| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12页 |
| 1.2 研究意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 国外研究现状 | 第14-16页 |
| 1.3.2 国内研究现状 | 第16-17页 |
| 1.4 本文的主要研究内容及技术路线 | 第17-20页 |
| 第2章 次任务驾驶实验平台及实验设计 | 第20-24页 |
| 2.1 次任务驾驶实验平台 | 第20-22页 |
| 2.1.1 车身行驶状态参数采集系统 | 第20-21页 |
| 2.1.2 眼球运动状态参数采集系统 | 第21-22页 |
| 2.2 实验设计 | 第22-23页 |
| 2.2.1 驾驶人招募 | 第22页 |
| 2.2.2 视觉类次任务驾驶行为设计 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 次任务驾驶特征评价指标筛选及安全评价方法 | 第24-38页 |
| 3.1 次任务驾驶行为表征参数 | 第24-26页 |
| 3.1.1 表征参数的选取原则 | 第24-25页 |
| 3.1.2 表征参数的选取依据 | 第25-26页 |
| 3.2 特征评价指标的筛选方法 | 第26-29页 |
| 3.2.1 德尔菲法 | 第27页 |
| 3.2.2 主成份分析法 | 第27-28页 |
| 3.2.3 灰色关联聚类 | 第28页 |
| 3.2.4 粗糙集理论 | 第28-29页 |
| 3.3 灰色粗糙集理论 | 第29-32页 |
| 3.3.1 灰色关联系数计算 | 第29-30页 |
| 3.3.2 待选指标聚类 | 第30-31页 |
| 3.3.3 基于粗糙集理论的属性约简 | 第31-32页 |
| 3.4 次任务驾驶安全等级评价方法 | 第32-37页 |
| 3.4.1 特征指标权重确定的基本原则 | 第32页 |
| 3.4.2 模糊层次分析法 | 第32-34页 |
| 3.4.3 次任务驾驶安全性数字等级划分依据 | 第34-35页 |
| 3.4.4 基于F-AHP的次任务驾驶安全评价方法 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 次任务驾驶安全预测模型的BP神经网络构建原理 | 第38-46页 |
| 4.1 BP神经网络基本理论 | 第38-39页 |
| 4.1.1 人工神经网络概述 | 第38-39页 |
| 4.1.2 BP神经网络的内部原理 | 第39页 |
| 4.2 BP神经网络的拓扑结构 | 第39-41页 |
| 4.2.1 网络输入层节点与输出层节点数的设定 | 第40页 |
| 4.2.2 隐含层节点数的确定 | 第40-41页 |
| 4.2.3 网络初始化权值与学习速率的设定 | 第41页 |
| 4.3 BP神经网络的学习原理 | 第41-45页 |
| 4.3.1 BP神经网络的学习过程 | 第41-43页 |
| 4.3.2 BP网络的数据信息正向传播 | 第43页 |
| 4.3.3 BP网络的误差反向传播 | 第43-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 次任务驾驶安全预测模型的建立及验证 | 第46-61页 |
| 5.1 次任务驾驶特征评价指标体系构建及安全评判向量计算 | 第46-53页 |
| 5.1.1 次任务驾驶特征评价指标体系构建 | 第46-49页 |
| 5.1.2 基于F-AHP的次任务驾驶特征评价指标权重计算 | 第49-50页 |
| 5.1.3 次任务驾驶安全性单因素模糊判断矩阵确定 | 第50-53页 |
| 5.2 基于BP神经网络的次任务驾驶安全性预测模型建立 | 第53-55页 |
| 5.2.1 次任务驾驶BP神经网络预测模型建立 | 第53-54页 |
| 5.2.2 网络训练参数的选择 | 第54-55页 |
| 5.3 次任务驾驶安全预测模型仿真及结果分析 | 第55-59页 |
| 5.3.1 BP神经网络的生成及初始化 | 第55-56页 |
| 5.3.2 BP神经网络的训练和仿真 | 第56-57页 |
| 5.3.3 模型适用性测试及结果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-61页 |
| 第6章 全文总结与展望 | 第61-63页 |
| 6.1 全文总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 作者简介及攻读硕士期间成果 | 第69-70页 |
