基于方向盘助力球使用的驾驶行为研究

摘要

随着汽车的普及，越来越多的驾驶辅助小部件应用到驾驶过程中，影响着驾驶员的驾驶行为，方向盘助力球就是其中的一种驾驶辅助小部件，由于目前尚未有方向盘助力球与驾驶行为的相关研究，方向盘助力球对驾驶员行车安全的影响尚不明确，因此，对方向盘助力球的安全性研究具有重要意义。　　本文首先介绍了方向盘助力球的作用和使用方法，并通过驾驶模拟实验和调查问卷相结合的方法确定出了方向盘助力球的最佳安装位置。由于以往没有针对方向盘助力球与驾驶行为的研究，因此本文借鉴驾驶行为的相关研究，总结出现有研究基本上是从驾驶员信息感知、驾驶员生理信号、车辆操纵与车辆运行状态等方面选取分析指标，结合实验条件，本文从车辆操纵与车辆运行状态角度，构建了基于方向盘助力球使用的驾驶行为指标。　　然后，本文筛选出了9种驾驶场景，以此来考察方向盘助力球对驾驶员多种驾驶能力的影响，并在SCANeRstudio1.6软件中搭建了这9种驾驶场景，在西南交通大学实验室的固定型驾驶模拟仿真实验平台上完成基于方向盘助力球使用的驾驶模拟实验。采用R语言对实验数据进行处理和分析，分析结果表明：方向盘助力球的使用对驾驶员在S型上坡路、上下坡组合转弯以及侧方位停车场景的驾驶操作能力有不利影响；对驾驶员的车辆调头以及倒车入库的驾驶能力有积极辅助作用；助力球的使用对驾驶员的路面障碍物绕行能力无显著影响；对驾驶员的交叉口车辆避让和左、右侧被迫超车能力有显著影响。　　最后，由于方向盘助力球对驾驶行为的影响具有复杂性，在不同的驾驶场景中呈现出不同的特点，因此，对使用方向盘助力球的驾驶行为检测具有一定意义。本文将具有显著性差异的指标作为识别特征参数集，基于KNN算法和SVM算法分别构建了使用方向盘助力球的驾驶状态检测模型，并对识别模型进行了验证。对比两种算法的识别效果可得出，SVM算法比KNN算法的平均正确率高4.38%，SVM识别效果整体优于KNN算法，除右侧超车场景外，在其他驾驶场景中，SVM算法的识别正确率均优于KNN的正确率。

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 问题的提出

1.3 国内外研究现状

1.3.1 国外驾驶行为的相关研究

1.3.2 国内驾驶行为的相关研究

1.3.3 研究现状总结

1.4 研究内容与技术路线

1.4.1 研究内容

1.4.2 技术路线

第2章 基于助力球使用的驾驶行为分析指标构建

2.1方向盘助力球与汽车转向原理

2.2 方向盘助力球与驾驶行为稳定性

2.3 方向盘助力球与常用驾驶行为指标

2.3.1 驾驶操作指标与车辆运动指标

2.3.2 车辆轨迹指标

2.4 基于助力球使用场景的度量指标

2.4.1 基于方向盘助力球使用的场景构建

2.4.2 基于方向盘助力球使用的度量指标

2.5 本章小结

第3章 基于方向盘助力球使用的实验设计

3.1 实验目的

3.2 实验设备

3.2.1 硬件设备

3.2.2 全功能驾驶模拟仿真软件

3.2.3 方向盘助力球

3.3 实验人员

3.4 实验场景设计

3.4.1 两种线形变化场景搭建

3.4.2 五种常见驾驶场景搭建

3.4.3 两种停车场景

3.5 实验场景导入

3.6 实验流程

1、实验准备

2、预实验

3、正式实验

4、实验数据

3.7 本章小结

第4章 使用方向盘助力球的驾驶行为分析

4.1 实验数据

4.1.1 导出实验数据

4.1.2 数据分析原理

4.1.3 实验数据预处理

4.2 两种线形变化场景中驾驶行为对比分析

4.2.1 S型上坡路场景分析

4.2.2 上下坡组合转弯场景分析

4.2.3 两类线形变化场景中两种驾驶状态的指标统计检验

4.2.4 两类线形变化场景中的两种驾驶状态对比分析结果

4.3 常见驾驶操作场景中是否使用助力球的驾驶行为对比分析

4.3.1 路面障碍物绕行场景分析

4.3.2 交叉口车辆避让场景分析

4.3.3 车辆调头场景分析

4.3.4 左侧被迫超车场景分析

4.3.5 右侧被迫超车场景分析

4.3.6 常见驾驶操作场景中各指标统计检验

4.3.7 常见驾驶场景的两种驾驶状态对比分析结果

4.4 两种停车方式场景中两种驾驶状态的驾驶行为对比分析

4.4.1 侧方位停车分析

4.4.2 倒车入库场景分析

4.4.3 两种停车方式场景中各指标统计检验

4.4.4 两种停车方式场景中的两种驾驶状态对比分析结果

4.5 本章小结

第5章 基于方向盘助力球使用的驾驶状态检测模型

5.1 K近邻算法（KNN）与支持向量机（SVM）

5.1.1 K近邻算法（KNN）介绍

5.1.2 支持向量机（SVM）介绍

5.2 两类驾驶状态识别参数选择

5.3 使用方向盘助力球的驾驶状态检测模型构建与评价

5.3.1 基于KNN算法的驾驶状态检测模型构建

5.3.2 基于SVM算法的驾驶状态检测模型构建

5.3.3 基于两类算法的驾驶状态分类效果评价

5.4 本章小结

结论

1、研究工作总结

2、研究展望

致谢

参考文献

附录1 驾驶员基本信息调查表

附录2 驾驶模拟体验感调查表