基于长短期记忆神经网络方法的车辆跟驰模型 |
| |
作者姓名: | 孙倩 郭忠印 |
| |
作者单位: | 同济大学道路与交通工程教育部重点实验室,上海201804;同济大学道路与交通工程教育部重点实验室,上海201804;山东省路域安全应急保障实验室,济南250100 |
| |
摘 要: | 为模拟驾驶员的跟驰驾驶行为,并考虑驾驶员不确定性和记忆效应,基于实车跟驰实验数据,提出并训练了一种基于长短期记忆(LSTM)神经网络方法的车辆跟驰模型。基于该模型研究驾驶员的记忆效应影响时长并进行交通仿真。结果表明:与同体积隐藏层神经元的前馈神经网络比较,LSTM神经网络的跟驰模型预测结果更加贴近观测值且更加平滑,接近驾驶员的实际驾驶行为;驾驶员行为受当前环境及其前1.0~3.5 s内的记忆影响;该模型能够消散交通流中的扰动,模型具有较好的抗干扰能力和稳定性。
|
关 键 词: | 交通信息工程及控制 跟驰模型 长短期记忆神经网络 记忆效应 交通仿真 |
本文献已被 CNKI 万方数据 等数据库收录! |
|