原文传递
基于数据的乘车环境舒适度评价方法
| 论文题名： | 基于数据的乘车环境舒适度评价方法 |
| 关键词： | 评价指标;学习修正;乘坐舒适度;乘车环境 |
| 摘要： | 在保证车辆安全、快速行驶的同时，旅客舒适度的问题亦需重点研究。纵观国内外关于乘坐舒适度的研究，多数强调物理环境的刺激，而忽略了人体生理与心理指标对乘车舒适度的影响。同时，基于物理环境建立起来的舒适度评价模型，由于其环境指标权重的确立具有主观性，也无法实现乘坐舒适度的客观准确评价。 针对以上问题，本论文对乘车环境的舒适度评价问题进行了深入探讨，提出了一种基于数据的乘车环境舒适度评价方法，旨在从客观上对乘坐舒适度进行准确的评价。论文的主要研究工作包括: 1.乘坐舒适度多维指标体系的建立。本文研究了一种新型的多维指标分析方法，该方法将统计学、聚类分析原理应用到本文的乘坐舒适度指标体系优化过程中，通过构建统计约简矩阵和多层次相似矩阵完成对指标体系中指标层和维度层的聚类和约简，最终得出了多维度的、可测量性的乘坐舒适度的最优指标体系。 2.基于改进型支持向量回归机模型的舒适度评价。本文研究了一种基于混合参数的支持向量回归机模型，该模型通过对SVR中超参数的改进，研究了混合核函数与混和损失函数的参数确定新方法。仿真实验表明，对该模型进行训练后，可初步完成乘坐舒适度的评价。 3.乘坐舒适度的综合评价模型提出。本文提出了一种基于数据的乘坐舒适度综合评价模型，该模型在改进型支持向量回归机模型的基础上，引入了更加客观的生理指标数据，通过生理指标数据不断地修正模型的参数，从而实现了该模型的在线学习优化。实验表明，该模型在基于混合参数SVR模型的初步评价基础上，得出了更加客观准确的乘坐舒适度评价结果。 通过仿真实验得出，基于混合参数的SVR模型的评价准确率为71.4％，而基于数据的乘坐舒适度综合评价模型的评价准确率为95.6％。实验结果表明，基于混合参数的SVR模型将生理指标数据进行融合后，得到的基于数据的乘坐舒适度综合评价模型具有更高的评价准确率，这对乘坐舒适度评价的工程实践具有深远的意义。 |
| 作者： | 王冠 |
| 专业： | 控制工程 |
| 导师： | 郏东耀 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
