基于GRU网络的仿优秀驾驶员换道轨迹模型研究

作     者：汪小渟 刘长玉 王俊彦 蔡骏宇 李永博 WANG Xiaoting;LIU Changyu;WANG Junyan;CAI Junyu;LI Yongbo

作者机构：星际空间(天津)科技发展有限公司天津300384 北京市首都规划设计工程咨询开发有限公司北京100000 镇江高专江苏镇江212028 江苏大学江苏镇江212013 天津市网联智能交通技术有限公司天津300051 

基　　金：国家自然科学基金(51675235) 

出 版 物：《交通工程》 (Journal of Transportation Engineering)

年 卷 期：2024年第24卷第7期

页      码：24-29,43页

摘      要：换道是智能汽车在道路上行驶时必不可少的操作。传统换道模型大多基于数学公式或者车辆动力学、运动学模型,从而忽略驾驶员在实际驾驶过程中的感知与决策能力,生成的轨迹与实际换道轨迹区别很大。本文提出基于GRU网络的仿优秀驾驶员换道轨迹预测模型,利用处理时间序列数据有独特的能力,从优秀驾驶员自身的驾驶特性出发,结合车辆动力学参数,结果表明GRU模型的MAPE为0.044,分别比LSTM和Bi-LSTM降低了24.14%和29.03%;RMSE为0.0111,分别比LSTM和Bi-LSTM降低了0.89%和9.76%,且GRU模型的一致性指数D值更接近1。该模型预测出的换道轨迹与实际轨迹基本一致,能准确地模拟优秀驾驶员的换道轨迹,精度较高,保证安全性的同时兼顾舒适性。

主 题 词：换道轨迹 优秀驾驶员模型 深度学习 GRU网络 

学科分类：08[工学] 082303[082303] 082302[082302] 0823[工学-农业工程类] 

D　O　I：10.13986/j.cnki.jote.2024.07.004

馆 藏 号：203130836...