共查询到20条相似文献,搜索用时 593 毫秒
1.
2.
3.
4.
5.
6.
《汽车技术》2021,(4)
为进一步提高驾驶风格识别准确率并降低传统监督学习所需大量人工标记带来的时间成本,基于半监督学习三协同训练(Tri-Training)方法对驾驶员驾驶风格进行识别。对驾驶员真实驾驶产生的长时序数据进行数据清洗、工况识别、特征提取,并通过专家系统进行标记后使用Tri-Training算法进行训练,建立驾驶风格识别模型,通过调节带标签样本与无标签样本的比例,对比使用不同样本比例下训练的传统机器学习模型和Tri-Training模型的驾驶风格识别准确率。试验结果表明,相比于传统的监督学习方法,Tri-Training在带标签数据较少时,仍能表现出优异的识别准确率,半监督学习下的Tri-Training模型可以有效利用未标记样本来提高驾驶风格分类的准确率。 相似文献
7.
针对目前对于双离合自动变速器(Dual Clutch Transmission,DCT)汽车驾驶员起步过程中意图变化的研究有限,且现有方法的识别准确率不高这一问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)和支持向量机(Support Vector Machines,SVM)的变化起步意图识别模型。根据驾驶员针对车辆反馈的反应时间,将起步过程划分为6个阶段;基于K均值聚类确定各个阶段的缓慢起步、一般起步、紧急起步这3种起步意图的界限;基于主成分分析挖掘出各个阶段起步意图识别的新特征;在此基础上构建6个SVM模型,并利用这6个模型分别对各阶段的起步意图进行识别。经过验证,该模型的平均测试准确率为94.92%,比只利用线性SVM模型高16.89%,且单个模型的平均耗时为0.008 s,能够快速有效地识别出DCT汽车驾驶员的起步意图。 相似文献
8.
文中根据驾驶员对车辆的操纵特性,对制动意图进行了分类,制定了制动意图识别的方法,为线控制动系统研究奠定基础。开展实车试验,确定可以用作制动意图识别的参数并提取其阈值。利用模糊逻辑对制动意图进行离线识别,表明模糊逻辑能够准确、及时地识别出驾驶员的制动意图。 相似文献
9.
在自动驾驶汽车中高级辅助驾驶系统(ADAS)的设计过程中,车辆稳定性控制目标并没有考虑驾驶员个性化特质需求,尤其在一些极端行驶条件下控制效果会适得其反。鉴于此,在传统汽车稳定性评价标准的基础上融合了隐马尔科夫理论(HMM)和K-means聚类算法,采用无迹卡尔曼滤波和因子加权分析的参数处理方法,设计了一种自动驾驶汽车稳定性辨识模型。模型通过Carsim/Simulink和基于DSPACE驾驶模拟器的硬件在环仿真方法进行了验证。结果表明:该模型能够实现自动驾驶汽车稳定性的合理分类和在线辨识,同时能为今后进一步优化自动驾驶汽车轨迹规划方法提供理论依据。 相似文献
10.
提出了一种基于驾驶员避撞行为的行车风险状态分类方法,并综合考虑驾驶员驾驶行为、道路和环境因素对行车风险状态变化的影响,运用支持向量机(SVM)建立不同行车模式下行车风险判别算法。基于美国弗吉尼亚理工大学"100-car"自然驾驶数据对预测算法进行了训练和验证,结果表明,在进行行车风险状态预测建模时考虑驾驶员行为、道路和环境因素的差异(特别是驾驶员分心状态)将有利于提高预测模型的准确率;另外,在满足假正率低于5%的条件下,本文构建的预测算法对未来行车过程中的高风险状态预测具有较高的准确率,有助于对临近危险状态的驾驶员给予及时的警告或辅助纠正,为防撞预警策略和控制方法的研究提供了新的思路。 相似文献
11.
