| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景 | 第11-17页 |
| ·我国道路交通安全现状 | 第11-14页 |
| ·汽车追尾事故现状分析 | 第14-16页 |
| ·汽车追尾预警系统研究现状 | 第16-17页 |
| ·研究内容、意义、目标及创新点 | 第17-19页 |
| ·研究内容 | 第17-18页 |
| ·研究意义 | 第18页 |
| ·研究目标 | 第18-19页 |
| ·创新点 | 第19页 |
| ·论文的组织结构 | 第19-21页 |
| 第二章 汽车追尾预警系统相关研究现状 | 第21-33页 |
| ·道路交通事故原因分析 | 第21-23页 |
| ·汽车追尾事故的发生机理 | 第23-26页 |
| ·汽车追尾的物理模型分析 | 第23-25页 |
| ·汽车追尾碰撞试验标准 | 第25-26页 |
| ·驾驶员行为分析 | 第26-28页 |
| ·道路交通信息的特点 | 第26-27页 |
| ·驾驶员的能力 | 第27-28页 |
| ·驾驶员的行为特征 | 第28页 |
| ·驾驶员的驾驶任务 | 第28页 |
| ·驾驶员行为模式 | 第28-32页 |
| ·传统的驾驶员行为模型 | 第28-29页 |
| ·模糊驾驶员行为模型 | 第29-30页 |
| ·神经网络驾驶员行为模型 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于HAGA的Agent联盟求解算法 | 第33-53页 |
| ·MAS基本原理 | 第33-43页 |
| ·Agent | 第33-37页 |
| ·MAS | 第37-41页 |
| ·联盟问题描述 | 第41-43页 |
| ·蚁群遗传算法基本原理 | 第43-48页 |
| ·遗传算法原理 | 第43-44页 |
| ·蚁群算法原理 | 第44-45页 |
| ·蚁群算法和遗传算法的动态衔接HAGA | 第45-48页 |
| ·基于HAGA的Agent联盟求解仿真实验 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于DNNIA驾驶员行为学习算法 | 第53-71页 |
| ·人工神经网络 | 第53-56页 |
| ·神经网络集成 | 第56-60页 |
| ·神经网络集成 | 第56-57页 |
| ·个体网络生成 | 第57-59页 |
| ·结论生成方法 | 第59-60页 |
| ·动态神经网络集成算法—DNNIA | 第60-64页 |
| ·DNNIA算法思想 | 第60-62页 |
| ·DNNIA有效性验证 | 第62-64页 |
| ·基于DNNIA的驾驶员行为学习实验分析 | 第64-68页 |
| ·几点说明 | 第64-65页 |
| ·算法流程 | 第65-66页 |
| ·仿真结果及分析 | 第66-68页 |
| ·本章小结 | 第68-71页 |
| 第五章 基于MAS和驾驶员行为的追尾预警模型—MCRMASB | 第71-83页 |
| ·MCRMASB模型的提出 | 第71-76页 |
| ·MCRMASB模型 | 第71-74页 |
| ·基于扩充KQML的MAS通讯 | 第74-76页 |
| ·基于Bayes决策的预警算法 | 第76-79页 |
| ·Bayes理论 | 第76-77页 |
| ·预警算法 | 第77-79页 |
| ·实验结果及分析 | 第79-81页 |
| ·有效性验证 | 第79-80页 |
| ·安全性验证 | 第80页 |
| ·与其它模型的比较 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 结论与展望 | 第83-85页 |
| ·工作总结 | 第83-84页 |
| ·工作展望 | 第84-85页 |
| 参考文献 | 第85-89页 |
| 致谢 | 第89-91页 |
| 发表文章及科研情况 | 第91页 |