导读:本文包含了驾驶状态论文开题报告文献综述及选题提纲参考文献，主要关键词:驾驶行为,疲劳检测,系统建模,统计过程控制
驾驶状态论文文献综述
张维存,朱全民[1]（2019）在《基于正常驾驶行为建模的非正常驾驶状态检测》一文中研究指出驾驶行为是一个典型的闭环控制系统.利用驾驶员正常驾驶数据建立驾驶行为模型(车辆偏离车道中心线为输入,方向盘转角为输出),用建好的模型去拟合未知驾驶状态下的数据,以拟合残差是否与正常状态时有显着差异为依据,基于统计过程控制的休哈特控制图和指数加权滑动平均控制图技术检测驾驶状态是否出现异常.给出5个驾驶员在模拟驾驶仪上的试验验证结果.结果表明:基于本文方法的非正常驾驶状态识别结果与实际观察结果一致,证明了本文方法的有效性.(本文来源于《北华大学学报(自然科学版)》期刊2019年06期）
冀翀晓,吕青,李何[2]（2019）在《基于实时检测眼睛状态的一种安全驾驶方法》一文中研究指出为预防及减少机动车驾驶过程中交通事故的发生,提出一种基于实时检测眼睛状态的安全驾驶方法。首先,在机动车驾驶空间安装并初始化摄像头,获取驾驶员的实时视频,然后采用基于肤色的人脸识别算法保留感兴趣区域(ROI),再用Viola-Jones算法眼睛分类器进行眼睛检测,最后对图像进行直方图均衡化以及中值滤波,利用Hough变换的圆形检测技术实现虹膜检测以完成眼睛的实时状态检测。实验结果表明,该方法能成功检测眼睛状态,检测准确率为99%,Kappa一致性为95.3%,具有较高的实时性。(本文来源于《现代电子技术》期刊2019年20期）
陈岳峰,陈礼彪,黄键,冯移冬[3]（2019）在《考虑驾驶行为稳定性与交通流状态稳定性的路标效用评价模型》一文中研究指出高速公路互通立交区域由于交通流相互交织、车辆加减速换道等原因,驾驶人需要付出更多的注意力以及操控力,操作难度较大,该区域交通标志的设置位置和形式对于交通安全至关重要;我国以往针对互通立交区指路标志的效用评价往往采用定性化主观评价方法,无法全面反映指路标志对于互通立交区域车辆驾驶人驾驶行为与交通流的综合影响。基于驾驶模拟实验,构建综合驾驶人微观驾驶行为评价指标、交通流宏观评价指标的互通立交区指路标志效用评价模型,提出了评价模型的基本形式。并对基本形式进行了目标分解。在驾驶人微观驾驶行为评价指标方面,选取了反应时间、心率变异率作为具体评价指标,分别给出了计算公式,以及各自影响权重;在交通流宏观评价指标方面,选取了速度变化率、车道保持能力作为具体评价指标,同样的,分别给出了计算公式,以及各自影响权重。在结合实际情况确定各目标函数评价指标的相关约束条件基础上,提出了基于遗传算法的互通立交区指路标志效用定量化评价方法,并选取某高速公路客货分离车道车流交织区的标志布设方案,开展驾驶模拟实验,应用本模型对两组设计方案的标志诱导效果进行评价。(本文来源于《公路交通科技》期刊2019年10期）
王钰[4]（2019）在《生命权冲突的紧急状态下自动驾驶汽车的编程法律问题》一文中研究指出生命权冲突的紧急避险问题拷问了人类的正义观和自由观,人工智能的发展更加激化了技术发展与伦理规范的冲突。本文遵循一种弱势逻辑,偏重于对基本损害的防范与克服,目标只是尽可能地将其减少到最低点。生命对生命的紧急避险在一些情况下是可以排除可罚性的。自动驾驶技术不可以回避在遇到生命权冲突时如何编程的问题。对于人类司机适用的规则只有部分可以适用于电脑程序。电脑程序需要确定编程规则,这样在遇到紧急状态时,自动驾驶汽车就可以按照事先设定的优先级决策。在规则竞合的情况下,不同的决策者会作出不同的优先级安排。通过这样的安排,程序开发商和汽车生产商的法律风险才能最大程度地降低。(本文来源于《浙江社会科学》期刊2019年09期）
