基于信息融合的驾驶愤怒识别方法研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-31页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 交通安全中的人为因素 | 第12页 |
| 1.1.2 人为因素中的情绪问题 | 第12-14页 |
| 1.1.3 “路怒症”研究意义 | 第14页 |
| 1.2 驾驶情绪研究现状 | 第14-24页 |
| 1.2.1 驾驶情绪产生机理 | 第14-16页 |
| 1.2.2 驾驶情绪诱导方法 | 第16-17页 |
| 1.2.3 驾驶情绪与驾驶行为 | 第17-18页 |
| 1.2.4 驾驶情绪检测方法 | 第18-24页 |
| 1.3 国内外研究存在的问题 | 第24-27页 |
| 1.4 课题来源 | 第27页 |
| 1.5 主要研究内容 | 第27-31页 |
| 第2章 驾驶愤怒实验设计及数据采集 | 第31-53页 |
| 2.1 实验目的 | 第31页 |
| 2.2 驾驶愤怒实验设计 | 第31-36页 |
| 2.2.1 驾驶愤怒实验平台 | 第31-34页 |
| 2.2.2 公共采集设备 | 第34-36页 |
| 2.3 模拟实验设计 | 第36-42页 |
| 2.3.1 愤怒诱导方法 | 第37页 |
| 2.3.2 模拟实验被试 | 第37页 |
| 2.3.3 模拟实验程序 | 第37-41页 |
| 2.3.4 实验数据采集种类 | 第41页 |
| 2.3.5 愤怒诱导效果评价 | 第41-42页 |
| 2.4 实车实验设计 | 第42-48页 |
| 2.4.1 实车实验路线 | 第43页 |
| 2.4.2 实车实验被试 | 第43-44页 |
| 2.4.3 实车实验要求 | 第44-45页 |
| 2.4.4 实车实验步骤 | 第45-47页 |
| 2.4.5 愤怒诱导效果评价 | 第47-48页 |
| 2.5 数据预处理 | 第48-51页 |
| 2.5.1 异构数据的同步 | 第48-49页 |
| 2.5.2 情绪主观报告校正 | 第49页 |
| 2.5.3 生理信号去噪 | 第49-50页 |
| 2.5.4 脑电信号去噪 | 第50-51页 |
| 2.5.5 驾驶行为信号去噪 | 第51页 |
| 2.6 本章小结 | 第51-53页 |
| 第3章 驾驶愤怒选择模型及诱导因素敏感度分析 | 第53-77页 |
| 3.1 驾驶愤怒诱导因素分析 | 第53-55页 |
| 3.1.1 个体因素分析 | 第53-54页 |
| 3.1.2 环境因素分析 | 第54-55页 |
| 3.2 驾驶愤怒强度选择模型 | 第55-67页 |
| 3.2.1 驾驶人愤怒情绪强度初步标定 | 第55-57页 |
| 3.2.2 非集计模型原理 | 第57-58页 |
| 3.2.3 MNL模型构建 | 第58-61页 |
| 3.2.4 选择肢和影响因素变量 | 第61-63页 |
| 3.2.5 模型参数标定 | 第63-64页 |
| 3.2.6 模型预测精度分析 | 第64-67页 |
| 3.3 诱导因素敏感度分析 | 第67-75页 |
| 3.3.1 个人因素敏感度 | 第67-71页 |
| 3.3.2 环境因素敏感度 | 第71-75页 |
| 3.4 本章小结 | 第75-77页 |
| 第4章 驾驶愤怒生理特征分析及其强度标定 | 第77-107页 |
| 4.1 情绪与生理 | 第77-80页 |
| 4.1.1 情绪变化的生理学原理 | 第77-78页 |
| 4.1.2 生理指标特征提取方法 | 第78-80页 |
| 4.2 常规生理特征 | 第80-84页 |
| 4.2.1 常规生理指标类型 | 第80-81页 |
| 4.2.2 常规生理特征直观分析 | 第81-82页 |
| 4.2.3 常规生理特征统计分析 | 第82-84页 |
| 4.3 心电特征 | 第84-88页 |
