基于超距雷达数据的车辆跟驰行为分析及建模

作     者：牛大伟 李一贤 崔玮 赵建东 NIU Da-wei;LI Yi-xian;CUI Wei;ZHAO Jian-dong

作者机构：甘肃省交通规划勘察设计院股份有限公司兰州730030 北京交通大学交通运输学院北京100044 北京交科公路勘察设计研究院有限公司北京100191 

基　　金：国家自然科学基金(71871011) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2023年第23卷第15期

页      码：6654-6660页

摘      要：针对高速公路车辆跟驰特性及速度预测问题,基于超距雷达数据分析了高速公路车辆跟驰特性,建立起基于长短期记忆(long short term memory, LSTM)的跟驰速度预测模型。首先,根据数据特点建立了处理规则并筛选跟驰序列。其次,根据车身长度将跟驰车划为大型车与小型车,分析了车辆在跟驰过程中速度、车速差、车间距和车头时距等参数的分布及相对变化关系。然后,将前车速度、位置差、上一时刻车头时距作为模型输入,跟驰车速度作为模型输出,构建了基于LSTM的跟驰速度预测模型,模型预测精度达到99.75%。最后,以高速公路数据为例进行验证,传统机器学习支持向量回归(support vector regression, SVR)模型的预测性能低于深度学习模型,LSTM模型的R2较SVR模型提升了4.37%;作为LSTM的结构简化变体,在相同的结构参数下,门控循环单元(gated recurrent unit, GRU)模型的预测性能并未提升,但训练速度较LSTM模型提高了28.48%。深度学习LSTM、GRU模型能够更精准地预测高速公路的车辆跟驰速度。

主 题 词：高速公路 毫米波雷达 车辆跟驰模型 数据驱动 LSTM 

学科分类：08[工学] 0838[0838] 

D　O　I：10.3969/j.issn.1671-1815.2023.15.044

馆 藏 号：203122245...