基于GRU网络的仿优秀驾驶员换道轨迹模型研究

换道是智能汽车在道路上行驶时必不可少的操作。传统换道模型大多基于数学公式或者车辆动力学、运动学模型,从而忽略驾驶员在实际驾驶过程中的感知与决策能力,生成的轨迹与实际换道轨迹区别很大。本文提出基于GRU网络的仿优秀驾驶员换道轨迹预测模型,利用处理时间序列数据有独特的能力,从优秀驾驶员自身的驾驶特性出发,结合车辆动力学参数,结果表明GRU模型的MAPE为0.044,分别比LSTM和Bi-LSTM降低了24.14%和29.03%;RMSE为0.0111,分别比LSTM和Bi-LSTM降低了0.89%和9.76%,且GRU模型的一致性指数D值更接近1。该模型预测出的换道轨迹与实际轨迹基本一致,能准确地模拟优秀驾驶员的换道轨迹,精度较高,保证安全性的同时兼顾舒适性。