原文传递
基于车载信息融合的驾驶行为分析
| 论文题名： | 基于车载信息融合的驾驶行为分析 |
| 关键词： | 车载信息融合;驾驶行为;OBD-II系统;支持向量机;强分类器 |
| 摘要： | 目前随着我国经济的快速持续发展，大众私家车拥有量与日俱增，大量汽车驾驶初学者也随之加入到驾驶员行列中。由于大部分新手的驾驶技术不熟练，对车况不熟悉，并且交通安全意识薄弱，驾驶员个人因素与车辆因素已成为现阶段交通事故发生的主要原因。针对此种情况，急需驾驶辅助设备来及时提醒驾驶员车况信息并及时纠正驾驶员当前危险驾驶行为。 为了解决此问题，本文主要研究了基于车载信息融合的驾驶行为分析方法。该方法分别从驾驶员角度以及车辆角度出发，再结合两部分的信息，在特定驾驶环境下，综合分析来判定当前驾驶状态。本文研究过程主要分为以下三个阶段。第一阶段利用驾驶训练模拟器以及车载信号模拟仿真平台分别采集驾驶员操作信息和车辆诊断系统（OBD-II）状况信息。第二阶段对已采集的驾驶操作与车况数据进行数据预处理和特征提取。第三阶段利用信息融合技术，本文提出了基于人-车-环境三者融合的驾驶行为分析方法。在该阶段中，分别利用特征层和决策层车载信息融合技术。在特征层上，首先从正面来分析驾驶状态。提出了一种基于人的驾驶行为分析判定方法。该方法了利用支持向量机（Support Vector Machine, SVM）结合方向盘转角变化速率与刹车油门踩踏速率两个特征分析当前驾驶行为是安全还是危险。其次，从侧面来分析驾驶状态。提出了一种基于车的驾驶行为分析判定方法。该方法利用强分类器（AdaBoost）结合车速转速相对比，节气阀转速相对比以及发动机负荷三个特征（OBD-II车载信息）分析当前驾驶行为是安全还是危险。在决策层上，根据基于人的驾驶行为分析结果和基于车的驾驶行为分析结果进行车载信息融合，利用BP（Back Propagation）神经网络算法对当前驾驶状态进行最终判定。经过实验可得，本文提出的方法的正确率为99％以上，说明了本文方法的有效性。 |
| 作者： | 卢凯旋 |
| 专业： | 计算机科学与技术 |
| 导师： | 潘正祥 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
