一种理论-数据双驱动的车辆跟驰行为建模方法技术

本发明专利技术提供了一种理论‑数据双驱动的车辆跟驰行为建模方法。该方法包括：采集人工驾驶车辆的跟驰轨迹数据集，利用跟驰轨迹数据集标定2D‑IDM模型，利用2D‑IDM模型预测车队的速度情况，得到仿真数据；搭建KAN4CF深度学习模型，利用仿真数据对KAN4CF深度学习模型进行预训练后用真实数据微调，得到训练好的KAN4CF深度学习模型；将车辆前设定时间内每一时间步自车与前车的速度差、位置差、自车速度和前车速度作为输入数据，利用Row‑cross注意力机制对输入数据进行特征提取后，再输入到训练好的KAN4CF深度学习模型中，训练好的KAN4CF深度学习模型输出下一时刻车辆的加速度值。本发明专利技术方法在深度学习模型中引入随机性，保证模型在具有较高短时预测精度的同时，交通流仿真结果符合实际情况。

【技术实现步骤摘要】

本专利技术涉及智能交通管理，尤其涉及一种理论-数据双驱动的车辆跟驰行为建模方法。

技术介绍

1、随着道路交通流量的持续增长和车辆行驶环境的日益复杂，车辆间的相互作用行为逐渐成为影响交通安全与运行效率的关键因素。跟驰行为作为车辆纵向控制的核心决策过程，直接关系到车距调节、速度变化以及潜在冲突的发生，是微观交通行为建模的重要组成部分。尤其在复杂、动态的道路环境中，驾驶员在跟驰过程中的响应具有明显的随机性，若无法准确刻画这种行为特征，极易导致轨迹预测偏差，进而影响到交通系统的稳定运行。因此，构建能够真实反映驾驶员实际跟驰特性的模型，特别是包含随机因素的跟驰行为模型，对于提升交通仿真系统的可信度、辅助道路交通安全管理、优化智能驾驶决策具有重要意义。

2、目前，车辆跟驰模型的研究主要分为两类：一类是基于理论公式的跟驰模型，这类跟驰模型侧重于使用物理公式来描述跟车行为的基本现象，具有很强的可解释性。由于其参数数量相对较少，因此可以用有限的数据进行校准，能够仿真出实际的交通振荡情况，但在车辆轨迹的短时预测上表现较差。另一类是基于数据的跟驰模型，与理论模型相比本文档来自技高网...

【技术保护点】

1.一种理论-数据双驱动的车辆跟驰行为建模方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的采集人工驾驶车辆的跟驰轨迹数据集，该跟驰轨迹数据集包括：车辆的经纬度、车辆速度和时间戳，利用所述跟驰轨迹数据集标定2D-IDM模型，利用2D-IDM模型预测车队的速度情况，得到仿真数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述的利用所述跟驰轨迹数据集标定2D-IDM模型，利用2D-IDM模型预测车队的速度情况，得到仿真数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述的搭建跟驰科尔莫格罗夫-阿诺德网络KAN4CF深...

【技术特征摘要】

1.一种理论-数据双驱动的车辆跟驰行为建模方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述的采集人工驾驶车辆的跟驰轨迹数据集，该跟驰轨迹数据集包括：车辆的经纬度、车辆速度和时间戳，利用所述跟驰轨迹数据集标定2d-idm模型，利用2d-idm模型预测车队的速度情况，得到仿真数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述的利用所述跟驰轨迹数据集标定2d-idm模型，利用2d-idm模型预测车队的速度情况，得到仿真数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述的搭建跟驰科尔莫格罗夫-阿诺德网络kan4cf深度学习模型，该kan4cf深度学习模型包含row-cross注意力机制层、三层二维卷积kan、一层flatten层和三层kan，利用所述仿真数据对所述kan...

【专利技术属性】
技术研发人员：齐树平，郑瑞君，余智鑫，高菁，杨晓波，焦彦利，彭旭光，王伟勋，赵建东，宋罡，郝建兵，高静雅，庞雪纯，王亚州，崔鑫焱，王昊，
申请(专利权)人：河北交通投资集团有限公司，
类型：发明
国别省市：