为了解决纯电动汽车动力性和操控性难以同时兼顾的问题,将驾驶员意图分为稳态意图和动态意图,稳态意图用于保证车辆的操控性,动态意图用于保证车辆的动力性,在此基础上提出了一种基于驾驶员意图识别的纯电动汽车动力性驱动控制策略,该策略首先分别采用“典型工作点+分段插值”和模糊推理方法来识别驾驶员的稳态和动态意图;接着采用“动态补偿转矩保持”和“动态补偿转矩归零”等算法计算动态补偿转矩;最后通过“增量式”动态补偿转矩跟踪算法和电机过载管理算法给出最终的转矩指令。仿真与试验结果表明,该策略既可以根据驾驶员稳态意图保证车辆的操控性,也可根据驾驶员动态意图提高车辆的动力性。 相似文献
12.
本文中基于神经工效学认知理论融入驾驶员预瞄模型,建立了以认知-控制为框架的驾驶员横向控制模型。模型采用Simulink和TruckSim软件联合仿真的形式验证。采用粒子群优化算法对控制框架中的比例-微分(PD)控制器模块参数进行优化标定。结果表明,在侧风工况下,基于认知-控制为框架所建立的驾驶员横向控制模型有效(RMSE=0.09),且精度更高,适应度更广。另外,从认知-控制角度改变预览时间tp、增益比例kp和微分参数kd,可表征不同驾驶风格的驾驶员行为。本研究为提高侧风工况下的高级辅助驾驶系统和自动驾驶汽车的安全性和舒适性提供参考思路。 相似文献
13.
14.
目前市面上的乘用车大多具备一个以上的驾驶模式供选择,有些车型甚至可以提供车主自定义的驾驶模式,从而满足驾驶员不同场景下的驾驶需求。由于主机厂对驾驶模式的定义具有一定使用场景针对性,可能出现当前选定驾驶模式不适合驾驶员的驾驶风格,或者当驾驶场景发生改变时,当前选定的驾驶模式无法及时满足驾驶员期望的情况。文章介绍一种驾驶模式识别策略,通过对CAN总线相关信号实时监控,掌握驾驶员输入,如加速、制动及转向等动作;以及车辆的动态表现,如车速、纵向加速度及侧向加速度等参数,并利用建立的模型,对车辆当前的行驶交通环境,驾驶员的驾驶风格以及驾驶员的意图进行综合判断,从而实时为驾驶员智能切换更合适的驾驶模式。该策略可满足驾驶员意图与驾驶模式相互匹配,从而提升用户的驾驶主观体验。 相似文献
15.
16.
17.
宋以庆 《内蒙古公路与运输》2023,(4):48-52+62
驾驶倾向性是研究微观交通仿真的一个重要生理-心理特征参数,主要受到人、车、路、环境等多方面的影响,具体表现为汽车驾驶员自身状况、驾驶车辆状况、行驶道路及环境状况、交通干扰、气象情况以及所承载的任务缓急等影响因素。如何准确地确定驾驶员驾驶过程中的动态驾驶倾向性是研究驾驶员行为的难点。文章基于驾驶员的生理-心理特征,采用层次分析法(AHP),对驾驶员行驶过程中的决策行为逐层递阶量化,建立基于层次分析法的驾驶倾向性模型,并进行实证分析。结果表明:层次分析法可用于驾驶员驾驶倾向性的识别。 相似文献
18.
19.
对基于规则类的定参数控制算法中的控制参数进行优化,建立驾驶意图的模糊识别模型,制定智能算法,并进行仿真分析.结果表明:智能算法使得整车的需求转矩更加准确,车辆对驾驶员的适应性更强,燃油经济性更好. 相似文献
20.
《汽车工程》2014,(3)
为检测旁车道车辆驾驶员的并线意图,利用机器学习技术基于模糊支持向量机建立了并线意图识别器。识别器的训练样本由实际交通环境中的车辆并线数据获得,包括主车道与旁车道车辆的7个运动属性,其中对不能直接利用传感器信息获取的属性由Kalman滤波器预估得到。由于在并线初始时刻的并线样本不能有效区别于非并线样本,所以在支持向量机的求解中引入样本模糊隶属度系数以提高并线意图识别器训练的准确性,同时对支持向量机中的参数基于交互检验正确率进行网格优化。在实际交通环境中对并线意图识别器进行了试验,结果表明,识别器工作有效,经过简单处理后的识别结果可有效反映驾驶员的并线意图。 相似文献