自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹...自动安全换道是车辆实现无人驾驶的关键,为精确识别行驶车辆换道状态,保证行车安全,设计了一种基于多分类支持向量机(Multi-class Support Vector Machine,Multiclass SVM)的车辆换道识别模型。从NGSIM数据集中选取美国101公路车辆轨迹数据进行分类处理,并将车辆换道过程划分为车辆跟驰阶段、车辆换道准备阶段和车辆换道执行阶段。采用网格搜索结合粒子群优化算法(Grid Search-PSO)对SVM模型中惩罚参数C和核参数g进行寻优标定,利用多分类支持向量机换道识别模型对样本数据进行训练和测试,模型测试精度达97.68%。研究表明,模型能够很好地识别车辆在换道过程中的行为状态,为车辆换道阶段的研究提供支持。展开更多
为了准确预测描述出行路径决策行为,探究出行者感知及先进的出行者信息系统(advanced traveler information systems,ATIS)预测信息对决策行为的作用机制,将期望后悔理论与贝叶斯更新方法相结合,以出行时间为变量构建基于二次后悔更新...为了准确预测描述出行路径决策行为,探究出行者感知及先进的出行者信息系统(advanced traveler information systems,ATIS)预测信息对决策行为的作用机制,将期望后悔理论与贝叶斯更新方法相结合,以出行时间为变量构建基于二次后悔更新的出行路径决策模型,继而提出后悔更新价值的概念,应用数值模拟方法分析在即时性及滞后性2种不同质量水平的ATIS预测信息影响下,对二次后悔更新过程及路径决策行为的影响。研究表明:二次后悔更新过程能够有效修正路径感知偏差及期望后悔水平;常规交通状态下,即时性信息比滞后性信息场景下的二次后悔更新水平高20%,偶发性交通状态下差距可达50%,即有效及时的ATIS预测信息对于保证后悔更新效果及决策准确性具有重要作用。展开更多
文摘为了准确预测描述出行路径决策行为,探究出行者感知及先进的出行者信息系统(advanced traveler information systems,ATIS)预测信息对决策行为的作用机制,将期望后悔理论与贝叶斯更新方法相结合,以出行时间为变量构建基于二次后悔更新的出行路径决策模型,继而提出后悔更新价值的概念,应用数值模拟方法分析在即时性及滞后性2种不同质量水平的ATIS预测信息影响下,对二次后悔更新过程及路径决策行为的影响。研究表明:二次后悔更新过程能够有效修正路径感知偏差及期望后悔水平;常规交通状态下,即时性信息比滞后性信息场景下的二次后悔更新水平高20%,偶发性交通状态下差距可达50%,即有效及时的ATIS预测信息对于保证后悔更新效果及决策准确性具有重要作用。
