一、交通事故自动探测算法研究（论文文献综述）
王媛媛[1]（2021）在《考虑不确定性的无人驾驶汽车轨迹规划算法研究》文中进行了进一步梳理近年来,无人驾驶汽车已经成为解决交通事故、道路拥堵等重要社会问题的热点研究方向。无人驾驶汽车行驶的交通环境中客观、广泛、真实地存在着不确定性,不确定性的存在具有必然性。不确定性会影响无人驾驶汽车的风险评估、智能决策与轨迹规划,从而给无人驾驶汽车的安全性、可靠性、舒适性带来巨大挑战。因此,本文针对不确定性提出风险势能云模型,其可以很好地量化潜在碰撞的危险程度与发生概率;基于风险势能云模型,本文构建了两种不同的驾驶风格:高风险敏感型与概率敏感型,其为无人驾驶汽车在不同行驶风险条件下提供了更多元化、拟人化的智能决策与轨迹规划方法。本文所做主要工作如下:（1）无人驾驶外部环境感知本文采用YOLOv4网络识别车辆、行人等交通参与者,采用Lane Net网络检测车道线、采用卡尔曼滤波及匈牙利算法实现毫米波雷达及视觉传感器的融合,从而得到障碍物的位置、速度、属性等信息。（2）构建风险势能云模型与基于该模型的智能决策系统考虑行车过程中环境感知与运动学的不确定性,本文在传统风险势能场模型上叠加正态分布得到风险势能云模型。此外,不同的驾驶风格对行驶安全与通行效率的关注是有差异的,因此本文将驾驶风格划分为高风险敏感型与概率敏感型,并基于风险势能云模型构建两种驾驶风格的智能决策系统。（3）轨迹规划首先采用弗莱纳框架将轨迹规划问题分解为横、纵向独立的一维问题,并通过五次多项式曲线生成候选轨迹簇。本文设计了综合考虑安全性、高效性、舒适性及与目标状态一致性的轨迹评价函数,并对候选轨迹进行评价,得到最优路径。（4）仿真实验验证本文搭建Simulink/PreScan联合仿真平台,并设计五种不同特征的工况,完成考虑行车环境不确定性的风险评估、智能决策与轨迹规划的仿真实验,实验结果表明本课题的研究成果具有安全性、可靠性与有效性。综上,本文通过环境感知获取障碍物的位置、速度等信息,建立考虑不确定性的风险云模型,基于云模型进行风险评估及行为决策,根据决策结果进行轨迹规划获得最优轨迹。
原晨康[2]（2021）在《基于MPC的多目标网联车自适应巡航控制算法研究》文中研究指明自适应巡航控制系统（Adaptive Cruise Control,ACC）在提高道路利用率、提升驾驶舒适性及安全性等方面具有重要意义。论文以智能网联车为研究对象,在其基本自适应巡航的基础上添加主动换道功能,从而设计出基于模型预测控制（Model Predictive Control,MPC）的多目标网联车自适应巡航控制算法。首先将常见的车辆驾驶工况划分为:定速巡航、稳态跟车、旁车切入、前车驶离、主动换道五种驾驶工况,并针对各自的特点,提出对应的安全间距计算方法及切换策略。然后借助Carsim车辆动力学数据库建立了由逆发动机模型和逆制动器模型组成的逆动力学模型,并绘制有过渡区域的加速/制动切换逻辑曲线;由于传统定速巡航并未考虑当前道路限制车速,故将设定的巡航车速与道路限制车速的较小值作为实际定速巡航车速;综合考虑驾驶舒适性等因素设计了具有预见性的基于MPC的自适应巡航纵向控制系统。并针对主动换道的行为特点,选取了五次多项式作为主动换道轨迹并设计了基于MPC的主动换道横向控制系统,通过Simulink和Carsim联合仿真输出主车横摆角等参数来验证控制系统的准确性。最后设计了自适应巡航人机交互界面来更直观的调整控制过程当中所需参数;利用Stateflow搭建了上述五种驾驶工况切换策略;同时结合上述自适应巡航控制算法与主动换道控制算法,设计了基于MPC的多目标网联车自适应巡航控制算法,并以包含上述五种驾驶工况的混合工况来验证多目标自适应巡航控制算法的准确性。该研究为逐渐复杂的驾驶工况情况下ACC系统的推广普及有着积极的参考作用。
方子希[3]（2021）在《面向多车互联的感知通信一体化信号设计与性能分析》文中提出随着科技水平的提升,传统以人为中心的通信网络逐渐朝着面向机器的通信网络转变,智能化机器的发展呈现出百花齐放的繁荣局面。作为智能化机器普及进程中的排头兵,搭载先进传感器并综合运用信息通信技术的智能汽车成为提升交通系统安全的新动能,也不断促进着越来越多新型车载无线射频技术的出现。感知通信一体化（Joint Sensing and Communication,JSC）技术以其高频谱利用率、高数据传输速率和低时延等优势,逐渐成为近些年研究人员关注的热点技术。JSC能够为多车互联网络提供一个低成本、多功能的软硬件集成平台,十分适合功率、体积、尺寸受限的车辆场景。同时,JSC技术能够支持车辆在复杂交通环境中并发的感知任务和通信任务,满足多车互联网络对感知信息快速共享的需求。因此,研究面向多车互联网络的新型感知通信一体化技术对提升多车互联网络的安全性、增强车辆的全局感知能力、促进车辆个体智能向群体智能的转变具有重要意义。本论文针对多车互联网络中的互干扰及感知性能瓶颈等问题,考虑蜂窝车联网技术（Cellular-Vehicle to Everything,C-V2X）架构内车辆对感知与通信深度融合的需求,采用随机几何、概率统计、检测与估计等理论方法以及模型建立、性能分析、算法设计、仿真验证等研究手段,依托无线通信领域最新的标准,提出了基于第五代移动通信技术新空口（5G New Radio,5GNR）标准的感知通信一体化信号设计方法。论文围绕该方法展开了信号处理、算法设计、互干扰抑制及性能评估的研究。论文的创新性工作主要包括以下四个方面:1)多车互联网络中车载毫米波雷达的广泛应用带来了互干扰问题。针对互干扰研究大多依靠均匀雷达横截面（Radar Cross Section,RCS）这一局限,本文提出了一种新的考虑RCS起伏特性的互干扰分析方法。将Swerling型和卡方型两种RCS起伏模型融入测距性能的分析中,并推导了雷达成功测距概率的闭式解。本文首次将反射干扰引入测距性能的分析中,推导了反射干扰强相关下雷达成功测距概率的上下界,有效量化了互干扰等制约测距性能的因素。2)为了解决互干扰问题及多车互联网络对感知信息共享的需求,本文在互干扰分析的基础上提出了利用5GNR新波形进行车辆感知通信一体化信号设计的方法。依托可变循环前缀的正交频分复用（Cyclic Prefix-Orthogonal Frequency Division Multiplexing,CP-OFDM）波形灵活可扩展的帧结构,研究了基于5GNR标准的感知通信一体化信号处理方法。针对现有标准在感知与通信性能参数配置方面的空白,探索了 5G NR标准下不同子载波间隔、符号数以及感知精度之间的制约关系,给出了典型场景下的一体化信号参数配制方法。3)现有基于通信信号体制的二维距离-多普勒雷达处理算法存在感知精度受限的问题。本文提出利用5GNR同步广播块进行感知精度提升的方法。该方法充分利用了同步序列嵌入位置的规律性,通过m序列与Gold序列优良的自相关特点实现以比特位为最小操作单位的目标车辆运动信息测量。仿真结果表明,本文所提方法相比于已有研究,感知精度可提升一个数量级。4)针对多车互联网络中的互干扰问题,结合5GNR帧结构灵活可扩展特性,本文提出了基于CP-OFDM符号的互干扰抑制方案,并提出了基于CP-OFDM符号的分段频域加权互干扰抑制算法,实现了干扰环境中对目标车辆运动信息的准确提取。仿真结果显示,在相同感知精度要求下,本文所提互干扰抑制方案带来了 18 dB的信干噪比增益。本文的研究成果在车辆感知通信一体化信号设计方面具有一定的理论意义,为工程实践提供了有效的算法设计和解决方案,为未来基于5G NR的多车互联网络及标准化提供了技术参考和借鉴。
