导读:本文包含了驾驶员模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,驾驶员,纵向,安全带,自适应,急变,特征。
驾驶员模型论文文献综述
吴斌,朱西产,沈剑平[1]（2019）在《基于自然驾驶数据的驾驶员紧急转向变道模型》一文中研究指出提出了一种以驾驶员转向目标瞄点为核心的、面向操纵层的驾驶员紧急转向变道的模型建立方法.基于驾驶员紧急变道的阶段特征,提出了驾驶员紧急变道侧向运动轨迹的规划方法,并结合远近目标点理论分析方法,分阶段建立了驾驶员转向变道工况的驾驶员转向模型.对紧急转向变道中避撞、侧移和稳定阶段的增益因子的分布特征进行了研究,模型能够真实地预测自然驾驶中的紧急转向变道行为.(本文来源于《同济大学学报(自然科学版)》期刊2019年11期）
任立海,王荡荡,李晨,蒋成约,胡远志[2]（2019）在《基于Hybrid Ⅲ和AHM模型的自动紧急制动下驾驶员离位仿真研究》一文中研究指出本研究基于Hybrid Ⅲ假人和AHM(Active Human Model)人体坐姿模型,对比分析汽车在自动紧急制动(AEB)时有无主动预紧安全带对驾驶员的离位响应。基于已有的驾驶员约束系统碰撞模型,依据试验数据构建当前AEB仿真用约束系统模型并开展驾驶员AEB工况仿真分析。提取人体(假人)模型头部、肩部、胸部、骨盆以及膝部的时间-位移历程曲线,并开展H-Ⅲ模型与AHM模型仿真预测差异性分析及主动安全带对驾驶员的约束情况。参考志愿者实验数据,AHM在自动紧急制动阶段的仿真逼真度高于HybridⅢ。主动预紧安全带能够显着降低驾驶员在AEB工况下离位响应。(本文来源于《Proceedings of the 16th International Forum of Automotive Traffic Safety（INFATS 2019）》期刊2019-11-14）
田坤,李冠,赵卫东[3]（2019）在《基于YOLO和极限学习机的驾驶员安全带检测模型研究》一文中研究指出针对现有的驾驶员安全带检测算法存在的定位精度差、实时性低的问题,提出一种基于YOLO和极限学习机相结合的驾驶员安全带检测模型。利用YOLO网络快速定位主驾驶区域,提取主驾驶区域特征,传递给极限学习机,训练成一个安全带检测分类器。实验结果表明,与传统的安全带检测算法相比,该方法在驾驶员安全带检测中准确率更高,检测速度大大提升。(本文来源于《计算机应用与软件》期刊2019年11期）
杨波,闫旭亮,吴平,赵学东,韩占闯[4]（2019）在《基于驾驶员行为模型的彩色安全路面设计方法研究》一文中研究指出为使彩色涂层技术更好的服务于道路交通,减少交通事故发生率,通过分析交通事故主要原因以及彩色警示路面的作用机理,对交通事故频发路段的警示路面进行了设计研究。通过构建驾驶员"行驶、警觉、认知、操作"模型,设计了警示路面的设置位置;通过"知觉—行为"模型,规范了警示路面的设置长度,并根据道路交通安全中色彩视觉的应用研究及人们对色彩本身的认知,提出了警示路面的用色标准。(本文来源于《公路交通科技(应用技术版)》期刊2019年10期）
沈沛鸿,赵治国,郭秋伊[5]（2019）在《基于ANFIS的工况跟踪用纵向驾驶员模型开发》一文中研究指出针对基于PI控制纵向驾驶员模型的工况跟踪效果不佳等问题,采集了某PHEV试验样车的纵向驾驶行为数据,采用ANFIS建立了二输入参数的纵向驾驶员模型和考虑未来预期车速影响的预瞄纵向驾驶员模型。仿真结果表明,基于ANFIS的预瞄纵向驾驶员模型具有最好的工况跟踪效果,均方根误差为0.993 0 km/h,且其决策出的加速踏板行程、挡位和需求转矩与实车试验结果最为接近。(本文来源于《汽车工程》期刊2019年07期）
