| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-13页 |
| ·驾驶倾向性相关研究现状 | 第10-11页 |
| ·人工心理和情感计算研究现状 | 第11-13页 |
| ·本文主要研究内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 自由流状态下驾驶倾向性特征提取 | 第15-30页 |
| ·基于BP神经网络的特征提取模型 | 第15-18页 |
| ·前向多层神经网络的BP学习算法 | 第15-17页 |
| ·基于BP神经网络的特征提取方法 | 第17-18页 |
| ·基于BP神经网络的驾驶倾向性特征提取 | 第18-29页 |
| ·实验设计 | 第18-26页 |
| ·驾驶倾向性特征提取过程 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 自由流状态下驾驶倾向性动态推演辨识模型 | 第30-40页 |
| ·支持向量机识别理论 | 第30-31页 |
| ·基于支持向量机的驾驶倾向性辨识模型的建立及标定 | 第31-36页 |
| ·模型验证 | 第36-39页 |
| ·实车实验验证 | 第36-37页 |
| ·模拟实验验证 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 跟驰状态下驾驶倾向性特征提取 | 第40-50页 |
| ·粗糙集理论 | 第40-43页 |
| ·粗糙集基本理论 | 第40-42页 |
| ·基于最小信息熵的连续属性离散化 | 第42-43页 |
| ·基于启发式贪心算法的属性约简 | 第43页 |
| ·基于粗糙集的驾驶倾向性特征提取 | 第43-49页 |
| ·实验设计 | 第43-44页 |
| ·驾驶倾向性特征提取过程 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于动态人车数据协同推演的汽车跟驰状态驾驶倾向性辨识 | 第50-64页 |
| ·汽车跟驰状态驾驶倾向性辨识模型 | 第50-55页 |
| ·判定指标 | 第50-52页 |
| ·建立识别模型 | 第52-55页 |
| ·驾驶倾向性识别模型的标定 | 第55-59页 |
| ·驾驶倾向性识别模型验证 | 第59-63页 |
| ·实车实验验证 | 第59-62页 |
| ·模拟实验验证 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 基于交通流微观仿真实验的驾驶倾向性验证 | 第64-80页 |
| ·基于车辆跟驰仿真实验的驾驶倾向性验证 | 第64-73页 |
| ·最优控制理论 | 第64-65页 |
| ·基于最优控制理论的跟驰模型 | 第65-68页 |
| ·模型标定及验证 | 第68-70页 |
| ·驾驶倾向性推理效果验证 | 第70-73页 |
| ·基于车道变换仿真实验的驾驶倾向性验证 | 第73-79页 |
| ·模糊多目标决策方法 | 第73-74页 |
| ·基于模糊多目标决策的换道模型 | 第74-77页 |
| ·模型标定及驾驶倾向性推理效果验证 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第七章 总结与展望 | 第80-82页 |
| ·本文主要研究成果和创新点 | 第80-81页 |
| ·研究展望 | 第81-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士期间发表的学术论文及其它成果 | 第89-90页 |