基于车联网基本安全消息集的行车风险感知与预警研究

目录

声明

主要符号说明

第一章 绪论

1.1 研究背景

1.2 研究目的与意义

1.3 国内外研究现状

1.3.1 车辆运动状态跟踪方法

1.3.2 驾驶行为/行车状态判别方法

1.3.3 车辆碰撞风险辨识与预测方法

1.4 研究内容与技术路线

1.4.1 主要研究内容

1.4.2 技术路线

第二章 车联网理论标准体系及测试环境

2.1 引言

2.2 车联网理论及标准

2.2.1 车联网理论体系架构

2.2.2 车联网关键技术

2.2.3 车联网网联化分级标准

2.3 车联网行车安全类数据协议

2.3.1 SAE J2735-2016协议

2.3.2 T/CSAE 53-2017 协议

2.4 基于车联网的实车测试环境

2.4.1 实车测试试验背景

2.4.2 行车状态数据采集平台

2.5 本章小结

第三章 基于 V2I 数据融合的 BSM 行车运动信息采集

3.1 引言

3.2 问题的提出

3.2.1 问题描述

3.2.2 BSM行车运动状态信息的准确采集

3.3 网联环境下的行车运动状态采集优化模型

3.3.1 交互式多模型

3.3.2 车辆运动状态跟踪滤波

3.3.3 改进型车辆运动学建模

3.4 方法验证及分析

3.4.1 数据预处理

3.4.2 结果分析

3.5 本章小结

第四章 基于车联网 BSM 的潜在风险行车状态感知

4.1 引言

4.2 问题的提出

4.2.1 问题描述

4.2.2 典型潜在风险行车状态场景描述

4.3 基于粗糙集与混合遗传算法优化支持向量机的行车状态判别模型

4.3.1 基于粗糙集的模型输入确定

4.3.2 支持向量机原理

4.3.3 基于混合遗传算法优化支持向量机判别行车状态

4.4 方法验证及分析

4.4.1 数据处理

4.4.2 结果分析

4.5 本章小结

第五章 基于车联网 BSM 的潜在前向碰撞风险预警

5.1 引言

5.2 问题的提出

5.2.1 问题描述

5.2.2 典型潜在前碰撞风险行车场景描述

5.2.3 基于车联网BSM的潜在前向碰撞风险预测问题的处理框架

5.3 基于多维状态LSTM与ROC曲线的潜在前向碰撞风险预警

5.3.1 LSTM模型原理与构建

5.3.2 车辆前碰撞行为的多维行车状态时间序列建模

5.3.3 基于ROC曲线与约登指数的潜在前向碰撞风险判断

5.4 方法验证及分析

5.4.1 样本选取

5.4.2 LSTM预测结果

5.4.3 ROC曲线结果评估

5.5 本章小结

第六章 结论与展望

6.1 研究结论

6.2 研究工作展望

参考文献

个人简历 在读期间发表的学术论文

致谢