摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第10-21页 |
1.1 问题的提出 | 第10-11页 |
1.2 国内外研究现状 | 第11-20页 |
1.2.1 越线时刻的预测 | 第11-13页 |
1.2.2 车辆运动状态追踪算法 | 第13-16页 |
1.2.3 自车运动状态预测 | 第16-19页 |
1.2.4 相关研究总结 | 第19-20页 |
1.3 主要研究内容与研究方法 | 第20-21页 |
第二章 试验方案的设计与数据的采集 | 第21-28页 |
2.1 需求参数与试验目的 | 第21-22页 |
2.1.1 参数的需求性分析 | 第21页 |
2.1.2 试验目的 | 第21-22页 |
2.2 试验仪器的确定 | 第22-26页 |
2.2.1 毫米波雷达 | 第22页 |
2.2.2 GPS 系统 | 第22-23页 |
2.2.3 车载陀螺仪 | 第23-24页 |
2.2.4 车载 OBD 接口 | 第24页 |
2.2.5 车道线识别系统 | 第24-25页 |
2.2.6 车载视频监控系统 | 第25页 |
2.2.7 试验车 | 第25-26页 |
2.3 试验的开展 | 第26-27页 |
2.3.1 试验线路 | 第26页 |
2.3.2 被试驾驶员 | 第26-27页 |
2.3.3 试验过程 | 第27页 |
2.4 本章小结 | 第27-28页 |
第三章 基于车辆运动几何分析的越线时间预测算法 | 第28-65页 |
3.1 引言 | 第28-30页 |
3.2 常见的换道越线时刻预测方法 | 第30-35页 |
3.2.1 基于轨迹分析的换道越线时刻预测 | 第30-33页 |
3.2.2 基于运动特征分析的越线时刻预测 | 第33-35页 |
3.2.3 基于参数估计的越线时刻预测方法 | 第35页 |
3.3 直道路段越线预测 | 第35-55页 |
3.3.1 预测模型建立 | 第35-37页 |
3.3.2 过程参数的估计 | 第37-40页 |
3.3.3 表征参数采集 | 第40-42页 |
3.3.4 横摆角速度的滤波 | 第42-45页 |
3.3.5 向左换道 TLC 预测结果 | 第45-50页 |
3.3.6 向右换道 TLC 预测结果 | 第50-55页 |
3.4 弯道路段越线时刻预测 | 第55-63页 |
3.4.1 弯道路段越线行为特点 | 第55-56页 |
3.4.2 与弯道方向相同的换道 TLC 预测模型 | 第56-58页 |
3.4.3 与弯道方向相同的换道 TLC 预测结果 | 第58-63页 |
3.5 小结 | 第63-65页 |
第四章 ACC 系统前面目标运动状态追踪与预测 | 第65-100页 |
4.1 引言 | 第65-69页 |
4.1.1 ACC 系统的工作原理 | 第65-67页 |
4.1.2 ACC 系统现有控制算法的不足 | 第67-68页 |
4.1.3 ACC 系统目标追踪与预测算法 | 第68-69页 |
4.2 车辆之间相对位置关系辨识模型 | 第69-90页 |
4.2.1 道路曲率估算模型 | 第70-74页 |
4.2.2 道路曲率估算模型验证 | 第74-78页 |
4.2.3 位置关系辨识模型的建立 | 第78-81页 |
4.2.4 位置关系辨识模型验证 | 第81-90页 |
4.3 ACC 系统目标状态预测 | 第90-99页 |
4.3.1 ACC 系统目标状态预测的需求 | 第90-91页 |
4.3.2 ACC 系统目标状态预测模型建立 | 第91-97页 |
4.3.3 ACC 系统目标状态预测模型检验 | 第97-99页 |
4.4 本章小结 | 第99-100页 |
第五章 车辆运行状态相关预测算法 | 第100-117页 |
5.1 引言 | 第100-101页 |
5.2 车辆运动状态表征参数的预测 | 第101-110页 |
5.2.1 模糊着色 Petri 网预测模型 | 第101-104页 |
5.2.2 车辆运行轨迹的预测 | 第104-110页 |
5.3 噪声方差对卡尔曼滤波结果影响分析 | 第110-116页 |
5.3.1 方差对滤波器影响分析 | 第110-113页 |
5.3.2 Kalman 算法优化 | 第113-116页 |
5.4 本章小结 | 第116-117页 |
结论 | 第117-120页 |
参考文献 | 第120-126页 |
攻读学位期间取得的研究成果 | 第126-127页 |
致谢 | 第127页 |