导读:本文包含了驾驶行为特征论文开题报告文献综述及选题提纲参考文献，主要关键词:互通立交,环形匝道,变速车道,驾驶行为
驾驶行为特征论文文献综述
徐进,崔强,常旭,符经厚,吴国雄[1]（2019）在《苜蓿叶形互通立交进/出口的纵向驾驶行为特征》一文中研究指出为明确苜蓿叶形互通立交进/出口的车辆运行过程,修正驾驶行为假定,在3座立交上开展了实车驾驶试验.利用车载航姿测量系统采集了自然驾驶状态下的小客车连续行驶速度和加速度数据,基于行驶速度变化特征将环形匝道连续行驶过程划分成了5个阶段,分析了立交进/出口区域的纵向驾驶行为特征,确定了减速长度和加速长度的起/止点分布.结果表明:在立交出口,第85百分位减速起点位于交织段,终点位于分流点之前,还有不低于15%的减速行为在分流鼻后结束;在立交进口,驾驶人在合流点前观察主线交通流,普遍采取减速操作并持续至加速段、渐变段甚至交织段.不同驾驶人减速行为的分布区域存在交织,导致车辆间出现纵向冲突,增加了事故风险.立交出口的减速长度主要分布在30～60 m,第85百分位减速度为0.55 m/s~2;入口区域的减速长度主要分布在20～60 m,第85百分位减速度为0.63 m/s~2;匝道坡向对驾驶行为的影响不显着.(本文来源于《东南大学学报(自然科学版)》期刊2019年06期）
程文冬,马勇,魏庆媛[2]（2019）在《驾驶人手机通话行为中基于图像特征决策融合的手势识别方法》一文中研究指出为鲁棒检测自然环境中驾驶人的通话行为,提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域,在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样,由此建立了肤色的高斯分布模型;针对驾驶室光照强度的不均匀性,提出了肤色分量的漂移补偿算法,建立了适应光照变化的在线肤色模型,以准确分割左右手部肤色区域;运用HOG算法获取手部肤色区域的2 376维HOG特征向量,运用PCA方法将HOG特征降至400维;同时提取手部肤色区域的PZMs特征,并采用Relief算法筛选出权重最大的8个PZMs特征向量,建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明:基于PCA-HOG特征的手势识别率为93.1%,对光照变化的鲁棒性较好,但易受到手部与头部转动的干扰;基于Relief-PZMs特征的手势识别率为91.9%,对于头部与手部姿态的耐受度较好,但光照鲁棒性较差;基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%,对光照波动、手部与头部转动等干扰条件具有较好的适应性。(本文来源于《交通运输工程学报》期刊2019年04期）
谢非,汪壬甲,沈世斌,孙蕊,张斌[3]（2019）在《基于手机惯性传感器与多特征CNN的驾驶行为识别算法》一文中研究指出不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义。针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法。通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别。最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势。此外,MFCNN测试结果的方差仅为0.014 391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠。(本文来源于《中国惯性技术学报》期刊2019年03期）
何柔灵[4]（2019）在《基于轨迹数据的驾驶行为动态特征分析与建模》一文中研究指出全球经济飞速发展使城市化进程不断加快,作为连接城市间、城市内的纽带,交通系统迅猛发展,汽车保有量急剧增长,随之带来一系列的交通问题:城市高峰期的交通拥堵问题、城市空气污染以及频繁发生的交通事故。当这些问题发展到一定程度就会成为制约社会经济发展、提高社会生活水平的桎梏,更制约着城市道路交通系统的进一步发展。根据实际交通流进行建模,是解决城市交通问题的重要方法之一,交通流建模的核心依据是城市道路中车流随时间、空间的演变规律。该方法可以解释各类交通现象的内在机理,为掌握车辆行驶规律提供可靠的理论支持,是改善现有交通问题的重要手段。在实际交通系统中,车辆往往跟随前车在车流中行驶,驾驶员在驾驶过程中的行为并非保持不变,而是根据行车条件不断对车辆进行加速、减速操作,以确保车辆不与前车相撞,也不与前车距离过远。