刘志强,王玲,贾海江,倪捷[6]（2019）在《基于BP神经网络的驾驶员制动行为模型研究》一文中研究指出研究驾驶员的制动驾驶行为是汽车辅助驾驶系统应用的基础。建立BP神经网络,基于QJ-4B1型6自由度动感型模拟驾驶仪平台,邀请10名志愿者模拟在城市道路上驾驶过程中车辆相对距离、前车加速度、辆车相对速度和碰撞时间倒数等制动行为特征参数,并作为BP神经网络模型的输入参数,对驾驶员的制动驾驶行为进行预测,由结果显示,在240组检测样本中只有3组数据误差绝对值超过1。由此可以看出,基于BP神经网络的驾驶员制动行为模型对于驾驶员的制动行为预测较为准确,模型有效,可以在辅助驾驶系统中得到广泛应用。(本文来源于《机械设计与制造》期刊2019年06期）
丁健楠[7]（2019）在《基于车辆—道路模型的驾驶员行为建模》一文中研究指出随着自动控制、电子信息等技术的迅猛发展以及这些技术在车辆上的应用愈加广泛,汽车正朝着更加智能化的方向发展。实现车辆的智能驾驶逐渐成了国内外广大学者以及汽车生产商的研究目标。轨迹规划与跟踪控制车辆智能驾驶中占有着重要的研究地位。其中,轨迹规划是整个智能驾驶过程中车辆安全运行的基础。然而,目前大多数的轨迹规划方法通常忽略了车辆高速行驶时的安全要求。而驾驶员模型作为车辆实现轨迹跟踪控制的手段,通常都是将其划分成横向模型和纵向模型两种模型进行研究。但是,考虑到车辆的两个方向运动之间的耦合特性,仅仅考虑单一方向的运动状态来分别设计驾驶员模型会导致其控制效果产生较大误差。本文将针对这两个问题进行探讨分析。本论文受国家重点研发计划项目(2016YFB0101102)“电动汽车智能辅助驾驶技术研发及产业化”的资助,主要包括如下几个方面:通过使用双曲正切函数对车辆在直线道路上的单变道轨迹进行解析表示,然后结合道路信息以及车辆自身状态信息,考虑到安全驾驶需求,以车辆转向时所受到的横/纵合力的摩擦圆约束为依据,得到轨迹解析式中的各个参数的约束域,并根据驾驶员对轨迹特性的需求设计优化函数,进而获得满足驾驶员特性的最优变道轨迹。在驾驶员模型设计中,考虑车辆横/纵向运动的耦合特性,建立了车辆叁自由度单轨模型,并结合道路环境建立车辆—道路模型。然后根据分层控制思想,将控制器分成转向控制器与跟踪控制器,利用PID控制方法分别设计控制器,使车辆状态量跟踪上各自的期望值。在下层控制器设计中,通过轨迹曲率与车辆速度与前轮转角之间的关系,得到期望的前轮转角,并利用伪逆法得到车辆轮胎的横向力与纵向力,实现整个驾驶员模型的设计。最后,在Matlab/Simulink中搭建车辆—道路模型,对车辆直线行驶时的各种工况进行仿真设计,并搭建所设计的驾驶员模型,对不同工况下的驾驶员模型的控制效果进行观察。仿真结果表明本文设计的驾驶员模型可以在车辆直线行驶的各种工况下对车辆的横/纵向运动进行统一准确的控制,进而说明本文对自动驾驶技术的发展具有一定的理论基础和工程意义。(本文来源于《吉林大学》期刊2019-06-01）
