基于動態神經網絡集成的駕駛員行為學習算法

摘要：特定交通環境下的駕駛員行為的變化是一個非線性的復雜系統，傳統的駕駛決策模型和車輛行駛模型難以體現駕駛員的感知、判斷、決策、動作等一系列心理、生理活動的不確定性和不一致性，而人工神經網絡特別適合于因果間不易建立明確聯系的問題。提出了基于神經網絡集成的駕駛員行為學習算法DNNIA，該算法的有效性通過標準數據集和仿真實驗得到了驗證，學習到的諸如駕駛員踩踏踏板的習慣行為的仿真結果與采集的樣本數據總體趨勢較為一致，且實現了系統泛化性能的提高。

關鍵詞：智能交通；駕駛員行為；動態神經網絡集成；學習；仿真

中圖分類號：TP242．6

文獻標志碼：A

文章編號：1001-3695(2009)11-4087-04