详情

原文传递驾驶行为危险态势辨识方法研究

论文题名：	驾驶行为危险态势辨识方法研究
关键词：	汽车驾驶;安全辅助系统;轨迹预测;危险辨识
摘要：	汽车为发生交通事故的第一交通工具，而驾驶人则是造成交通事故最为主要的因素。目前驾驶安全辅助系统主要采用较为固定的危险决策方案，其辅助策略和控制参数并不考虑驾驶人当前驾驶行为和具体环境工况;而智能驾驶安全辅助系统则需要能够识别驾驶人当前驾驶行为，并结合车辆当前环境工况，给出接近驾驶人及车辆当前情况的辅助控制策略。如果驾驶安全辅助系统的控制和危险决策能够结合驾驶人当前驾驶行为，不会干扰驾驶人正常的驾驶操纵工作，则可大幅提高驾驶安全辅助系统的智能化水平。实现这一目标的关键技术之一就是研究驾驶行为危险态势辨识方法。　　基于以上课题发展需求，本文主要的研究内容如下: 　　(1)通过驾驶模拟器获取驾驶行为操纵动作数据，采用数据/机理相融合的方法分析得出提取驾驶人操纵动作特征，将特征以有向图形式绘制成驾驶操纵模式层次图。　　(2)根据驾驶操纵动作数据特点，对自适应谐振理论神经网络算法进行适应性改变，研究相应的驾驶行为识别方法。　　(3)依据是否保持车道对驾驶行为进行分类，研究提出基于车辆状态的车道保持行为轨迹预测方法和融合车辆状态及驾驶人意图的并线行为轨迹预测方法。　　(4)基于最小安全距离理论，并考虑预测轨迹的随机性分布，研究采用概率密度函数的危险系数计算方法，并借助驾驶操纵模式分析方法探究驾驶操纵动作与危险系数的关联机理。　　研究结果表明: 　　(1)基于驾驶行为操纵动作特征建立的驾驶操纵模式层次图能直观体现驾驶行为中驾驶操纵动作间的序列关系。　　(2)基于自适应谐振理论变种算法的驾驶行为识别方法有较好的识别效果。　　(3)两类轨迹预测方法均在各自驾驶行为中有着较好的预测效果。　　(4)基于轨迹预测的危险态势辨识方法能够提前计算危险系数及其分布情况，借助危险驾驶模式层次图能分析驾驶操纵动作与危险系数的关联机理，为驾驶安全辅助系统提供更为多样的信息。
作者：	周凌侃
专业：	车辆工程
导师：	肖献强
授予学位：	硕士
授予学位单位：	合肥工业大学
学位年度：	2018
正文语种：	中文