汪琴,罗小华[5]（2019）在《列车全自动驾驶模式下的车站站台门健康状态监控系统研究》一文中研究指出城市轨道交通在列车全自动驾驶模式下,站台门健康状态监控系统能对站台门的运行状态进行主动监测及预测。对站台门健康状态监测的内容进行分析;根据全自动驾驶的需求,建立站台门健康状态监控系统架构;基于光纤光栅技术,实施站台门健康监测;基于系统辨识技术和有限元分析模型,建立站台门健康状态预测模型,进而预测出站台门的经济寿命及故障情况。相关人员可综合考虑设备的经济寿命及故障情况,比选出最佳的检修方案,从而有效提高了对站台门的监管效率。(本文来源于《城市轨道交通研究》期刊2019年09期）
陈虹,郭洋洋,刘俊,郭洪艳,崔茂源[6]（2019）在《基于驾驶状态预测的人机力矩协同转向控制器设计》一文中研究指出针对人机协同转向控制中对于驾驶员参与和驾驶员状态考虑较少这一问题,提出一种基于驾驶员状态预测的人机力矩协同(human-vehicle torque collaborative based on driver state prediction, HVTC-DSP)转向控制方法.该方法以力矩为人机交互接口,提高了驾驶员的参与程度;同时,在控制器设计过程中采用模型预测控制方法,将驾驶员状态考虑在内,对驾驶员状态进行预测.采用高精度车辆仿真软件veDYNA进行仿真验证,结果表明,与不考虑驾驶员状态的人机协同力矩(human-vehicle torque collaborative based on no driver state prediction, HVTCNDSP)转向控制方法相比,所提方法可以使辅助力矩更好地跟随驾驶员动作,提高车辆转向性能,减小侧向位移偏差,同时对不同驾驶员也有较好的适应性.进而,以驾驶员下一步动作为参考,使驾驶员当前力矩尽可能接近下一步期望的力矩,在转向性能几乎不受影响的情况下,适当减轻驾驶员操作负担.(本文来源于《控制与决策》期刊2019年11期）
陈巍,罗容[7]（2019）在《疲劳驾驶状态检测专利技术综述》一文中研究指出为了研究疲劳驾驶状态检测的专利发展现状,本文以CNABS和DWPI数据库为基础,通过对疲劳驾驶状态检测专利申请的检索、统计和分析,从中获取疲劳驾驶状态检测的申请量趋势、技术分布状况、重要申请人等信息。同时,获知疲劳驾驶状态检测的分支情况,梳理了疲劳驾驶状态检测关键技术的发展,总结了疲劳驾驶领域的研究热点、重要申请人和核心专利,为疲劳驾驶领域的发展提供了参考。(本文来源于《河南科技》期刊2019年18期）
杨晗[8]（2019）在《基于驾驶状态识别的自动紧急制动控制策略研究》一文中研究指出随着汽车市场的快速发展,主动安全技术成为汽车公司持续投资研发的重点。如何在复杂的行车环境中,确保所有乘员安全是汽车安全技术发展方向。自动紧急制动系统是在关键时刻协助驾驶员进行紧急刹车的主动安全配置,采用信息与传感技术使驾驶员感知能力得到提升,辅助驾驶员避免事故发生或者减轻事故伤害。安全距离模型是自动紧急制动系统的基础,合适的安全距离模型对系统实现良好的效果起着至关重要的作用。针对现有安全距离模型存在参数选取难、精确度低和忽视驾驶员个性化差异等问题,本文进行了如下研究。首先,本文将安全距离模型作为研究重点,采用BP神经网络(Back-Propagation Neural Network)对行驶工况进行识别,根据相关系数法选取输入特征值为最大车速、平均车速、怠速时间、平均加速度、最大加速度和最小加速度,这六个参数作为神经网络的输入,输出为行驶工况等级,每种行驶工况对应该工况下标准型驾驶驾驶状态行驶平均冲击度,路况识别周期和预测周期分别为120s和6s。根据各路况对应的标准型驾驶员行驶平均冲击度,结合驶状态识别公式求得驾驶状态识别系数,按0.5和1.0阈值将驾驶状态分为保守型、标准型和激进型,然后分析得到驾驶状态识别周期和预测周期分别为9s和3s时,识别精度较高,并用驾驶状态识别系数对安全距离模型中最小安全距离和驾驶员反应时间这两个参数进行修正。其次,建立Carsim/Simulink联合仿真模型,根据C-NCAP标准测试案例进行多速度场景下不同驾驶状态仿真分析,验证基于驾驶状态识别AEB控制策略的有效性。结果表明:基于驾驶状态识别的自动紧急制动系统,可以更好的协调临界安全距离和临界报警距离,更加符合驾驶员对该系统的预期,可以增加驾驶员对该系统的信任度。最后,基于某公司77GHZ毫米波雷达作为传感器搭建实验平台,在确保雷达安装位置精度前提下,进行主动安全测试。通过对前车静止工况数据与仿真数据对比分析得:本文建立基于Carsim/Simulink联合仿真模型准确性较高,精度符合要求,可用于自动紧急制动控制策略的分析。(本文来源于《江苏大学》期刊2019-06-01）
