| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 选题背景和意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.2.1 主体环境感知 | 第18页 |
| 1.2.2 车辆碰撞风险评估方法 | 第18-19页 |
| 1.2.3 主动控制策略 | 第19-20页 |
| 1.3 基于信息服务保障行驶安全的主动控制系统总体设计方案 | 第20页 |
| 1.4 论文研究内容及章节安排 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第二章 车辆行驶安全影响因素分析和贝叶斯网络简介 | 第22-30页 |
| 2.1 影响车辆安全的因素 | 第22-23页 |
| 2.1.1 驾驶员因素 | 第22页 |
| 2.1.2 车辆因素 | 第22-23页 |
| 2.1.3 路面因素 | 第23页 |
| 2.1.4 环境因素 | 第23页 |
| 2.2 贝叶斯网络简介 | 第23-29页 |
| 2.2.1 贝叶斯网络的结构学习 | 第25-26页 |
| 2.2.2 贝叶斯网络的参数学习 | 第26-28页 |
| 2.2.3 贝叶斯网络的推理 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 基于贝叶斯网络的车辆碰撞风险评估模型 | 第30-52页 |
| 3.1 追尾碰撞仿真系统 | 第31-35页 |
| 3.1.1 VISSIM软件介绍 | 第31-32页 |
| 3.1.2 追尾碰撞仿真系统设计 | 第32-35页 |
| 3.2 构造追尾碰撞的贝叶斯网络 | 第35-41页 |
| 3.2.1 确定追尾碰撞的变量集和变量域 | 第35-36页 |
| 3.2.2 关于追尾碰撞的贝叶斯网络结构学习 | 第36-38页 |
| 3.2.3 关于追尾碰撞的贝叶斯网络参数学习 | 第38-41页 |
| 3.3 基于“当前”统计模型的自适应卡尔曼滤波算法 | 第41-46页 |
| 3.3.1 建立车辆的状态方程和观测方程 | 第41-42页 |
| 3.3.2 自适应卡尔曼滤波算法 | 第42-43页 |
| 3.3.3 算法仿真分析 | 第43-46页 |
| 3.4 利用构造的网络预测追尾事故概率 | 第46页 |
| 3.5 仿真实验及分析 | 第46-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 追尾避撞系统的模糊控制器 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 模糊控制 | 第52-53页 |
| 4.3 遗传算法 | 第53-55页 |
| 4.4 基于遗传算法的模糊控制器 | 第55-64页 |
| 4.4.1 输入输出变量的模糊化 | 第56-57页 |
| 4.4.2 隶属度函数的确定 | 第57-58页 |
| 4.4.3 模糊控制规则库的建立 | 第58-59页 |
| 4.4.4 利用GA算法优化模糊规则 | 第59-63页 |
| 4.4.5 输出变量的去模糊化 | 第63-64页 |
| 4.5 仿真实验及性能评价 | 第64-66页 |
| 4.6 本章小结 | 第66-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |