典型文献
基于BP神经网络的智能车辆换道决策模型研究
文献摘要：
为了正确刻画智能网联环境下的车辆换道行为,提出基于BP神经网络的车辆换道决策模型.分析了交通流中车辆换道行为,以HighD自然驾驶数据集为数据来源,筛选出1 900组车辆换道和未换道信息作为模型的训练与验证,利用高斯滤波方法拟合目标车辆换道轨迹和横向位移轨迹,选择影响车辆换道决策的7个参数作为模型输入,建立BP神经网络换道决策模型,利用筛选出的数据进行模型的训练和测试.结果表明,选择7个参数建立的BP神经网络模型决策精度达到96.2％,能有效识别车辆换道行为.
文献关键词：
智能交通;车辆换道;BP神经网络;换道决策模型;智能汽车
中图分类号：
作者姓名：
陈力;殷时蓉;罗天洪;郑讯佳
作者机构：
重庆交通大学机电与车辆工程学院,重庆400041;重庆文理学院智能制造工程学院,重庆402160;汽车噪声振动和安全技术国家重点实验室,重庆,401122;中国汽车工程研究院股份有限公司,重庆401122
文献出处：
引用格式：
[1]陈力;殷时蓉;罗天洪;郑讯佳-.基于BP神经网络的智能车辆换道决策模型研究)[J].汽车工程学报,2022(01):83-89
A类：
HighD
B类：
智能车辆,车辆换道,换道决策模型,智能网联环境,换道行为,交通流,自然驾驶数据,集为,数据来源,未换,高斯滤波,滤波方法,目标车辆,换道轨迹,横向位移,模型输入,模型决策,智能交通,智能汽车
AB值：
0.233966
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