现有的车辆跟驰模型大多认为车辆驾驶特征保持不变,这与实际不符。因此,构建具有时变特征的车辆跟驰模型,使其更加符合驾驶过程中的动态特征,从而掌握车辆驾驶规律对交通流的影响,是具有研究价值的。基于以上问题,本文拟根据车辆轨迹数据,以优化车辆跟驰模型、把握车辆驾驶规律为目标,提取、分析车辆的动态驾驶特征,把握重要影响因素随时间变化的规律,通过构建合理的具有动态驾驶特征的车辆跟驰模型,以期为掌握车辆实际驾驶过程中的变化规律提供理论依据和科学方法。本文主要工作如下:(1)本文详细阐述了驾驶员的驾驶特性以及车辆跟驰模型的研究现状。根据NGSIM数据集中的轨迹数据,提取、分析车辆驾驶过程中的动态特征。基于车辆的时变驾驶特性,本文提出一种计算车辆动态反应时间的方法,并根据影响车辆跟驰行为的前车信息,分析车辆在不同状态下的加速度、速度、与前车速度差的分布情况,进一步验证了车辆的时变特性。(2)车辆跟驰模型中的驾驶员反应时间是描述车辆时变特征的重要参数,本文通过基于车辆轨迹数据计算得到驾驶员的动态反应时间,考虑反应时间具有时变特性,本文运用时间序列分析建模方法研究其变化规律。(3)本文以GHR车辆跟驰模型、优化速度模型以及智能驾驶模型(IDM)为基础,对车辆时变驾驶特征进行深入研究。基于时间区间的划分,利用最小二乘法对叁个模型的参数进行动态标定,并与传统标定进行对比。根据研究可知,动态地看待驾驶行为可以更好地描述其时变特性,把握驾驶规律。(本文来源于《北京交通大学》期刊2019-06-05）
李兴东,袁振洲,张羽,郭宏伟[5]（2019）在《基于元胞自动机的绿色驾驶行为特征仿真》一文中研究指出绿色驾驶是可以使驾驶人在驾驶过程中节油减排的一系列驾驶措施。为了研究绿色驾驶的行为特征,建立了多车道元胞自动机模型进行仿真,并以北京北叁环某路段作为仿真场景对模型进行标定和验证。利用该仿真模型,研究纵向驾驶行为和横向驾驶行为对交通运行、能源消耗以及尾气排放产生的影响。构建了绿色驾驶行为判别标准,并通过预测得到绿色驾驶行为特征。研究发现,缓慢加速、保持车速稳定、将车速保持在合理区间以及保持较大的安全间距是符合中国道路特性的绿色驾驶行为。(本文来源于《山东科学》期刊2019年02期）
胡松,吴仲城,张俊[6]（2019）在《基于车载手机数据深度特征的驾驶行为识别》一文中研究指出针对驾驶行为识别问题,利用智能手机传感器采集相应车辆的加速度、角速度信息,并用手机角度信息对原始数据进行矫正处理。传统的驾驶行为识别方法须事先对原始数据单元人为进行特征提取。为改善繁琐的人工特征提取方法,提出一种驾驶行为识别领域基于改进的卷积神经网络的特征提取方法。原始数据经过组合后,作为卷积神经网络的输入。通过改变卷积神经网络的损失函数,提高类内样本特征的相似度,再将提取的特征作为核极限学习机的输入。实验结果表明,该方法可有效识别车辆的静止、急加速、急减速、正常行驶、左转弯、右转弯等驾驶行为。(本文来源于《计算机应用与软件》期刊2019年01期）
吴斌,朱西产,沈剑平[7]（2018）在《基于自然驾驶数据的驾驶员紧急制动行为特征》一文中研究指出基于中国自然驾驶数据,建立了紧急工况下制动避撞的驾驶员模型,分析了驾驶员的紧急制动反应时间和紧急制动输入特性的规律特征.结果表明:驾驶员的紧急制动反应时间与驾驶工况的紧急程度相关,以碰撞时刻倒数的临界值0.2s~(-1)作为危险触发阈值,驾驶员的紧急制动反应时间分布为均值0.5s的正态分布;最大制动减速度随驾驶工况紧急程度变化不明显,最大制动减速度梯度随驾驶工况紧急程度的增加而增加.(本文来源于《同济大学学报(自然科学版)》期刊2018年11期）
薛志超,巩渭华,杨波,徐全鹏,张立朋[8]（2018）在《常见驾驶行为下驾驶人注意力分配特征》一文中研究指出为了获得驾驶人在常见驾驶行为下的注意力分配特征,借助驾驶模拟器采集特定交通流下的驾驶人眼动数据,利用注视时间和视觉信息搜索范围表征驾驶人注意力分配;分析不同驾驶行为下的驾驶人注意力分配特征,并探究来自不同方向的交通流对驾驶人注意力分配的影响。结果表明:驾驶人对前方正中心总是给予足够多的关注;自由流条件下,车辆转弯或换道时,驾驶人对正中心的关注下降,对转向一侧的关注增加,并且搜索范围由远处向近处转移;车辆沿曲率缓和的道路行驶时,交通流出现对驾驶人注意力分配的影响较小,而在转弯或换道时,交通流出现会对驾驶人注意力分配产生较大影响。(本文来源于《济南大学学报(自然科学版)》期刊2018年06期）
