邱小平，李娜

(1.西南交通大学交通运输与物流学院，四川成都 610031；2.综合交通运输智能化国家地方联合工程实验室，四川成都 610031；3.综合运输四川省重点实验室，四川成都 610031)

基于最小二乘支持向量机的车辆跟驰行为模型

邱小平1,2,3，李娜1

(1.西南交通大学交通运输与物流学院，四川成都 610031；2.综合交通运输智能化国家地方联合工程实验室，四川成都 610031；3.综合运输四川省重点实验室，四川成都 610031)

基于最小二乘支持向量机(Least squares support vector machine，LS-SVM)算法建立符合我国道路交通流特征的车辆跟驰模型，并用该模型模拟单车道道路上车辆的跟驰行为。采用NGSIM提供的数据对LS-SVM模型进行仿真验证，将测试结果与传统的Gipps模型进行对比。结果表明：与Gipps模型相比，LS-SVM模型对应的各项误差指标精度均有明显改善，能够挖掘变量之间的潜在关系，弥补传统车辆跟驰模型的不足。

车辆跟驰；机器学习；最小二乘支持向量机；回归预测

车辆跟驰作为交通流微观理论的核心内容，其分析的对象是单条车道上车辆运行时与前后车辆跟驰的行为特征。对车辆跟驰行为进行研究可以有效缓解道路的交通拥挤、提高现有道路的通行能力和服务水平、并有助于推动汽车智能驾驶辅助系统的开发。学术界从20世纪50年代开始研究车辆的跟驰行为特征，研究中主要是利用数学表达式来阐述跟驰规则，并以交通流理论为支撑，构建研究中所需的模型。比如：文献[1]提出的GHR模型、文献[2]提出的心理模型、文献[3-5]提出的安全距离模型、文献[6-10]提出的基于模型推理的模型。……