基于IDM与RBFNN的组合型车辆低速跟驰模型

目前针对车辆低速跟驰驾驶的建模研究较少。通过最优加权理论将理论驱动型跟驰模型与数据驱动型跟驰模型进行结合,建立了一种基于智能驾驶者模型(IDM)与径向基函数神经网络(RBFNN)的组合型车辆低速跟驰模型。首先对NGSIM公开数据集进行筛选与处理得到基础研究数据;之后分别建立基于IDM与RBFNN的低速跟驰模型,前者侧重于保证跟驰的安全性与舒适性,后者则能够输出与真实值更为相符的预测结果;最后通过改进的最优加权目标函数得到最优组合权重,从而建立起了IDM-RBFNN组合模型。用平均相对误差(MARE)进行了评估,并通过对比分析证明了组合模型具有比单一模型更优的预测效果。