共查询到18条相似文献,搜索用时 992 毫秒
1.
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
2.
3.
特殊过程下的车辆跟驰模型数值模拟分析 总被引:12,自引:1,他引:12
为分析车辆跟驰模型的性能和存在的问题,并在试验基础上有针对性地提出模型的关联因素,利用开发的FMSS数值模拟系统,对3种车辆跟驰模型的稳定性、真实性和存在的问题进行了特殊过程下的跟车数值模拟和分析。结合五轮仪跟车试验结果,分析了建立跟驰模型需要系统考虑的问题,提出了一个概念模型。研究表明:所分析的跟驰模型在特殊过程下都是不稳定的跟驰模型,要建立具有良好综合性能的跟驰模型,应引入主观意愿、驾驶环境等不确定的智能因素,建立包含数学、逻辑映射的综合模型。 相似文献
4.
5.
为有效刻画未来智能网联环境下交通流微观跟驰行为,以更加精确地进行车辆的运动决策,建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础,首先阐述了交通环境中安全势场的客观性、普遍性以及可测性,然后通过引入加速度参数对既有安全势场模型进行改进,改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上,构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响,由于不同速度、加速度信息在智能网联环境下车辆可以实时获取,因此该模型可应用于未来智能网联环境中。此外,在模型参数标定过程中,通过对NGSIM数据进行筛选,得到含有较多减速停车以及启动加速状态的轨迹数据,共筛选得到412组NGSIM真实跟驰车对数据,并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果,选择OVM模型、IDM模型与本文模型进行比较,并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标,结果表明,建立的基于安全势场理论的车辆跟驰模型具有良好的精度,适用于描述考虑加速度参数条件下的跟驰行为,可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。 相似文献
6.
7.
为了评估既有跟驰模型在仿真中国驾驶人跟驰行为方面的表现,对5种代表性跟驰模型进行参数标定与效果验证。基于"上海自然驾驶研究项目"采集的60位驾驶人、累计超过16万km的实际驾驶行为数据,根据雷达、车辆总线数据自动提取2 100个城市快速路稳定跟驰行为片段;采取5-折交叉验证法划分标定与验证数据集,即将每位驾驶人的50个跟车片段随机划分成5个不相交的子集(每个子集包含10个跟车片段),其中4个子集作为标定数据集,剩下的1个作为验证数据集,依次轮换标定数据集与验证数据集5次,展开5次模型标定与验证。基于标定数据集,采用遗传算法对Gazis-Herman-Rothery、Gipps、智能驾驶人、全速度差(FVD)以及Wiedemann模型进行参数标定;基于验证数据集,评估5种模型在预测两车间距方面的精度。结果表明:FVD模型在5种模型中表现最佳,具有最小的误差(21%)和误差标准差;相对于微观交通仿真软件VISSIM中所采用的Wiedeman模型,FVD模型具有精度高、易于标定、对不同驾驶人鲁棒性强3个优势,更加适应于仿真中国驾驶人的跟驰行为。研究结果对于开发适合于中国驾驶人与道路交通环境特征的跟驰模型及微观交通仿真系统具有重要价值。 相似文献
8.
基于驾驶行为分析的交通流中车辆跟驰建模与仿真 总被引:3,自引:0,他引:3
着重从驾驶行为分析的角度,对车辆跟驰模型中与人的因素有关的GM模型、CA模型、线性Helly模型、AP模型以及基于模糊逻辑和神经网络的车辆跟驰模型进行了详细的评述,提出了未来智能交通流中应充分考虑到数字驾驶行为对智能车辆跟驰建模与仿真的影响,以期正确地揭示出交通流的特性和本质。 相似文献
9.
10.
11.
12.
13.