梁硕[8]（2019）在《具有横向主动安全的智能车驾驶员模型》一文中研究指出随着工业的飞速发展与人民经济生活水平的显着提高,汽车已经成为人们衣食住行中必不可缺的代步工具。而人们也在逐渐承受着汽车技术飞速发展所带来的弊端,包括交通拥堵、交通事故以及尾气污染等。随着21世纪人类环保意识的觉醒以及保证生命财产安全的需要,清洁能源与车辆主动安全技术始终是汽车工业领域的两大科研主题。特别是近年来在人工智能高速发展的浪潮下,汽车智能网联、5G通信以及无人驾驶系统已成为各高校、研究院所以及高新技术企业的热点课题。因此,在当前技术背景下,建立具有主动安全驾驶行为并可替代人类驾驶员的新型智能车驾驶员模型,已成为智能驾驶技术的核心问题。车辆横向安全主要集中在两方面,其一是因为侧向稳定性不足导致的侧倾、侧滑、甩尾等事故;其二是受交通环境的影响而导致在转向过程中与其他车辆发生碰撞。本论文在国家重点研发计划项目(2016YFB0101102)“电动汽车智能辅助驾驶技术研发及产业化”的资助下,以智能车辆行驶过程中的安全驾驶行为作为研究对象,针对车辆转向安全中可能出现的主要问题,做出以下几个方面研究:1)明确并设计驾驶员模型的整体控制结构,该结构由速度控制、转向控制和决策规划叁个子系统组成。同时确定本驾驶员模型的整体控制目标以及各个子系统的控制目标。并设计速度控制系统,使该驾驶员模型可以实现任意形式的加速度控制目标,且具有较高的控制精度。2)针对车辆在转向过程中容易发生因失稳导致的侧翻、侧滑、侧偏等风险,转向控制系统采用模型预测控制理论,结合车辆质心侧偏角、侧向加速度、横摆角速度以及横向转移率等主要侧向约束,计算出实现轨迹跟踪的最优方向盘转角,并提高车辆的侧向稳定性。3)针对车辆在换道行驶过程中容易与临近车辆发生的各种碰撞问题,决策规划系统用于对目标车道的前后车间距进行换道条件的分析。当环境中具备向临近车道实施换道的条件时,该系统通过车速调整算法和轨迹规划算法计算出驶入临近车道的期望加速度和期望轨迹,并作为驾驶员模型的速度控制器和转向控制器的参考信号实施换道操作。其中车速调整算法以前方车辆为跟车对象,为避免和前车相撞采用模型预测控制算法调整两车的间距和车速。而驾驶员模型的轨迹规划策略,将以原车道前车为目标,采用贝塞尔曲线结合粒子群算法,规划出换道行驶的安全轨迹。(本文来源于《吉林大学》期刊2019-06-01）
姜源[9]（2019）在《基于类脑情感学习回路的横-纵向综合控制驾驶员模型》一文中研究指出汽车主动安全是解决由机动车数量井喷式增长和驾驶员驾驶技术良莠不齐引发频繁的交通事故、巨大人员伤亡及财产损失的有效途径之一,然而汽车主动安全性能评价需要考虑驾驶员操纵车辆的行为特性,在人-车-路闭环系统下进行分析。为了应对实车实验耗时且代价昂贵的弊端,在主动安全系统开发的前期将在人-车-路闭环仿真平台上进行试验,因此如何建立一个与真实的人类驾驶员行为特性具有良好一致性的驾驶员模型是研究的核心问题。本论文在国家重点研发计划项目“电动汽车智能辅助驾驶技术研发及产业化”的资助下,对人类驾驶员如何感知环境和车辆状态信息,以及在此基础上做出合理的决策及动作;如何学习并掌握陌生车辆动力学特性进行了研究。具体内容如下。(1)建立车-路模型。建立横向和纵向车辆动力学模型;对离散的道路数据点进行拟合,建立双移线和S形道路模型。所建立的车-路模型为后面建立的驾驶员模型闭环仿真验证做准备。(2)基于大脑情感学习回路(BEL)计算模型建立驾驶员转向行为模型。驾驶员转向模型以两点预瞄模型输出的远、近视角信息驱动BEL模型决策出理想的方向盘转角。