田祖林[4]（2021）在《基于AEB的汽车自动制动系统硬件设计及控制算法研究》文中提出近年来,随着汽车行业的迅速发展,人们对汽车的需求也随之增加,人均的汽车保有量更是逐年增加。汽车在数量增加的同时,不可避免的引发了许多的交通事故。解决交通安全问题也逐渐成为整个汽车行业关注的重点。随着汽车行业智能化技术的发展以及相关政策的扶持,汽车主动安全技术得以迅速发展。在这样的大背景下,先进驾驶辅助系统（Advanced Driver Assistance System）,简称ADAS应运而生。自动紧急制动（AEB）系统作为最快落地的ADAS技术之一,AEB系统的研究也变得十分有现实意义。本论文围绕基于AEB的汽车自动制动系统硬件设计与系统控制算法进行研究,主要研究内容分为如下几个方面:首先,阐述AEB系统的研究背景和意义以及AEB系统国内外的研究现状。结合AEB系统的组成部分,说明其工作原理。第二,设计AEB系统的感知系统和决策系统。通过比较几种路况传感器,选择毫米波雷达作为感知系统的传感器,并阐述其工作原理。在决策系统中的设计一种目标障碍物的选择算法,同时在这个过程中实时监测最危险的目标障碍物是否存在丢失现象。第三,设计AEB系统的控制系统。对AEB系统的安全模型进行研究,设计并优化一种基于碰撞时间的安全模型。在控制策略部分加入AEB-Prefill,设计一种针对制动减速度实时调整的控制策略,并对TTC阈值、制动减速度、最终车间距离等关键参数进行分析。第四,针对控制算法的需求,进行AEB系统的硬件电路设计和底层软件编写,完成AEB系统的控制器设计。第五,对AEB系统进行试验验证。通过Car Sim搭建的搭建仿真环境,对控制算法进行Car Sim和MATLAB/Simulink的联合仿真,验证算法的可行性。并进行实车试验,完成对本论文设计的基于AEB的电控系统整体合理性的验证。
孟祥志[5]（2021）在《典型切入事故场景重建与乘员一体化防护仿真分析》文中认为随着汽车保有量和驾驶人员数量的持续增加,我国的道路交通安全同样面临着严峻的挑战。车辆切入临近车道是驾驶过程中尤为常见的驾驶行为之一,驾驶员的不当切入行为极易引发严重的交通事故。目前国内仅有少数人员对切入事故场景进行研究,且相应的研究更侧重于从驾驶行为的角度出发。因此,开展典型切入事故场景的乘员一体化防护具有一定的紧迫性。本文通过仿真的手段开展典型切入事故场景重建与乘员一体化防护仿真分析的相关研究。首先,基于真实的危险切入事故案例使用移动标尺时间插值法以及结合Pre Scan软件重建事故案例场景,并验证其有效性。搭建全工况控制策略模块与切入事故案例的动态仿真场景并进行预碰撞阶段的联合仿真。其次,依据美国高速公路安全管理局公布的有限元模型完成整车仿真模型的搭建,并根据试验数据和动画验证有限元模型的精度;基于志愿者实车试验数据和碰撞试验数据,搭建约束系统仿真模型并分别验证Pre-crash与In-crash阶段仿真模型的有效性,进而分析乘员的动态响应和碰撞损伤情况。然后,依据主动安全带的点爆试验搭建主动控制卷收器模块,用于分析主动安全带对乘员姿态响应和碰撞损伤防护的影响。最后,利用Kriging代理模型和多目标遗传算法并结合加权损伤准则（Weighted Injury Criteria,WIC）针对RTA18°仿真工况下的乘员约束系统进行优化设计,以获得最佳的防护效果。本文的仿真结果表明:当雷达探测角为18°（Radar Test Angle 18°,RTA18°）时,自动紧急制动（Autonomous Emergency Braking,AEB）系统的介入时刻提前145ms左右,且案例1和2主车碰撞时车速降低的最多分别为15.6km/h和24km/h。在预碰撞阶段,适配了原有约束系统案例1和2乘员的姿态发生了改变,其中头部最大的离位量分别为96.23mm和130.13mm;碰撞中乘员各部位均有不同程度的损伤,且在RTA18°工况下的损伤要低些。匹配主动控制卷收器后,乘员在预碰撞阶段的离位明显得到了改善,其中案例1和2胸部离位量分别降低了14.62mm和24.34mm,且碰撞中乘员大多数部位的损伤都有所降低,但左大腿力有所增加。通过优化结果可知,适当增大主动安全带预紧力、爆炸预紧力与安全带限力,提前爆炸预紧时刻以及气囊点爆时刻,能改善约束系统的防护效果。其中案例1和2的左大腿力分别降低了9.09%和17.42%,且乘员其它部位的伤害均有不同程度的减小,案例1乘员的HIC36和C3ms分别降低了12.19%和12.61%;案例2乘员的HIC36和C3ms分别降低了17.10%和6.51%。因此,AEB系统的搭配与乘员约束系统的匹配优化相结合获得了最佳的一体化防护效果。
宋志强[6]（2020）在《智能汽车的主动紧急避撞技术及乘员保护性能的研究》文中提出近年来,汽车的高级驾驶员辅助系统（ADAS）在车辆中得到了快速的发展和广泛的应用,也成为了全球研究的热点,特别是自动紧急制动（AEB）系统不仅具有碰撞预警的功能还具有自动实现紧急制动的功能,由于AEB系统工作在碰撞前的紧急危险的情况下,因此AEB系统对驾驶员的正常驾驶判断和乘坐舒适度及避撞的安全性等都有着极大的影响,但是目前的AEB系统的性能表现在多个方面还存在着缺陷且不具备转向避撞的功能。因此,本文提出一种具有紧急制动和紧急转向变道功能的主动紧急避撞系统以期提高汽车的主动安全技术和解决道路交通事故导致的人员伤亡的问题。本文围绕着以改进和优化智能汽车的主动紧急避撞系统在避撞过程中的综合性能（如目标检测的准确性和可靠性、介入时机的及时性、乘坐的舒适性、避撞时的车辆稳定性和安全性等）的关键技术和对乘员进行有效地约束保护的技术展开了研究,本文的主要研究工作内容和创新点如下:1.在AEB系统的基础上增设了自动紧急转向变道（AE LC）系统,设计了主动紧急避撞系统的驾驶模式的决策机制,实现了纵向和横向上的协同紧急避撞的功能,提高了主动紧急避撞系统的环境适应能力。2.研究了将毫米波雷达与视觉相机的数据信息进行融合的技术。在利用毫米波雷达探测目标物体时,通过设定反射截面积、信噪比、横向距离、相对速度及目标检测的生命周期的阈值来筛选出有效的目标信息。在利用视觉相机检测目标时,通过利用Adaboost机器学习算法与Haar-like矩形特征相结合的方法训练得到了车辆的分类器用于目标物体的检测,并且对待检图像的有效区域和检测窗口的尺寸进行了优化以提高检测效率;通过对检测的目标进行跟踪预测增强了目标检测的环境适应能力和降低了检测的误检率和漏检率。最后,通过实车实验验证了利用多传感器数据融合的感知系统对车辆目标进行检测时具有较高的准确性和可靠性。3.研究了AEB系统的分级预警和分级制动的控制策略,分析和设计了控制策略中的关键性能参数。在分级预警中设计了视觉、听觉和体感式的三级不同方式的预警功能,延长了预警时间且提高了预警的有效性;设计了路面自动识别系统,在考虑路面附着系数的情况决策分级制动策略;采用了TTC值的时间尺度算法结合反应制动器特性的距离尺度的算法计算AEB系统的介入时机。从AEB系统的介入时机和介入程度方面减少了AEB系统工作时对乘员的干扰影响,提高了乘员的乘坐舒适性。