本文主要研究内容
作者徐兵,刘潇,汪子扬,刘飞虎,梁军（2019）在《采用梯度提升决策树的车辆换道融合决策模型》一文中研究指出：车辆在执行换道行为时,由于受到较多环境因素影响,难以准确进行换道识别和预测.为解决这一问题,提出一种基于梯度提升决策树(GBDT)进行特征变换的融合换道决策模型,以仿真驾驶员在高速公路上自由换道时的决策行为.采用主体车辆与目标车道后车的碰撞时间tlag及车辆周围交通状态变量进行车辆换道行为的建模分析,在NGSIM数据集上对建立的融合换道决策模型进行参数标定和模型测试.实验结果表明:融合换道决策模型以95.45%的预测准确率超越支持向量机、随机森林和GBDT等单一的换道决策模型,获得了最突出的表现.变量分析结果表明:新引入的换道决策变量tlag对车辆换道行为具有重要影响.提出的融合换道决策模型能够进一步减少因换道决策误判而导致的交通事故.
Abstract
che liang zai zhi hang huan dao hang wei shi ,you yu shou dao jiao duo huan jing yin su ying xiang ,nan yi zhun que jin hang huan dao shi bie he yu ce .wei jie jue zhe yi wen ti ,di chu yi chong ji yu ti du di sheng jue ce shu (GBDT)jin hang te zheng bian huan de rong ge huan dao jue ce mo xing ,yi fang zhen jia shi yuan zai gao su gong lu shang zi you huan dao shi de jue ce hang wei .cai yong zhu ti che liang yu mu biao che dao hou che de peng zhuang shi jian tlagji che liang zhou wei jiao tong zhuang tai bian liang jin hang che liang huan dao hang wei de jian mo fen xi ,zai NGSIMshu ju ji shang dui jian li de rong ge huan dao jue ce mo xing jin hang can shu biao ding he mo xing ce shi .shi yan jie guo biao ming :rong ge huan dao jue ce mo xing yi 95.45%de yu ce zhun que lv chao yue zhi chi xiang liang ji 、sui ji sen lin he GBDTdeng chan yi de huan dao jue ce mo xing ,huo de le zui tu chu de biao xian .bian liang fen xi jie guo biao ming :xin yin ru de huan dao jue ce bian liang tlagdui che liang huan dao hang wei ju you chong yao ying xiang .di chu de rong ge huan dao jue ce mo xing neng gou jin yi bu jian shao yin huan dao jue ce wu pan er dao zhi de jiao tong shi gu .
论文参考文献
论文详细介绍
论文作者分别是来自浙江大学学报(工学版)的徐兵,刘潇,汪子扬,刘飞虎,梁军，发表于刊物浙江大学学报(工学版)2019年06期论文，是一篇关于梯度提升决策树论文,自由换道行为论文,数据集论文,换道决策模型论文,碰撞时间论文,浙江大学学报(工学版)2019年06期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自浙江大学学报(工学版)2019年06期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：梯度提升决策树论文; 自由换道行为论文; 数据集论文; 换道决策模型论文; 碰撞时间论文; 浙江大学学报(工学版)2019年06期论文;