重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (11): 43-51.

• 车辆工程 • 上一篇    下一篇

基于理论驱动和数据驱动的组合跟车模型

葛世磊,霍为炜,龚国庆   

  1. 北京信息科技大学 机电工程学院,北京 100192
  • 发布日期:2024-12-31
  • 作者简介:葛世磊,男,硕士研究生,主要从事智能驾驶预测研究,Email:geshilei0317@163.com;通信作者 霍为炜,男,博士,副教授,主要从事燃料电池能量管理策略和智能驾驶方向研究,Email:weiweihuo@bistu.edu.cn;龚国庆,男,博士,教授,主要从事能量制动力回收研究,Email:gonggq@126.com

  • Published:2024-12-31

摘要: 基于理论驱动的模型虽成功解释了观察到的交通行为,但无法处理多变的驾驶行为信息,导致模型预测能力较差。基于数据驱动的深度学习预测模型能够处理复杂的驾驶信息,但需要大量的驾驶数据进行模型训练。针对 2类模型存在的问题,提出一种结合模型,将理论驱动模型(OV)与数据驱动模型(PSOCNNBiLSTMAtt)相结合,形成组合跟车模型,将 IDM模型和 PSOCNNBiLSTMAtt神经网络的预测结果相结合,这种融合保留了理论驱动模型提供的可控性,同时也利用了数据驱动模型的预测精度。通过 NGSIM交通数据,与单独的 OV理论驱动模型和PSOCNNBiLSTMAtt数据驱动模型相比,组合模型的预测误差显著减少,分别降低了 88%和 7%。此外,还进行了不同驾驶行为风格模拟,结果表明组合模型可以真实反映跟车行为。

关键词: 跟车行为;最优速度模型;长短期记忆网络;粒子群优化;组合预测

中图分类号: 

  • U463.6