在双移线工况下仿真验证了基于BEL的驾驶员转向模型的有效性;保持驾驶员转向模型参数不变,大跨度的改变车辆纵向速度,闭环仿真验证了BEL计算模型对车辆纵向速度变化的良好自适应能力。(3)基于多输入多输出的大脑情感学习回路计算模型(MIMO-BEL)建立横-纵向综合控制的驾驶员模型。参考横向驾驶员模型的建模方法,基于BEL模型建立纵向控制驾驶员模型;最后联合横向和纵向驾驶员模型建立一个基于MIMO-BEL的横-纵向综合控制驾驶员模型,仿真表明该综合控制驾驶员模型具有良好的加速度和路径跟随精度。(4)基于Narendra稳定自适应控制设计了一种具有人类驾驶员对横向车辆模型参数变化自适应行为特性的自适应驾驶员转向模型。人类驾驶员在长期的驾驶过程中,可以学习到车辆线性动力学响应特性,并以此建立内部参考模型,当车辆参数变化时,驾驶员在内部参考模型的指导下,通过方向盘转角和相应的车辆动态响应,仍然能很好的驾驶车辆跟随期望轨迹。本文基于BEL稳定自适应控制建立自适应转向模型以模拟人类驾驶员对车辆参数变化的自适应能力。综上所述,借鉴心理学、生物学研究成果,基于两点预瞄模型和大脑情感学习回路模型,从驾驶员认知过程建立转向驾驶员模型;参考横向驾驶员模型,以纵向加速度跟随误差信息驱动基于BEL的纵向决策模型决策出理想的统一油门踏板开度;通过闭环仿真实验验证了基于BEL的转向驾驶员模型对车辆纵向速度变化具有良好自适应能力;联合所建立的横向、纵向驾驶员模型建立横-纵向综合控制驾驶员模型,省去了像基于现代控制理论建立的横-纵向综合控制驾驶员模型过程中较为复杂的横纵向控制解耦过程;假设驾驶员通过长期的驾驶过程,已经足够了解汽车线性动力学特性并形成内部参考模型,基于Narendra稳定自适应控制建立自适应转向模型以模拟人类驾驶员对车辆状态变化的自适应能力。(本文来源于《吉林大学》期刊2019-06-01）
周婕[10]（2019）在《基于熟练驾驶员转向操纵特征的智能汽车弯道仿人驾驶转角模型研究》一文中研究指出近几年自动驾驶汽车逐渐成为汽车工程领域的研究热点,国际SAE学会将自动驾驶汽车的智能化程度划分为六个等级,从完全人类驾驶(L0级)到完全自动驾驶(L5级)。随着自动驾驶汽车智能化等级的逐步上升,必然存在不同智能化等级的汽车共享道路的交通场景。为了让不同智能化等级的汽车和谐安全地共享道路,让智能驾驶汽车理解人类驾驶员的驾驶行为并且拥有人类驾驶员的优良驾驶习惯,是交通运输系统领域迫切需要研究并解决的新课题。本文通过研究人类驾驶员在常见的双车道弯道处的转向操纵特性,提出智能汽车弯道仿人驾驶转角模型,并进行仿真分析和台架试验验证,为研究自动驾驶车辆的仿人转向控制奠定基础。首先,采集了多名熟练驾驶员在四条不同曲率半径的双车道弯道上的行驶轨迹、车速以及方向盘转角数据。为了得到熟练驾驶员在弯道处不同位置的转向操纵特征,对时序数据进行处理并获得了关于位置距离变化的数据。通过分析关于位置距离变化的行驶轨迹、车速以及方向盘转角数据,得到了熟练驾驶员在弯道处的定性驾驶特征。其次,为了得到熟练驾驶员在双车道弯道处转向操纵的定量特征模型,将实际弯道进行理想化处理。在理想弯道中,采用曲率半径和弧度来表征不同的双车道弯道。根据熟练驾驶员的方向盘转角定性特征,定义了熟练驾驶员弯道特征距离,通过多元回归处理得到了熟练驾驶员弯道特征距离和行驶车速、弯道曲率半径以及弯道弧度的回归模型。将此回归模型作为转角变化位置判断条件,根据阿克曼转向定理推算的理想前轮转角,最终得到熟练驾驶员的弯道转向定量特征模型,即本文提出的弯道仿人驾驶“梯形”转角模型。