期刊专题

10.11908/j.issn.0253-374x.20243

基于神经网络的车辆交通协调性评价模型

引用
为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响.研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%.由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价.在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果.在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度.因此,在小样本数据量下,基于线性函数归一化和BP神经网络的映射评价模型构建方案的评价效果更优.

自动驾驶、交通协调性、映射模型、BP神经网络、Dropout、数据预处理

49

U467.1(汽车工程)

国家重点研发计划2018YFB0105101

2021-03-04(万方平台首次上网日期,不代表论文的发表时间)

共7页

135-141

暂无封面信息
查看本期封面目录

同济大学学报(自然科学版)

0253-374X

31-1267/N

49

2021,49(1)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn