导读:本文包含了虚拟驾驶模型论文开题报告文献综述及选题提纲参考文献，主要关键词:虚拟智能汽车,虚拟驾驶平台,模糊神经网络,模糊控制
虚拟驾驶模型论文文献综述
兰清[1]（2011）在《虚拟驾驶平台中虚拟智能汽车控制决策模型研究》一文中研究指出智能交通系统ITS (Intelligent Transport System)采用信息智能化技术对现代交通运输进行管理,有利于改善交通环境和提高交通效率,近年来得到了广泛的重视。虚拟智能汽车作为虚拟驾驶平台中唯一能被用户感知为其他驾驶员的因素,其行为决策在整个交通系统中起着关键性作用,是加强虚拟驾驶平台真实感的一个重要环节。因此,进行虚拟智能汽车控制决策模型的研究有着重要的现实意义,可以为智能交通的深入研究提供相关数据及理论支撑。本文以虚拟驾驶平台为研究依托,对提高虚拟驾驶平台的沉浸感因素进行分析,提出搭建虚拟驾驶平台所需的关键技术,对EON Studio虚拟现实开发平台进行介绍和分析,并总结出虚拟驾驶平台的总体结构框。同时介绍了本人在虚拟驾驶平台搭建过程中的工作,主要包括了虚拟静态物体叁维模型的建立、用户控制汽车的建立。并主要阐述虚拟智能汽车的结构框架,然后分别讨论建立虚拟智能汽车所需的关键技术,包括虚拟智能汽车车体叁维模型的建立,道路交通网络信息数据库的建立,并讨论其解决方案。对虚拟智能汽车的动态生成与管理的方法进行分析和论述。最后采用模糊神经网络来解决,采用模糊控制器,通过模糊判断,进行模糊控制。将模糊神经网络控制应用于智能虚拟汽车决策机制中能够在很大程度上实现对真实人类驾驶行为的模拟再现。(本文来源于《北京邮电大学》期刊2011-05-29）
陆虹,丁世民,潘小龙,李刚[2]（2010）在《虚拟驾驶环境中车辆智能体的驾驶行为模型》一文中研究指出建立虚拟交通环境的多智能体结构,分析车辆智能体的驾驶行为分层模型以及感知、决策和操作等过程。采用模糊专家系统建立车辆智能体的驾驶行为模型。为模拟现实中的驾驶员行为特性,加入驾驶员因子,使驾驶模拟器的虚拟交通环境更符合现实。运用OpenGVS产生和显示实时交互的虚拟驾驶场景。结果表明该模型能体现实际驾驶行为的多样性、随机性和模糊性。该模型通用有效,它使驾驶模拟器的虚拟交通场景更真实满意。(本文来源于《计算机与现代化》期刊2010年06期）
曲庆峰[3]（2010）在《基于虚拟驾驶平台的注意选择与分配模型研究及平台设计》一文中研究指出道路交通驾驶系统是动态与静态相结合的、错综复杂的开放随机系统。驾驶人员、汽车和道路环境为道路交通系统的叁个组成部分,其中驾驶人员是主导因素,其驾驶行为在协调和控制交通系统各要素中起着举足轻重的作用。他不但扮演了处理和决策的角色,同时又担任了调节和控制的任务。因此通过研究驾驶人员的驾驶行为,分析其注意的选择目标与分配方式,对分析、测试、研究道路交通系统,建模、仿真、构建安全驾驶行为模型，最终以此构建一个成功的智能仿真驾驶人员模型有着重要的意义。本文以实验室虚拟驾驶实验平台的建设和研究为前提,通过分析注意的选择与分配理论,驾驶人员的信息处理、驾驶行为及其驾驶过程中个通道的注意状态,结合虚拟驾驶的优势,研究人的注意在驾驶过程中的选择与分配机制。通过实验测试,考查研究速度、任务对注意分配的影响,并将被试以熟练驾驶者和无经验驾驶者分类,通过记录分析驾驶者行为结合访谈,研究任务目标及数量刺激以及驾驶能力对被试的选择性注意的影响。然后对研究结果进行分析总结,得出任务目标决策和驾驶技能均会会影响人的选择性注意,并根据上述研究内容得到了一个基于任务目标的选择性注意分配模型。最后论文进行了虚拟驾驶实验平台的软件功能需求分析、界面布局、以及相关实验设计等工作,并在平台中添加了针对选择性注意的实验。(本文来源于《北京邮电大学》期刊2010-03-09）
