原文传递
面向在线仿真的微观交通建模关键技术研究
| 论文题名： | 面向在线仿真的微观交通建模关键技术研究 |
| 关键词： | 微观交通建模;在线仿真;换道决策;车辆跟驰 |
| 摘要： | 交通数字孪生是未来交通系统智能化、数字化建设的重要技术，在线仿真是其中的关键环节，在线仿真系统中的车辆建模对整体的仿真效果有着很大影响。本文研究在线交通仿真系统中微观交通建模的关键技术，包括基于数据驱动的微观车辆跟驰模型、换道决策模型、在线交通仿真引擎架构等，论文的主要工作如下: 1.基于残差拟合的跟驰模型 为了提高微观交通仿真中车辆跟驰建模的准确性与泛化能力，将物理类模型与深度学习结合，提出一种基于双向GRU与残差拟合的跟驰模型框架。该框架使用双向GRU网络学习物理类跟驰模型预测值与真实值的残差，在NGSIM数据集、HighD数据集上进行交叉验证测试，对比了IDM、GIPPS、GM、FVD四种跟驰模型下的残差拟合效果，实验表明双向GRU网络可以对原模型预测结果的偏差进行有效修正。选用IDM作为本框架的物理类模型，提出了Bi-GRU-IDM模型，与现有SVR模型、BPNN模型、GRU模型进行对比，结果表明Bi-GRU-IDM在预测精度、泛化性能上明显优于其他三种模型。 2.换道决策模型 基于车道效用理论、伴随车辆影响与记忆效应提出Catboost换道决策模型，构建了包括车身状态、道路结构、周围车辆状态、道路效用特征在内的四类共25维特征，Catboost模型可以自动对其中类别特征进行交叉筛选。通过特征消融实验分析换道决策过程中的关键因素;对比不同输入序列时长下的模型精度，得到最优记忆窗口。在HighD数据集上进行测试，Catboost模型的Macro-F1达到88.7，与现有的LSTM、SVM、GBDT换道决策模型对比，在直行、左右换道的决策准确率上有明显提升。 3.在线交通仿真引擎设计与实现 结合交通数字孪生思想，设计实现了在线交通仿真引擎，对整体引擎架构、技术选型等进行详细说明，嵌入数据驱动的跟驰模型、换道决策模型，提升微观车辆模型精度，改善整体仿真效果，为下游应用决策提供有力支撑。 |
| 作者： | 王嘉伟 |
| 专业： | 控制科学与工程 |
| 导师： | 陈锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 中国科学技术大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
