機(jī)動(dòng)車(chē)駕駛?cè)诵袨榻＜翱煽啃苑治?pdf

1、駕駛?cè)私邮盏男畔⒃絹?lái)越復(fù)雜,感知、判斷、操縱行為等失誤的概率越來(lái)越大,車(chē)輛操縱的穩(wěn)定性也越來(lái)越低。同時(shí)駕駛?cè)藬?shù)量劇增、結(jié)構(gòu)參差不齊,行車(chē)過(guò)程中可靠性在下降。這些因素使得道路交通事故發(fā)生率居高不下、死傷人數(shù)逐年增長(zhǎng)。因此,駕駛?cè)胱鳛榻煌ㄏ到y(tǒng)的調(diào)節(jié)者和控制者,對(duì)其行為的研究已成為道路交通安全學(xué)的重要研究?jī)?nèi)容。本文從駕駛?cè)诵袨榻：涂煽啃苑治鰞煞矫骈_(kāi)展研究。
　　 1.駕駛?cè)诵袨槟Ｐ?br>　　 ●跟馳駕駛行為協(xié)同仿真模型研究。以動(dòng)

2、態(tài)交通信息為輸入,跟馳車(chē)輛響應(yīng)速度和加速度為輸出,設(shè)計(jì)單個(gè)神經(jīng)元仿真駕駛?cè)藢?duì)信息的感知篩選過(guò)程,采用模糊徑向基高斯神經(jīng)網(wǎng)絡(luò)提取跟馳行為特征向量作為駕駛經(jīng)驗(yàn),應(yīng)用模糊積分法模擬駕駛?cè)藢?duì)信息的分析和決策過(guò)程,建立跟馳駕駛行為的協(xié)同仿真模型模擬跟馳行為中駕駛?cè)诵畔⒏兄?、分析決策和車(chē)輛控制的全過(guò)程。
　　 ●機(jī)動(dòng)車(chē)駕駛?cè)顺?chē)行為辨識(shí)與預(yù)測(cè)研究。將超車(chē)行為看成為換道行為和切入行為的組合,把超車(chē)行為辨識(shí)與預(yù)測(cè)問(wèn)題轉(zhuǎn)化為換道與切入工況的組合辨

3、識(shí)與預(yù)測(cè)問(wèn)題。因駕駛?cè)诵袨槭芊从辰煌ōh(huán)境特征的認(rèn)知信息因子和反映駕駛?cè)颂匦缘闹饔^信息因子共同影響,故模型以本車(chē)道前后車(chē)速差、本車(chē)道前后前間距、相鄰左車(chē)道前后車(chē)速差、相鄰左車(chē)道前后間距、相鄰右車(chē)道前后車(chē)速差以及相鄰右車(chē)道前后間距等認(rèn)知信息因子,注視次數(shù)、累積注視時(shí)間以及平均眼動(dòng)速度等主觀信息因子為二維輸入,以超車(chē)行為發(fā)生的概率為輸出,構(gòu)建駕駛?cè)顺?chē)行為的二維隱馬爾科夫辨識(shí)和預(yù)測(cè)模型,組合二維Viterbi算法及l(fā)og-likelihood

4、評(píng)價(jià)設(shè)計(jì)模型求解算法。
　　 ●控制響應(yīng)延遲下的追尾風(fēng)險(xiǎn)評(píng)估。假設(shè)駕駛?cè)烁兄?、判定和操作控制決策不存在失誤,研究駕駛?cè)塑?chē)輛控制動(dòng)作響應(yīng)延遲對(duì)追尾事故的影響。首先定義汽車(chē)駕駛?cè)瞬豁憫?yīng)概率函數(shù),采集駕駛?cè)朔磻?yīng)時(shí)間序列樣本,獲取駕駛?cè)丝刂苿?dòng)作的不響應(yīng)概率;然后基于ANFIS理論,以前后車(chē)速差、后車(chē)車(chē)速、行車(chē)間距和駕駛?cè)瞬豁憫?yīng)概率為輸入,汽車(chē)追尾概率為輸出,基于模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)構(gòu)建自適應(yīng)模糊神經(jīng)系統(tǒng)(ANFIS)追尾風(fēng)險(xiǎn)評(píng)估模型。

5、r>　　 2.駕駛?cè)丝煽啃苑治?br>　　 ●駕駛?cè)丝煽啃粤炕椒ㄑ芯?。從駕駛?cè)诵袨橹乱蚶碚摮霭l(fā),將模糊相似測(cè)度矩陣代替?zhèn)鹘y(tǒng)PCA法的協(xié)方差矩陣,為駕駛?cè)丝煽啃栽鲩L(zhǎng)、維持、衰退三階段分別篩選影響因子,通過(guò)定義駕駛?cè)?可信度"為任意時(shí)刻下駕駛?cè)苏Ｍ瓿绍?chē)輛操作行為的概率量化駕駛?cè)怂矐B(tài)可靠性并利用由駕駛?cè)朔磻?yīng)時(shí)間推算所得的差錯(cuò)率對(duì)其進(jìn)行求解,駕駛?cè)苏w可靠性由"可信度"的均值和方差共同評(píng)價(jià),另外駕駛?cè)丝煽啃杂绊懸蜃幼兓瘜?duì)可靠性的影響也進(jìn)

6、行了分析。
　　 ●駕駛?cè)丝煽啃灶A(yù)測(cè)方法研究。以后車(chē)車(chē)速、前后車(chē)速差和車(chē)間距作為觀察變量輸入,駕駛?cè)丝煽啃宰鳛殡[含變量輸出,構(gòu)建了機(jī)動(dòng)車(chē)駕駛?cè)穗[馬爾科夫可靠性預(yù)測(cè)模型。模型通過(guò)求解預(yù)測(cè)時(shí)刻所有選中的觀察狀態(tài)序列出現(xiàn)的概率以及各觀察狀態(tài)序列和指定駕駛可靠性狀態(tài)(隱含變量)同時(shí)出現(xiàn)的概率推算駕駛?cè)丝煽啃蕴幱诘退降母怕?并予以報(bào)警提示。除考核該預(yù)測(cè)方法的預(yù)報(bào)正確性外,還定義了指標(biāo)"預(yù)報(bào)度"來(lái)衡量駕駛?cè)说涂煽啃誀顟B(tài)概率為P時(shí)該方法能實(shí)