《基於Multi-agent和駕駛行為的汽車追尾預警模型研究》是依託江蘇大學，由梁軍擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於Multi-agent和駕駛行為的汽車追尾預警模型研究
- 項目類別：青年科學基金項目
- 項目負責人：梁軍
- 依託單位：江蘇大學
項目摘要,結題摘要,
項目摘要
以汽車追尾預警為研究對象，研究汽車追尾事故形成機理及駕駛行為機制，分析造成汽車追尾的各環節之間的相互關係、協調機理以及駕駛行為對追尾預警的影響。針對當前交通系統分散式、大規模、動態、開放、異構和智慧型化的特點，利用Multi-agent理論和分層集中控制思想構建汽車追尾預警模型的協調原理、協作機制、框架、通訊及集成控制系統，採用契約網、產生式規則和擴充KQML的agent通訊方式，實現高可擴展性、自主性和一定的通用性；引入模糊理論、agent聯盟等方法對MAS中出現的不一致性、實時性等問題進行協調求解，增強系統的自適應性、魯棒性和穩定性。同時，採用動態神經網路集成方法進行駕駛行為學習及規則抽取，提出以Bayes圖模型統一環境狀態和駕駛行為的追尾預警算法,保證預警的可靠性、正確性和主動性,原型系統試驗驗證上述模型及算法的有效性和安全性，從而為追尾預警系統的設計開發奠定堅實的理論基礎和技術保障。
結題摘要
研究汽車追尾預警模型就是為了通過分析模型來解決追尾預警問題的一整套方法和程式，是研究追尾預警系統的關鍵所在，是預警系統提供準確、可靠、科學預警的根本保障，其理論研究成果有助於國內在車輛主動安全領域的關鍵技術的自主研發能力的培養，並將進一步提高整車綜合性能，對未來中國車輛工業的健康發展和市場競爭無疑具有重要戰略意義和深遠影響。 本項目的完成情況及取得成果概述如下： 1.提出了融合環境狀態和駕駛行為的汽車追尾預警模型和基於Bayes機率圖模型的追尾預警算法。該模型建立了駕駛員、車輛、駕駛環境等多因素影響關係，為汽車追尾預警系統研發提供了一種有效方法。 2. 構建了一套駕駛行為及追尾事故資料庫，提出了一種新型的駕駛員行為學習算法。該方法研究特定環境下駕駛員踩踏制動、加速踏板的開度、時間以及方向盤轉角等規律，利用最優局部保持最小二乘支持向量機、用於回歸的靈活支持向量機、完備大間隔線性鑑別分析、動態神經網路集成等技術，對駕駛員行為進行預測，有效提高了追尾預警的安全距離。 3.自主搭建了一套微型駕駛模擬仿真平台，開發了一套追尾預警模擬系統。 4.發表論文15篇，其中SCI、EI檢索10篇；申請國家專利19項，已授權3項；培養碩士研究生8名，畢業3名。