高速公路连环追尾事故多发生在雾天环境下,且容易造成严重的事故人员伤亡。当前的跟驰及追尾风险研究多集中于两车跟驰,缺乏对雾天情况下车队跟驰的研究。利用雾天环境下车队跟驰轨迹数据对传统主流跟驰模型进行标定验证,基于多用户驾驶模拟平台设计了8个不同雾天等级和限速组合的高速公路虚拟场景,开展驾驶模拟试验并采集数据。试验招募了8名男性驾驶人并通过随机调整他们在车队中的位置顺序来获得足够的车队跟驰轨迹数据,根据判定标准筛选合适的车队跟驰轨迹数据,按照2:1的原则分配标定和验证阶段的数据组。选取Newell、Gipps和IDM三个主流跟车模型进行参数标定和验证,以时间序列的车头间距和相对均方根误差(RMSPE)分别作为性能指标参数和拟合优度函数,使用遗传算法搜寻目标函数最小值以标定跟驰模型参数,并用车辆轨迹完整性(CVT)和RMSPE评价验证阶段的仿真结果。结果表明:在标定阶段,Newell、Gipps和IDM三个模型的RMSPE整体平均值分别为30.1%、18.6%和27.7%,各个试验条件下Gipps模型的RMSPE值均小于另外2个模型,说明Gipps模型能更好地拟合试验数据;在验证阶段,Gipps模型的RMSPE整体平均值为21.2%,远小于另外2个模型,可见Gipps模型在局部精确度上的鲁棒性要优于Newell模型和IDM模型;Gipps模型的CVT整体平均值和波动幅度分别为98.1%和2.0%,均是3个模型中的最小值,说明Gipps模型在整体轨迹上的鲁棒性也优于另外2个模型。雾天环境下,Gipps模型具备更好的拟合能力和鲁棒性,因此推荐仿真软件使用Gipps模型模拟雾天环境下车队跟驰行为,不同雾天等级及限速下的Gipps模型参数可参考该研究标定的参数。 相似文献
14.
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
15.
S. Li J. Wang K. Li X. Lian H. Ukawa D. Bai 《International Journal of Automotive Technology》2010,11(1):81-87
In order to capture drivers’ car-following characteristics and apply this information to the design of an Adaptive Cruise
Control algorithm, this paper builds a driver car-following model with vehicle speed-dependent control gains. Proposed for
use with heavy-duty truck drivers, we introduced the concept of driver sensitivity to tracking errors, identified driver’s
sensitivity to tracking errors and analyzed quantitatively the relationship between control gain and vehicle speed. To model
the driver characteristics precisely and concisely, a SVE/SDE (Sensitivity to Velocity Error/Sensitivity to Distance Error)
based linear car-following model was built and a nonlinear optimization algorithm was adopted to identify the model parameters.
When validating the model accurancy, we proposed a comparative verification method based on hypothesis-testing theory here
to reduce the influence of randomicity in the drivers’ manipulation. The modeling and verification indicate that the proposed
car-following model is superior to the tranditional linear car-following model, but its structure still approximates linear,
which implies it is applicable for the design of a vehicular following controller. 相似文献
16.
双目视觉技术能够实现目标的识别与距离计算,在自动驾驶领域有很大的应用空间。然而,现阶段双目视觉存在光照干扰、遮挡、弱纹理区域歧义匹配等问题,影响其测量的准确性和可靠性。提出基于双目视觉的跟驰状态实时感知系统,该系统采用基于车辆跟驰模型的扩展卡尔曼滤波方法对车辆跟驰状态进行实时估计,包括跟驰距离、前后车速度差等。通过实际道路试验,证明了该系统能够识别并修正测量数据中的异常值,解决弱纹理区域误匹配问题。试验结果表明:25 mm焦距与12 mm焦距的双目系统跟驰间距测量值的平均误差分别为2.66%与9.14%;在相对速度测量方面,2种焦距系统的测量精度基本相同,平均误差均为1 m·s-1左右。所提出的方法在自动驾驶车辆环境感知领域有较好的应用前景。 相似文献
17.
雾环境下驾驶人行车与正常天气相比,在低能见度下视觉参照物较少,驾驶人更倾向于跟驰行驶。为研究雾环境下高速公路驾驶人跟驰行为,以真实雾环境下实车试验方式,选择多条高速公路作为试验路段,以Smart Eye眼动仪获取车辆在雾环境下高速公路驾驶人视觉参数,包含驾驶人注视区域、注视角度、注视持续时间、瞳孔直径、扫视速度以及扫视幅度等,以归一化方法对驾驶人注视重心进行分析,研究不同能见度下驾驶人的跟驰需求,并通过对雾环境下上述视觉参数进行规律总结。对雾环境下驾驶人跟驰特性进行统计及分类,将跟驰行为划分为主动、半主动、半被动以及全被动跟驰;通过分析雾区低能见度下驾驶人跟驰行驶条件,引入多维偏好理论及后悔理论,进行驾驶人跟驰决策模型构建,并基于差分法对模型进行参数标定及验证。研究结果表明:驾驶人在1次跟驰动态过程中,正常车道保持时驾驶人扫视速度较低,而当处于车道调整时,驾驶人扫视速度存在较大波动,且平均扫视速度较高,低能见度下驾驶人注视点转移速度27.0 (°)·s-1明显低于晴好天气的52.0 (°)·s-1;驾驶人在跟驰过程中,能见度对驾驶人跟驰时的视觉特征有显著影响,通过跟驰模型构建可为后续雾环境下车辆跟驰前后车距及车速预测提供理论支撑。 相似文献