基于贝叶斯网络的车辆换道决策模型研究

车辆换道行为是微观交通流中的典型驾驶行为之一。车辆换道决策模型研究可以为自动驾驶汽车协同自适应巡航控制(cooperative adaptive cruise control,CACC)提供理论基础,也能有效减少车辆危险换道行为引发的交通事故。为使换道模型更加适应动态道路交通环境,以美国交通部联邦公路管理局NGSIM项目实测试验数据为依据,分析车辆换道决策时自身车辆速度、加速度及其与交互车辆相对时距等相关特征参数,并运用贝叶斯网络人工智能理论,建立车辆换道决策模型,通过仿真分析并与NGSIM实测数据进行对比。结果表明:基于贝叶斯网络的换道决策模型的平均决策准确度和识别率可达到89%以上,具有良好的换道决策效果,可为智能车辆协同自适应巡航控制及自动驾驶深度学习提供理论参考。