微观交通流仿真跟车行为ANN模型研究

微观交通流研究中的车辆跟驰模型是交通仿真的一个基本模型,由于实际道路上驾驶员信息的获取困难,建立的车辆跟驰模型难以标定或验证.应用人工神经网络和五轮仪试验系统获取的城市道路车辆跟驰数据,建立了车辆跟驰行为的神经网络模拟模型.     

汽车驾驶倾向性研究进展

驾驶倾向性是计算驾驶员情感特征的重要测度指标,驾驶倾向性的辨识对于增强汽车辅助驾驶特别是主动安全预警系统有效性和准确性具有重大意义.文中阐明了驾驶倾向性辨识的研究属于人工心理和情感辨识的范畴,总结了驾驶倾向性相关研究现状,同时指出已有研究成果的不足,并给出驾驶倾向性辨识研究的发展方向.     

不同驾驶倾向驾驶员的酒后驾驶行为研究

为了探究不同驾驶倾向驾驶员的酒后驾驶行为,提高酒后驾驶行为识别模型的准确性,组织60名不同驾驶倾向驾驶员饮酒后进行驾驶模拟实验,获得12个驾驶行为指标的实验数据;采用距离分析和方差分析,对各驾驶倾向驾驶员的酒后驾驶行为数据进行了研究。结果表明：饮酒后,相同驾驶倾向驾驶员在速度标准差等9个驾驶行为指标上有相似性,其中,激进型驾驶员的速度均值的相关比例最高为85%;不同驾驶倾向驾驶员在油门踏板深度均值等7个的驾驶行为指标上差异显著。本研究可为基于驾驶行为的酒驾辨识研究提供理论支持。     

车辆跟驰情景下酒后驾驶行为动态特征参数提取

酒驾是导致重大交通事故的原因之一,酒驾辨识已成为交通安全研究中的重要问题。因此,提取不同驾驶倾向性驾驶员在跟驰状态下的酒驾特征参数对实现酒驾的准确辨识有重要意义。由问卷调查确定驾驶员驾驶倾向性;通过人因工程实验、驾驶模拟实验,采集不同类型驾驶员的生理、操作行为、车辆运行、驾驶环境等动态信息;采用神经网络分类器,获得备选特征集合的分类正确率估计,运用离散粒子群算法提取不同驾驶倾向性驾驶员的酒驾特征参数。验证结果表明提取的特征参数能有效辨识不同驾驶倾向性驾驶员是否酒驾。     

汽车驾驶倾向性模糊多层次综合评判方法

以驾驶倾向性为研究对象,将驾驶倾向性具体化为反应判断指标、驾驶操纵指标及行车记录指标构建驾驶倾向性综合评判模型,应用模糊数学中多层次综合评判理论构造模糊评价矩阵,对驾驶员的驾驶倾向性做出综合评判,并进行了实例分析与计算. 评判结果表明其符合客观实际,具有一定的合理性和较强的实用性.     

随机动态条件驾驶员多讫地出行路径选择研究

为解决驾驶员多讫地出行路径选择问题,综合各评价指标,提出了势力圆法,并对不同重要度讫地的势力圆分别进行了讨论研究. 结合离散动态贝叶斯网络,建立了多讫地出行的驾驶员路径选择动态决策模型. 通过具体算例对该模型进行了仿真验证,结果表明,综合势力圆法和离散动态贝叶斯网络方法在多讫地出行的路径决策中有着很好的适用性.      

基于模拟驾驶实验的不同驾驶倾向驾驶员的酒后驾驶行为

为了探究不同驾驶倾向驾驶员的酒后驾驶行为,提高酒后驾驶行为识别模型的准确性,组织60名不同驾驶倾向驾驶员饮酒后进行驾驶模拟实验,获得12个驾驶行为指标的实验数据。采用距离分析和方差分析,对各驾驶倾向驾驶员的酒后驾驶行为数据进行了研究。结果表明:饮酒后,相同驾驶倾向驾驶员在速度标准差等9个驾驶行为指标上有相似性;其中,激进型驾驶员的速度均值的相关比例最高为85%。不同驾驶倾向驾驶员在油门踏板深度均值等7个的驾驶行为指标上差异显著。本研究可为基于驾驶行为的酒驾辨识研究提供理论支持。     

非参数小波算法的交通流预测方法

及时准确地进行交通流短时预测是智能交通系统,尤其是其先进的交通管理系统与先进的出行者信息系统研究的关键内容之一.随着预测时间跨度的缩短,交通流量的变化显示出越来越强的不确定性,使得一般方法的预测精度大大降低.本文应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测.经过实测数据验证,算法能对交通参数做出很好的预测.     

基于改进群智能k-means优化算法的侵犯性驾驶行为异常点检测

如何有效地检测侵犯性驾驶行为异常数据,避免它们对后续建模分析产生不利影响是研究的焦点。在综述侵犯性驾驶行为研究现状基础上,借助驾驶模拟仿真实验系统和Ergo LAB人因系统进行侵犯性驾驶实验;并通过不同传感器获取了驾驶行为人车环境高维数据,最后采用优化的K-means聚类算法对该高维数据进行聚类和异常值检测。结果表明,最佳聚类数为2;并有效输出了异常点检测结果,为下一步的侵犯性驾驶行为定量分析提供了优质的数据保证。