基于SVM的快速路合流区车辆间隙选择模型

通过2种典型快速路合流区车辆行为观测,发现匝道车辆在选择间隙时存在多次超车行为,表明其汇入过程是一个多次决策的动态过程.根据合流过程中车辆速度的变化特性,判定车辆在选择间隙时的决策点并采集决策点处的微观交通流参数.在此基础上比较了2种不同渠化设计下入口匝道车辆汇入行为的差异.考虑到合流车辆不同行为判别所需的关键参数不同,使用2个支持向量机模型(SVM)进行分类,建立了合流区车辆多次决策的间隙选择模型.通过对采集的交通流参数进行训练,SVM模型的预测精度能够达到91%以上,实现预测车辆间隙选择的目的.最后与Logistic回归模型进行比较,结果证明所提出的模型能够获得较高精度.