基于人车环境动态数据协同推演的汽车驾驶倾向性辨识方法研究

不同驾驶倾向性的汽车操控主体，在相同交通态势下行为表现往往大相径庭。因此把驾驶倾向性引入汽车安全驾驶预警系统意义重要。对驾驶倾向性的认识，多停留在交通安全领域普通心理学研究宏观层面，微观层面特别是对其在时变车路环境中的作用机理、演化特点、表征方式和识别方法还不十分清楚。本研究以驾驶倾向性为对象，综合考虑它与驾驶员行为序贯活动、车辆状态、行驶环境之间的影响，采用心理测量、模拟驾驶、计算机仿真、道路实验等手段系统研究。用量子进化等算法筛选表征驾驶倾向性的特征向量；建立驾驶倾向性模型，运用粒子群等集群智能实现快速识别；引入支持向量机方法对模型参数自适应学习，消除个体差异影响。本研究借鉴情感计算思想，利用人-车-环境动态数据协同推理，对个体驾驶倾向性剖析，学术上可促进人工智能与交通安全交叉，应用上可避免信息不全，为 "以人为中心"基于驾驶倾向性识别的个性汽车安全驾驶预警系统提供新思路和理论依据。

不同驾驶倾向性的汽车操控主体，在相同交通态势下行为表现往往大相径庭。因此把驾驶倾向性引入汽车安全驾驶预警系统意义重要。对驾驶倾向性的认识，以往研究多停留在交通安全领域普通心理学宏观研究层面，微观层面特别是对其在时变车路环境中的作用机理、演化特点、表征方式和识别方法还不十分清楚。本研究以驾驶倾向性为对象，综合考虑它与驾驶员行为序贯活动、车辆状态、行驶环境之间的影响，采用心理测量、模拟驾驶、计算机仿真、道路实验等手段进行了系统研究。用神经网络、遗传模拟退火等算法筛选表征驾驶倾向性的特征向量；建立了驾驶倾向性模型，运用粒子群等集群智能实现了快速识别；引入支持向量机方法对模型参数自适应学习，消除了个体差异影响。本研究借鉴了情感计算思想，利用人-车-环境动态数据协同推理，对个体驾驶倾向性剖析，学术上可促进人工智能与交通安全交叉，应用上可避免信息不全，为“以人为中心”基于驾驶倾向性识别的个性汽车安全驾驶预警系统提供了新思路和理论依据，圆满完成了项目预定目标。