| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-30页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.1.1 汽车线控技术的普及应用 | 第12-13页 |
| 1.1.2 从“人”的角度提高道路交通安全 | 第13-14页 |
| 1.1.3 个性化电控系统、多等级驾驶辅助系统的开发 | 第14-15页 |
| 1.1.4“车适应人”，理想汽车动力学控制 | 第15页 |
| 1.1.5 无人驾驶车辆的“类人控制” | 第15-16页 |
| 1.2 驾驶员行为特性分析 | 第16页 |
| 1.3 驾驶员行为特性研究现状 | 第16-27页 |
| 1.3.1 国外研究现状 | 第17-22页 |
| 1.3.2 国内研究现状 | 第22-27页 |
| 1.4 本文主要研究内容 | 第27-28页 |
| 1.5 研究思路 | 第28-30页 |
| 第2章 左/右转向正交试验设计 | 第30-44页 |
| 2.1 道路条件因素感性分析 | 第30-31页 |
| 2.2 试验方法的选取 | 第31-32页 |
| 2.3 驾驶模拟器试验平台搭建 | 第32-33页 |
| 2.4 左/右转向正交试验工况设计 | 第33-36页 |
| 2.4.1 试验道路总体设计 | 第33页 |
| 2.4.2 正交试验方法介绍 | 第33-34页 |
| 2.4.3 左/右转向正交试验道路详细设计 | 第34-36页 |
| 2.4.4 交通场景设计 | 第36页 |
| 2.5 数据采集及特征参数的初步选取 | 第36-42页 |
| 2.5.1 原始数据采集 | 第36-37页 |
| 2.5.2 特征参数的初步选择 | 第37-39页 |
| 2.5.3 特征参数的初步提取 | 第39-42页 |
| 2.6 本章小结 | 第42-44页 |
| 第3章 左/右转向正交试验结果分析 | 第44-52页 |
| 3.1 左转向正交试验结果 | 第45-47页 |
| 3.1.1 极差分析 | 第45-46页 |
| 3.1.2 方差分析 | 第46-47页 |
| 3.2 右转向正交试验结果分析 | 第47-50页 |
| 3.2.1 极差分析 | 第47-48页 |
| 3.2.2 方差分析 | 第48-50页 |
| 3.3 左/右转向单因素方差分析 | 第50页 |
| 3.4 本章小结 | 第50-52页 |
| 第4章 驾驶员转向行为特性分类 | 第52-68页 |
| 4.1 转向试验设计 | 第52-53页 |
| 4.1.1 试验人员 | 第52-53页 |
| 4.1.2 试验工况设计 | 第53页 |
| 4.2 特征参数最终提取 | 第53-61页 |
| 4.2.1 因子分析基本原理 | 第54-55页 |
| 4.2.2 因子分析结果 | 第55-61页 |
| 4.3 聚类分析 | 第61-67页 |
| 4.3.1 聚类分析方法基本介绍 | 第61-62页 |
| 4.3.2 聚类方法选择 | 第62-63页 |
| 4.3.3 最佳聚类数确定 | 第63-64页 |
| 4.3.4 聚类结果 | 第64-66页 |
| 4.3.5 不同类型驾驶员转向行为特性分析描述 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 建立驾驶员转向行为特性辨识模型 | 第68-78页 |
| 5.1 BP神经网络建模 | 第68-70页 |
| 5.1.1 BP神经网络方法介绍 | 第68-69页 |
| 5.1.2 BP神经网络建模 | 第69-70页 |
| 5.2 支持向量机(SVM)建模 | 第70-75页 |
| 5.2.1 支持向量机(SVM)方法介绍 | 第70-75页 |
| 5.2.2 支持向量机（SVM）建模 | 第75页 |
| 5.3 择优选取辨识模型 | 第75-76页 |
| 5.4 辨识模型预测能力验证 | 第76-77页 |
| 5.5 本章小结 | 第77-78页 |
| 第6章 全文总结与展望 | 第78-80页 |
| 6.1 全文总结 | 第78-79页 |
| 6.2 工作展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 作者简介 | 第86-88页 |
| 致谢 | 第88页 |