任怡静,黄春晓[9]（2018）在《基于当前城市道路系统的女性驾驶行为特征研究——以南京市中心城区为例》一文中研究指出随着机动化的推进、女性社会地位的提高,女性驾驶员已成为不可忽视的道路使用主体,备受大众关注,同时饱受诟病。以南京市中心城区为例,通过实地调查,获取女性驾驶员出行行为、驾驶习惯和心理需求特点,分析两性驾驶行为差异,并探讨成因。对比发现,女性对道路的客观使用与主观认知较男性更为复杂、细致,体现在出行路线、道路使用、驾驶感受、方向认知和审美需求等方面。差异原因主要有二:一是内因——性别差异,包括生理及心理特点、性别角色与个人属性等;二是外因——道路系统规划设计,体现在总体结构、设施配置、标识与景观设计等维度。在当前道路环境下不应只批评"女司机现象",更应对规划进行反思。(本文来源于《上海城市规划》期刊2018年05期）
杜勇,王春明,崔金,李磊军,崔尧[10]（2018）在《基于稀疏时空特征描述的驾驶者多种非安全驾驶行为识别》一文中研究指出驾驶者非安全驾驶行为是引发恶性交通事故的重要原因,本文通过对于构成视频的图像序列提取时空兴趣点,扩展成Cuboid并进行向量化特征描述,得到驾驶员的动作行为的向量表示,然后使用PCA算法对于得到的特征向量进行降维,并使用K-means算法对其进行聚类,所得到的聚类中心作为Cuboid原型字典中心,最后,使用KNN算法对不同驾驶者的非安全驾驶行为进行有效识别分类。实验结果表明这种方法能够对于不同个体的体貌差异具有一定的容忍性,对于不同驾驶者的相似的非安全的驾驶行为具有较好的识别能力。(本文来源于《智能计算机与应用》期刊2018年06期）
驾驶行为特征论文开题报告
（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：
为鲁棒检测自然环境中驾驶人的通话行为,提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域,在YC_gC_r色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样,由此建立了肤色的高斯分布模型;针对驾驶室光照强度的不均匀性,提出了肤色分量的漂移补偿算法,建立了适应光照变化的在线肤色模型,以准确分割左右手部肤色区域;运用HOG算法获取手部肤色区域的2 376维HOG特征向量,运用PCA方法将HOG特征降至400维;同时提取手部肤色区域的PZMs特征,并采用Relief算法筛选出权重最大的8个PZMs特征向量,建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明:基于PCA-HOG特征的手势识别率为93.1%,对光照变化的鲁棒性较好,但易受到手部与头部转动的干扰;基于Relief-PZMs特征的手势识别率为91.9%,对于头部与手部姿态的耐受度较好,但光照鲁棒性较差;基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%,对光照波动、手部与头部转动等干扰条件具有较好的适应性。
（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。
驾驶行为特征论文参考文献
[1].徐进,崔强,常旭,符经厚,吴国雄.苜蓿叶形互通立交进/出口的纵向驾驶行为特征[J].东南大学学报(自然科学版).2019
[2].程文冬,马勇,魏庆媛.驾驶人手机通话行为中基于图像特征决策融合的手势识别方法[J].交通运输工程学报.2019
[3].谢非,汪壬甲,沈世斌,孙蕊,张斌.基于手机惯性传感器与多特征CNN的驾驶行为识别算法[J].中国惯性技术学报.2019
[4].何柔灵.基于轨迹数据的驾驶行为动态特征分析与建模[D].北京交通大学.2019
[5].李兴东,袁振洲,张羽,郭宏伟.基于元胞自动机的绿色驾驶行为特征仿真[J].山东科学.2019
[6].胡松,吴仲城,张俊.基于车载手机数据深度特征的驾驶行为识别[J].计算机应用与软件.2019
[7].吴斌,朱西产,沈剑平.基于自然驾驶数据的驾驶员紧急制动行为特征[J].同济大学学报(自然科学版).2018
[8].薛志超,巩渭华,杨波,徐全鹏,张立朋.常见驾驶行为下驾驶人注意力分配特征[J].济南大学学报(自然科学版).2018
[9].任怡静,黄春晓.基于当前城市道路系统的女性驾驶行为特征研究——以南京市中心城区为例[J].上海城市规划.2018
[10].杜勇,王春明,崔金,李磊军,崔尧.基于稀疏时空特征描述的驾驶者多种非安全驾驶行为识别[J].智能计算机与应用.2018