基于上述的控制策略和性能参数设计了AEB系统的分层控制器,用于规划介入时机和制动减速度以及控制自车的实际减速度精确地跟随期望的减速度。通过在多种工况下的仿真实验验证了设计的分层控制器的可行性和有效性,并且验证了路面自动识别系统的集成可以提高AEB系统的制动安全性和稳定性。4.研究了基于五次多项式的变道路径规划,分析了不同车速和不同变道持续时间下的变道性能;在综合考虑变道安全性、乘坐舒适性、道路行车条件等约束条件下应用了多目标优化的方法对变道路径进行了优化,将其作为变道跟踪的参考路径;接着通过采用模型预测控制（MPC）的方法对车辆的前轮转向角进行优化控制使车辆执行转向变道的避撞运动;最后基于Simulink模块建立的控制算法和基于Carsim建立的车辆模型和道路模型开展了模型在环的仿真实验,实验结果演示了智能汽车能够自动地完成转向变道的避撞驾驶,验证了路径规划和跟踪控制的有效性和可靠性。AELC系统的研究和应用将扩增了智能汽车在多种工况下的避撞功能。5.为了减少乘员在紧急避撞过程中受到车内的碰撞损伤,本文将主动预紧式安全带与紧急避撞系统相集成来对乘员进行预警提醒和约束保护。利用M ad ym o软件建立了紧急避撞的仿真模型,通过对比研究三种不同形式的安全带对乘员的保护效果,说明了主动预紧式安全带在紧急制动避撞过程中能够对乘员提供更好的约束保护性能。此外,通过开展台架实验和志愿者实车实验研究了可逆预紧式安全带在工作时的预紧速度和预紧力等性能参数。6.基于对主动紧急避撞系统的理论研究和仿真实验的研究,并且根据2 0 1 8年版的中国新车测评规程（C-NCAP）的相关测试要求,开发了测试主动避撞系统性能的测试设备,并且利用该开发的测试设备开展了部分的场地实验,对AEB系统的性能进行了测试。测试设备的开发将进一步地促进主动紧急避撞技术的发展。综上所述,本文提出了从纵向和横向上协同进行避撞的主动紧急避撞系统,然后对优化和提高其多方面的综合性能的关键技术进行了深入的分析和研究。
程新新[7]（2020）在《基于环境感知的自动紧急制动系统研究与实现》文中研究表明进入二十一世纪以来汽车在我们生活中扮演着愈来愈重要的作用,汽车方便我们交通出行同时也带来了交通事故相关的问题,对人们的生命财产带来了巨大的危险。国内外对避免碰撞提高汽车汽车安全性愈发重视,因此研究汽车的自动紧急制动系统已迫在眉睫。针对制约汽车自动紧急制动系统发展的主要问题,即环境感知问题进行了分析。应用基于深度学习的SSD算法识别前方目标的种类和信息,并与毫米波雷达识别的目标信息进行融合,提出一种基于贝叶斯估计的目标融合权值估算方法,并应用卡尔曼滤波对识别目标进行跟踪。针对直道、弯道和斜插入三种工况做了目标筛选方案,提出AEB底层执行机构的线控制动系统的软件框架和算法结构,包括线控制动系统的上层期望减速度控制器算法结构和下层期望压力控制器算法结构。设计了自动紧急制动系统硬件在环仿真系统,应用美国国家仪器（NI）的PXIe8840作为下位机运行实时系统,以FPGA开发板作为AEB控制器来执行AEB控制算法;应用CarMaker软件搭建虚拟场景,设置整车动力学模型参数并加装虚拟传感器,搭建了满足E-NCAP的三种验证工况环境。基于Simulink开发AEB控制策略算法,生成C代码写入控制器,最后在实车上调试线控制动系统的性能,并进行实车验证,实现了自动紧急制动系统在乘用车上的应用。
张厚元[8]（2020）在《77GHz车载雷达高分辨道路环境感知算法研究》文中提出近年来,自动驾驶正逐步从理论研究走向工程现实。汽车雷达和激光雷达、超声波雷达和摄像头等传感器构成了自动驾驶汽车和高级驾驶员辅助系统（ADAS）的感知核心。汽车雷达系统负责探测物体和障碍物相对于车辆的位置和速度。随着毫米波半导体技术的发展,信号处理技术的发展在汽车雷达系统中起着关键的作用。各种各样的信号处理技术日渐发展,以在距离、方位和目标周围车辆的速度等测量维度提供更高的分辨率和估计性能。本文研究内容涵盖了汽车雷达信号处理以及数据处理技术的多个方面,包括波形设计、阵列结构、检测算法、跟踪算法、关联算法和复杂环境下的处理方法,并研究了提高雷达检测性能的双雷达融合检测方法。为实现利用车载毫米波雷达对场景内目标进行稳定的检测与跟踪,需要对获得的原始回波数据进行最基础的信号处理以及后续的数据处理。本文在详细分析了车载毫米波雷达探测技术国内外发展现状的基础上,利用AWR164277GHz近程车载雷达,首先介绍了车载雷达信号处理流程,并针对MIMO体制的虚拟阵列合成技术的方位分辨率提高方法进行理论研究和实验验证,并在此基础上利用阵列相位关系研究提高最大测速范围的速度扩展算法。在目标检测方面,研究了将雷达置于运动平台时RD谱由于方位与多普勒之间的耦合造成的频谱弯曲问题,基于得到的距离-多普勒谱,研究瑞利、指数、韦布尔杂波模型的十字窗CFAR算法。基于目标检测输出结果研究了目标聚类算法,完成了基于密度的聚类的DBSCAN算法的实测应用,对聚类点簇进行行人及车辆目标的位置、速度等信息的提取。在目标跟踪方面,构造了适合大地坐标系下道路车辆状态估计的状态方程,并研究了密集多目标场景下的联合概率数据关联算法,且研究了检测跟踪融合算法,提高了回波能量微弱目标的跟踪航迹的持续性。最后仿真了两部相同的前视雷达,建立了前视点目标几何模型,构造与目标真实速度维度相关的变量对RD谱进行非相干积累,利用两部雷达相对目标的不同视角进行距离-速度-方位谱（RVA谱）融合,提高目标的检测精度。
黄兰[9]（2020）在《自动驾驶混行公路的可靠性安全评价方法研究》文中认为交通与车辆行业高速发展的同时,驾驶者与道路基础设施之间的矛盾诱发了大量交通事故,为此全球各国开展了对自动驾驶汽车的研究来降低交通事故率,提高出行效率。然而,造价成本、技术故障和道路交通管理等问题仍制约着民用自动驾驶车辆的推广应用。其中,道路是人-车-路-云系统的重要组成部分,出于人们对自动驾驶下道路安全问题的关注,设计道路需要采用新的方法。但是现有道路网的成熟化和复杂化程度较高,道路功能相对完善,重建的成本和工程量大。本文在充分调研和研究后,提出结合自动驾驶车辆行驶特性,评价现有道路安全性,并对位于不适合新型车辆行驶的道路上的交通设施提出改善方法。首先,本文系统地概述了自动驾驶车辆环境感知识别原理,探究系统数据来源和道路检测方法,分析自动驾驶技术的潜在交通事故风险。结合该技术,综合考虑路面类型、交通设施、道路线形和交通流状态等道路安全影响因素,进一步分析驾驶员角色转变导致的驾驶主体差异性,作为安全分析的前提条件。考虑到自动驾驶系统和驾驶员的显着差异,分析传统驾驶道路安全评价方法局限性,修正停车视距、辅助驾驶员工作负荷量、横断面宽度和交通设施等现有道路指标,提出将路面特征作为自动驾驶识别能力的衡量标准之一,并验证路面抗滑性指标和路面污染度指标的对应关系。基于故障树分析方法全面梳理可能导致交通事故的指标,选取侧翻、侧滑、视距不良、颠簸和拥堵五个场景,定量评定曲线半径、视距、加速度和自动驾驶车辆市场占有率对混行公路交通流稳定性的可靠性;并采用蒙特卡洛模拟法计算对应设计指标的失效概率,提出用于混行公路的安全评价方法。最后,基于贵州省某省道K55+806～K57+700和K7+005～K10+650路段实例,评价不同道路的自动驾驶车辆和常规车辆混行可行性和安全性,并结合历史事故数据分析本研究成果的可行性,对不适合路段的交通设施提出改善建议。
