基于MAS和駕駛員行為的汽車追尾預(yù)警模型研究.pdf

1、建立健全道路安全保障體系是保障與改善國計(jì)民生的重大社會(huì)工程。據(jù)有關(guān)統(tǒng)計(jì)，汽車追尾是道路交通事故的主要形式之一，約占總碰撞事故起數(shù)的23％。借助追尾預(yù)警系統(tǒng)，追尾碰撞降低率可達(dá)62％。目前，大多汽車沒有安裝追尾預(yù)警系統(tǒng)，所以，研究開發(fā)汽車追尾預(yù)警系統(tǒng)有廣闊的應(yīng)用前景。 本文在分析汽車追尾事故成因基礎(chǔ)上，基于多agent系統(tǒng)理論，對汽車追尾與駕駛員行為之間的關(guān)系建立模型。駕駛員行為復(fù)雜且具有一定的不確定性，受到多種因素的影響。追尾預(yù)

2、警系統(tǒng)研究屬于智能交通安全(IntelligentTransportation System，ITS)領(lǐng)域，是主動(dòng)式安全研究的主要方向。作為道路交通主體的駕駛員的行為對汽車追尾預(yù)警研究起到重要作用。采用傳統(tǒng)的結(jié)構(gòu)及開發(fā)方法已經(jīng)很難適應(yīng)用戶對于預(yù)測支持系統(tǒng)的需求。而多agent系統(tǒng)理論為預(yù)測支持系統(tǒng)的研究開發(fā)提供了新的方法。 論文的主要工作是： (1)在分析了遺傳算法和蟻群算法的基礎(chǔ)上，提出了將兩者結(jié)合起來的Agent聯(lián)盟

3、求解算法HAGA(Hybrid Ant and Genetic Algorithm)。聯(lián)盟的目的是確定影響駕駛員行為的主要因素，減少多因素綜合判斷時(shí)間以及消解矛盾因素。 (2)對駕駛員行為進(jìn)行深入研究，提出了基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)集成DNNIA(Dynamic Neural Network Integrated Algorithm)的駕駛員行為學(xué)習(xí)算法，實(shí)現(xiàn)駕駛員行為習(xí)慣的學(xué)習(xí)和特定環(huán)境下駕駛員行為的預(yù)測。仿真實(shí)驗(yàn)從駕駛員的踩踏制動(dòng)踏

4、板和加速踏板的開度、時(shí)間，以及方向盤轉(zhuǎn)角角度、時(shí)間等方面進(jìn)行了駕駛員行為的研究，實(shí)驗(yàn)結(jié)果與樣本數(shù)據(jù)總體趨勢較為一致，體現(xiàn)駕駛員行為個(gè)性。 (3)以MAS為架構(gòu)，以駕駛員行為為核心，以Bayes決策為手段，提出了基于MAS(Multi—Agent System)和駕駛員行為的汽車追尾預(yù)警模型MCRMASB(Model of Car Rear—end warning based on MAS and Behavior)和基于MAS和