机器学习—动力学耦合车辆跟驰模型

摘要：

目前,跟驰模型的建立主要基于动力学方法和机器学习算法,将两者耦合起来建立跟驰模型的研究还没有.以线性组合预测为基础,对最优加权法中的目标函数进行改进,将经典的Gipps模型和基于BP神经网络的跟驰模型(BP Car-following Model,BP)耦合起来,建立线性组合车辆跟驰模型(Linear Combination Car-following Model,LC-CF).结果表明:BP模型的预测结果更加贴近真实值,Gipps模型的预测结果更加贴近安全值;LC-CF模型可以通过调整参数,来控制BP模型和Gipps模型在LC-CF模型中的权重,进而达到控制预测速度的真实性和安全性的目的.

关键词：智能交通、道路运输、线性组合预测、动力学模型、BP神经网络、车辆跟驰

所属期刊栏目：17

分类号：U491.2(交通工程与公路运输技术管理)

资助基金：安徽省自然科学基金青年项目/Natural Science Foundation of Anhui Provincial-Youth Project17080885QE125;宿州学院教授博士科研启动基金/Suzhou University Professor PhD Research Start Foundation2016jb05

在线出版日期：2018-01-12（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：33-39