智能车辆周边安全态势评价方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 车辆周边安全预警的研究现状 | 第11-12页 |
| 1.2.2 车辆轨迹预测的研究现状 | 第12-14页 |
| 1.3 本文研究内容与技术路线 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 第2章 VISSIM仿真建模与原始数据获取 | 第16-27页 |
| 2.1 车辆交通仿真软件选取 | 第16-19页 |
| 2.1.1 交通仿真模型概要 | 第16-17页 |
| 2.1.2 微观仿真软件的对比与选取 | 第17-19页 |
| 2.2 VISSIM交通仿真模型建立 | 第19-24页 |
| 2.2.1 VISSIM仿真流程 | 第19-20页 |
| 2.2.2 仿真路网结构搭建 | 第20页 |
| 2.2.3 仿真核心模型及参数设置 | 第20-23页 |
| 2.2.4 交通量的配置 | 第23-24页 |
| 2.3 车辆原始仿真数据获取 | 第24-26页 |
| 2.3.1 评价参数的选取 | 第25页 |
| 2.3.2 原始仿真数据输出 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于MATLAB的周边车辆数据提取 | 第27-35页 |
| 3.1 原始仿真数据清洗 | 第27-31页 |
| 3.1.1 数据清洗过程 | 第27-30页 |
| 3.1.2 数据处理后的结果 | 第30-31页 |
| 3.2 基于MATLAB的周边车辆位置提取 | 第31-34页 |
| 3.2.1 数据问题分析 | 第31页 |
| 3.2.2 周边车辆位置提取实现方法 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于循环神经网络的车辆轨迹预测 | 第35-53页 |
| 4.1 车辆轨迹预测问题分析 | 第35-36页 |
| 4.2 循环神经网络与LSTM | 第36-41页 |
| 4.2.1 循环神经网络 | 第36-38页 |
| 4.2.2 长短时记忆神经网络 | 第38-41页 |
| 4.3 基于LSTM循环神经网络的车辆轨迹预测 | 第41-49页 |
| 4.3.1 PyTorch深度学习框架 | 第42页 |
| 4.3.2 车辆轨迹预测模型结构搭建 | 第42-45页 |
| 4.3.3 车辆轨迹预测模型的训练 | 第45-49页 |
| 4.4 车辆轨迹预测模型的验证与优化 | 第49-52页 |
| 4.4.1 车辆轨迹预测模型的验证 | 第49-50页 |
| 4.4.2 车辆轨迹预测模型的优化 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 车辆周边安全态势的判断 | 第53-69页 |
| 5.1 基于车车通信技术的态势评价方法 | 第53-56页 |
| 5.1.1 车车通信技术 | 第53-55页 |
| 5.1.2 安全态势评价方法的总体流程 | 第55-56页 |
| 5.2 车辆周边安全数据场的建立 | 第56-64页 |
| 5.2.1 车辆横向安全距离的确定 | 第56-58页 |
| 5.2.2 车辆纵向安全距离的确定 | 第58-60页 |
| 5.2.3 车辆周边安全数据场的确定 | 第60-64页 |
| 5.3 车辆周边安全态势评价与验证 | 第64-68页 |
| 5.3.1 车辆周边安全态势判断 | 第64-65页 |
| 5.3.2 车辆周边安全态势验证 | 第65-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第74-75页 |
| 致谢 | 第75页 |
