为研究车辆在换道前与车辆在正常行驶时跟驰行为的差异性,从NGSIM数据库中提取了快速路上的543个换道行为和870个非换道行为的跟驰事件并进行特征分析。使用曼-惠特尼U检验(Mann-Whitney U test)验证了换道前车辆的跟驰行为与正常行驶...为研究车辆在换道前与车辆在正常行驶时跟驰行为的差异性,从NGSIM数据库中提取了快速路上的543个换道行为和870个非换道行为的跟驰事件并进行特征分析。使用曼-惠特尼U检验(Mann-Whitney U test)验证了换道前车辆的跟驰行为与正常行驶的跟驰行为存在显著差异。选取跟驰车辆的车速和车头间距作为性能指标,其均方根百分比误差之和为目标函数,并将目标车道的前车速度纳入到智能驾驶员模型(IDM)中,构建换道准备智能驾驶员跟驰模型(BLC-IDM),利用遗传算法对BLC-IDM进行参数标定和效果验证。研究结果表明,传统的IDM不适用于换道前车辆的跟驰行为,改进后的BLC-IDM拟合精度提高了20%。BLC-IDM可以更加精准地描述车辆换道前的特殊跟驰行为。展开更多
文摘为研究车辆在换道前与车辆在正常行驶时跟驰行为的差异性,从NGSIM数据库中提取了快速路上的543个换道行为和870个非换道行为的跟驰事件并进行特征分析。使用曼-惠特尼U检验(Mann-Whitney U test)验证了换道前车辆的跟驰行为与正常行驶的跟驰行为存在显著差异。选取跟驰车辆的车速和车头间距作为性能指标,其均方根百分比误差之和为目标函数,并将目标车道的前车速度纳入到智能驾驶员模型(IDM)中,构建换道准备智能驾驶员跟驰模型(BLC-IDM),利用遗传算法对BLC-IDM进行参数标定和效果验证。研究结果表明,传统的IDM不适用于换道前车辆的跟驰行为,改进后的BLC-IDM拟合精度提高了20%。BLC-IDM可以更加精准地描述车辆换道前的特殊跟驰行为。