声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：贾寒冰, 刘鹏, 张雷, 王震坡
单位：1. 北京理工大学电动车辆国家工程实验室 北京 100081;2. 北京电动车辆协同创新中心 北京 100081
关键词：智能车辆,换道行为决策,支持向量机,贝叶斯优化,融合建模；
基金：科技部重点专项资助项目(2017YFB0103600)。
自主换道系统是智能车辆技术的重要发展方向，而换道决策是自主换道系统的关键。针对结构化道路下的自由换道场景，提出基于规则与机器学习融合的换道决策模型。针对换道决策过程中存在的多参数与非线性问题，提出基于支持向量机的换道决策模型，并引入贝叶斯优化算法确定决策模型的最优参数。从基于规则的角度出发，分析换道决策过程中的影响因素，包括换道必要性、安全性与换道收益，并将上述规则转化为模型训练数据的新特征与安全约束，对原有训练样本进行增广，以提升支持向量机模型的分类准确率。在NGSIM数据集上进行测试验证，结果表明，仅利用周围车辆基本行驶信息进行模型训练，对换道行为预测的准确率为73.05%，而引入基于换道规则计算得到的新特征后，模型预测准确率提升至83.83%。
来源：2022年第4期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。