基于NAR神经网络的车速预测及应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 2 车载数据获取及处理 | 第12-21页 |
| 2.1 数据采集 | 第12-15页 |
| 2.1.1 本车车速采集 | 第12-13页 |
| 2.1.2 前车距离采集 | 第13-15页 |
| 2.2 数据处理 | 第15-20页 |
| 2.2.1 卡尔曼滤波 | 第15-18页 |
| 2.2.2 卡尔曼滤波算法结果分析 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 基于NAR神经网络的车速预测方法 | 第21-40页 |
| 3.1 NAR神经网络 | 第21-26页 |
| 3.1.1 神经网络发展及特点 | 第21-22页 |
| 3.1.2 人工神经元模型 | 第22-24页 |
| 3.1.3 NAR神经网络结构 | 第24-26页 |
| 3.2 NAR神经网络结构设计 | 第26-30页 |
| 3.2.1 训练数据的分类及其归一化 | 第26-27页 |
| 3.2.2 网络各层结构设计 | 第27-29页 |
| 3.2.3 激活函数与训练算法 | 第29-30页 |
| 3.3 网络训练结果分析 | 第30-31页 |
| 3.4 HMM车速预测模型 | 第31-34页 |
| 3.5 预测结果比较分析 | 第34-37页 |
| 3.6 公交车工况预测分析 | 第37-39页 |
| 3.7 本章小结 | 第39-40页 |
| 4 车速预测在纵向防碰撞预警系统中的应用 | 第40-58页 |
| 4.1 防碰撞预警系统概述 | 第40-41页 |
| 4.2 基于NAR神经网络的临界跟车距离模型 | 第41-49页 |
| 4.2.1 车辆制动过程分析 | 第41-42页 |
| 4.2.2 车辆制动距离计算 | 第42-44页 |
| 4.2.3 车辆临界跟车安全车距模型 | 第44-46页 |
| 4.2.4 模型参数设置 | 第46-48页 |
| 4.2.5 车速预测与跟车模型 | 第48-49页 |
| 4.3 防碰撞预警系统预警策略 | 第49-50页 |
| 4.4 系统GUI设计 | 第50-53页 |
| 4.5 系统仿真分析 | 第53-56页 |
| 4.6 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
