论文部分内容阅读
道路交通事故频发严重威胁人们的生命财产安全。统计显示,由驾驶员直接或间接导致的事故占90%以上。汽车避撞—预警系统(Collision Avoidance-warning System,CAS)能够适时辅助驾驶,有效减少交通事故。避撞—预警算法作为CAS的核心,决定了系统介入的时机。系统介入过早,将干扰驾驶员正常驾驶;如果系统介入过晚,则不能完全避免碰撞。现有的避撞—预警算法对驾驶员个体特性考虑较少,致使CAS的适用性较差。实时辨识驾驶员的驾驶特性,并据此选择合适避撞—预警算法或修正算法的部分参数,是CAS发展的趋势。因驾驶员的个体及生理心理状态差异所具有的驾驶特性,可定义为驾驶倾向,所以研究驾驶倾向的实时辨识以及如何将驾驶倾向引入避撞—预警算法具有重大意义。安全车距模型是最常用的一类避撞—预警算法,本文对驾驶倾向识别和安全车距建模进行了相关研究,具体内容如下:第一,根据交通心理学等已有研究成果对驾驶倾向特征进行分析并据此划分驾驶员的驾驶倾向类型。为如何辨识驾驶倾向提供理论基础。第二,静态驾驶倾向的辨识。首先设计了具有较高信度和效度的静态驾驶倾向问卷,然后使用该问卷对128名驾驶员进行问卷测试,最后对问卷结果进行了因子分析并解释。第三,动态驾驶倾向的辨识。首先分析了驾驶员在自由流状态和跟驰状态中的驾驶行为差异,构建了动态驾驶倾向辨识框架。然后设计实车试验并采集所需驾驶行为数据。最后以实测数据为基础,运用BP神经网络和RBF神经网络构建了两种状态下的动态驾驶倾向辨识模型并验证。第四,新型安全车距模型的建立。首先分析了汽车制动过程,推导出运动学安全车距模型并改进。然后通过驾驶模拟试验,得到了不同驾驶倾向的驾驶员在制动过程中的制动减速度和反应时间数据,并以这些数据为基础,建立了适应驾驶倾向的安全车距模型。最后将新建安全车距模型与典型安全车距模型进行仿真对比。