基于NGSIM数据的汽车变道越线时间预测
2021-07-02马晨浩宇仁德胡婧晖步玫
山东理工大学学报(自然科学版) 2021年6期
马晨浩,宇仁德,胡婧晖,步玫
(山东理工大学 交通与车辆工程学院, 山东 淄博255049)
从交通运输部发布的《2019年交通运输行业发展统计公报》获悉,截至2019年年底,全国公路总里程达到501.25万km,高速公路总里程达14.96万km[1],高速扩张的道路网络使汽车出行方式成为首选,然而汽车事故的发生率和死亡人数依然居高不下。变道是驾驶员经常执行的机动操作,由于汽车车速较快且变道过程中周围环境复杂多变,因此发生事故的概率比较高。根据美国道路交通事故的统计数据,在美国,汽车变道所引起的道路交通事故占警方报告的撞车事故的5%、死亡人数的0.5%[2]。如何在复杂的交通环境下高效准确地预测汽车变道是否安全成为了一大难题,而其中越线时间的预测对于汽车变道安全至关重要。对越线时间的研究将为汽车变道安全问题提供一种新的思路和方法,也对辅助驾驶系统和无人驾驶系统的安全性预测有一定的参考价值。
近年来,对于汽车变道行为的研究主要在变道行为分析、变道影响因素、变道决策模型、变道执行模型4个层面。伍淑莉等[3]基于循环神经网络(RNN)和长短时记忆网络(LSTM)的理论研究,提出了一种基于LSTM 的智能车变道行为预测模型。张颖达[4]基于NGSIM轨迹数据建立多项式模型,选取多个误差指标对不同阶数下变道横向移动轨迹拟合效果进行评价,并且分别利用时间对数模型和双隐含层神经网络对变道时间进行预测。王畅等[5]以Jula提出的……
登录APP查看全文