道路駕駛行為譜與統(tǒng)計分析方法及其應(yīng)用（道路交通安全主動預警與智能化管控）

第1章 緒論
1.1  研究背景 _3
1.2 基本概念 _4
1.2.1  交通行為譜 _4
1.2.2 駕駛行為譜 _5
1.2.3 駕駛行為可采集信息 _6
1.3  國內(nèi)外研究現(xiàn)狀_9
1.3.1 駕駛行為采集技術(shù) _9
1.3.2 駕駛行為分析技術(shù) _12
1.3.3  惡劣天氣下駕駛行為研究_14
1.3.4  不良駕駛行為識別技術(shù) _19
1.4  技術(shù)難點與研究方法 _20
第2章 駕駛行為數(shù)據(jù)采集與信息提取
2.1 駕駛模擬試驗 _25
2.1.1  試驗儀器 _25
2.1.2  試驗方案  26
2.1.3 靜態(tài)場景設(shè)計 _27
2.1.4  動態(tài)場景設(shè)計  34
2.1.5 預試驗重要結(jié)論 _50
2.1.6  平原區(qū)高速公路駕駛模擬試驗  54
2.2  道路交通環(huán)境與駕駛行為同步采集系統(tǒng)  54
2.2.1  系統(tǒng)方案  54
2.2.2  低成本替代方案 _65
2.3  基于視頻處理的交叉口多目標交通行為提取 _69
2.3.1  前景目標提取 _70
2.3.2 基于KLT光流的目標跟蹤 _71
2.3.3  軌跡后處理 _78
2.3.4  目標分類 _81
2.3.5  案例分析  83
2.3.6  準確性檢驗 _84
2.3.7 結(jié)果對比 _87
第3章 基于駕駛模擬試驗的惡劣天氣下駕駛行為分析
3.1 駕駛模擬試驗與數(shù)據(jù)采集 _91
3.1.1 典型道路交通情景構(gòu)建 _91
3.1.2  惡劣天氣駕駛模擬試驗  92
3.2  惡劣天氣下駕駛行為特征分析 _108
3.2.1 駕駛行為特征分析_108
3.2.2  不同屬性駕駛員行為特征分析 _127
3.2.3 駕駛行為狀態(tài)關(guān)鍵參數(shù)_140
3.3  基于支持向量機的駕駛行為選擇模型_142
3.3.1  基于支持向量機的跟馳風險識別模型_142
3.3.2 基于支持向量機的超車行為識別模型_144
3.3.3 基于支持向量機的彎道行駛軌跡預測模型_147
第4章 駕駛行為譜分析及特征值分析
4.1 駕駛行為譜的組成_155
4.1.1  環(huán)境指標_155
4.1.2  單一交通行為指標 _157
4.1.3 多車相互狀態(tài)指標 _158
4.1.4 駕駛行為譜特征參數(shù)_159
4.2  不良駕駛行為風險參數(shù)及閾值_162
4.2.1  不良駕駛行為的分類 _162
4.2.2  不良駕駛行為風險參數(shù)_164
4.2.3  風險參數(shù)的閾值確定 _165
4.2.4  實例分析_168
4.3  不良駕駛行為譜特征值_171
4.3.1  不良駕駛行為譜與風險度量_171
4.3.2  不良駕駛行為風險度量閾值_173
4.3.3  不良駕駛行為譜特征值權(quán)重計算 _173
第5章 基于無人機數(shù)據(jù)的駕駛行為特征分析
5.1 數(shù)據(jù)采集 _179
5.2  跟馳行為特征規(guī)律分析 _181
5.2.1 數(shù)據(jù)基本情況_182
5.2.2  不同距離條件下的速度相關(guān)性 _184
5.2.3  不同車頭時距下的速度相關(guān)性  186
5.2.4  速度與跟馳距離的關(guān)系 _187
5.3 變道行為特征規(guī)律分析 _187
5.3.1 變道起終點與特征參數(shù) _188
5.3.2 變道行為特性分析 _190
5.4 變道行為安全性分析_196
5.4.1  基于TTC的安全性分析_197
5.4.2 基于MTC的安全性分析 _198
5.4.3 指標計算結(jié)果討論 _199
第6章  基于自然駕駛試驗的駕駛行為特征分析
6.1  自然駕駛試驗 _205
6.2 駕駛行為時域特性分析 _207
6.2.1  速度特征 _207
6.2.2  加速度特征_208
6.2.3  角速度特征_209
6.2.4 差異性檢驗 _209
6.3 駕駛行為頻域特性分析 _219
6.3.1  加速度頻域特征  221
6.3.2  角速度頻域特征  225
6.3.3 差異性分析_228
6.4 駕駛行為時頻特性分析 _229
第7章 基于人工智能的不良駕駛行為識別
7.1  基于聚類的駕駛行為分類方法  237
7.1.1  相似性衡量_238
7.1.2  類間距離計算  239
7.1.3 聚類方法 _240
7.2  不良跟馳行為風險標記 _240
7.2.1  跟馳樣本提取  240
7.2.2 風險度量指標 _242
7.2.3 車輛軌跡比較 _243
7.2.4  不良跟馳行為的劃分和標記_244
7.3  不良跟馳行為識別模型_246
7.3.1  不良跟馳行為譜建立 _246
7.3.2 行為譜關(guān)鍵參數(shù)提取方法 _247
7.3.3  機器學習算法  248
7.3.4 智能識別的流程 _249
7.3.5  識別結(jié)果 _250
7.4  不良變道行為風險標記 _252
7.4.1  風險度量指標 _253
7.4.2 車輛軌跡比較 _253
7.5  不良變道行為識別模型_257
7.5.1  關(guān)鍵參數(shù)提取方法  257
7.5.2  機器學習算法  258
7.5.3 智能識別的流程 _259
7.5.4  識別結(jié)果 _260
第8章  創(chuàng)新成果與技術(shù)展望
8.1  創(chuàng)新成果 _265
8.1.1  道路交通環(huán)境與駕駛行為同步采集裝備  265
8.1.2 基于高空懸拍視頻處理的交通行為數(shù)據(jù)采集技術(shù) _267
8.1.3 駕駛行為譜模型及特征值提取方法 _268
8.1.4  不良駕駛行為量化判別方法與辨識理論  268 8.2 技術(shù)展望_269
參考文獻