机非混行环境中的驾驶行为特征及建模方法
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 研究现状 | 第10-12页 |
1.2.1 国外的研究现状 | 第10-11页 |
1.2.2 国内的研究现状 | 第11-12页 |
1.3 本论文的主要研究内容 | 第12-13页 |
1.4 本章小结 | 第13-14页 |
第二章 机非混行系统交通特性分析 | 第14-21页 |
2.1 自行车流的交通特性 | 第14-15页 |
2.2 机非混合交通流时空分布特征 | 第15-17页 |
2.2.1 机非混合交通出行时间分布特征 | 第15页 |
2.2.2 机非混合交通流空间分布特征 | 第15-16页 |
2.2.3 非机动车流沿车道的横向分布特征 | 第16页 |
2.2.4 非机动车流的渗流运动特征 | 第16页 |
2.2.5 非机动车流对机动车流的“瓶颈”效应 | 第16-17页 |
2.3 非机动车进入机动车道行驶的原因 | 第17-19页 |
2.4 自行车蛇形行驶运动轨迹分析 | 第19-20页 |
2.5 本章小结 | 第20-21页 |
第三章 自行车对机动车干扰状态辨识方法研究 | 第21-36页 |
3.1 自行车对机动车干扰状态分析 | 第21-22页 |
3.2 自行车干扰状态识别的影响因素 | 第22-24页 |
3.2.1 驾驶员特性 | 第23页 |
3.2.2 机动车速度 | 第23-24页 |
3.2.3 自行车位置 | 第24页 |
3.2.4 自行车群的组成 | 第24页 |
3.2.5 非机动车道路况 | 第24页 |
3.3 自行车干扰状态识别模型 | 第24-29页 |
3.3.1 神经网络结构设计 | 第24-25页 |
3.3.2 遗传神经网络算法步骤 | 第25-29页 |
3.4 模型验证 | 第29-35页 |
3.4.1 实验设计 | 第29-30页 |
3.4.2 实验数据处理与分析 | 第30-35页 |
3.5 本章小结 | 第35-36页 |
第四章 基于神经网络的机非跟驰模型研究 | 第36-55页 |
4.1 机非跟驰行为分析 | 第36-37页 |
4.2 机非跟驰模型影响因素分析 | 第37-39页 |
4.2.1 驾驶员生理心理特性 | 第37页 |
4.2.2 驾驶员视觉注意选择机制 | 第37-38页 |
4.2.3 机非混行环境驾驶员视野 | 第38页 |
4.2.4 驾驶经验 | 第38-39页 |
4.2.5 自行车干扰的形成 | 第39页 |
4.3 基于神经网络的机非跟驰模型 | 第39-44页 |
4.3.1 机非跟驰模型设计 | 第39-41页 |
4.3.2 神经网络结构设计 | 第41-42页 |
4.3.3 BP神经网络算法 | 第42-43页 |
4.3.4 模型分析 | 第43-44页 |
4.4 模型验证 | 第44-54页 |
4.4.1 实验设计 | 第44-47页 |
4.4.2 数据处理及结果分析 | 第47-54页 |
4.5 本章小结 | 第54-55页 |
第五章 机动车受自行车干扰范围的计算方法 | 第55-70页 |
5.1 免疫遗传神经网络概述 | 第55-60页 |
5.1.1 疫苗接种 | 第56-58页 |
5.1.2 基于浓度的选择算子 | 第58-59页 |
5.1.3 交叉算子 | 第59页 |
5.1.4 变异算子 | 第59页 |
5.1.5 自适应交叉和变异概率 | 第59-60页 |
5.1.6 算法步骤 | 第60页 |
5.2 自行车影响范围模型 | 第60-64页 |
5.2.1 模型分析 | 第60-62页 |
5.2.2 模型结构设计 | 第62-64页 |
5.3 模型验证 | 第64-69页 |
5.3.1 驾驶模拟器实验设计 | 第64-65页 |
5.3.2 驾驶反应时间实验设计 | 第65-66页 |
5.3.3 数据处理分析及模型参数初始化 | 第66-67页 |
5.3.4 自行车影响范围模型的验证及应用 | 第67-69页 |
5.4 本章小结 | 第69-70页 |
第六章 全文总结及展望 | 第70-72页 |
6.1 本文研究的主要成果及创新点 | 第70页 |
6.2 进一步研究的建议 | 第70-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-77页 |
攻读硕士学位期间发表的学术论文及其它成果 | 第77页 |
1、发表论文情况 | 第77页 |
2、参与课题情况 | 第77页 |