基于移动智能终端的驾驶行为及驾驶模式识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 驾驶行为识别 | 第10-13页 |
| 1.2.2 驾驶模式识别 | 第13-14页 |
| 1.3 论文研究内容及章节安排 | 第14-16页 |
| 第2章 基于移动智能终端的驾驶数据采集与预处理 | 第16-25页 |
| 2.1 基于移动智能终端的驾驶数据采集 | 第16-20页 |
| 2.1.1 驾驶数据采集平台 | 第16-17页 |
| 2.1.2 移动智能终端传感器 | 第17-19页 |
| 2.1.3 驾驶数据采集方案 | 第19-20页 |
| 2.2 驾驶数据预处理 | 第20-24页 |
| 2.2.1 驾驶数据移动平均滤波 | 第20-22页 |
| 2.2.2 基于端点检测的驾驶行为切换点提取 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 驾驶行为聚类分析 | 第25-35页 |
| 3.1 驾驶行为聚类分析方案 | 第25-26页 |
| 3.2 驾驶行为特征分析 | 第26-28页 |
| 3.2.1 纵向变速行为分析 | 第26-27页 |
| 3.2.2 横向变速行为分析 | 第27-28页 |
| 3.3 基于主成分分析的驾驶行为特征降维 | 第28-31页 |
| 3.3.1 驾驶行为原始特征 | 第28-29页 |
| 3.3.2 驾驶行为特征数据提取及降维流程 | 第29-31页 |
| 3.4 驾驶行为聚类算法优选 | 第31-34页 |
| 3.4.1 基于k-means的驾驶行为识别 | 第31-32页 |
| 3.4.2 基于FCM的驾驶行为识别 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于主题模型的驾驶模式识别 | 第35-50页 |
| 4.1 驾驶模式识别方案 | 第35-36页 |
| 4.2 基于词袋模型的驾驶行为直方图特征提取 | 第36-38页 |
| 4.2.1 词袋模型 | 第36-37页 |
| 4.2.2 驾驶行为单词加权直方图特征提取 | 第37-38页 |
| 4.3 基于pLSA模型的驾驶模式识别 | 第38-41页 |
| 4.3.1 pLSA模型 | 第38-39页 |
| 4.3.2 基于EM算法的pLSA模型参数学习 | 第39-41页 |
| 4.3.3 pLSA模型用于驾驶模式识别 | 第41页 |
| 4.4 基于LDA模型的驾驶模式识别 | 第41-46页 |
| 4.4.1 LDA模型 | 第42-44页 |
| 4.4.2 LDA模型参数学习 | 第44-46页 |
| 4.4.3 LDA模型用于驾驶模式识别 | 第46页 |
| 4.5 基于改进的主题模型的驾驶模式识别 | 第46-49页 |
| 4.5.1 基于时间标签的改进LDA主题模型 | 第47-48页 |
| 4.5.2 T-LDA模型的吉布斯采样算法 | 第48-49页 |
| 4.5.3 改进的主题模型用于驾驶模式识别 | 第49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 实验结果与分析 | 第50-66页 |
| 5.1 实验平台搭建 | 第50-53页 |
| 5.1.1 实验移动智能终端与实验车辆 | 第50-51页 |
| 5.1.2 实验数据采集方案 | 第51-52页 |
| 5.1.3 驾驶数据处理平台软硬件环境 | 第52-53页 |
| 5.2 驾驶行为聚类结果分析 | 第53-59页 |
| 5.2.1 驾驶行为特征提取及降维 | 第53-55页 |
| 5.2.2 驾驶行为聚类结果与分析 | 第55-59页 |
| 5.3 驾驶模式识别结果分析 | 第59-65页 |
| 5.3.1 驾驶行为单词直方图特征提取 | 第59-60页 |
| 5.3.2 驾驶模式识别结果分析 | 第60-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 研究展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第73页 |