| 4.3.1 心电指标时频特性 | 第84-85页 |
| 4.3.2 样本熵计算原理 | 第85-87页 |
| 4.3.3 心电样本熵特征 | 第87-88页 |
| 4.4 脑电特征 | 第88-93页 |
| 4.4.1 基于小波变换的EEG信号伪迹去除 | 第89-90页 |
| 4.4.2 相对小波功率计算原理 | 第90页 |
| 4.4.3 EEG相对小波功率特征 | 第90-93页 |
| 4.5 基于生理阈值的愤怒强度标定 | 第93-105页 |
| 4.5.1 ROC曲线分析方法 | 第94-96页 |
| 4.5.2 愤怒强度判定阈值 | 第96-103页 |
| 4.5.3 愤怒强度精确标定 | 第103-105页 |
| 4.6 本章小结 | 第105-107页 |
| 第5章 驾驶愤怒行为特征分析 | 第107-128页 |
| 5.1 方向盘转角 | 第107-113页 |
| 5.1.1 方向盘转角直观分析 | 第107-108页 |
| 5.1.2 方向盘转角统计分析 | 第108-113页 |
| 5.2 加速踏板开度 | 第113-117页 |
| 5.2.1 加速踏板开度直观分析 | 第114-115页 |
| 5.2.2 加速踏板开度统计分析 | 第115-117页 |
| 5.3 加速度与横摆角速度 | 第117-121页 |
| 5.3.1 加速度直观分析 | 第117-118页 |
| 5.3.2 加速度统计分析 | 第118-119页 |
| 5.3.3 横摆角速度直观分析 | 第119-120页 |
| 5.3.4 横摆角速度统计分析 | 第120-121页 |
| 5.4 车头时距 | 第121-124页 |
| 5.4.1 车头时距直观分析 | 第121-122页 |
| 5.4.2 车头时距统计分析 | 第122-124页 |
| 5.5 车道偏离 | 第124-127页 |
| 5.5.1 车道偏离直观分析 | 第124-126页 |
| 5.5.2 车道偏离统计分析 | 第126-127页 |
| 5.6 本章小结 | 第127-128页 |
| 第6章 驾驶愤怒识别模型研究 | 第128-160页 |
| 6.1 驾驶愤怒特征参数选择优化 | 第128-140页 |
| 6.1.1 愤怒特征参数全集 | 第128-129页 |
| 6.1.2 特征选择算法SFFS | 第129-133页 |
| 6.1.3 LSSVM多分类器 | 第133-137页 |
| 6.1.4 最优特征子集 | 第137-138页 |
| 6.1.5 双时间窗指标提取方法 | 第138-140页 |
| 6.2 置信规则库推理的基本原理与方法 | 第140-145页 |
| 6.2.1 基本置信结构 | 第141页 |
| 6.2.2 BRB系统的推理原理 | 第141-142页 |
| 6.2.3 输入转化 | 第142-143页 |
| 6.2.4 激活权计算 | 第143页 |
| 6.2.5 证据推理 | 第143-145页 |
| 6.3 驾驶愤怒状态识别模型 | 第145-155页 |
| 6.3.1 置信规则库专家系统的构成 | 第145-148页 |
| 6.3.2 BRB模型学习训练 | 第148-152页 |
| 6.3.3 模型评价 | 第152-155页 |
| 6.4 驾驶愤怒自适应识别方法 | 第155-159页 |
| 6.4.1 个体差异性对愤怒识别模型的影响 | 第155-157页 |
| 6.4.2 自适应识别方法 | 第157-159页 |
| 6.5 本章小结 | 第159-160页 |
| 第7章 结论与展望 | 第160-163页 |
| 7.1 研究工作总结 | 第160-161页 |
| 7.2 主要创新点 | 第161页 |
| 7.3 研究展望 | 第161-163页 |
| 致谢 | 第163-164页 |
| 参考文献 | 第164-176页 |
| 攻读博士学位期间发表的论文及参加科研情况 | 第176-178页 |
