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

定　價：￥110.00

作　者：	陸鍵、王可、馬小龍、楊軫、柳本民著
出版社：	上?？茖W技術出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787547859193	出版時間：	2023-01-01	包裝：	精裝
開本：	16開	頁數(shù)：	148	字數(shù)：

內容簡介

　　本書針對道路駕駛行為研究，基于自然駕駛試驗、駕駛模擬仿真、無人機高空視頻技術等數(shù)據(jù)采集手段，從微觀到宏觀的各個層面對常見駕駛場景下的駕駛行為特征進行量化分析，從而構建駕駛行為譜的基礎數(shù)據(jù)體系，可為不良駕駛行為的預警與干預提供技術支持。主要內容包括駕駛行為數(shù)據(jù)的采集技術、駕駛行為譜的概念與組成、不良駕駛行為參數(shù)與風險閾值、駕駛行為特性分析、基于人工智能的不良駕駛行為識別等方面。本書可作為從事交通安全與智能駕駛相關研究的科研人員的參考用書，也可作為高等院校相關專業(yè)研究生教材或教學參考用書

作者簡介

　　陸鍵，教授，博士生導師，同濟大學交通運輸工程學院院長、國家“千人計劃”入選教授、教育B“長江學者”特聘教授、中組部“國家特聘”專家。曾任教于美國南佛羅里達大學、上海交通大學、東南大學。在上海交通大學任教期間，組建了交通研究中心，為交通運輸工程學科建立了綜合交通領域的研究平臺。在東南大學任教期間，開展了一系列交通安全設計研究項目，率先開展系統(tǒng)性的交通安全研究。作為創(chuàng)始人之一，成立了中國海外交通學會（COTA）；作為主要創(chuàng)始人之一，成立了交通運輸研究（上海）論壇（TRF-Shanghai）。長期從事交通安全設計、交通管理與規(guī)劃、智能交通系統(tǒng)、道路交通智能檢測、重大交通設施突發(fā)災害風險管理和應急救援管理等方面的研究。主持國家自然科學基金面上項目“城市高速公路進出口匝道分布類型對交通流影響的分析及相應的優(yōu)化設計理論模型”、國家重點研發(fā)計劃“道路交通行為分析及特征譜建庫技術”、交通部西部交通科技項目及省部級課題等重大科研項目50余項。獲得中國公路學會科學技術一等獎、上海市科技進步二等獎等獎項。在國際一流專業(yè)期刊發(fā)表了學術研究論文100多篇，在國內核心期刊發(fā)表幾百篇學術論文，出版學術專著7部。已培養(yǎng)海內外碩士生、博士生累計超過150人。

圖書目錄

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 國內外研究現(xiàn)狀_9
1.3.1 駕駛行為采集技術 _9
1.3.2 駕駛行為分析技術 _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 _19
1.4 技術難點與研究方法 _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)場景設計 _27
2.1.4 動態(tài)場景設計 34
2.1.5 預試驗重要結論 _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性 _184
5.2.3 不同車頭時距下的速度相關性 186
5.2.4 速度與跟馳距離的關系 _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 識別結果 _260
第8章創(chuàng)新成果與技術展望
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 _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 技術展望_269
參考文獻