侯彦巧[10]（2020）在《基于典型场景的自动紧急制动系统对骑车人保护效果研究》文中指出随着二轮车（TW,机动二轮车和非机动二轮车）保有量的增加,二轮车交通事故数量有明显增加。汽车与二轮车的碰撞形态和事故严重程度较行人复杂。自动紧急制动系统（Autonomous Emergency Braking System AEB）能够有效降低骑车人损伤严重程度,在实际道路交通环境中对弱势道路使用者的保护效果成为各界关注的焦点。国家车辆事故深度调查体系（National Automobile Accident In-Depth Investigation System,NAIS）数据库和道路交通事故场景分类研究为AEB系统有效性的测试提供数据支持。运用真实的道路交通事故数据研究我国汽车-二轮车事故的特征和骑车人严重损伤（AIS3+）和死亡风险模型,并测试AEB系统对骑车人的保护效果。研究成果为设计更加符合中国道路交通事故特点的AEB系统提供参考,从而更好地改进车辆的安全设计,提高二轮车骑车人的行车安全。本文主要研究内容有以下四个方面:（1）从NAIS数据库选取353例汽车-二轮车事故,对影响汽车-二轮车事故结果的参数进行分析,确定聚类参数。结合层次聚类分析方法、卡方检验和骑车人损伤严重程度提取每一类场景的典型特征,最终得到5类符合中国道路交通特点的汽车-二轮车测试场景。（2）以第2类典型场景为例,将各个参数具体化,在PreScan软件中搭建事故测试场景。在Simulink中搭建基于TTC算法的AEB纵向避撞策略,建立PreScan-MATLAB/Simulink联合仿真模型。（3）运用逻辑回归分析骑车人严重损伤和死亡事故,发现骑车人严重损伤和死亡风险与汽车类型、二轮车类型和二轮车速度显着不相关,与汽车速度显着相关。确定AEB系统对骑车人严重损伤和死亡风险的降低程度为AEB有效性评价指标。（4）从第2类场景中选择40例符合典型特征的案例作为待评价案例,采用控制变量法研究传感器视场角、探测距离、制动提前时间、制动减速度和触发宽度对骑车人的保护效果的影响。通过设计正交试验并进行仿真分析发现,影响AEB系统有效性的关键参数为触发宽度,其次为制动提前时间、制动减速度。对40起待评价事故案例进行仿真分析发现,当视场角为100°,制动提前时间为1s,制动减速度7m/s2,探测距离为25m,触发宽度为8.75m,AEB系统对骑车人AIS3+事故和死亡事故的保护效率分别为67.5%和76.7%。
二、交通事故自动探测算法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、交通事故自动探测算法研究（论文提纲范文）
（1）考虑不确定性的无人驾驶汽车轨迹规划算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 无人驾驶车辆关键技术及其研究现状 |
| 1.2.1 无人驾驶车辆环境感知技术的研究现状 |
| 1.2.2 无人驾驶车辆行车风险评估的研究现状 |
| 1.2.3 无人驾驶规划算法研究现状 |
| 1.3 存在的主要问题 |
| 1.4 研究内容及章节安排 |
| 1.5 本章小结 |
| 第2章 无人驾驶环境感知系统研究 |
| 2.1 基于深度学习目标检测算法 |
| 2.1.1 卷积神经网络 |
| 2.1.2 基于YOLOv4的车辆及行人识别算法 |
| 2.1.3 基于LaneNet的车道线检测算法 |
| 2.2 毫米波雷达与摄像头融合 |
| 2.2.1 传感器选型 |
| 2.2.2 多传感器融合的意义及前提 |
| 2.2.3 多传感器融合层次的选择 |
| 2.2.4 多传感器融合策略 |
| 2.3 本章小结 |
| 第3章 考虑不确定性的行车风险建模 |
| 3.1 行车风险人工势能场模型 |
| 3.1.1 自动驾驶行车风险因素分析 |
| 3.1.2 行车风险人工势能场模型构建 |
| 3.2 考虑不确定性的行车风险云模型 |
| 3.2.1 无人驾驶行车风险不确定性因素分析 |
| 3.2.2 行车风险势能云模型构建 |
| 3.3 基于风险势能云的行车风险评估方法 |
| 3.3.1 基于风险势能云的行车风险评估模型 |
| 3.3.2 高风险敏感型与概率敏感型驾驶风格的行车风险评估方法 |
| 3.4 基于风险势能云的自动驾驶智能决策方法 |
| 3.4.1 自动驾驶行为分析及决策模式 |
| 3.4.2 高风险敏感型与概率敏感型驾驶风格的智能决策方法 |
| 3.5 本章小结 |
| 第4章 无人驾驶车辆轨迹规划算法 |
| 4.1 无人驾驶车辆轨迹规划问题描述 |
| 4.1.1 无人驾驶车辆轨迹规划问题定义 |
| 4.1.2 弗莱纳·塞雷公式及弗莱纳坐标系 |
| 4.2 五次多项式求解及轨迹规划候选合集生成 |
| 4.2.1 五次多项式求解 |
| 4.2.2 定速巡航工况轨迹候选集生成 |
| 4.2.3 本道跟驰工况轨迹候选集生成 |
| 4.2.4 制动防撞工况轨迹候选集生成 |
| 4.2.5 换道避障工况轨迹候选集生成 |
| 4.3 评价函数的设计及规划轨迹综合决策 |
| 4.3.1 轨迹规划横纵向耦合 |
| 4.3.2 评价函数的设计 |
| 4.4 本章小结 |
| 第5章 仿真实验 |
| 5.1 Simulink及Prescan联合仿真平台搭建 |
| 5.1.1 软件平台简介 |
| 5.1.2 虚拟仿真平台搭建 |
| 5.2 实验数据的获取 |
| 5.2.1 环境感知信息 |
| 5.2.2 行车风险云的构建实验 |
| 5.3 典型工况下的实验与分析 |
| 5.3.1 本车道无干扰车辆 |
| 5.3.2 本车道前方存在行人 |
| 5.3.3 本车道前方存在干扰车辆 |
| 5.4 本章小节 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及研究成果 |
| 致谢 |
（2）基于MPC的多目标网联车自适应巡航控制算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 车辆纵向控制国内外研究现状 |
| 1.2.1 ACC纵向控制系统研究现状 |
| 1.2.2 ACC纵向系统控制策略研究现状 |
| 1.3 车辆横向控制国内外研究现状 |
| 1.3.1 主动换道横向控制决策系统研究现状 |
| 1.3.2 主动换道轨迹模型研究现状 |
| 1.4 主要研究内容及组织结构 |
| 1.4.1 主要研究内容 |
| 1.4.2 组织结构 |
| 2 多目标自适应巡航模式切换策略 |
| 2.1 车辆驾驶场景划分 |
| 2.2 安全间距策略 |
| 2.2.1 传统安全间距策略 |
| 2.2.2 具有预见性的安全间距策略 |
| 2.2.3 前车切入/驶离间距策略 |
| 2.2.4 主动换道安全间距策略 |
| 2.3 基于间距策略的模式切换控制 |
| 2.4 本章小结 |
| 3 自适应巡航纵向控制研究 |
| 3.1 模型预测控制原理 |
| 3.2 车辆动力学模型 |
| 3.2.1 基于Carsim的车辆动力学模型 |
| 3.2.2 自适应巡航前车动力学模型 |
| 3.3 车辆逆动力学模型 |