郭耀华[9]（2019）在《基于深度学习的车辆驾驶状态识别算法研究》一文中研究指出车辆驾驶行为识别(Vehicle Driving Behavior Recognition,VDBR)是车辆驾驶和交通安全研究领域具有基础性和挑战性的问题。考虑到复杂多样的路段(高速公路,城市道路,乡村道路等)以及驾驶员驾驶习惯的差异,难以准确、实时地分析和识别驾驶行为信息。车辆驾驶行为识别的主要方法之一是基于惯性传感器数据进行分类和识别。大多研究采用了内置传感器的智能手机作为数据源。虽然使用智能手机作为数据源更加灵活,但是数据干扰会更多。相应地,另一些研究则采用了专用独立传感器,大多研究者使用统计机器学习方法,例如SVM(Support Vector Machine)、KNN(k-Nearest Neighbor)、HMM(Hidden Markov Model)等算法进行分类识别,很少有研究使用深度学习方案解决此问题。与统计机器学习算法相比,基于深度神经网络的方法可以有效提高识别精度。然而,运动传感器采集的数据具有特殊的关联特性,目前还没有学者提出专门的深度神经网络用以解决识别精度的问题。本文提出了一种基于六轴惯性传感器的车辆驾驶行为识别解决方案。该方法使用由板载运动传感器收集的样本数据,通过深度学习算法进行分类识别。论文主要贡献为:(1)为了解决样本量小,模型容易产生过度拟合的问题,本文提出了一种基于惯性传感器时序数据的联合数据增强(Joined Data Augmentation,JDA)方案,包括叁个子算法:多轴加权融合(Multi-Axis Weighted Fusion,MAWF)算法,背景噪声融合(Background Noise Fusion,BNF)算法,和随机裁剪(Random Cropping,RC)算法,以构建更符合复杂实际驾驶环境的样本数据集。(2)通过对车辆驾驶样本数据特征分析,提出一种可应用于深度学习的特征构造算法,该特征构造方法提升了原始输入特征的维度,提供了更多初始特征,提高了数据集的特征表达能力,减小解决方案对模型非线性的依赖程度,进而提高模型准确率。(3)提出一种新型神经网络架构:多视角卷积神经网络(Multi-View Convolutional Neural Networks,MV-CNN),实现对输入张量进行多维度的特征提取,充分采集张量的时空特性。对比传统卷积神经网络模型,信息传播的方向得到改善,可以更好的用于驾驶行为的训练,学习和识别。评估结果表明,数据增强方案增加了数据集样本数量,并使样本更加均衡。特征构造方案,减弱了分类效果对模型非线性的依赖程度,提升了准确率,MV-CNN网络结构由于引入了多视角卷积方案,充分提取了数据的时空特性。从实验结果可以看出,MV-CNN有挖掘数据潜在特征的能力。该方案的预测精度可达95.29%,高于经典模型。同时,该方案具有更好的泛化能力,减少了训练方差和偏差,提高了模型训练过程的稳定性。(本文来源于《北京邮电大学》期刊2019-05-29）
