基于多元自适应回归样条的汇合决策行为模型

• 全文链接
• 请求原文

作   者：

李根;  翟伟;  黄海博;  任皎龙;  王登忠;  邬岚; 

作者机构：

浙江省交通运输科学研究院;  南京林业大学汽车与交通工程学院;  山东理工大学建筑工程学院; 

关键词：

交织区;  自动驾驶;  多元自适应回归样条;  汇合决策行为;  公路运输; 

期刊名称：

清华大学学报(自然科学版)

i s s n：

1000-0054

年卷期：

2024 年 001 期

页   码：

55-62

摘   要：

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。