基于Multi-agent和驾驶行为的汽车追尾预警模型研究

以汽车追尾预警为研究对象，研究汽车追尾事故形成机理及驾驶行为机制，分析造成汽车追尾的各环节之间的相互关系、协调机理以及驾驶行为对追尾预警的影响。针对当前交通系统分布式、大规模、动态、开放、异构和智能化的特点，利用Multi-agent理论和分层集中控制思想构建汽车追尾预警模型的协调原理、协作机制、框架、通讯及集成控制系统，采用合同网、产生式规则和扩充KQML的agent通讯方式，实现高可扩展性、自主性和一定的通用性；引入模糊理论、agent联盟等方法对MAS中出现的不一致性、实时性等问题进行协调求解，增强系统的自适应性、鲁棒性和稳定性。同时，采用动态神经网络集成方法进行驾驶行为学习及规则抽取，提出以Bayes图模型统一环境状态和驾驶行为的追尾预警算法,保证预警的可靠性、正确性和主动性,原型系统试验验证上述模型及算法的有效性和安全性，从而为追尾预警系统的设计开发奠定坚实的理论基础和技术保障。

研究汽车追尾预警模型就是为了通过分析模型来解决追尾预警问题的一整套方法和程序，是研究追尾预警系统的关键所在，是预警系统提供准确、可靠、科学预警的根本保障，其理论研究成果有助于国内在车辆主动安全领域的关键技术的自主研发能力的培养，并将进一步提高整车综合性能，对未来中国车辆工业的健康发展和市场竞争无疑具有重要战略意义和深远影响。.本项目的完成情况及取得成果概述如下：.1.提出了融合环境状态和驾驶行为的汽车追尾预警模型和基于Bayes概率图模型的追尾预警算法。该模型建立了驾驶员、车辆、驾驶环境等多因素影响关系，为汽车追尾预警系统研发提供了一种有效方法。.2. 构建了一套驾驶行为及追尾事故数据库，提出了一种新型的驾驶员行为学习算法。该方法研究特定环境下驾驶员踩踏制动、加速踏板的开度、时间以及方向盘转角等规律，利用最优局部保持最小二乘支持向量机、用于回归的灵活支持向量机、完备大间隔线性鉴别分析、动态神经网络集成等技术，对驾驶员行为进行预测，有效提高了追尾预警的安全距离。.3.自主搭建了一套微型驾驶模拟仿真平台，开发了一套追尾预警模拟系统。.4.发表论文15篇，其中SCI、EI检索10篇；申请国家专利19项，已授权3项；培养硕士研究生8名，毕业3名。