基于认知风险动态平衡的智能汽车跟车模型

摘要：

针对复杂交通环境下异质车型带来的跟车风险与行车效率权衡的决策难题,在分析自然驾驶数据的基础上,提出基于认知风险动态平衡的智能汽车拟人化跟车模型.首先,针对4种不同的货车-轿车组合跟车模式,建立跟车距离的经验模型,提炼出驾驶人稳态跟车行为中存在的车头时距和逆碰撞时间的"两不变"规律,通过作图法获得平衡线;其次,从驾驶过程中认知风险与加速度响应之间动态平衡的角度揭示了跟车决策的机理,将常用的跟车模型统一在认知风险动态平衡的框架内;最后,提出一种简洁的非线性函数实现认知风险动态平衡的数学表述,利用实测跟车数据验证了模型的准确性.

关键词：智能汽车、拟人化决策、跟车建模、认知风险、动态平衡

所属期刊栏目：44

分类号：U491.6;TN914;TP391.41

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1627-1635