纯电动汽车驾驶行为预测和驾驶模式识别
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景和意义 | 第7-11页 |
| 1.1.1 新能源汽车发展 | 第7-8页 |
| 1.1.2 纯电动客车/公交车不断普及 | 第8-9页 |
| 1.1.3 自动驾驶/辅助驾驶技术进步 | 第9-10页 |
| 1.1.4 数据挖掘技术的发展 | 第10-11页 |
| 1.1.5 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 驾驶风格研究现状 | 第11-12页 |
| 1.2.2 驾驶意图研究现状 | 第12页 |
| 1.2.3 驾驶模式研究现状 | 第12-13页 |
| 1.3 本文主要研究工作 | 第13-14页 |
| 1.4 文章的基本结构 | 第14-15页 |
| 2 驾驶指标分析及缺失值填充 | 第15-28页 |
| 2.1 数据来源和数据的前期准备 | 第15-20页 |
| 2.1.1 数据源 | 第15页 |
| 2.1.2 数据初步处理 | 第15-16页 |
| 2.1.3 数据性质分析 | 第16-19页 |
| 2.1.4 数据规律分析 | 第19-20页 |
| 2.2 填充缺失值 | 第20-27页 |
| 2.2.1 缺失值分析 | 第20-22页 |
| 2.2.2 数据的缺失值填充 | 第22-27页 |
| 2.3 本章小结 | 第27-28页 |
| 3 基于驾驶风格和意图的驾驶行为预测 | 第28-40页 |
| 3.1 驾驶意图识别 | 第28-34页 |
| 3.1.1 汽车运行模型 | 第30-31页 |
| 3.1.2 模糊控制理论模型概念 | 第31-34页 |
| 3.1.3 驾驶意图识别过程 | 第34页 |
| 3.2 驾驶风格识别 | 第34-37页 |
| 3.2.1 参数选择 | 第35页 |
| 3.2.2 K-Means聚类算法简介 | 第35-36页 |
| 3.2.3 驾驶风格识别结果 | 第36-37页 |
| 3.3 驾驶行为预测 | 第37-38页 |
| 3.3.1 多层感知器神经网络 | 第37-38页 |
| 3.3.2 驾驶行为预测结果 | 第38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 驾驶模式识别与评估 | 第40-49页 |
| 4.1 汽车运行工况 | 第40-44页 |
| 4.1.1 运行工况参数分析 | 第41-43页 |
| 4.1.2 归一化方法 | 第43页 |
| 4.1.3 运行工况识别结果 | 第43-44页 |
| 4.2 驾驶模式识别评估 | 第44-48页 |
| 4.2.1 驾驶模式识别 | 第45-46页 |
| 4.2.2 驾驶模式评估参数 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A 指标变换分类及含义1 | 第53-54页 |
| 附录B 指标变换分类及含义2 | 第54-58页 |
| 致谢 | 第58-60页 |
