城市连续隧道交织区主线交织车辆换道点选择行为研究

基于城市连续隧道交织区分析主线交织车辆换道点选择行为,以实地采集的车行轨迹数据为基础,利用随机森林模型分析主线车辆换道点选择行为特征及影响行为决策的影响因素,而后分别采用支持向量机模型与随机森林模型进行换道点选择行为决策建模和对比分析。研究结果表明:影响主线交织车辆换道点选择的主要因素为目标车辆状态以及本车道的后车状态,且经特征筛选之后建立换道决策模型的精度更高,其中支持向量机模型可以较好的刻画换道行为,模型的预测精度不低于85%。研究成果有助于在仿真模型中更准确描述换道点选择行为,同时为城市连续隧道交织区的优化和辅助驾驶策略制定提供支撑。

基于WNN的隧道交织区车辆换道持续距离预测

车辆换道行为往往被当作瞬时交通行为而忽视其换道过程的行为特征。采用城市连续隧道交织区换道行为作为研究对象,探究其换道过程中换道持续距离的选择行为,提出了一种引入小波变换和人工神经网络的组合预测模型。首先,对提取到的换道数据进行一定程度的降噪处理,将影响换道持续距离的主要因素作为神经网络的输入变量,以南京市“九华山-西安门”连续隧道交织区轨迹数据为例,通过训练模型来提高对车辆换道持续距离的预测精度。结果表明:与机器学习模型和神经网络模型进行对比分析,发现所提出的小波神经网络模型具有较高的预测性能,对该交织段典型换道行为进行特征分析研究,可以为城市连续隧道交织区管理方案的制定奠定理论基础。