隨著人民生活水平的提高和消費(fèi)理念的升級,汽車已經(jīng)成為國民出行的標(biāo)準(zhǔn)交通工具,汽車總量不斷攀升,交通安全問題越來越受到人們的重視。汽車智能化是提高汽車安全的一條有效途徑。然而,從當(dāng)前的科技水平來看,我們距離實(shí)現(xiàn)完全自動駕駛還有很長的一段路要走,智能汽車在很長一段時(shí)間內(nèi)仍離不開駕駛員。采用人車協(xié)同控制的智能駕駛方案將會是未來智能汽車發(fā)展的一個(gè)重要研究方向。現(xiàn)有的協(xié)同控制方法往往忽略了駕駛員對控制權(quán)被分割或剝奪后的抵觸反應(yīng),存在潛在的因駕駛員抵觸而導(dǎo)致的危險(xiǎn)。據(jù)此,本文依托國家自然科學(xué)基金項(xiàng)目“基于駕駛員特性的新型線控轉(zhuǎn)向系統(tǒng)控制機(jī)理和評價(jià)方法”(編號:51575223),提出基于博弈論的人車協(xié)同控制策略,綜合考慮駕駛員的駕駛意圖和協(xié)同控制中駕駛員的各種可能的反饋策略,以跟隨目標(biāo)路徑為場景展開研究,實(shí)現(xiàn)人車協(xié)同控制下對目標(biāo)路徑的跟隨。主要工作如下:(1)采集樣本。結(jié)合Labview、CarSim軟件與NI-PXI硬件等搭建駕駛模擬器,構(gòu)建駕駛員轉(zhuǎn)向與直行所需的虛擬駕駛環(huán)境,采集并處理駕駛員左、右轉(zhuǎn)向與直行的駕駛數(shù)據(jù),將其作為駕駛意圖識別模型所需的訓(xùn)練樣本和測試樣本。(2)搭建駕駛意圖識別模型...

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1模擬駕駛試驗(yàn)臺

結(jié)合LabVIEW以及實(shí)時(shí)仿真系統(tǒng)PXI機(jī)箱搭建硬件在環(huán)仿真試驗(yàn)平臺，如圖2.1所示。采集駕駛員駕駛過程中的操作數(shù)據(jù)和車輛狀態(tài)參數(shù)，并對數(shù)據(jù)進(jìn)行預(yù)處理作為駕駛意圖識別的訓(xùn)練樣本和測試樣本。圖2.1模擬駕駛試驗(yàn)臺

圖2.4仿真場景圖

圖2.4仿真場景圖況設(shè)計(jì)好以后，為采集駕駛員駕駛操作數(shù)據(jù)，安排了20名行駕駛模擬試驗(yàn)。由于試驗(yàn)使用的虛擬多邊形道路在同一為采集到同一個(gè)駕駛員在相同的道路條件下的左右轉(zhuǎn)向操驗(yàn)時(shí)，安排駕駛員順時(shí)針和逆時(shí)針各駕駛一圈。在順時(shí)針據(jù)作為右轉(zhuǎn)向操作數(shù)據(jù)，其他時(shí)刻的操作數(shù)據(jù)作為直行操員....

圖3.4線性可分時(shí)SVM分類示意圖

于統(tǒng)計(jì)學(xué)習(xí)理論和最小化結(jié)構(gòu)風(fēng)險(xiǎn)原則設(shè)計(jì)的算法樣本分隔開，且最優(yōu)超平面能將不同類別樣本間擅長解決小樣本、非線性、高維度、過學(xué)習(xí)和二分性可分和非線性可分兩種情況。對于非線性可分?jǐn)?shù)將樣本映射到高維空間中，構(gòu)造非線性SVM非線性可分情況下SVM分類的基本思想。，線性二分類的目的就....

圖5.1不同納什均衡之間的關(guān)系

為“占優(yōu)戰(zhàn)略”，如果所有的參與人都有占優(yōu)戰(zhàn)略存衡稱為“占優(yōu)均衡”。然而絕大多數(shù)博弈中，占優(yōu)過程中能找到參與人的劣策略，剔除構(gòu)造新的博弈策此重復(fù)，直到出現(xiàn)唯一的戰(zhàn)略組合，則將這唯一的戰(zhàn)“重復(fù)剔除的占優(yōu)均衡”。都屬于純戰(zhàn)略博弈，對應(yīng)的納什均衡都屬于“純戰(zhàn)略者在策略選擇時(shí)會對某一策略以....

本文編號：4000407