然后,为了验证弯道仿人驾驶“梯形”转角模型的有效性,将此模型用于智能汽车在双车道弯道处的仿人转向行驶轨迹的规划,并采用模型预测控制算法进行轨迹跟踪。在Carsim中搭建整车模型,运用MATLAB/Simulink中的S-function设计模型预测跟踪控制器,进行MATLAB/Simulink和Carsim联合仿真。仿真结果验证了弯道仿人驾驶“梯形”转角模型的可行性。最后,在智能汽车转向控制台架上进行了仿人转向控制试验。试验台架由转向台架、转向控制器以及VN1630(CAN/LIN接口)组成,使用CodeWarrior编写控制程序对电动助力转向(EPS)电机进行控制,通过VN1630(CAN/LIN接口)在CANoe软件上记录实时转角反馈数据。通过对比分析试验得到的转角数据和基于仿人驾驶“梯形”转角模型得到的转角数据,表明本文提出的弯道仿人转角模型具有较好的效果,可用于智能汽车的仿人转向控制。(本文来源于《江苏大学》期刊2019-06-01）
驾驶员模型论文开题报告
（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：
本研究基于Hybrid Ⅲ假人和AHM(Active Human Model)人体坐姿模型,对比分析汽车在自动紧急制动(AEB)时有无主动预紧安全带对驾驶员的离位响应。基于已有的驾驶员约束系统碰撞模型,依据试验数据构建当前AEB仿真用约束系统模型并开展驾驶员AEB工况仿真分析。提取人体(假人)模型头部、肩部、胸部、骨盆以及膝部的时间-位移历程曲线,并开展H-Ⅲ模型与AHM模型仿真预测差异性分析及主动安全带对驾驶员的约束情况。参考志愿者实验数据,AHM在自动紧急制动阶段的仿真逼真度高于HybridⅢ。主动预紧安全带能够显着降低驾驶员在AEB工况下离位响应。
（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。
驾驶员模型论文参考文献
[1].吴斌,朱西产,沈剑平.基于自然驾驶数据的驾驶员紧急转向变道模型[J].同济大学学报(自然科学版).2019
[2].任立海,王荡荡,李晨,蒋成约,胡远志.基于HybridⅢ和AHM模型的自动紧急制动下驾驶员离位仿真研究[C].Proceedingsofthe16thInternationalForumofAutomotiveTrafficSafety（INFATS2019）.2019
[3].田坤,李冠,赵卫东.基于YOLO和极限学习机的驾驶员安全带检测模型研究[J].计算机应用与软件.2019
[4].杨波,闫旭亮,吴平,赵学东,韩占闯.基于驾驶员行为模型的彩色安全路面设计方法研究[J].公路交通科技(应用技术版).2019
[5].沈沛鸿,赵治国,郭秋伊.基于ANFIS的工况跟踪用纵向驾驶员模型开发[J].汽车工程.2019
[6].刘志强,王玲,贾海江,倪捷.基于BP神经网络的驾驶员制动行为模型研究[J].机械设计与制造.2019
[7].丁健楠.基于车辆—道路模型的驾驶员行为建模[D].吉林大学.2019
[8].梁硕.具有横向主动安全的智能车驾驶员模型[D].吉林大学.2019
[9].姜源.基于类脑情感学习回路的横-纵向综合控制驾驶员模型[D].吉林大学.2019
[10].周婕.基于熟练驾驶员转向操纵特征的智能汽车弯道仿人驾驶转角模型研究[D].江苏大学.2019
论文知识图
