车辆换道行为风险识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究目标及意义 | 第14-15页 |
| 1.2.1 研究目标 | 第14页 |
| 1.2.2 研究意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.3.1 基于转向灯的识别研究 | 第15-16页 |
| 1.3.2 基于车道线的识别研究 | 第16页 |
| 1.3.3 基于驾驶员动态行为的识别研究 | 第16-17页 |
| 1.3.4 基于驾驶操纵、车辆运行状态的识别研究 | 第17-18页 |
| 1.3.5 研究现状述评 | 第18-20页 |
| 1.4 主要研究内容 | 第20-21页 |
| 1.5 研究技术路线 | 第21-24页 |
| 第二章 实验方案及支持向量机理论 | 第24-40页 |
| 2.1 车辆换道行为 | 第24-26页 |
| 2.1.1 换道行为过程分析 | 第24页 |
| 2.1.2 换道行为分类 | 第24-25页 |
| 2.1.3 安全性换道和风险性换道 | 第25-26页 |
| 2.2 模拟仿真实验 | 第26-31页 |
| 2.2.1 实验目的及平台 | 第26-28页 |
| 2.2.2 场景设计 | 第28-29页 |
| 2.2.3 受试者及特征参数 | 第29-31页 |
| 2.3 支持向量机理论 | 第31-36页 |
| 2.3.1 模式识别方法概述 | 第31-32页 |
| 2.3.2 SVM数学算法 | 第32-36页 |
| 2.4 LIBSVM平台介绍 | 第36-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 最优时间窗的确定 | 第40-50页 |
| 3.1 换道起、终点及识别时间窗界定 | 第40-43页 |
| 3.1.1 换道起始、终止时刻界定 | 第40-42页 |
| 3.1.2 识别时间窗界定 | 第42-43页 |
| 3.2 样本抽取 | 第43-44页 |
| 3.3 识别模型性能评价方法的引入 | 第44-47页 |
| 3.3.1 ROC曲线意义分析 | 第44-45页 |
| 3.3.2 AUC值意义分析 | 第45-47页 |
| 3.4 不同时间窗下的模型识别效果分析 | 第47-49页 |
| 3.4.1 ROC曲线运行结果分析 | 第47页 |
| 3.4.2 AUC值、分类准确率运行结果分析 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 最优特征参数提取 | 第50-62页 |
| 4.1 特征参数降维处理 | 第50-57页 |
| 4.1.1 逐步回归分析法降维处理 | 第50-53页 |
| 4.1.2 因子分析法降维处理 | 第53-55页 |
| 4.1.3 多维偏好分析法降维处理 | 第55-57页 |
| 4.2 三种降维方法下的模型识别效果分析 | 第57-59页 |
| 4.2.1 ROC曲线运行结果分析 | 第57-58页 |
| 4.2.2 AUC值、分类准确率运行结果分析 | 第58-59页 |
| 4.3 本章小结 | 第59-62页 |
| 第五章 建立最优识别模型 | 第62-72页 |
| 5.1 确定SVM模型的核函数 | 第62-63页 |
| 5.2 三种寻优算法思路分析 | 第63-66页 |
| 5.3 三种寻优算法下的模型识别效果分析 | 第66-67页 |
| 5.3.1 ROC曲线运行结果分析 | 第66页 |
| 5.3.2 AUC值、分类准确率运行结果分析 | 第66-67页 |
| 5.4 最优模型训练、预测及确定 | 第67-70页 |
| 5.5 本章小结 | 第70-72页 |
| 第六章 结论与展望 | 第72-76页 |
| 6.1 主要研究成果 | 第72-74页 |
| 6.2 创新点 | 第74页 |
| 6.3 存在不足与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 附录A 攻读硕士期间发表的论文 | 第82-83页 |
| 附录B 模拟驾驶原始数据集 | 第83-85页 |
| 附录C 车辆换道行为识别模型支持向量 | 第85页 |
