基于BP神经网络的纵向避撞安全辅助算法

章军辉; 李庆; 陈大鹏

您当前的位置：

首页 >

文章列表页 >

基于BP神经网络的纵向避撞安全辅助算法

更新时间：2025-07-09

- 基于BP神经网络的纵向避撞安全辅助算法
- 暂无标题
- 西安交通大学学报 2017年第7期页码：140-147
- 作者机构：
  
  1. 中国科学院微电子研究所
  2. 中国科学院大学
  3. 中国科学院微电子研究所昆山分所
- 作者简介：
- 基金信息：
  
  移动物联网关键技术与应用资助项目(XDA06040300)
- DOI：
  中图分类号： TP183;U463.6
- 纸质出版：2017
- 稿件说明：
移动端阅览
章军辉, 李庆, 陈大鹏. 基于BP神经网络的纵向避撞安全辅助算法[J]. 西安交通大学学报, 2017,(7):140-147.
章军辉, 李庆, 陈大鹏. 基于BP神经网络的纵向避撞安全辅助算法[J]. 西安交通大学学报, 2017,(7):140-147. DOI：

DOI：

摘要

针对复杂人-车-路交通环境下汽车前向防碰撞预警系统(FCWS)在实际工程应用中存在虚警漏警、可接受性差等问题

为提高FCWS对驾驶群体行为差异的适应性

提出了驾驶员行为特性自适应学习的纵向避撞安全辅助算法

建立了基于BP神经网络的闭环驾驶跟驰习惯模型。该网络模型以跟车车距、前车减速度、前车速度、自车速度、环境亮度、路面附着系数、紧急制动次数、本次驾驶时间为输入

采用动量梯度下降自适应学习率方法对网络模型进行训练

进而预测出自车待制动减速度。引入聚类算法思想

对训练样本集进行特征聚类

进一步改善了BP网络的预测性能

设计了激进、谨慎、新手3类典型驾驶群体

通过制动深度、期望碰撞时间倒数、应急反应时间来表征驾驶群体性特征

在稳态跟车过程中对不同驾驶群体的行为特性进行学习

建立起非线性输入输出映射关系知识库

进而预测出相应群体的待制动行为

实现差异化预警

可有效降低虚警或预警不及时现象。仿真结果表明

改进后的BP网络减小了训练过程中陷入局部极小的可能性

提高了网络收敛速度以及预测精度

激进群体与新手群体待制动曲线下降的趋势相对更陡

激进群体跟车距离相对偏近

新手群体采取制动措施时所需相对车距相对偏远

以补偿较长的反应距离

从而验证了该理论模型对不同驾驶群体的适应性。

Abstract

关键词

Keywords

references

裴晓飞,刘昭度,马国成,叶阳.汽车主动避撞系统的安全距离模型和目标检测算法[J].汽车安全与节能学报,2012(01).

边明远.考虑驾驶员个体特性的汽车安全行驶间距模型[J].中国机械工程,2010(12).

庄明科,白海峰,谢晓非.驾驶人员风险驾驶行为分析及相关因素研究[J].北京大学学报(自然科学版)网络版(预印本),2007(04).

王建强,刘刚,李克强,连小珉.复杂路况下汽车主动避撞报警技术研究[J].公路交通科技,2005(04).

余志生, 主编.汽车理论[M].机械工业出版社,2009.

吴涛.考虑驾驶员避撞行为特性的汽车前方防碰撞系统研究[D].吉林大学,2014(09).

Joonwoo Son,Myoungouk Park,Byungkyu Brian Park.The effect of age, gender and roadway environment on the acceptance and effectiveness of Advanced Driver Assistance Systems[J].Transportation Research Part F: Psychology and Behaviour,2015.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

负荷车电涡流缓速器加载控制系统研究

冷库水平空气幕热湿阻隔性能数值模拟研究

电动车辆间接热系统快速除湿响应迟滞机理及优化控制策略

离子液体改性燃料的电流体动力学效应研究

采用机器学习的大规模并行程序I/O性能建模与预测方法