为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型。通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用K a lm an滤波器对数据进行了处理和估计。设计了以BP神经网络为核心的集成式模型结构...为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型。通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用K a lm an滤波器对数据进行了处理和估计。设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度。利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证。仿真结果表明:神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性。展开更多
文摘为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型。通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用K a lm an滤波器对数据进行了处理和估计。设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度。利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证。仿真结果表明:神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性。