| 3.3.1 节气门/制动器切换策略 |
| 3.3.2 发动机逆模型 |
| 3.3.3 制动器逆模型 |
| 3.4 定速巡航控制系统结构设计 |
| 3.4.1 基于PID的定速巡航控制系统 |
| 3.4.2 定速巡航控制系统仿真验证 |
| 3.5 自适应巡航控制系统结构设计 |
| 3.5.1 基于MPC的自适应巡航控制系统 |
| 3.5.2 自适应巡航控制系统仿真验证 |
| 3.6 本章小结 |
| 4 主动换道横向控制研究 |
| 4.1 主动换道行为特性分析 |
| 4.2 换道设计准则及数据来源 |
| 4.2.1 换道设计准则 |
| 4.2.2 主动换道关键参数 |
| 4.3 车辆换道轨迹 |
| 4.3.1 换道轨迹方程 |
| 4.3.2 换道约束条件 |
| 4.4 仿真验证及分析 |
| 4.4.1 基于MPC的主动换道控制系统 |
| 4.4.2 MPC主动换道控制器仿真分析 |
| 4.5 本章小结 |
| 5 多目标自适应巡航控制研究 |
| 5.1 自适应巡航HMI界面设计 |
| 5.2 基于FSM的控制模式切换策略 |
| 5.3 多目标自适应巡航控制系统搭建 |
| 5.4 混合驾驶工况仿真分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（3）面向多车互联的感知通信一体化信号设计与性能分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 多车互联网络的背景 |
| 1.1.2 多车互联网络的特性 |
| 1.1.3 多车互联网络中感知通信一体化技术的必要性 |
| 1.1.4 感知通信一体化技术在多车互联网络中面临的挑战 |
| 1.2 课题研究目的及意义 |
| 1.3 国内外研究现状及分析 |
| 1.3.1 感知通信一体化技术的研究现状 |
| 1.3.2 感知通信一体化技术在车辆中的研究概况 |
| 1.3.3 存在问题与不足 |
| 1.4 本文主要创新工作与章节安排 |
| 1.4.1 主要创新工作 |
| 1.4.2 章节安排 |
| 第二章 多车互联环境中的雷达互干扰研究 |
| 2.1 引言 |
| 2.2 RCS松耦合的毫米波雷达互干扰建模与分析 |
| 2.2.1 互干扰模型 |
| 2.2.2 性能分析 |
| 2.3 RCS紧耦合的毫米波雷达互干扰建模与分析 |
| 2.3.1 RCS紧耦合特性 |
| 2.3.2 互干扰模型 |
| 2.3.3 性能分析 |
| 2.4 反射干扰强相关环境下的毫米波雷达测距性能分析 |
| 2.4.1 互干扰模型 |
| 2.4.2 性能分析 |
| 2.5 仿真结果与分析 |
| 2.6 本章小结 |
| 第三章 基于CP-OFDM的感知通信一体化信号设计方法研究 |
| 3.1 引言 |
| 3.2 CP-OFDM一体化信号的模糊性分析 |
| 3.3 感知通信一体化无线信道建模 |
| 3.4 CP-OFDM一体化信号处理关键技术 |
| 3.5 5G NR标准配置下的CP-OFDM一体化信号性能分析 |
| 3.5.1 理论性能分析 |
| 3.5.2 仿真性能分析 |
| 3.6 本章小结 |
| 第四章 基于CP-OFDM一体化信号的感知性能提升方法研究 |
| 4.1 引言 |
| 4.2 基于同步广播块的一体化信号帧结构与处理流程 |
| 4.2.1 同步广播块组成 |
| 4.2.2 同步序列的生成 |
| 4.2.3 信号处理流程 |
| 4.3 主同步序列辅助的测距精度提升算法 |
| 4.4 辅同步序列辅助的测速精度提升算法 |
| 4.5 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 基于CP-OFDM一体化信号的互干扰抑制方法研究 |
| 5.1 引言 |
| 5.2 干扰抑制 |
| 5.2.1 最小二乘估计理论 |
| 5.2.2 扩展相消批处理算法 |
| 5.3 基于CP-OFDM符号的互干扰抑制方案 |
| 5.3.1 方案设计流程 |
| 5.3.2 高分辨率空域滤波 |
| 5.3.3 误符号情况下的加权最小二乘法 |
| 5.3.4 基于CP-OFDM符号的分段频域加权互干扰抑制算法 |
| 5.4 仿真结果与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究工作展望 |
| 参考文献 |
| 附录A 感知通信一体化无线信道生成与验证伪代码 |
| 附录B 感知性能提升算法数据 |
| 附录C 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）基于AEB的汽车自动制动系统硬件设计及控制算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 AEB系统的发展现状 |
| 1.2.1 AEB系统国外研究现状 |
| 1.2.2 AEB系统国内研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 AEB系统总体方案设计 |
| 2.1 AEB系统的工作原理 |
| 2.2 AEB系统的系统组成 |
| 2.3 感知系统 |
| 2.3.1 AEB系统感知传感器的比较 |
| 2.3.2 毫米波雷达的工作原理及选择 |
| 2.3.3 试验样车的传感器 |
| 2.4 决策系统和其他系统 |
| 2.4.1 目标障碍物选择模块 |
| 2.4.2 目标障碍物丢失检测模块 |
| 2.4.3 其他系统 |
| 2.5 本章小结 |
| 第3章 AEB系统控制系统设计 |
| 3.1 控制系统安全模型的设计 |
| 3.1.1 基于安全距离的安全模型 |
| 3.1.2 基于碰撞时间的安全模型 |
| 3.1.3 基于驾驶员预估安全车距的安全模型 |
| 3.1.4 AEB系统安全模型的设计 |
| 3.2 控制系统控制策略的设计 |
| 3.2.1 制动预填充 |
| 3.2.2 针对制动减速度实时调整的控制策略 |
| 3.3 控制系统关键参数的选择 |
| 3.3.1 TTC阈值的确定 |
| 3.3.2 制动减速度的确定 |
| 3.3.3 制动后安全距离的选择 |
| 3.4 本章小结 |
| 第4章 基于AEB系统的控制器设计 |
| 4.1 电控系统的硬件电路总体设计要求 |
| 4.2 AEB电子控制单元设计流程 |
| 4.3 AEB电子控制单元设计需求 |
| 4.4 AEB电子控制单元模块组成 |
| 4.4.1 主控MCU模块 |
| 4.4.2 电源管理模块说明 |
| 4.4.3 CAN模块说明 |
| 4.4.4 电磁阀驱动控制模块说明 |
| 4.4.5 轮速传感器输入信号模块说明 |
| 4.4.6 泵体电机驱动模块说明 |
| 4.4.7 上电使能模块说明 |
| 4.4.8 供电安全模块说明 |
| 4.5 AEB电子控制单元部分模块设计 |
| 4.5.1 电源模块设计 |
| 4.5.2 蓄电池电压采集模块设计 |
| 4.5.3 点火使能硬件唤醒电路设计 |
| 4.6 AEB系统底层程序编写 |
| 4.7 本章小结 |
| 第5章 AEB系统的仿真试验验证 |
