| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 驾驶员情感国内外研究现状 | 第9-11页 |
| 1.3 GPS在交通运输工程领域中的应用研究现状 | 第11-13页 |
| 1.4 隐私保护问题的国内外研究现状 | 第13-15页 |
| 1.5 交通运输工程领域GPS应用与隐私保护相结合的研究现状 | 第15-17页 |
| 1.6 本论文主要研究内容 | 第17-18页 |
| 1.7 本章小结 | 第18-19页 |
| 第二章 多车道环境下交通态势复杂性分析 | 第19-22页 |
| 2.1 复杂交通态势下车辆编组关系分析与约简 | 第19页 |
| 2.2 复杂交通态势下车辆编组关系的约简汇总 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 多车道复杂环境下驾驶倾向性特征提取 | 第22-34页 |
| 3.1 交通态势复杂性分析 | 第22页 |
| 3.2 多车道复杂环境下驾驶倾向性特征提取 | 第22-25页 |
| 3.2.1 粗糙集理论 | 第22-24页 |
| 3.2.2 基于最小信息熵的连续属性离散化 | 第24-25页 |
| 3.2.3 基于启发式贪心算法的属性约简 | 第25页 |
| 3.3 实验设计 | 第25-31页 |
| 3.4 特征选择 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 多车道复杂环境下驾驶倾向性状态辨识 | 第34-45页 |
| 4.1 交通态势复杂性分析 | 第34页 |
| 4.2 汽车驾驶倾向性动态辨识模型 | 第34-44页 |
| 4.2.1 动态贝叶斯网络 | 第34-35页 |
| 4.2.2 实验设计 | 第35-36页 |
| 4.2.3 基于动态贝叶斯网络的驾驶倾向性辨识 | 第36-41页 |
| 4.2.4 模型验证 | 第41-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 基于GPS移动传感数据并考虑隐私保护的汽车驾驶倾向性动态辨识 | 第45-65页 |
| 5.1 GPS移动传感数据与隐私简析 | 第45页 |
| 5.2 汽车驾驶倾向性动态辨识模型 | 第45-50页 |
| 5.2.1 支持向量机 | 第45-46页 |
| 5.2.2 支持向量机的基本思想 | 第46页 |
| 5.2.3 支持向量机模型 | 第46-50页 |
| 5.3 实验设计 | 第50-55页 |
| 5.3.1 心理测试 | 第50-51页 |
| 5.3.2 实车实验 | 第51-54页 |
| 5.3.3 虚拟驾驶实验 | 第54-55页 |
| 5.4 基于支持向量机的驾驶员倾向性辨识 | 第55-56页 |
| 5.5 模型验证 | 第56-64页 |
| 5.6 本章小节 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文研究主要成果及创新点 | 第65-66页 |
| 6.2 进一步研究的建议 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-77页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第77-79页 |
| 附录一 目标车位于不同车道的车辆编组种类 | 第79-91页 |
| 附录二 未考虑间隔车道干扰车的车辆编组约简 | 第91-103页 |
| 附录三 考虑间隔车道干扰车的车辆编组约简 | 第103-110页 |