首页--交通运输论文--公路运输论文--汽车工程论文--汽车结构部件论文--电气设备及附件论文

基于自然驾驶数据的车辆驾驶风险辨识及控制研究

摘要第3-5页
abstract第5-6页
第1章 绪论第11-25页
    1.1 研究背景及意义第11-13页
    1.2 国内外研究现状分析第13-21页
        1.2.1 驾驶行为分析及建模第13-15页
        1.2.2 自然驾驶数据采集及分析第15-17页
        1.2.3 车辆驾驶风险辨识及分析第17-18页
        1.2.4 智能车辆发展及协同控制第18-20页
        1.2.5 当前研究面临的问题第20-21页
    1.3 课题支撑第21页
    1.4 研究内容与章节安排第21-24页
        1.4.1 研究内容第21-22页
        1.4.2 章节安排第22-24页
    1.5 本章小结第24-25页
第2章 自然驾驶数据采集及驾驶行为特征分析方法第25-39页
    2.1 引言第25-26页
    2.2 自然驾驶数据采集第26-31页
        2.2.1 自然驾驶试验车第26-28页
        2.2.2 自然驾驶试验被试第28-29页
        2.2.3 自然驾驶试验过程及线路第29-30页
        2.2.4 自然驾驶数据预处理第30-31页
    2.3 车辆驾驶行为特征指标第31-34页
        2.3.1 车辆操纵特征指标第31-33页
        2.3.2 车辆运行特征指标第33-34页
    2.4 车辆驾驶行为特征分析方法第34-38页
        2.4.1 时域特征分析方法第34-36页
        2.4.2 频域特征分析方法第36-38页
    2.5 本章小结第38-39页
第3章 自然驾驶数据的时空语义编码及分析方法第39-59页
    3.1 引言第39-40页
    3.2 时间序列的符号化表示方法第40-43页
        3.2.1 符号化表示方法基本概念第40-41页
        3.2.2 符号化聚合近似方法(SAX)第41-43页
    3.3 基于SAX的自然驾驶数据语义编码方法第43-51页
        3.3.1 自然驾驶数据特征第43页
        3.3.2 自然驾驶数据时空语义编码方法第43-50页
        3.3.3 编码方法补充说明第50-51页
    3.4 实例分析第51-58页
        3.4.1 实例试验工况第51页
        3.4.2 自然驾驶数据语义编码结果第51-53页
        3.4.3 案例分析结果第53-58页
    3.5 本章小结第58-59页
第4章 基于数据挖掘的车辆驾驶风险聚类研究第59-85页
    4.1 引言第59-60页
    4.2 车辆驾驶行为特征参数提取第60-63页
        4.2.1 车辆驾驶行为参数第60-61页
        4.2.2 指标参数的提取第61-63页
    4.3 基于时空数据挖掘的车辆驾驶风险分级方法第63-69页
        4.3.1 车辆驾驶行为参数主成成分分析第64-65页
        4.3.2 车辆驾驶行为参数因子分析第65-66页
        4.3.3 基于系统聚类的车辆驾驶风险分级第66-69页
    4.4 实例分析第69-83页
        4.4.1 实例试验工况第69-70页
        4.4.2 驾驶行为参数因子分析结果第70-72页
        4.4.3 车辆驾驶风险多级聚类结果第72-79页
        4.4.4 驾驶人个人因素与车辆驾驶风险关系第79-81页
        4.4.5 结果评价第81-83页
    4.5 本章小结第83-85页
第5章 基于数据驱动的车辆驾驶风险辨识研究第85-115页
    5.1 引言第85-86页
    5.2 车辆驾驶行为的参数量化及风险状态标定第86-91页
        5.2.1 高风险驾驶事件视频分析第86-87页
        5.2.2 涉及车辆碰撞风险的驾驶参数量化第87-89页
        5.2.3 车辆驾驶风险状态标定第89-91页
    5.3 置信规则库推理方法第91-94页
        5.3.1 置信规则库系统结构第91-92页
        5.3.2 基于证据推理的置信规则库推理方法第92-93页
        5.3.3 置信规则库的优化学习模型第93-94页
    5.4 基于置信规则库推理的车辆驾驶风险辨识模型第94-109页
        5.4.1 模型输入量与输出量确定第95-97页
        5.4.2 初始置信规则库建立第97-101页
        5.4.3 车辆驾驶风险输出及置信规则库优化第101-105页
        5.4.4 模型评价第105-109页
    5.5 基于驾驶模拟器的车辆驾驶风险辨识模型实现第109-114页
        5.5.1 车辆驾驶模拟器设置第109-110页
        5.5.2 车辆驾驶风险辨识模型设置第110页
        5.5.3 系统人机交互预警设置第110-111页
        5.5.4 试验测试第111-114页
    5.6 本章小结第114-115页
第6章 基于驾驶风险感知的车辆主动避碰控制策略第115-140页
    6.1 引言第115-116页
    6.2 基于驾驶风险感知的车辆主动避碰控制框架第116-119页
        6.2.1 智能网联下的驾驶风险感知第116-117页
        6.2.2 车辆主动避碰控制技术第117-119页
    6.3 模型预测控制方法第119-122页
        6.3.1 基本原理与特点第119-120页
        6.3.2 状态空间方程及预测模型第120-121页
        6.3.3 约束优化求解第121-122页
    6.4 车辆主动避碰控制策略第122-133页
        6.4.1 车辆动力学模型(状态空间方程)第122-125页
        6.4.2 避碰安全区域及车辆物理约束(状态变量约束)第125-132页
        6.4.3 模型预测控制器设计(约束优化求解)第132-133页
    6.5 复杂交通场景下的主动避碰控制系统仿真验证第133-139页
        6.5.1 复杂交通环境下试验场景搭建第134-135页
        6.5.2 试验验证第135-139页
    6.6 本章小结第139-140页
第7章 总结与展望第140-144页
    7.1 研究工作总结第140-141页
    7.2 研究创新点第141-142页
    7.3 研究展望第142-144页
致谢第144-146页
参考文献第146-160页
攻读博士学位期间的学术成果及参加的科研项目第160-163页
附录A第163-166页
附录B第166-168页

论文共168页,点击 下载论文
上一篇:560例肌萎缩侧索硬化发病风险与环境因素的临床研究
下一篇:基于互联网能力的传统制造企业战略转型研究