(3.238.96.184) 您好!臺灣時間:2021/05/18 14:59
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:連毅樫
研究生(外文):Yi-jian Lian
論文名稱:適應駕駛人之車道偏離警示系統
論文名稱(外文):Driver-oriented Vehicle Lane Departure Warning Strategy Design
指導教授:陳亮光陳亮光引用關係
學位類別:碩士
校院名稱:國立臺灣科技大學
系所名稱:機械工程系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2008
畢業學年度:96
語文別:中文
論文頁數:147
中文關鍵詞:駕駛行為和駕駛模型駕駛輔助系統轉向輔助系統車道偏離警示系統
外文關鍵詞:Driver BehaviorDriver ModelDriver Assist SystemSteering Assist SystemLane Departure Prevention
相關次數:
  • 被引用被引用:1
  • 點閱點閱:178
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本文首先對於線上識別之駕駛人模型資訊進行分析,並結合車輛當前動態實現線上車輛未來路徑估測及車道偏離時間計算。其次利用人工智慧技術,如:模糊規則、支援向量機…等,結合透過駕駛人監控系統取得之駕駛人疲勞程度與車道偏離時間,制定可依駕駛人狀態及反應而調整之車道偏離警示策略,經模擬器實驗後證實於道路邊線駕駛及外界偶發干擾的駕駛情況下能有效減少錯誤警報並於真正危險發生(車道偏離)時給予駕駛人較為充裕之反應時間。
In this research the advantage of incorporating on-line driver information to vehicle active safety systems design is evaluated by investigating the driver oriented lane departure warning system design. The on-line driver information includes the driver steering control model and the driver drowsy index. The driver steering control model is shown to be effective in improving the vehicle future path prediction and the time-to-lane-crossing computation. The driver drowsy index is used to enhance the warning strategy designs. The warning strategy to include driver information is designed using both the fuzzy-rule based techniques and the support vector machine. By comparing the false alarm, the miss rate, and the driver reaction time, the driving simulator experimental data validates the benefits of including the driver information to the warning strategy designs.
目 錄
摘要 I
目錄 II
圖表索引 IV
第一章 緒論 1
1.1 研究背景與動機 1
1.2 文獻探討 2
1.2.1車道偏離警示系統 2
1.2.2車道偏離時間 4
1.2.3駕駛人狀態判別 5
1.2.4適應駕駛人之車道偏離警示系統 7
1.3文獻總結 8
1.4 工作項目 8
1.5 預期貢獻 9
第二章 理論基礎 10
2.1車輛動力模型的建構 10
2.2 線上控制模型及參數識別 15
2.3 支援向量機(Support Vector Machines, SVM) 18
2.3.1 線性支援向量機 19
2.3.2 非線性支援向量機 23
2.4 模糊理論(Fuzzy Theory ) 25
2.4.1 模糊集合 25
2.4.2 語意變數 25
2.4.3 歸屬函數 25
2.4.4 模糊規則 26
2.4.5 模糊推論 26
2.4.6 解模糊化(Defuzzification) 28
第三章 實驗設備介紹 30
3.1 線上駕駛模擬器硬體架構 30
3.2 駕駛疲勞監控系統-DD850簡介 31
第四章 LDWS效能改善評估線上實驗規劃及其結果分析 33
4.1 線上實驗規劃 33
4.2 駕駛人疲勞程度指標比對DD850判別結果實驗結果與討論 34
4.3 車輛未來路徑預估準確度評估實驗結果與討論 36
4.3.1 車輛未來路徑預估評估說明 36
4.3.2 專注正常駕駛實驗結果 39
4.3.3 疲勞駕駛實驗結果 42
4.3.4 實驗分析 45
4.4 六種車道偏離警示策略應用於三種駕駛行為之成效評估實驗相關 46
4.4.1 六種車道偏離警示策略 46
4.4.2 警示策略的制定-透過模糊規則 48
4.4.3 警示策略的制定-透過支援向量機 50
4.4.4 三種駕駛任務 54
4.4.5 實驗結果及分析 54
第五章 結論與未來方向 70
5.1 總結 70
5.2 結論 70
5.2 未來工作與展望 71
參考文獻 72
附錄A 駕駛模擬器硬體更新項目 79
附錄B 實驗規劃 80
B-1 PNN駕駛人疲勞程度指標比對DD850判別結果實驗規劃 80
B-2 車輛未來路徑預估準確度評估實驗規劃 81
B-3 六種車道偏離警示策略應用於三種駕駛任務之決策結果成效評估實驗 83
附錄C 六種車道偏離警示策略應用於三種駕駛行為之實驗結果…………...86
[71] http://theoval.sys.uea.ac.uk/~gcc/svm/toolbox/
[72]王進德;蕭大全 “類神經網路與模糊控制入門” 全華科技股份有限公司,初版,1994
[73] 林信成;彭啟峰“Oh! Fuzzy模糊理論剖析” 第三波人工智慧系列叢書,1994
[74] http://www.transafetech.com/fatigue%20monitor.htm
[75] http://www.ifatigue.co.za/default.asp?pageid=733
[76]Wang, J.Y., “Theory of Ground Vehicles,” Ottawa Canada, Wiley-Interscience, 2001.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top