| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 雨雾天气对行车安全的影响 | 第14-15页 |
| 1.2.2 驾驶人精神负荷 | 第15-18页 |
| 1.2.3 驾驶行为 | 第18-21页 |
| 1.2.4 研究现状评述 | 第21页 |
| 1.3 研究内容及方法 | 第21-24页 |
| 1.3.1 研究内容 | 第21-23页 |
| 1.3.2 技术路线 | 第23-24页 |
| 第二章 驾驶人精神负荷及驾驶稳定性影响因素分析 | 第24-37页 |
| 2.1 驾驶人认知过程分析 | 第24-25页 |
| 2.2 驾驶人精神负荷及驾驶稳定性影响因素分析 | 第25-28页 |
| 2.2.1 驾驶人精神负荷影响因素分析 | 第25-26页 |
| 2.2.2 驾驶稳定性影响因素分析 | 第26-28页 |
| 2.2.3 研究任务确定 | 第28页 |
| 2.3 驾驶人精神负荷表征指标初步选取 | 第28-34页 |
| 2.3.1 心电表征指标选取 | 第29-32页 |
| 2.3.2 脑电表征指标选取 | 第32-34页 |
| 2.4 驾驶稳定性表征指标初步选取 | 第34-36页 |
| 2.4.1 车速表征指标选取 | 第34-35页 |
| 2.4.2 三轴加速度指标选取 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 实车驾驶实验方案设计 | 第37-53页 |
| 3.1 实验目的 | 第37页 |
| 3.2 实验内容 | 第37-38页 |
| 3.3 实验方案 | 第38-45页 |
| 3.3.1 实验条件 | 第39-40页 |
| 3.3.2 实验设备 | 第40-42页 |
| 3.3.3 实验人员 | 第42-43页 |
| 3.3.4 实验实施步骤 | 第43-45页 |
| 3.4 实验数据预处理 | 第45-51页 |
| 3.4.1 视频数据预处理 | 第46-47页 |
| 3.4.2 心脑电数据预处理 | 第47-48页 |
| 3.4.3 GPS轨迹数据预处理 | 第48-51页 |
| 3.4.4 三轴加速度数据预处理 | 第51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 精神负荷和驾驶稳定性表征指标优选及特征分析 | 第53-73页 |
| 4.1 数据分析步骤 | 第53-59页 |
| 4.2 心电时域特征分析 | 第59-61页 |
| 4.2.1 心电时域特征评价指标的最佳时间窗选取 | 第59-60页 |
| 4.2.2 心率时域特征分析 | 第60-61页 |
| 4.3 心率变异性频域特征分析 | 第61-63页 |
| 4.3.1 心率变异性频域特征评价指标的最佳时间窗选取 | 第61-63页 |
| 4.3.2 心率变异性频域特征分析 | 第63页 |
| 4.4 低能见度环境下驾驶人脑电特征分析 | 第63-66页 |
| 4.4.1 脑电表征指标的最佳时间窗选取 | 第63-65页 |
| 4.4.2 脑电特征分析 | 第65-66页 |
| 4.5 低能见度环境下车速特征分析 | 第66-68页 |
| 4.5.1 车速特征表征指标的最佳时间窗选取 | 第66-67页 |
| 4.5.2 车速特征分析 | 第67-68页 |
| 4.6 低能见度环境下横向加速度特征分析 | 第68-70页 |
| 4.6.1 横向加速度特征表征指标的最佳时间窗选取 | 第68-69页 |
| 4.6.2 横向加速度特征分析 | 第69-70页 |
| 4.7 表征指标特征分析总结 | 第70-72页 |
| 4.8 本章小结 | 第72-73页 |
| 第五章 基于驾驶人精神负荷的驾驶稳定性状态识别模型构建 | 第73-107页 |
| 5.1 状态识别模型最佳表征指标集确定 | 第73-80页 |
| 5.1.1 表征指标相关性分析 | 第73-75页 |
| 5.1.2 主成分分析 | 第75-78页 |
| 5.1.3 模型指标确定 | 第78-80页 |
| 5.2 模型构建方法选择 | 第80-83页 |
| 5.2.1 常用的模型构建方法介绍 | 第80-81页 |
| 5.2.2 模型构建方法选定 | 第81-83页 |
| 5.3 基于BP神经网络的驾驶稳定性识别模型 | 第83-93页 |
| 5.3.1 BP神经网络 | 第83-85页 |
| 5.3.2 BP神经网络状态识别模型建立 | 第85-88页 |
| 5.3.3 实例验证 | 第88-93页 |
| 5.4 基于RBF神经网络的驾驶稳定性状态识别模型 | 第93-101页 |
| 5.4.1 RBF神经网络 | 第93-96页 |
| 5.4.2 RBF神经网络状态识别模型的建立 | 第96-98页 |
| 5.4.3 实例验证 | 第98-101页 |
| 5.5 识别模型结果对比分析 | 第101-102页 |
| 5.6 研究成果的应用设想 | 第102-106页 |
| 5.7 本章小结 | 第106-107页 |
| 第六章 总结及展望 | 第107-111页 |
| 6.1 研究成果总结 | 第107-109页 |
| 6.2 论文特色及创新之处 | 第109-110页 |
| 6.3 不足及展望 | 第110-111页 |
| 参考文献 | 第111-119页 |
| 攻读硕士学位期间取得的研究成果 | 第119-121页 |
| 致谢 | 第121-122页 |
| 附件 | 第122页 |
