一種基于RTRL的神經網絡駕駛員巡航模型

張裊娜,劉美艷

(長春工業大學 電氣與電子工程學院，吉林 長春　130012)

一種基于RTRL的神經網絡駕駛員巡航模型

張裊娜,劉美艷

(長春工業大學 電氣與電子工程學院，吉林 長春130012)

摘要針對大多數巡航模型未能充分考慮駕駛員的行為特性，文中設計了以實時遞歸學習算法的神經網絡為核心的駕駛員巡航模型。該模型選取前車車速、本車車速、前車加速度和安全車間距共4個參數作為模型輸入，以駕駛員控制自車所期望的加速度值為輸出，通過真實環境下的巡航實驗獲取數據樣本對RTRL的神經網絡進行訓練，并對該模型進行仿真驗證。仿真實驗結果表明，本車期望加速度的預測值與實際真實值基本一致，誤差控制在0.05以內，說明該模型能較準確的模擬駕駛員的巡航行為。

關鍵詞RTRL；駕駛員模型；神經網絡；巡航

汽車自適應巡航控制(ACC)是先進駕駛員輔助系統[1]，同時也是汽車智能化技術的重要代表。巡航過程中駕駛員的行為特性關系到交通效率、道路安全等方面的諸多問題，因而越來越多的控制理論和方法被應用到駕駛員特性分析和建模中[2-4]。目前國內外在相關研究中，大多數是以運動學方程或是經驗公式的形式建立數學模型，例如線性模型[5]、GHR模型[6]，但對一個優良性能的汽車ACC系統，必須考慮到真實駕駛員的接受程度，也就是控制特性應與熟練的駕駛員操作行為基本一致。因此，從駕駛員操縱行為特性分析的角度出發，建立一種新型駕駛員巡航模型是必要的[7]。……