基于多和驾驶员行为的汽车追尾预警模型

《基于多和驾驶员行为的汽车追尾预警模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2009海峡两岸智能型运输系统学术研讨会基于多Agent和驾驶员行为的汽车追尾预警模型Rear-endCollisionAlarmModeIandSimulationBasedonMulti—AgentandDrivingBehavior梁军LiangJunl姚明YaoMin92摘要现有汽车追尾预警系统以车间距离测量作为碰撞发生的唯一决定因素，针对这个不足之处提出了以MAS为架构，以驾驶员行为为核心，以Bayes决策为手段的基于多Agent和驾驶员行为的汽车追尾预警模型(ModelingofCarRear-endwarningBasedonM

2、ulti-AgentSystemsandBehavio,MCRMASB)，融合驾驶员的驾驶行为偏好和Agent技术，充分利用agent的交互性、自主性和实时性，体现道路交通中驾驶员地位的主体性，以及追尾预警各方面信息的不确定性，采用基于Bayes决策的追尾预警算法计算碰撞概率实现实时预防追尾碰撞事故发生。仿真结果表明MCRMASB模型在系统预警的自主性和抗干扰方面比传统的预警系统有优势。关键词：追尾预警、行为、agent技术、仿真AbstractAimtotheShortcomingsofdistancebetweenvehiclesmeas

3、urement船theonlydeterminingfactorinCarRear-endAlarmsystem．砂mear坫ofBayesdecisiontheory,amodelofcarrear-endwarningbasedonMilSandbehavior(MCRMASB)andthecorrespondingdecisionalgorithmareproposedwh{chiscenteringonDBandishavingMAS口sitsframework．Theaimistomakefullu哼eofthecharacteri

4、sticsoftheagentsinMASsuchasinteraction,autonomyandreal-timetoembodydriver’subjectivityinroadtra．fflcandtoimprovetheuncertainO,ofinformationineveryaspeaofnCAS．Inthisw。晴thecurrentresearch耐temptstoprovideanewideaforthestudyofRCAS．Thismodel'seffectivenessandrobustnesshavebeenco

5、nfirmedbythesimulatedexperiments．1江苏大学计算机与通信工程学院硕士研究生、讲师(联络地址：镇江市学府路301，电话：0511．88790321转409，E-mail：liangjun@ujs．edu．on)2江苏大学汽车与交通工程学院博士研究生2099海峡两岸智能犁运输系统学术研讨会Ke)州ords：Rear-endCollisionAlarm,BehavionAgent，Simulatmg据有关机构统计过去20年中所有交通事故的约75％是由于驾驶员认知、判断、操作等失误造成(见图1)，其深层原因是由于汽车的

6、高速化、复杂化所带来的驾驶员认知能力、信息处理能力的不足造成。以驾驶员和乘客为中心的智能汽车主动安全系统以发相关的新型驾驶传感器和控制器，正在美国、欧洲、日本以及世界范围内受到越来越多汽车及汽车附属产品制造商和大众消费者的关注【lⅡ“。文献f31对马自达公司研制的CW／CA系统中的模型、本田模型和加利福尼亚贝克利大学的改进模型等汽车追尾预警模型进行了深入研究，发现目前绝大多数追尾碰撞预警系统有以下不足之处：(1)以车间距离测量作为碰撞发生的唯一决定困索，没有综合考虑驾驶员的驾驶行为对发生追尾碰撞的影响口lH口】16】：(2)采用的测量技术大多

7、属于主动测量技术，一般需要安装专门的硬件设备(雷达、红外线、CCD摄象机等)，造价昂贵，测量信号间存在干扰。图l交通事故统计当前，智能体(agent)已经成为一种描述复杂现象、研究复杂系统、实现复杂自适应计算的重要方法。构造自适应的多智能体系统(Multi—agentSystems，MAS)在社会科学、经济学等领域得到了大量应用。MAS研究逐渐兴起的原因在于MAS是一种分布式的自主计算环境，是一种知识处理系统【7l口l，MAS通过各agent间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。它为汽车追尾预警系统的实

8、现提供了一条新的途径”JI⋯。本文提出MCRMASB模型的目的在于实现实时预防追尾碰撞事故的发生。创新之处在于结合Agent技术、机器学习和Bayes决策，利用多A