基于遺傳算法優(yōu)化的BP神經網絡跟車模型研究.pdf

1、車輛的跟馳行為是車輛行駛中的常見駕駛行為之一，特定的駕駛人由于其跟車過程中心理感知等因素的差異，其行車車距和相對速度等安全范圍均不同。如果能夠對駕駛人的這種跟車特性進行模擬，建立起特定的跟車模型，就可以比較相似跟車狀態(tài)下的駕駛人的跟車行為是否存在異常。采取相應的措施對危險的跟車行為及時進行預警，就能夠有效降低事故的發(fā)生率。
　　本文通過實際道路跟車試驗，使用視頻監(jiān)控系統(tǒng)和毫米波雷達等試驗設備對車輛跟車過程中的相關跟車數(shù)據進行采集。

2、通過分析穩(wěn)定跟車過程中影響駕駛員進行加減速操作的相關數(shù)據，進而基于篩選出有效的試驗數(shù)據進行預測模型研究。本文的主要研究內容和結論：
　?。?）通過對跟車模型的相關研究回顧，提取試驗數(shù)據中與駕駛員進行加減速操作相關的車輛運行參數(shù)和道路環(huán)境數(shù)據等。分析初步得出車輛相對速度、相對距離和本車速度可作為模型的特征輸入參數(shù)。
　?。?）通過對初步提取的特征參數(shù)數(shù)據進行處理，建立起 BP神經網絡跟車模型。通過預測分析可知BP模型很容易陷入

3、局部極值點，而這種問題不能通過其自身結構的優(yōu)化解決，因此考慮使用遺傳算法來對其進行優(yōu)化。
　?。?）遺傳算法對 BP神經網絡模型進行結構優(yōu)化后，結果表明以車輛相對速度、相對距離和本車速度為組合的跟車行為預測模型準確度最高，但也僅為90.29％。通過反復試驗可知經過遺傳算法優(yōu)化后的雙隱含層的BP神經網絡能夠將預測準確率提高到94.17％。
　　結果表明遺傳算法優(yōu)化后的雙隱含層BP神經網絡跟車模型，能夠對車輛的跟車狀態(tài)進行很好地