基于數(shù)據(jù)驅(qū)動(dòng)的微觀交通流建模研究.pdf

1、跟馳模型和換道模型在交通安全評(píng)價(jià)、微觀交通仿真、自巡航控制、自動(dòng)駕駛等領(lǐng)域均有廣泛的應(yīng)用價(jià)值，它們也是道路微觀交通流理論的核心內(nèi)容。
　　傳統(tǒng)的微觀交通流模型有一個(gè)共同不足就是它們均是基于數(shù)學(xué)公式和交通流理論建立的數(shù)學(xué)模型，這就導(dǎo)致此類模型很難有效地反映駕駛員的感知、思考、決策等一系列心理和生理活動(dòng)的不一致性和不確定性。本文從數(shù)據(jù)本身的角度出發(fā)，利用機(jī)器學(xué)習(xí)相關(guān)算法特有優(yōu)勢(shì)，開展了基于數(shù)據(jù)驅(qū)動(dòng)的微觀交通流建模研究，來彌補(bǔ)上述不足，

2、探索微觀交通流模型研究的新方向。
　　首先，針對(duì)跟馳行為展開研究，以線性組合預(yù)測(cè)為基礎(chǔ)，融合基于動(dòng)力學(xué)的跟馳模型對(duì)安全因素的可控性優(yōu)點(diǎn)和基于機(jī)器學(xué)習(xí)的跟馳模型的強(qiáng)大自學(xué)習(xí)優(yōu)點(diǎn)，通過改進(jìn)最優(yōu)加權(quán)法中的目標(biāo)函數(shù)，來建立線性組合跟馳模型;然后，針對(duì)換道行為中的換道決策階段，分別利用機(jī)器學(xué)習(xí)算法—BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林建立了數(shù)據(jù)驅(qū)動(dòng)的自由換道決策模型，并利用歸一化、主成分分析法對(duì)NGSIM數(shù)據(jù)進(jìn)行預(yù)處理，然后用處理后的數(shù)據(jù)對(duì)模

3、型進(jìn)行訓(xùn)練和測(cè)試，驗(yàn)證模型的有效性。另外，基于隨機(jī)森林獨(dú)有的優(yōu)勢(shì)對(duì)影響換道決策行為的因素的重要性進(jìn)行了分析;最后，針對(duì)換道行為中的換道執(zhí)行階段展開研究，首次提出基于BP神經(jīng)網(wǎng)絡(luò)建立換道執(zhí)行模型，借助BP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自學(xué)能力和非線性擬合能力等優(yōu)點(diǎn)，來彌補(bǔ)傳統(tǒng)模型的不足。
　　結(jié)果表明:組合跟馳模型的預(yù)測(cè)精度優(yōu)于Gipps模型，且可通過調(diào)整組合跟馳模型考慮真實(shí)性和安全性的權(quán)重，來達(dá)到控制預(yù)測(cè)速度的真實(shí)性和安全性的目的;數(shù)據(jù)驅(qū)動(dòng)的換道