-
题名融合多车风格感知与交互特征的换道行为预测
- 1
-
-
作者
韩泽一
王文璇
王元庆
-
机构
长安大学运输工程学院
-
出处
《浙江大学学报(工学版)》
北大核心
2026年第4期876-886,共11页
-
基金
国家自然科学基金资助项目(52362050)
陕西省重点研发计划资助项目(2024GX-ZDCYL-02-14,2025SF-GJHX2-13)
+4 种基金
陕西省自然科学基金青年科学基金资助项目(2025JC-YBQN-519)
陕西省秦创原引用高层次创新创业人才项目(QCYRCXM-2023-110)
中国博士后科学基金资助项目(2024M752739)
长安大学青年学者学科交叉团队建设项目(300104240924)
陕西省三秦英才引进计划-优秀青年工程技术人才项目.
-
文摘
现有换道预测模型未能有效建模换道车辆与周围车辆的多车驾驶风格及车辆交互特征,且对换道行为影响因素考虑不足.为此,提出综合驾驶风格识别、车辆特征、交互特征、交通流特征、货车比例的换道行为预测方法.基于HighD数据集,提取换道车辆及周围车辆的基础特征和交互特征,并计算不同窗口时间下的统计学指标,通过主成分分析与K-means聚类量化换道多车驾驶风格.使用长短时记忆网络模型和双层卷积神经网络模型对不同时间窗口下的预测性能进行比较.结果显示,多车驾驶风格及车辆交互特征建模使预测精度提升了5.64%;长短时记忆模型在2.0 s时间窗口下的F1值最高,为99.26%;车辆长度、货车比例、交通流密度与考虑车辆交互特征的换道车辆驾驶风格的联合特征贡献率达11.08%.结果表明,所提出的换道行为预测方法能有效提升预测的准确性,并增强对换道行为影响因素的可解释性,为自动驾驶与交通管理提供参考.
-
关键词
换道行为预测
LSTM模型
highd数据
车辆交互特征
交通流特征
驾驶风格
-
Keywords
prediction of lane-changing behavior
LSTM model
highd data
vehicle interaction characteristics
traffic flow characteristics
driving style
-
分类号
U491.2
[交通运输工程—交通运输规划与管理]
-