| 5.1 Car Sim软件介绍 |
| 5.2 试验样车的参数设置 |
| 5.3 感知模型的搭建 |
| 5.4 目标障碍物车辆的参数设置 |
| 5.5 道路模型参数设置 |
| 5.6 AEB系统的CCRb仿真试验 |
| 5.7 试验结果分析 |
| 5.8 本章小结 |
| 第6章 AEB系统的实车试验验证 |
| 6.1 试验样车改装 |
| 6.2 AEB系统实车试验 |
| 6.2.1 测试要求 |
| 6.2.2 试验结果分析 |
| 6.3 试验结果分析 |
| 6.4 本章小结 |
| 结论 |
| 附录 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）典型切入事故场景重建与乘员一体化防护仿真分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 道路交通事故重建研究现状 |
| 1.2.1 道路交通事故车辆运动轨迹研究现状 |
| 1.2.2 道路交通事故车速计算的研究现状 |
| 1.3 主被动防护研究现状 |
| 1.3.1 切入事故场景相关研究 |
| 1.3.2 主被动安全一体化防护研究现状 |
| 1.3.3 乘员碰撞损伤影响因素 |
| 1.3.4 乘员约束系统优化设计研究 |
| 1.4 本文的研究内容 |
| 2 事故场景重建及AEB动态场景仿真分析 |
| 2.1 事故视频碰前车速计算方法 |
| 2.1.1 距离插值法车速计算数学模型 |
| 2.1.2 网格法车速计算数学模型 |
| 2.1.3 移动标尺时间插值法车速计算数学模型 |
| 2.2 典型切入事故场景重建 |
| 2.2.1 事故案列描述 |
| 2.2.2 事故案例车辆运动信息计算 |
| 2.2.3 事故案例重建模型的搭建 |
| 2.2.4 车辆基础运动信息的加载 |
| 2.3 重建的事故场景有效性验证 |
| 2.3.1 典型动画时刻相对位置验证 |
| 2.3.2 事故车辆车速验证 |
| 2.4 典型切入事故AEB动态场景联合仿真分析 |
| 2.4.1 AEB控制策略及传感器模块配置 |
| 2.4.2 切入事故AEB动态场景仿真 |
| 2.5 本章小结 |
| 3 汽车碰撞仿真模型建立及验证 |
| 3.1 引言 |
| 3.2 整车有限元模型构建及有效性验证 |
| 3.2.1 整车有限元模型的搭建 |
| 3.2.2 整车有限元模型验证 |
| 3.3 乘员约束系统仿真模型搭建及验证 |
| 3.3.1 碰撞阶段约束系统模型搭建 |
| 3.3.2 碰撞阶段约束系统有效性的验证 |
| 3.3.3 预碰撞阶段仿真模型搭建 |
| 3.3.4 预碰撞阶段仿真模型验证 |
| 3.4 本章小结 |
| 4 制动和碰撞过程乘员一体化防护仿真分析 |
| 4.1 预碰撞阶段AEB系统对车辆运动的影响 |
| 4.2 预碰撞阶段乘员运动响应分析 |
| 4.2.1 预碰撞阶段边界条件加载 |
| 4.2.2 乘员运动响应分析 |
| 4.3 乘员碰撞损伤分析 |
| 4.3.1 切入事故场景整车碰撞仿真分析 |
| 4.3.2 碰撞过程运动脉冲的加载 |
| 4.3.3 乘员碰撞损伤影响分析 |
| 4.4 主动安全带对乘员损伤防护影响分析 |
| 4.4.1 主动预紧式安全带参数选取及建模 |
| 4.4.2 主动预紧式安全带对乘员预碰撞阶段姿态响应影响分析 |
| 4.4.3 主动预紧式安全带对乘员碰撞损伤影响分析 |
| 4.5 本章小结 |
| 5 乘员约束系统参数匹配优化分析 |
| 5.1 优化平台概述 |
| 5.2 切入事故案例乘员约束系统参数匹配优化分析 |
| 5.2.1 优化流程 |
| 5.2.2 优化参数的选择及取值范围的确定 |
| 5.2.3 优化目标及决策机制 |
| 5.2.4 试验设计及响应面代理模型构建 |
| 5.3 优化结果分析 |
| 5.3.1 最优参数组的选取 |
| 5.3.2 优化前后乘员损伤分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 |
（6）智能汽车的主动紧急避撞技术及乘员保护性能的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题研究背景 |
| 1.1.2 课题研究意义 |
| 1.2 国内外研究现状及文献综述 |
| 1.2.1 智能驾驶技术的文献研究 |
| 1.2.2 纵向紧急制动的研究现状 |
| 1.2.3 自动紧急转向变道的避撞控制研究 |
| 1.2.4 对主动紧急避撞技术的性能测评的研究 |
| 1.2.5 紧急避撞过程中对乘员的保护性研究 |
| 1.3 问题提出及解决方案 |
| 1.4 本文的主要研究内容 |
| 第2章 主动紧急避撞系统的功能分析及总体研究架构 |
| 2.1 引言 |
| 2.2 汽车的智能辅助驾驶系统的总体设计 |
| 2.3 智能辅助驾驶模式的决策机制设计 |
| 2.4 自动紧急制动系统的功能及研究架构 |
| 2.4.1 AEB系统的功用及性能分析 |
| 2.4.2 AEB系统的总体研究框架设计 |
| 2.5 自动紧急转向变道系统的功能及研究架构 |
| 2.5.1 对AELC系统的功能分析 |
| 2.5.2 AELC系统的研究框架设计 |
| 2.6 本章小结 |
| 第3章 多传感器数据融合的关键技术与性能优化研究 |
| 3.1 引言 |
| 3.2 基于毫米波雷达的目标探测 |
| 3.2.1 基于毫米波雷达的探测方法 |
| 3.2.2 筛选有效目标的方法 |
| 3.2.3 基于毫米波雷达的实验及结果分析 |
| 3.3 基于机器视觉的目标检测 |
| 3.3.1 基于Adaboost算法与Haar-like特征组合的检测 |
| 3.3.2 基于OpenCV生成级联分类器 |
| 3.3.3 提高检测实时性的方法 |
| 3.3.4 压缩跟踪检测目标 |
| 3.3.5 实验及结果分析 |
| 3.4 多传感器的数据融合 |
| 3.4.1 多传感器数据在空间上的融合 |
| 3.4.2 多传感器数据在时间上的融合 |
| 3.4.3 数据融合的方法和过程 |
| 3.4.4 多传感器数据融合的实车实验 |
| 3.5 本章小结 |
| 第4章 紧急制动系统的控制策略与性能参数的研究 |
| 4.1 引言 |
| 4.2 AEB系统的控制策略的改进设计 |
| 4.3 控制策略中关键参数的确定 |
| 4.3.1 预警时机介入的确定 |
| 4.3.2 一级制动强度的确定 |
| 4.3.3 二级制动强度的确定 |
| 4.3.4 制动介入时机的确定 |
| 4.4 分级预警/制动的控制流程 |
| 4.5 本章小结 |
| 第5章 紧急制动系统的控制器设计及仿真实验的研究 |
| 5.1 引言 |
| 5.2 基于有限状态机的上层控制器 |
| 5.3 切换制动/加速模式的控制 |
| 5.3.1 模式切换的临界减速度 |
| 5.3.2 保持恒速的节气门开度 |
| 5.4 实现自动紧急制动的解决方案 |
| 5.4.1 AEB系统的自动调压执行机构 |
| 5.4.2 AEB系统的调压过程分析 |
| 5.5 对AEB压力调节的控制 |
