详情

原文传递基于信息融合的驾驶行为识别关键技术研究

论文题名：	基于信息融合的驾驶行为识别关键技术研究
关键词：	信息融合;驾驶行为识别;BP神经网络;D-S证据理论;汽车主动安全;多指标综合评价法;层次分析法
摘要：	随着经济的快速发展,机动车辆数量与日俱增,随之而来的是人身安全越来越受到人们的重视,现代车辆制造技术的快速发展,车辆本身的安全因素造成的交通事故所占比重越来越小,驾驶员的个人因素已成为交通事故的第一因素,也是造成交通事故的主要因为。近年来很多学者对基于人的因素的驾驶行为及汽车主动安全系统开展了一系列的研究,但很多研究局限于某单一驾驶行为或者隔离人-车-路三者之间的关系,没有从人-车-路整个系统的角度综合评估驾驶行为给车辆和道路交通带来的潜在危害及如何有效预防交通事故,因此开展基于驾驶行为的汽车主动安全系统研究具有重要的理论研究意义和工程应用价值。　　论文通过采用虚拟传感器的思路和方法,充分利用车辆上已有的各种传感器的基础上,通过设计车载视觉系统,组成人-车-路的多传感器数据采集及预处理系统。研究与开发基于多传感器信息融合的驾驶行为识别模型及算法,实现实时识别驾驶员的驾驶行为,并根据实时识别的驾驶行为及环境信息综合评估此种驾驶行为的安全性,结合评估的结果给驾驶员相应的告警信息,并将相关信息传输给车辆上相应的辅助驾驶系统。　　论文首先介绍了国内外关于驾驶行为及相关的汽车主动安全技术的研究成果和面临的问题,根据近年来相关学者提出-韵以人为中心的主动安全系统设计思路,提出研究设计基于驾驶行为的汽车主动安全系统,论文重点研究解决基于多传感器信息融合的驾驶行为识别这个关键技术。　　论文采用多指标综合评价法中的层次分析法-AHP对驾驶行为组成主因子进行组成主因子的决策权重数值化分析,从理论上研究解决常见驾驶行为组成主因子的初步决策权重系数及识别向量基础问题。利用层次分析法分析建立多传感器信息中的每个信息在某一种驾驶行为中各自决策权重系数及初始识别向量,为采用基于BP神经网络与D—S证据理论相组合的多传感器信息融合的驾驶行为识别模型及算法奠定理论基础分析工作。　　论文提出采用虚拟传感器思路及方法解决多种传感器信息共享的问题,通过软件技术和算法从车辆上现有的单个或者几个组合的传感器信息中提取所需的驾驶行为识别虚拟传感器信息,解决驾驶行为识别所需的大量传感器信息及共享问题。　　论文研究设计了车载视觉识别系统,利用CCD视觉传感器与DSP组成视觉传感器处理单元,对车载视觉系统的组成、标定、算法以及车载安装位置与数学计算模型进行了详细地研究,开发了车载视觉系统的车道线识别模型及数学算法。　　论文在分析研究各种多传感器信息融合技术的优缺点的基础上,根据驾驶行为的状态瞬时多变及主观性较强的特点,提出采用基于BP神经网络和D—S证据理论相结合的组合式多传感器信息融合模型及算法。并对D-S证据理论决策识别实际应用中的局限性问题,结合驾驶行为识别的具体应用,提出采用基于关键性证据的方法改进传统的D-S证据理论决策算法,使改进后的D—S证据理论更适合于驾驶行为识别决策。通过采用BP神经网络和D-S证据理论相组合的模型,使整个多传感器信息融合模型中各个多传感器信息意义明确与透明。　　论文根据研究成果测试及未来应用的需求,设计了基于ARM+DSP双核驾驶行为识别软硬阵在环仿真平台,对仿真平台设计中涉及到的硬件设计、基于Linux的软件设计、通信接口、协议及人机界面都给出了详细地设计思路及方法。并利用ve—DYNA汽车动力学仿真软件中的Advanced Road&Advanced Driver(高级路面和高级驾驶员模型)和DYNAanimation工具设计模拟驾驶行为数据抽取模型及方法,抽取需测试的驾驶行为数值化的离线参数,测试论文设计的驾驶行为识别模型、算法及软硬件仿真平台的可靠性。测试结果表明,论文提出的基于组合式多传感器信息融合的驾驶行为识别模型及算法可有效地解决实时驾驶行为识别的关键技术问题,同时对软硬件在环仿真平台的各种外围通信接口及人机界面也进行了详细的测试,结果表明设计的仿真平台通信接口及协议可靠,可有效地获得相关外围通信参数,为下一步研究开发基于驾驶行为的汽车主动安全系统奠定开发基础。　　论文最后对研究内容及成果进行了总结,特别是本课题下一步的研究内容、思路和方法进行阐述,即在现有的研究基础上,拟采用隐马尔科夫链建立驾驶状态转移预测模型,构建驾驶行为实时识别-预测-综合评估的综合驾驶行为识别预测模型及算法。
作者：	肖献强
专业：	车辆工程
导师：	王其东
授予学位：	博士
授予学位单位：	合肥工业大学
学位年度：	2011
正文语种：	中文