原文传递
考虑反应时间的跟驰行为决策方法
| 论文题名： | 考虑反应时间的跟驰行为决策方法 |
| 关键词： | 汽车自动驾驶;跟驰行为;决策方法;反应时间 |
| 摘要： | 跟驰行为是自动驾驶车辆微观驾驶行为之一，对车辆跟驰行为建模可以帮助更好地理解交通流运行特性，揭示包括交通拥堵等在内的各种交通现象形成的机理。深度学习跟驰模型是近年来自动驾驶跟驰模型的研究热点。该类跟驰模型在训练时使用的数据集均为原始的人驾车跟驰数据，在此基础上构建的跟驰模型均以提高轨迹预测精度为目的，然而这类跟驰模型并不一定适合所有乘客。 自动驾驶车辆在行驶中与前车保持的车头间距需要和乘客驾车时可接受的心理安全车头间距基本一致，才能提高乘客乘坐的舒适感。因为乘客在驾车时与前车保持的车头间距大小与乘客的反应时间大小呈正相关，所以在自动驾驶时代需要选择和自身驾车时的反应时间相对一致的自动驾驶跟驰模型，这则需要构建拥有不同反应时间的跟驰模型。如果将本文使用的NGSIM I-80数据集拆分为不同反应时间跟驰模型的训练样本，则会面临训练样本量过少的问题，因此需要扩充不同反应时间跟驰模型的训练集，以构建不同反应时间的自动驾驶跟驰模型。本文完成的具体工作如下： （1）反应时间预测模型。分析了影响驾驶员反应时间的因素，将这些因素作为反应时间预测模型的输入，构建了基于BP神经网络的反应时间预测模型，并对相关论文的反应时间预测精度以及本文的反应时间预测精度展开分析。 （2）基于轨迹平移数据的跟驰行为决策模型。通过预测每一条跟驰轨迹的反应时间，使用轨迹整体平移的方法得到不同反应时间的跟驰轨迹。基于不同反应时间跟驰轨迹集，训练并得到不同反应时间的跟驰模型。仿真测试发现零反应时间跟驰模型较有反应时间模型跟驰效率更高，稳定性更好，但仍存在潜在碰撞问题。 （3）基于刺激反应点轨迹重构数据跟驰行为决策模型。考虑到轨迹平移数据不能体现个体反应时间的时间差异性，建立了基于刺激反应点的轨迹重构方法生成不同反应时间的轨迹数据，训练并建立不同反应时间的跟驰行为决策模型。通过测试发现基于轨迹重构数据的零反应时间跟驰模型不仅跟驰效率高，同时也避免了跟驰碰撞问题。 |
| 作者： | 程陆 |
| 专业： | 交通运输工程 |
| 导师： | 柏海舰;耿志军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