| 5.5.1 路面附着系数与滑移率的关系 |
| 5.5.2 基于最佳滑移率的控制 |
| 5.6 车辆逆纵向动力学模型 |
| 5.6.1 制动主缸压力的期望值计算 |
| 5.6.2 轮缸制动力的分配计算 |
| 5.6.3 建立车辆系统仿真模型 |
| 5.6.4 制动系统的仿真实验 |
| 5.7 基于模糊PID控制的下层控制器 |
| 5.7.1 模糊PID控制器的设计 |
| 5.7.2 模糊PID控制器的仿真模型 |
| 5.7.3 建立下层控制器的仿真模型及仿真实验 |
| 5.8 路面自动识别系统的设计研究 |
| 5.8.1 理论的路面附着系数的计算 |
| 5.8.2 实际的路面附着系数的计算 |
| 5.8.3 路面自动识别的方法 |
| 5.8.4 路面自动识别建模及仿真分析 |
| 5.9 基于AEB功能的仿真实验 |
| 5.9.1 在直道的高附路面上开展校准实验 |
| 5.9.2 在弯道的低附路面上的对比实验 |
| 5.9.3 对开路面上的对比仿真实验 |
| 5.10 本章小结 |
| 第6章 自动转向变道的路径规划与轨迹跟踪的研究 |
| 6.1 引言 |
| 6.2 转向变道的路径规划 |
| 6.2.1 转向变道的路径规划的数学模型 |
| 6.2.2 转向变道的路径生成 |
| 6.3 多目标优化选取最佳的变道路径 |
| 6.3.1 目标函数的确定 |
| 6.3.2 约束条件的设置 |
| 6.3.3 预定场景下的路径优化及仿真实验 |
| 6.4 基于模型预测控制算法的轨迹跟踪 |
| 6.4.1 基于车辆运动学的模型预测控制 |
| 6.4.2 基于车辆动力学的模型预测控制 |
| 6.5 转向变道的轨迹跟踪的仿真实验 |
| 6.6 本章小结 |
| 第7章 主动紧急避撞过程中对乘员的防护性能的研究 |
| 7.1 引言 |
| 7.2 主动预紧式安全带系统 |
| 7.3 对乘员防护性能的仿真实验研究 |
| 7.3.1 建立紧急制动避撞的仿真模型 |
| 7.3.2 设置制动避撞的仿真工况 |
| 7.4 仿真实验结果的分析 |
| 7.5 预紧性能的台架试验研究 |
| 7.6 预紧性能的实车实验 |
| 7.7 本章小结 |
| 第8章 基于C-NCAP的测试设备的开发及场地实验 |
| 8.1 引言 |
| 8.2 对C-NCAP的相关分析 |
| 8.3 避撞系统的测试设备的开发设计 |
| 8.3.1 前方目标车的设计 |
| 8.3.2 目标行人模拟设备的设计 |
| 8.3.3 自动驾驶机器人的设计 |
| 8.3.4 声音预警的监测设备的设计 |
| 8.3.5 组合导航定位测量技术研究 |
| 8.3.6 上位机的远程控制平台的设计 |
| 8.4 CCRs场景下的场地测试 |
| 8.4.1 最大避撞速度和TTC值的测试 |
| 8.4.2 对舒适性能的主观评价 |
| 8.5 行人AEB性能的测试 |
| 8.5.1 行人AEB的测试场景 |
| 8.5.2 假人目标的运动控制 |
| 8.5.3 关键点坐标的计算与验证 |
| 8.5.4 场地测试及客观评估 |
| 8.6 本章小结 |
| 结论与展望 |
| 1.结论 |
| 2.创新点 |
| 3.展望 |
| 参考文献 |
| 附录A 攻读学位期间所发表的学术论文 |
| 附录B 攻读学位期间参与的科研项目及科研成果 |
| 附录C 部分英语专业术语缩写索引 |
| 致谢 |
（7）基于环境感知的自动紧急制动系统研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及章节安排 |
| 第2章 摄像头与毫米波雷达目标融合算法 |
| 2.1 目标融合传感器架构 |
| 2.2 毫米波雷达选型和工作原理 |
| 2.3 摄像头目标检测研究 |
| 2.3.1 SSD算法原理 |
| 2.3.2 SSD模型训练原理 |
| 2.4 摄像头与毫米波雷达融合策略 |
| 2.4.1 摄像头与毫米波雷达的坐标转换 |
| 2.4.2 摄像头与毫米波雷达融合算法 |
| 2.5 本章小结 |
| 第3章 自动紧急制动系统控制策略研究 |
| 3.1 引言 |
| 3.2 AEB控制器系统总体设计 |
| 3.2.1 AEB系统功能定义 |
| 3.2.2 AEB控制模型设计 |
| 3.3 AEB系统目标筛选原理 |
| 3.3.1 基于假定恒曲率目标筛选模型模块 |
| 3.3.2 目标车辆在行驶车道内(In-Way) |
| 3.3.3 目标车辆斜插入车道 |
| 3.4 AEB系统液压线控制动原理设计 |
| 3.4.1 ESC系统整体介绍 |
| 3.4.2 ESC功能与技术指标 |
| 3.4.3 主动增压系统控制算法架构 |
| 3.5 本章小结 |
| 第4章 AEB硬件在环系统搭建 |
| 4.1 引言 |
| 4.2 AEB硬件在环系统实验平台功能 |
| 4.2.1 AEB实验平台硬件组成 |
| 4.2.2 CarMaker软件系统介绍 |
| 4.3 AEB仿真系统测试与验证 |
| 4.3.1 AEB虚拟场景搭建 |
| 4.3.2 实时车辆仿真模型搭建 |
| 4.3.3 加装虚拟摄像头和雷达传感器 |
| 4.3.4 部署下位机实时系统 |
| 4.3.5 AEB系统逻辑控制模块搭建 |
| 4.4 AEB硬件在环仿真结果分析 |
| 4.4.1 视频流图像识别 |
| 4.4.2 AEB算法仿真分析 |
| 4.5 本章小结 |
| 第5章 AEB系统实车试验 |
| 5.1 引言 |
| 5.2 改装试验车辆 |
| 5.2.1 基于ESC的试验车辆改装 |
| 5.2.2 测试线控制动效果 |
| 5.3 AEB系统实车试验 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间研究成果 |
（8）77GHz车载雷达高分辨道路环境感知算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 车载毫米波雷达环境感知理论的发展概况 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 毫米波雷达方位分辨率提高方法 |
| 2.1 引言 |
| 2.2 信号处理流程 |
| 2.3 MIMO虚拟孔径合成方法 |
| 2.4 速度扩展算法 |
| 2.5 本章小结 |
| 第3章 检测及聚类方法 |
| 3.1 引言 |
| 3.2 十字窗CFAR算法 |
| 3.3 基于密度的聚类算法 |
| 3.4 道路实测实验 |
| 3.4.1 实测动目标聚类 |
| 3.4.2 实测静目标聚类 |
| 3.4.3 基于静止杂波的自车速度估计 |
| 3.4.4 静止点云速度补偿 |
| 3.4.5 地面杂波及前上方横杆检测抑制方法 |
| 3.4.6 前方无目标时检测最终输出点云 |
| 3.4.7 前方有目标时检测最终输出点云 |
| 3.5 本章小结 |
| 第4章 目标跟踪方法 |
| 4.1 前言 |
| 4.2 状态方程及量测方程的构造 |
| 4.3 航迹起始方法 |
| 4.4 联合概率数据关联(JPDA) |
| 4.5 检测跟踪融合算法 |
| 4.6 本章小结 |
