基于數(shù)據(jù)驅(qū)動方法的車輛跟馳行為建模與分析.pdf

1、車輛跟馳是道路交通中重要的現(xiàn)象，特別在交通擁堵時，車輛無法換道超車，車輛跟馳行為普遍存在。對車輛跟馳行為的研究一直是交通流理論中的研究熱點之一。利用數(shù)學(xué)模型對車輛跟馳行為進行建模研究，可對跟馳車輛間的相互影響作用進行定量化分析，有助于理解交通流特性，揭示交通擁堵現(xiàn)象產(chǎn)生的原因和其時空演化規(guī)律。
　　當(dāng)前應(yīng)用較為廣泛的車輛跟馳模型以理論驅(qū)動車輛跟馳模型為主。理論驅(qū)動車輛跟馳模型側(cè)重于對駕駛行為影響因素的描述。模型的設(shè)計者通常是在觀察

2、車輛跟馳行為的基礎(chǔ)上，提出符合駕駛經(jīng)驗的理論假設(shè)，并基于該理論假設(shè)建立車輛跟馳模型。但有學(xué)者指出，理論驅(qū)動車輛跟馳模型無法準(zhǔn)確地描述與實際相符的車輛跟馳行為。相關(guān)誤差評價結(jié)果顯示，理論驅(qū)動車輛跟馳模型有關(guān)車輛軌跡的平均預(yù)測誤差在15％至25％之間。考慮到車輛跟馳行為的復(fù)雜特性，通過單一的理論假設(shè)難以建立預(yù)測精度較高的車輛跟馳模型。
　　得益于近來智能交通系統(tǒng)的發(fā)展，無論是通過高空圖像采集、全球定位系統(tǒng)，還是車聯(lián)網(wǎng)技術(shù)，均可獲取大規(guī)

3、模高精度的車輛軌跡數(shù)據(jù)，這為利用數(shù)據(jù)驅(qū)動方法建立車輛跟馳模型提供了研究條件。數(shù)據(jù)驅(qū)動方法可有效地挖掘出車輛軌跡數(shù)據(jù)的內(nèi)在信息，建立具有更高預(yù)測精度的車輛跟馳模型。本文重點對基于數(shù)據(jù)驅(qū)動方法的車輛跟馳模型及其在實際交通問題中的擴展應(yīng)用進行了研究分析，具體包括以下六個方面:
　　1.基于數(shù)據(jù)驅(qū)動方法的車輛跟馳模型的建立
　　車輛跟馳模型的實質(zhì)是求解一類回歸問題，本文對求解回歸問題的數(shù)據(jù)驅(qū)動方法進行了回顧，通過分析比對各方法的優(yōu)劣

4、，選定支持向量回歸作為車輛跟馳模型的核心建模方法，以此建立了基于支持向量回歸方法的車輛跟馳模型?？紤]到模型在仿真過程中可能出現(xiàn)不合理的駕駛行為，提出了考慮駕駛行為約束的支持向量回歸車輛跟馳模型。
　　2.支持向量回歸車輛跟馳模型的標(biāo)定與驗證
　　利用次時代仿真(NGSIM)項目提供的實測車輛軌跡數(shù)據(jù)，對考慮駕駛行為約束的支持向量回歸車輛跟馳模型進行了參數(shù)標(biāo)定和誤差評價。在獲得最優(yōu)參數(shù)的基礎(chǔ)上，通過仿真實驗還原了實測數(shù)據(jù)中的交

5、通振蕩現(xiàn)象。通過對仿真結(jié)果的分析，揭示了交通振蕩現(xiàn)象產(chǎn)生的原因和其時空演化規(guī)律。
　　3.多輛前車影響下的駕駛行為特性分析
　　在實際的車輛跟馳過程中，駕駛員會受到次近鄰（第2輛前車）以及更多輛前車行駛狀態(tài)變化的影響，故有必要對多輛前車影響下的駕駛行為特性進行實證研究。本文通過引入多前車的狀態(tài)變量，對原支持向量回歸車輛跟馳模型進行了擴展，建立了考慮多前車的支持向量回歸車輛跟馳模型，并對該模型進行了參數(shù)標(biāo)定和誤差評價，驗證了模

6、型假設(shè)的有效性。通過計算多前車狀態(tài)變量的相對權(quán)重，量化了各前車狀態(tài)變量對后車的影響重要程度。
　　4.不同車型組合下的駕駛行為特性分析
　　由大型車和小型車共同組成的混合交通流是道路交通中更為常見的情況，故有必要對混合交通流中不同車型組合的駕駛行為特性進行實證研究。本文通過引入車型參數(shù)，對原支持向量回歸車輛跟馳模型進行了擴展，建立了考慮不同車型組合的支持向量回歸車輛跟馳模型。通過分析計算不同車型組合在跟馳過程中的期望車間距和

7、期望速度，驗證了不同車型組合間存在較大的駕駛行為差異。最后通過對交通振蕩現(xiàn)象的仿真，揭示了混合交通流更易發(fā)生交通振蕩和交通擁堵的原因。
　　5.數(shù)據(jù)驅(qū)動車輛跟馳模型與理論驅(qū)動車輛跟馳模型的融合
　　當(dāng)訓(xùn)練數(shù)據(jù)的樣本數(shù)量較少或包含的有效信息不足、不能完整地描述車輛跟馳行為時，使用支持向量回歸方法構(gòu)建的車輛跟馳模型將缺乏足夠的預(yù)測精度。本文將理論驅(qū)動車輛跟馳模型作為先驗知識引入原模型，建立了融合理論驅(qū)動車輛跟馳模型的支持向量回歸

8、車輛跟馳模型。通過對模型進行誤差評價，驗證了擴展后的模型較原模型具有更高的預(yù)測精度穩(wěn)定性。
　　6.車輛軌跡分析系統(tǒng)的設(shè)計與實現(xiàn)
　　對車輛軌跡數(shù)據(jù)的通用數(shù)據(jù)結(jié)構(gòu)與提取方法進行了研究，以此為基礎(chǔ)設(shè)計開發(fā)了車輛軌跡分析系統(tǒng)，實現(xiàn)了車輛跟馳模型標(biāo)定、交通性能評價分析等功能，為車輛軌跡數(shù)據(jù)的分析和數(shù)據(jù)驅(qū)動車輛跟馳模型的研究提供了一個高效的實驗平臺。
　　上述對數(shù)據(jù)驅(qū)動車輛跟馳模型的研究，將完善和補充現(xiàn)有的車輛跟馳模型研究體系