论文部分内容阅读
侵犯性驾驶是指驾驶员因为愤怒或者急躁等原因而意图去造成他人心理或身体上伤害的驾驶行为。在道路上表现为频繁换道、阻止其他驾驶员超车、闯红灯、超速行驶等。侵犯性驾驶行为大多研究集中于对驾驶员侵犯性驾驶行为的宏观分析和静态判别,如何量化侵犯性驾驶行为并对其进行识别一直是研究难点。驾驶行为通常分为宏观驾驶行为和微观驾驶行为,宏观驾驶行为是根据行为产生的原因与结果等来分类,如疲劳驾驶,酒后驾驶等,侵犯性驾驶行为也属于宏观意义上的驾驶行为;微观驾驶行为主要是指驾驶员的具体操作外在表现,如跟驰、超车、换道等内容。本文从微观角度分析研究宏观意义上的侵犯性驾驶行为,在实验所获多源数据基础上,结合数据融合理论分析侵犯性驾驶行为,进而对侵犯性驾驶行为进行量化识别,这对于推进个性化的驾驶安全预警有着较大意义。首先,构建了基于Psy LAB人因工程实验系统和多人交互式驾驶模拟器的多源信息采集系统,对侵犯性驾驶行为进行分级与评价设计,获得在侵犯性诱导机制下的驾驶员驾驶行为数据,对采集的多源异构数据进行分析与处理;其次,从横纵向角度,对侵犯性驾驶行为进行内部微观组成分析,设计了微观非正常驾驶行为片段提取方法,利用问卷调查确定了微观非正常驾驶行为对侵犯性驾驶行为影响度的权重;再次,针对这些非正常驾驶行为片段,利用平均影响值和人工神经网络对模拟驾驶器数据和人因数据进行特征参数提取,构造BP-Adaboost二分类模型和BP-Adaboost多分类模型对6种微观非正常驾驶行为进行识别;最后,提出一种基于广义神经网络确定聚类中心,优化模糊c均值聚类模型,利用6种微观非正常驾驶行为出现的次数,对正常驾驶行为、一级侵犯性驾驶行为、二级侵犯性驾驶行为进行识别。结果表明,本文从侵犯性驾驶行为的微观组成分析,建立的侵犯性驾驶行为的量化识别模型可以有效区分正常驾驶行为、一级侵犯性驾驶行为和二级侵犯性驾驶行为。本文研究内容丰富了侵犯性驾驶行为的研究,为侵犯性驾驶行为的量化及识别做出了贡献,为驾驶安全预警提供了理论支持。