基于车载传感信息融合的电动汽车驾驶行为辨识

本文的主要目的是基于信息融合的方法设计出一套能准确辨识出驾驶行为的系统.本系统使用六轴加速度计采集加速度信息,通过多尺度多重分形(MMA)算法(首次将该算法用作特征提取的方法)从加速度信号中提取出可反映不同驾驶行为的波动特征.并采集电动汽车的OBD接口获取的包括速度、功率、电流等车载OBD信息并提取特征.分别通过随机森林(RF)算法对驾驶员的驾驶行为进行辨识.提出一种新的信息融合的方法,采用该方法对加速度信息和OBD信息进行融合,发现信息融合的方法可以更有效的辨识出电动汽车的驾驶行为.     

基于模糊神经网络的自动驾驶决策系统研究

驾驶决策过程中,驾驶行为常受到人、车、路、环境等多源信息的刺激和影响。由于信息处理能力有限,驾驶员对多源信息无法同时实现知识获取与表示,以致有时不能准确、快速地进行驾驶决策,易引发交通事故。为了解决这一问题,针对驾驶员的控制行为进行了分析,并基于模糊控制和神经网络等理论知识,建立了智能车辆驾驶决策机制的模糊神经网络模型。该模型的建立有助于驾驶人员做出更安全、更有效的控制策略。仿真结果表明,用模糊神经网络推理系统有较高的推理速度,能实时、准确地识别当前的驾驶行为和预测下一时刻的驾驶决策,为智能车辆中自动驾驶系统的仿真和实现提供了理论指导和可行性依据。     

基于视频识别驾驶疲劳的信息融合系统

本文提出并实现了基于实时视频检测驾驶员疲劳度的信息融合系统。使用红外摄像仪和高速DSP相结合,实时监控驾驶员的疲劳症状,提炼出特征信息,经FPGA系统加以信息融合技术处理后得到疲劳度,自动判断驾驶员是否进入疲劳状态,根据疲劳度的不同发出警告信号。经实际测试表明,使用信息融合技术有效地提高了系统判断驾驶疲劳状态的精确度和系统的鲁棒性,具有93%以上的正确率。     

驾驶员助手系统的关键技术--信息融合

主要讨论了驾驶赠助手系统的关键技术－－信息融合问题,介绍了目前信息融合研究的重点。结合飞机空空格斗的特点,讨论了基于专家系统的驾驶员助手系统的设计思路,并讨论了Ｄ－Ｓ证据推理理论在目标识别中的应用。     

智能驾驶中的行为辅助压力感知方法

人的压力与其行为紧密相关,特别是在智能驾驶时,驾驶员压力感知对实现辅助驾驶具有巨大的应用潜力.现有压力感知方法多用于静态环境,检测过程也缺乏便捷性,难以适应高度动态的智能驾驶应用需求.为了实现智能驾驶中自然、准确和可靠的压力检测,提出一种基于可穿戴系统的行为辅助压力感知方法.该方法基于行为伴随实现压力检测,并基于多指标执行压力状态判别,能够有效提高压力检测准确度.其基本原理在于每个人在不同压力状态下的生理特征和行为模式不同,会对压力相关的PPG数据和行为相关的IMU数据产生独特影响.首先使用嵌入多传感器的可穿戴手套测量驾驶员的生理和运动信息,通过多信号融合技术获得可靠的生理行为指标,最终使用泛化性能较好的SVM模型分类驾驶员的压力状态.基于所提出的方法在模拟驾驶环境下部署了验证实验,实验结果显示,压力分类精确度可达到95%.     

基于模糊推理的汽车辅助驾驶系统控制算法

在建立汽车辅助驾驶系统模型的基础上,指出满足驾驶员的驾驶特征是车辆控制的一个重要指标,此外针对驾驶员驾驶行为的不精确性,提出了以模糊推理为基础的上位控制方法,并对其进行了现场实验。实验结果表明,用模糊控制理论模拟驾驶行为的不精确性是可行的。通过模糊控制自车的速度,能够实现自车在多种工况下保持安全状态。     

汽车驾驶员环境模型研究

该文在分析了汽车主动安全系统信息流程的基础上，提出了汽车驾驶员环境模型。该模型包括信息感知、安全决策和驾驶行为审计三部分。利用车载传感器实时获取的环境与汽车行驶状态的参数，构造了汽车行驶过程的特征模型，为安全决策提供可靠的信息源。然后，利用模糊积分方法融合多种相关信息，确定汽车应采用的安全运行模式，实现主动安全防撞决策。最后，提出了基于局部分析的映射变换方法，实时有效地实现了驾驶行为数据的分析处理，实现了驾驶行为审计。实验表明，系统能及时、准确地给出报警信号与决策支持信息。     

智能安全驾驶监测系统设计与实现

针对当下发生的交通事故中及大部分是由于驾驶员酒后驾驶、违规驾驶或是突发身体疾病所导致的,设计出一种智能安全驾驶检测系统；系统以树莓派为和核心搭配智能手表、APP、酒精检测模块；系统可以实现监测驾驶员的酒精浓度,驾驶员的违规驾驶行为以及驾驶中的健康状况等功能,并通过移动端APP进行可视化展示；经测验,整个系统能够在驾驶途中稳定的运行,能够满足实时监测驾驶员的驾驶行为以及健康信息的需求。     

动态生理信息融合在人体健康评价系统的应用

针对人体健康状况实时评价问题,将生理医学理论与信息融合技术相结合,设计了一种基于动态生理信息融合的健康评价系统。利用扩展的卡尔曼滤波辅助方法进行预处理及特征提取,将模糊逻辑引进神经网络,推进了模型一致性推理过程,选取基于数值优化改进的BP算法。仿真结果及健康增进型运动平台的实际应用表明该系统能够快速、准确完成人体健康状况的评价。     

基于混合模糊多人多目标非合作博弈的车道选择模型

建立汽车安全驾驶辅助系统（包括安全驾驶预警系统）是保证交通安全的有效手段.准确预测车辆集群态势是汽车安全辅助驾驶的前提,车道选择是车辆集群态势发生转移最为根本的原因,也是交通流理论研究的基本内容.以往研究没有综合考虑车辆集群复杂态势下各运动实体特征及其操控者类型,以及多个车道间车辆的冲突对车道选择的影响.为此,本文综合考虑各运动实体特征及其操控者类型,基于混合模糊多人多目标非合作博弈方法,建立城市快速路基本路段上的驾驶员车道选择模型.通过分析各方驾驶员在不同车道选择策略下的收益,确定换道博弈的Nash均衡,得到驾驶员最优车道选择策略.研究结果表明：基于混合模糊多人多目标非合作博弈方法建构的驾驶员车道选择模型,其预测准确率可达到85.2%.