版权说明 操作指南
首页 > 成果 > 详情

基于支持向量机的车辆换道决策模型

认领
导出
下载 Link by 中国知网学术期刊 Link by 维普学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
Decision Model for Vehicle Lane Changing Based on Support Vector Machine
作者:
张叠;杜荣华;刘理
作者机构:
长沙理工大学智能交通与车路协同技术研究所 长沙 410004
长沙理工大学工程车辆轻量化与可靠性技术重点实验室 长沙 410004
[刘理; 杜荣华; 张叠] 长沙理工大学
语种:
中文
关键词:
换道行为;支持向量机;卡尔曼滤波
关键词(英文):
NGSIM
期刊:
武汉理工大学学报(交通科学与工程版)
ISSN:
2095-3844
年:
2017
卷:
41
期:
5
页码:
849-853
基金类别:
11272067:国家自然科学基金 61403047:国家自然科学基金 2016JJ2006:湖南省自然科学基金
机构署名:
本校为第一机构
院系归属:
汽车与机械工程学院
摘要:
针对车辆换道行为受交通环境影响较大而难以识别和预测的问题,提出了一种基于支持向量机的学习模型用以仿真驾驶员在高速路上关于车辆换道的行为决策.通过分析车辆在换道阶段的特征与规律,选择适合的物理量作为模型的输入参数.以NGSIM数据库为基础用适当的方法进行样本提取,并对样本数据进行差分滤波、卡尔曼滤波、归一化预处理.在构建SVM模型过程中,运用不同的算法搜索最优参数.为了验证模型的泛用性,使用不同的数据样本对模型进行训练和测试,最终取得到了较好的预测结果与拟合度.
摘要(英文):
The vehicle lane changing behavior is difficult to identify and predict due to the influence of traffic environment then, a learning model based on support vector machine was proposed to simulate the behavior decision of the driver on a freeway. By analyzing the characteristics and laws of the vehicle in the phase of lane changing, the appropriate physical quantity was chosen as input parameter of model. Based on the NGSIM database, a proper method was used to extract the samples, and the sample data was processed by differential filtering, Kal...

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com