基于RBF神经网络的车辆安全换道时机决策模型研究

论文摘要

为了帮助驾驶人正确决策车辆换道时机,使用了一种模式识别方法——RBF神经网络,建立了车辆换道时机决策模型。模型可以预测车辆换道的安全性,从而保证驾驶人和车辆的安全。对车辆换道时机决策的影响因素进行了分析,提出了11个现代传感器容易获取的影响参数,并作为RBF神经网络的输入变量。模型的学习和测试运用了大量的车辆行驶数据,实验结果显示:11个参数的RBF神经网络模型预测精度较高,可以达到87. 9%,高于7个参数模型的81. 8%;随着模型精度的不断提高,在驾驶主动安全系统和智能车辆无人驾驶系统中,本文模型也可以起到关键的作用。

论文目录

• 1 换道时机决策的场景与影响因素
•   1.1 换道时机决策的场景
•   1.2 影响车辆换道时机决策的因素
• 2 车辆换道时机决策模型的建立
•   2.1 RBF神经网络车辆换道时机决策模型
•   2.2 RBF神经网络学习算法
•     1)确定RBF基函数的中心xc和宽度σi
•     2)确定输出层与隐含层之间节点的连接权值
•   2.3 网络训练
•     1)输入输出变量的选择
•     2)实验数据
• 3 模型验证
• 4 对比模型验证
• 5 结论

文章来源

类型: 期刊论文

作者: 王俊彦,蔡骏宇

关键词: 公路运输,决策模型,神经网络,车辆换道,智能车辆

来源: 重庆理工大学学报(自然科学) 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 汽车工业

单位: 镇江市高等专科学校交通学院,江苏大学汽车与交通工程学院

基金: 国家自然科学基金项目(1564201,51675235),江苏省普通高校研究生科研创新计划(4061120007)

分类号: U463.6

页码: 47-51+80

总页数: 6

文件大小: 148K

下载量: 159