基于行驶轨迹的车辆换道行为预测方法研究

车辆换道行为是机动车在道路上行驶时的一种常见行为,对其进行预测能有效减少交通事故。基于NGSIM项目数据,对换道车辆换道时刻的行为特性进行分析,运用随机森林算法筛选出表征换道行为的参数指标:横纵向速度、加速度、偏角、车头间距以及相对时距,提出一种级联LSTM模型预测车辆在行驶过程中是否会发生换道行为,并与传统单层LSTM模型对比。结果表明:级联LSTM模型预测准确率可达93.6%,具有良好的换道预测效果且高于单层LSTM模型,可为自动驾驶和深度学习提供一定的理论参考。