基于支持向量机的车辆换道决策模型研究 |
| |
引用本文: | 杨金山,王鹏伟,高松,张猛,韦翔普,张宇龙.基于支持向量机的车辆换道决策模型研究[J].山东理工大学学报,2023(3):66-72. |
| |
作者姓名: | 杨金山 王鹏伟 高松 张猛 韦翔普 张宇龙 |
| |
作者单位: | 山东理工大学交通与车辆工程学院 |
| |
基金项目: | 国家自然科学基金项目(52102465); |
| |
摘 要: | 车辆换道行为是微观交通流中的典型驾驶行为之一。研究车辆换道决策模型,可以帮助无人驾驶车辆正确进行换道决策。以NGSIM数据集为依据,采用SG滤波器对NGSIM数据集进行平滑处理,筛选平滑处理后的数据得到训练集和测试集;选择影响车辆换道决策的7个因素作为模型输入,建立基于粒子群优化算法的支持向量机(PSO-SVM)车辆换道决策模型和标准支持向量机(标准SVM)车辆换道决策模型;对训练集和测试集进行归一化处理,利用归一化处理的数据进行模型的训练和测试。测试集数据分类验证结果表明,建立的PSO-SVM车辆换道决策模型的决策准确率为94.67%,相比于标准SVM车辆换道决策模型提高6%,能有效实现无人驾驶车辆的换道决策。
|
关 键 词: | 无人驾驶 换道决策 SG滤波器 粒子群优化算法 支持向量机 |
|
|