共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
考虑到跟驰车流中前车车型对智能汽车跟车行为的影响,采用长短期记忆 (Long Short Term Memory,LSTM)神经网络,基于 NGSIM 数据集,通过 One-Hot方法编码车型特征,并引入注意力机制 (Attention Mechanism) 生成输入特征的注意力权重,训练并建立了一种可根据前车车型产生不同跟驰行为的智能车辆跟驰模型 (Identifiable Vehicle Type Car-Following Model,IVT-CF)。在不同前车车型的跟车场景中仿真发现,IVT-CF 模型仿真车辆的速度和位移的均方误差 (Mean Square Error,MSE) 比不分车型的 LSTM 模型分别降低了 23.8%、31.7%,比 IDM 模型分别降低了 15.8%、18.7%,仿真精度更高。在混入大型车辆的车队跟驰场景仿真中发现,交通流速度和车头间距的收敛时间为 92 s,该模型能较快收敛,具有较好的稳定性和抗干扰能力。 相似文献
3.
基于驾驶员认知过程的车辆跟驰模型的建立 总被引:3,自引:2,他引:1
基于认知心理学的有关知识,提出一种将驾驶员的直觉、分析和推理三者相结合的驾驶员认知结构基本框架,在此框架体系下对车辆跟驰过程中驾驶员的认知过程进行了详细的分析;结合五轮仪试验系统采集的数据,采用因子分析法确定出对驾驶员的车辆跟驰信息提取过程有独立作用的4个因素,包括前车位移、前车速度、前车加速度和后车位移,相应地将驾驶员认知过程划分为4个阶段,构建了跟驰过程中驾驶员的认知结构模型,并对各个阶段做出了具体分析,建立了相应的车辆跟驰模型。仿真结果表明,基于驾驶员认知过程的跟驰模型可以较好地揭示跟驰过程中的驾驶行为。 相似文献
4.
5.
6.
7.
8.
9.
10.