柴山,荆旭,王龙江,王树凤,刚宪约[4]（2009）在《基于汽车系统动力学的虚拟驾驶仿真模型研究》一文中研究指出基于汽车系统动力学建立了一种包括发动机模型、传动系模型、离合器模型、制动系模型、汽车行驶速度模型、转向系模型的仿真模型。基于以上模型开发的汽车虚拟驾驶仿真系统可以准确地模拟汽车在起步、加速、转向以及制动等各种行驶工况的状态以及汽车的各种动力学响应。以上模型为汽车虚拟驾驶仿真系统提供了完整的汽车系统动力学模型,同时,该模型也可进一步应用于汽车的数字化设计,检验汽车的动力学性能。(本文来源于《系统仿真学报》期刊2009年08期）
李玲[5]（2009）在《虚拟驾驶模型与环境自适应技术的研究》一文中研究指出如何提高虚拟驾驶模型的自主导航能力,是提高虚拟驾驶模型对环境的适应性的关键问题,也是实现虚拟驾驶模型在复杂、不确定环境中成功应用的关键问题。由于强化学习能在与环境的交互中进行学习,且具有无需教师信号和先验知识的优点,其在人工智能领域的应用已越来越多。针对强化学习在连续状态和动作空间的泛化问题,人工神经网络是一种有效的解决方法。在详细分析了强化学习算法和人工神经网络的基础上,采用强化学习中的Q学习算法完成了虚拟驾驶模型的自主导航任务,通过BP神经网络解决虚拟驾驶模型动作选择的泛化问题。论文将碰撞检测作为设计强化学习状态空间和强化函数值的一个因素,而且碰撞检测也是提高虚拟驾驶模型行驶真实性的关键技术,论文采用了包围球算法实现了虚拟驾驶模型与场景物体的碰撞检测。在虚拟驾驶模型构建中,运用了OpenGL读取3DS文件的方法,使模型外观更加逼真,并且减少了造型时间。通过对汽车运动过程中的受力状况进行分析,建立了虚拟驾驶模型的动力学模型,并运用数值算法建立了虚拟驾驶模型的运动学模型。此外,论文研究了场景数据的动态调度问题,采用了一种基于虚拟遮挡体的可见性计算方法,根据虚拟遮挡体的可见性,调入其所对应的场景数据,从而实现对场景数据的动态调度。最后利用Visual C++6.0和OpenGL图形库,结合强化学习算法和人工神经网络开发了一个可自主导航的虚拟驾驶模型,并利用前期开发的仿真驾驶环境对模型进行了验证,试验实现了在未知环境下虚拟驾驶模型的自主导航,验证了算法的有效性和可行性。(本文来源于《沈阳工业大学》期刊2009-01-05）
虚拟驾驶模型论文开题报告
（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：
建立虚拟交通环境的多智能体结构,分析车辆智能体的驾驶行为分层模型以及感知、决策和操作等过程。采用模糊专家系统建立车辆智能体的驾驶行为模型。为模拟现实中的驾驶员行为特性,加入驾驶员因子,使驾驶模拟器的虚拟交通环境更符合现实。运用OpenGVS产生和显示实时交互的虚拟驾驶场景。结果表明该模型能体现实际驾驶行为的多样性、随机性和模糊性。该模型通用有效,它使驾驶模拟器的虚拟交通场景更真实满意。
（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。
虚拟驾驶模型论文参考文献
[1].兰清.虚拟驾驶平台中虚拟智能汽车控制决策模型研究[D].北京邮电大学.2011
[2].陆虹,丁世民,潘小龙,李刚.虚拟驾驶环境中车辆智能体的驾驶行为模型[J].计算机与现代化.2010
[3].曲庆峰.基于虚拟驾驶平台的注意选择与分配模型研究及平台设计[D].北京邮电大学.2010
[4].柴山,荆旭,王龙江,王树凤,刚宪约.基于汽车系统动力学的虚拟驾驶仿真模型研究[J].系统仿真学报.2009
[5].李玲.虚拟驾驶模型与环境自适应技术的研究[D].沈阳工业大学.2009