| 第5章 双雷达RVA谱融合算法 |
| 5.1 引言 |
| 5.2 BP后向投影成像算法 |
| 5.3 基于BP投影算法思想的双雷达RVA谱融合算法 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
（9）自动驾驶混行公路的可靠性安全评价方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究概况 |
| 1.2.1 自动驾驶汽车技术研发现状 |
| 1.2.2 自动驾驶汽车立法和道路测试现状 |
| 1.2.3 道路安全评价研究现状 |
| 1.3 研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 第二章 自动驾驶车辆环境感知检测技术 |
| 2.1 自动驾驶车辆环境感知技术 |
| 2.1.1 传感器 |
| 2.1.2 定位导航 |
| 2.1.3 车联通信 |
| 2.2 自动驾驶车辆车道线检测技术 |
| 2.2.1 道路边缘检测方法 |
| 2.2.2 车道线提取方法 |
| 2.3 自动驾驶潜在交通事故分析 |
| 2.4 本章小结 |
| 第三章 自动驾驶公路交通安全影响因素分析 |
| 3.1 自动驾驶道路结构分类简介 |
| 3.1.1 结构化道路 |
| 3.1.2 非结构化道路 |
| 3.1.3 特殊区域道路 |
| 3.2 混行公路交通安全影响因素 |
| 3.2.1 路面类型 |
| 3.2.2 交通设施 |
| 3.2.3 道路线形 |
| 3.2.4 交通流状态 |
| 3.2.5 其他常规驾驶安全影响因素 |
| 3.3 驾驶主体差异性分析 |
| 3.3.1 驾驶生理特征差异 |
| 3.3.2 驾驶心理特征差异 |
| 3.3.3 乘客需求 |
| 3.4 本章小结 |
| 第四章 自动驾驶混行公路安全评价指标修正 |
| 4.1 传统驾驶道路安全评价指标局限性分析 |
| 4.2 自动驾驶车辆功能基本假定 |
| 4.3 自动驾驶混行公路安全评价指标修正 |
| 4.3.1 路面特征 |
| 4.3.2 停车视距 |
| 4.3.3 横断面宽度 |
| 4.3.4 辅助驾驶员工作负荷 |
| 4.3.5 交通设施 |
| 4.4 本章小结 |
| 第五章 可靠性安全评价方法和实例可行性分析 |
| 5.1 可靠性方法概述 |
| 5.1.1 可靠性定义 |
| 5.1.2 故障树分析法 |
| 5.1.3 蒙特卡洛模拟法 |
| 5.2 自动驾驶混行公路安全评价方法 |
| 5.2.1 确定顶事件及最小割集 |
| 5.2.2 基本事件定量评价 |
| 5.2.3 可靠性安全评价方法 |
| 5.3 实例可行性分析 |
| 5.3.1 K55+806~K57+700路段 |
| 5.3.2 K7+005~K10+650路段 |
| 5.3.3 交通设施设置方法 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 附录 A |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（10）基于典型场景的自动紧急制动系统对骑车人保护效果研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 AEB有效性评价国内外研究现状 |
| 1.2.2 危险场景国内外研究现状 |
| 1.3 本文研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 典型汽车—二轮车事故场景研究 |
| 2.0 数据来源 |
| 2.1 国家车辆事故深度调查体系 |
| 2.1.1 深度事故采集标准 |
| 2.1.2 深度事故采集内容 |
| 2.1.3 深度事故人员损伤定级标准 |
| 2.1.4 深度事故车辆速度计算 |
| 2.1.5 Pc-Crash事故再现分析方法 |
| 2.2 事故场景分析 |
| 2.2.1 取样标准 |
| 2.2.2 国内外涉及骑车人的危险场景 |
| 2.2.3 事故场景聚类参数确定 |
| 2.3 汽车二轮车事故场景数据处理方法 |
| 2.3.1 聚类分析方法 |
| 2.3.2 样本数据处理 |
| 2.3.4 卡方检验 |
| 2.4 典型二轮车事故场景提取 |
| 2.4.1 汽车—二轮车事故场景聚类结果确定 |
| 2.4.2 汽车—二轮车事故场景典型特征确定 |
| 2.5 本章小结 |
| 3 基于PreScan的二轮车测试场景及AEB系统搭建 |
| 3.1 PreScan软件介绍 |
| 3.2 汽车-二轮车仿真测试场景搭建 |
| 3.3 AEB纵向控制策略搭建 |
| 3.3.1 车辆模型 |
| 3.3.2 传感器模型 |
| 3.3.3 AEB避撞模型 |
| 3.3.4 基于TTC的控制策略 |
| 3.4 AEB纵向控制策略验证 |
| 3.5 本章小结 |
| 4 AEB系统对骑车人保护效果研究 |
| 4.1 二轮车骑车人伤亡风险模型 |
| 4.1.1 逻辑回归方法 |
| 4.1.2 碰撞速度及骑车人死亡比例分布 |
| 4.1.3 骑车人伤亡风险logistic回归模型 |
| 4.2 AEB系统对骑车人保护效果评价方法 |
| 4.3 AEB系统各参数对骑车人保护效果的影响 |
| 4.3.1 传感器视场角对骑车人保护效果的影响 |
| 4.3.2 制动提前时间对骑车人保护效果的影响 |
| 4.3.3 制动减速度对骑车人保护效果的影响 |
| 4.3.4 探测距离对骑车人保护效果的影响 |
| 4.3.5 触发宽度对骑车人保护效果的影响 |
| 4.4 AEB系统参数正交试验分析 |
| 4.4.1 正交试验设计 |
| 4.4.2 AEB参数多因素分析 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
四、交通事故自动探测算法研究（论文参考文献）
- [1]考虑不确定性的无人驾驶汽车轨迹规划算法研究[D]. 王媛媛. 吉林大学, 2021(01)
- [2]基于MPC的多目标网联车自适应巡航控制算法研究[D]. 原晨康. 西安科技大学, 2021(02)
- [3]面向多车互联的感知通信一体化信号设计与性能分析[D]. 方子希. 北京邮电大学, 2021
- [4]基于AEB的汽车自动制动系统硬件设计及控制算法研究[D]. 田祖林. 燕山大学, 2021(01)
- [5]典型切入事故场景重建与乘员一体化防护仿真分析[D]. 孟祥志. 重庆理工大学, 2021(02)
- [6]智能汽车的主动紧急避撞技术及乘员保护性能的研究[D]. 宋志强. 湖南大学, 2020(02)
- [7]基于环境感知的自动紧急制动系统研究与实现[D]. 程新新. 长春工业大学, 2020(01)
- [8]77GHz车载雷达高分辨道路环境感知算法研究[D]. 张厚元. 哈尔滨工业大学, 2020(01)
- [9]自动驾驶混行公路的可靠性安全评价方法研究[D]. 黄兰. 华南理工大学, 2020(02)
- [10]基于典型场景的自动紧急制动系统对骑车人保护效果研究[D]. 侯彦巧. 西华大学, 2020(01)