駕駛員記憶效應(yīng)能有效提高車(chē)輛跟馳行為中的加速度預(yù)測(cè)準(zhǔn)確率,結(jié)合General Motors （GM）跟馳模型與門(mén)控循環(huán)單元網(wǎng)絡(luò)建立新的車(chē)輛跟馳模型。通過(guò)數(shù)據(jù)預(yù)處理獲得有相似駕駛行為的小型車(chē)間車(chē)輛跟馳數(shù)據(jù),校準(zhǔn)新模型,從而確定模型的最優(yōu)參數(shù)與結(jié)構(gòu),依據(jù)車(chē)輛跟馳特性通過(guò)仿真驗(yàn)證了模型有效性,與神經(jīng)網(wǎng)絡(luò)、支持向量回歸進(jìn)行對(duì)比,仿真結(jié)果證明,結(jié)合了L-BFGS優(yōu)化的GRU車(chē)輛跟馳模型比僅考慮前導(dǎo)車(chē)與跟馳車(chē)間瞬時(shí)相互作用的車(chē)輛跟馳模型,能得到更高的仿真精度和穩(wěn)定性。 

【文章來(lái)源】：系統(tǒng)仿真學(xué)報(bào). 2020年10期 北大核心

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

神經(jīng)元結(jié)構(gòu)

常用的神經(jīng)網(wǎng)絡(luò)有前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)和圖網(wǎng)絡(luò)。前饋網(wǎng)絡(luò)不具有記憶性，而反饋神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元具有記憶功能，在不同的時(shí)刻具有不同的狀態(tài)。反饋神經(jīng)網(wǎng)絡(luò)(Feedback Neural Network)通過(guò)允許神經(jīng)元接收其他和自身神經(jīng)元的反饋信號(hào)從而擁有記憶性。由此，在本文中采用反饋神經(jīng)網(wǎng)絡(luò)。基本結(jié)構(gòu)如圖2所示。在反饋神經(jīng)網(wǎng)絡(luò)中，信號(hào)可以單向傳播，也可以雙向傳播。本文選擇單向傳播。

遺忘門(mén)ft控制上一時(shí)刻的內(nèi)部狀態(tài)要遺忘的信息量；輸入門(mén)ct–1控制當(dāng)前時(shí)刻的候選狀態(tài)tc(4)要保留的信息量；輸出門(mén)tc(4)控制當(dāng)前時(shí)刻的內(nèi)部狀態(tài)ct要輸出給外部狀態(tài)ct的信息量。圖3展示了LSTM單元的內(nèi)部結(jié)構(gòu)。圖3中，?代表向量元素乘，?代表向量元素加，σ(x)為Sigmoid激活函數(shù)。則3個(gè)門(mén)的計(jì)算方式分別為：

【參考文獻(xiàn)】：
期刊論文
[1]基于在線支持向量回歸的車(chē)輛跟馳模型研究[J]. 王洪鵬,陳鋒.  電子技術(shù). 2018(11)
[2]汽車(chē)跟馳狀態(tài)下駕駛員反應(yīng)時(shí)間研究[J]. 楊林,邢翠芳,趙海冰.  計(jì)算技術(shù)與自動(dòng)化. 2015(03)
[3]車(chē)輛跟馳行為建模的回顧與展望[J]. 王殿海,金盛.  中國(guó)公路學(xué)報(bào). 2012(01)
[4]基于神經(jīng)網(wǎng)絡(luò)的車(chē)輛跟馳模型的建立[J]. 賈洪飛,雋志才,王曉原.  公路交通科技. 2001(04)
[5]車(chē)輛跟馳理論的實(shí)用研究[J]. 章三樂(lè),肖秋生,任福田.  北京工業(yè)大學(xué)學(xué)報(bào). 1992(03)

博士論文
[1]基于數(shù)據(jù)驅(qū)動(dòng)方法的車(chē)輛跟馳行為建模與分析[D]. 魯斌.西南交通大學(xué) 2017
[2]考慮視覺(jué)注意特性的車(chē)輛跟馳行為建模[D]. 金盛.吉林大學(xué) 2010

碩士論文
[1]車(chē)輛跟馳模型參數(shù)標(biāo)定與驗(yàn)證研究[D]. 喬晉.上海交通大學(xué) 2008



本文編號(hào)：2922519