基于人工神经网络的驾驶行为动态集成学习算法

摘要：

针对传统驾驶决策模型难以体现驾驶员驾驶过程中对交通环境的感知、判断、决策、动作等环节存在不确定性和不一致性,提出了一种基于神经网络的驾驶行为动态集成学习算法——DNNIA.首先训练多个个体网络模拟驾驶行为,然后动态选择泛化误差E最小的个体网络进行集成,采用拉格朗日函数法求解最优集成权系数ωi,并引入agent联盟的思想,把联盟中的个体网络对应的神经元输出做加权平均后,取最大值作为输出.在标准数据集上验证了该算法的有效性,仿真实验中得到的驾驶员踩踏踏板的习惯行为仿真结果与实际采集的样本数据总体趋势基本吻合.

关键词：综合交通运输、动态集成学习算法、人工神经网络、驾驶行为仿真

所属期刊栏目：12

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金51108209;江苏省自然科学基金BK2010339;江苏省高校自然科学基金10KJD580001;江苏省博士创新基金CXLX11_0593;江苏高校优势学科建设工程资助

在线出版日期：2012-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：34-40