基于多元自适应回归样条的汇合决策行为模型

为研究高速公路车辆汇合决策行为,采用一种非参数回归模型——多元自适应回归样条(multiple adaptive regression splines,MARS)模型建立了汇合决策行为模型。同时,采用美国下一代仿真(next generation simulation,NGSIM)项目中搜集的车辆轨迹数据US-101数据集,提取了速度差、纵向间距、横向位置和车线碰撞时间等参数作为影响变量,进行训练和预测,并与分类回归树、梯度提升决策树、随机森林、逻辑回归等模型进行对比。研究结果表明:汇合车辆与主线车道前车之间的速度差对汇合决策行为影响最大;MARS模型和梯度提升决策树模型对汇合决策行为的预测错误率分别低至0.141和0.138,准确性略高于分类回归树、随机森林和逻辑回归模型,但MARS模型的复杂度远低于梯度提升决策树模型,且能够生成显性表达式,反映影响变量之间的交互作用,利于工程应用。MARS模型能够准确预测汇合决策行为,可用于车辆辅助驾驶及自动驾驶系统。