| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 当前研究不足 | 第14页 |
| 1.4 研究内容及技术路线 | 第14-16页 |
| 第2章 驾驶行为描述性统计 | 第16-25页 |
| 2.1 驾驶行为特征提取 | 第16-21页 |
| 2.1.1 疲劳驾驶成因分析 | 第16-17页 |
| 2.1.2 特征提取方法 | 第17-18页 |
| 2.1.3 驾驶行为特征提取 | 第18-21页 |
| 2.2 驾驶行为数据描述性统计分析 | 第21-24页 |
| 2.2.1 速度量化分析 | 第21-22页 |
| 2.2.2 方向盘转角和转向角速度量化分析 | 第22-23页 |
| 2.2.3 加速度量化分析 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于时域视角的疲劳驾驶行为识别研究 | 第25-45页 |
| 3.1 基于统计学习方法的疲劳驾驶行为识别研究 | 第25-35页 |
| 3.1.1 基于加权投票KNN的信息融合下的疲劳驾驶行为识别 | 第26-31页 |
| 3.1.2 基于朴素贝叶斯分类算法的多特征疲劳驾驶行为识别 | 第31-33页 |
| 3.1.3 加权投票KNN算法与贝叶斯分类器的性能比较 | 第33-35页 |
| 3.2 基于目标值有空缺灰色聚类算法的疲劳程度判别模型 | 第35-43页 |
| 3.2.1 缺失值填补技术 | 第35-38页 |
| 3.2.2 灰区间聚类方法研究 | 第38-39页 |
| 3.2.3 基于灰区间聚类算法的驾驶行为疲劳程度判别 | 第39-43页 |
| 3.3 本章小结 | 第43-45页 |
| 第4章 基于Grey-Log CD模型的车速变化持续期与疲劳程度关系研究 | 第45-61页 |
| 4.1 经典自回归条件持续期(ACD)模型 | 第45-47页 |
| 4.2 分数阶灰色耦合的自回归条件持续期模型 | 第47-52页 |
| 4.2.1 FGM-ACD模型的建立 | 第47-50页 |
| 4.2.2 Grey-LogACD耦合模型的求解 | 第50-52页 |
| 4.3 车速变化续期与疲劳程度之间关系的实证研究 | 第52-60页 |
| 4.3.1 数据描述与预处理 | 第52-54页 |
| 4.3.2 经典ACD模型对车速变化持续期的波动拟合 | 第54-58页 |
| 4.3.3 Grey-LogACD模型的车速变化续期与疲劳程度关系 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-62页 |
| 5.1 总结 | 第61页 |
| 5.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
| 攻读硕士学位期间参加科研项目 | 第66页 |