罗颢文[10]（2019）在《基于最短路径树的功能性脑网络在疲劳驾驶状态识别中的应用研究》一文中研究指出针对基于脑电图(electroencephalogram,EEG)的疲劳驾驶状态识别模型的准确率问题不够理想,以及目前缺乏对疲劳驾驶发生的神经机理问题研究,课题致力于研究基于最短路径树来构建有效的功能性脑网络用于疲劳驾驶状态识别,建立了基于最短路径树功能性脑网络的疲劳驾驶状态识别模型和疲劳发生的神经机理模型,提出并设计了基于最短路径树功能性脑网络的疲劳驾驶状态识别方法和疲劳发生的神经机理分析方法。课题主要研究内容和阶段性研究成果如下:较全面分析了功能性脑网络(functional brain networks,FBN)构建的关键技术,包括研究基于最短路径树(shortest path trees,SPT)的FBN构建方法(该网络记为SPT-FBN),针对基于联合最短路径树(the union of shortest path trees,USPT)所构建的FBN存在密度过大问题,提出了一种改进的方法即基于组合最短路径树(the combination of shortest path tree,CSPT)的FBN构建方法(该网络记为CSPT-FBN),并设计了相应的构建算法。对SPT-FBN和CSPT-FBN进行较全面的网络属性分析。建立基于SPTFBN和CSPT-FBN的疲劳驾驶状态识别模型以及基于CSPT-FBN神经机理分析模型,设计了相应的算法。在真实数据上,对模型和算法进行了较全面的测试和结果分析。通过测试和结果分析,得出:(a)基于P4,CPZ,CP4,Cz,FC4,CP3,C4z这7个电极构建CSPT的疲劳驾驶识别模型能够进行有效的疲劳驾驶识别;(b)SPT/CSPTFBN比基于最小生成树(minimum spanning tree,MST)的FBN(该网络记为MST-FBN)和基于稀疏度的FBN在疲劳驾驶状态识别上准确率要高;(c)在Beta段波下,SPT-FBN的叶子分数,树层次,kappa变化值与疲劳驾驶状态识别率呈现负相关关系。(d)大脑的右侧中央区与中央顶区之间EEG的Beta频段放电存在异常情况,疲劳的产生很可能与该区域有着密切的联系。论文最终给出了所研究工作的阶段性总结并提出目前工作的不足和下一步工作的展望。(本文来源于《南昌大学》期刊2019-05-26）
驾驶状态论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为预防及减少机动车驾驶过程中交通事故的发生,提出一种基于实时检测眼睛状态的安全驾驶方法。首先,在机动车驾驶空间安装并初始化摄像头,获取驾驶员的实时视频,然后采用基于肤色的人脸识别算法保留感兴趣区域(ROI),再用Viola-Jones算法眼睛分类器进行眼睛检测,最后对图像进行直方图均衡化以及中值滤波,利用Hough变换的圆形检测技术实现虹膜检测以完成眼睛的实时状态检测。实验结果表明,该方法能成功检测眼睛状态,检测准确率为99%,Kappa一致性为95.3%,具有较高的实时性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
驾驶状态论文参考文献
[1].张维存,朱全民.基于正常驾驶行为建模的非正常驾驶状态检测[J].北华大学学报(自然科学版).2019
[2].冀翀晓,吕青,李何.基于实时检测眼睛状态的一种安全驾驶方法[J].现代电子技术.2019
[3].陈岳峰,陈礼彪,黄键,冯移冬.考虑驾驶行为稳定性与交通流状态稳定性的路标效用评价模型[J].公路交通科技.2019
[4].王钰.生命权冲突的紧急状态下自动驾驶汽车的编程法律问题[J].浙江社会科学.2019
[5].汪琴,罗小华.列车全自动驾驶模式下的车站站台门健康状态监控系统研究[J].城市轨道交通研究.2019
[6].陈虹,郭洋洋,刘俊,郭洪艳,崔茂源.基于驾驶状态预测的人机力矩协同转向控制器设计[J].控制与决策.2019
[7].陈巍,罗容.疲劳驾驶状态检测专利技术综述[J].河南科技.2019
[8].杨晗.基于驾驶状态识别的自动紧急制动控制策略研究[D].江苏大学.2019
[9].郭耀华.基于深度学习的车辆驾驶状态识别算法研究[D].北京邮电大学.2019
[10].罗颢文.基于最短路径树的功能性脑网络在疲劳驾驶状态识别中的应用研究[D].南昌大学.2019