駕駛行為個性化操縱模式建模研究.pdf

1、在人—車—路三者構成的閉環(huán)交通系統(tǒng)中，人的因素與交通事故的發(fā)生概率相關性最高?；诖?，為協(xié)調(diào)好人、車、路三者之間關系，以降低交通事故發(fā)生概率這一目標發(fā)展起來的駕駛安全輔助系統(tǒng)(Driving Safety Assistance Systems，DSAS)已成為智能車輛領域的重點研究內(nèi)容之一。目前已有的DSAS系統(tǒng)基本上是在基準駕駛?cè)说幕A上進行輔助控制設計，導致DSAS系統(tǒng)對所有駕駛?cè)司扇∠嗤妮o助控制策略和控制參數(shù)，無法滿足駕駛?cè)说?/p>

2、個性化需求。如果DSAS系統(tǒng)能夠通過采集駕駛?cè)说鸟{駛行為操縱數(shù)據(jù)和車輛運行狀態(tài)信息自動完成對駕駛?cè)笋{駛的個體特性的學習并將學習結果用于DSAS系統(tǒng)的輔助控制策略，則可提高DSAS系統(tǒng)的個性化和智能化水平。實現(xiàn)這一目標的關鍵技術之一就是研究解決駕駛?cè)说膫€性化駕駛行為操縱模式建模與駕駛行為識別問題。
　　基于以上問題的出現(xiàn)，本文主要的研究內(nèi)容如下:
　　(1)通過采集駕駛行為操縱數(shù)據(jù)，對數(shù)據(jù)進行預處理后，用數(shù)據(jù)/機理混合的方法對

3、駕駛?cè)说膫€體特性進行分析，研究駕駛?cè)瞬倏v動作節(jié)點的提取方法以便進行駕駛行為操縱模式建模。
　　(2)在對駕駛?cè)瞬倏v動作節(jié)點進行精確提取的基礎上，基于有向圖原理，研究個性化駕駛行為操縱模式建模方法。
　　(3)利用ART2A-E自適應諧振神經(jīng)網(wǎng)絡具有穩(wěn)定性、可塑性強、實時在線自學習的特點，研究基于ART2A-E算法與操縱模式反向映射的駕駛行為識別方法。
　　研究結果表明:
　　(1)在對駕駛?cè)说膫€體特性進行分析的基