的基础上对获取的7个影响因素进行贡献度计算。最终确定了以前车加速度Obja、两车相对速度Re lv、两车相对距离Re lx和碰撞时间倒数TTCi四个参数作为驾驶人制动行为BP神经网络模型的输入特征参数。(3)驾驶人制动行为BP神经网络模型的建立。确定了以BP神经网络理论为基础的驾驶人制动行为识别模型,分别导入各驾驶人制动行为特征数据进行模型训练;以识别准确率和误差值大小为评价标准,对BP神经网络模型各参数值进行了多数据对比确定,最终确定了模型输入层-中间层-输出层节点数、连接权值、阈值、学习率和激励函数,建立了符合驾驶人特性的制动模型,完成了各实验人员制动行为预测。(4)驾驶人制动意图的划分。在完成各驾驶人制动行为预测的基础上,通过引入K-means聚类分析算法对每位实验人员的制动预测数据进行聚类划分。以每位实验人员的制动预测数据作为聚类初始数据,并设定目标聚类质心为3进行聚类划分;然后通过中值法对聚类结果重叠区间进行了再划分,并以此对各实验人员的二次划分聚类结果进行紧急制动、中等制动、轻制动的三类制动意图定义。(5)新型危险报警策略的建立。在获取两车跟驰状态下前后车行驶速度、加速度、相对距离以及考虑驾驶人制动延迟特性的基础上,提出了以减速度为报警阈值的危险报警策略。并通过模拟驾驶仪设备对策略的有效性进行了验证。(6)基于制动行为的主动避撞策略的验证与评价。重新采集(3)、(6)两位实验人员跟车行为数据,运用已经完成的预测模型进行制动行为预测以及报警值计算。最终以危险报警情况和误报率为评价标准对本文报警策略进行评价。
【关键词】：智能交通 辅助驾驶 交通安全 制动行为 神经网络 报警策略
【学位授予单位】：江苏大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U463.6
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-21
• 1.1 选题的背景和意义11-14
• 1.1.1 选题背景11-13
• 1.1.2 研究意义13-14
• 1.2 国内外研究现状14-19
• 1.2.1 主动避撞系统国内外研究现状14-16
• 1.2.2 驾驶行为国内外研究现状16-18
• 1.2.3 发展趋势18-19
• 1.3 本文主要的研究内容19-21
• 第二章 制动行为与意图分析21-29
• 2.1 驾驶行为概述21-22
• 2.2 制动行为特征分析22-25
• 2.2.1 车辆的制动过程23-24
• 2.2.2 行为反应类型与反应时间24-25
• 2.3 制动意图解析25-26
• 2.3.1 制动意图分类25-26
• 2.4 影响制动行为的因素26-28
• 2.5 本章小结28-29
• 第三章 驾驶人制动行为模型29-48
• 3.1 BP神经网络29-32
• 3.1.1 BP神经网络概述29-31
• 3.1.2 BP神经网络尚存在的问题与已有的解决办法31-32
• 3.2 实验数据采集32-35
• 3.2.1 实验平台简介32-33
• 3.2.2 实验安排33-34
• 3.2.3 实验过程及安排34-35
• 3.3 制动模型建立35-43
• 3.3.1 BP神经网络结构设计35-41
• 3.3.2 网络模型建立41-43
• 3.4 模型验证43-44
• 3.5 制动行为的分类44-47
• 3.5.1 K-means聚类法44-45
• 3.5.2 报警等级分类45-47
• 3.6 本章小结47-48
• 第四章 基于减速度的主动避撞策略48-56
• 4.1 驾驶环境与常见主动避撞策略分析48-50
• 4.1.1 驾驶环境分析48-49
• 4.1.2 常见避撞策略分析49-50
• 4.2 主动避撞策略建立50-54
• 4.2.1 参数的定义50-52
• 4.2.2 理论推导52-54
• 4.3 避撞策略的验证54-55
• 4.4 本章小结55-56
• 第五章 基于制动特性的避撞方法的验证56-63
• 5.1 危险报警策略56-57
• 5.2 报警策略的评价57-62
• 5.2.1 实验数据预处理57-59
• 5.2.2 主动避撞策略评价59-62
• 5.3 本章小结62-63
• 第六章 工作总结与展望63-66
• 6.1 工作总结63-64
• 6.2 工作展望64-66
• 参考文献66-70
• 致谢70-71
• 攻读硕士期间发表的论文71-72
• 附录72-74

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：927922