基于FES-GALMBP模型的低速自动驾驶车辆服务质量测试评价

来源：江苏大学学报·自然科学版杂志2025年第3期北京时间：

作者：梁军1,戴雨辛1,李俊虎1,张星1,张偲桁1,华国栋2

单位：1. 江苏大学 汽车工程研究院, 江苏 镇江 212013; 2. 江苏智行未来汽车研究院, 江苏 南京 211111

摘要：针对传统自动驾驶功能评价方法准确率低等问题，设计了基于V2I功能的自动驾驶车辆在环仿真测试平台，提出了一种FES-GALMBP评价算法.通过HotSpot关联规则法确定低速自动驾驶车辆服务质量的评价指标，基于AHP-CRITIC主客观组合权重优化确定指标权重，构建多级模糊综合评价模型（涵盖准则层、标准层与指标层权重计算）；利用模糊专家系统对测试样本集进行评价，生成训练数据以训练FES-GALMBP神经网络模型.以低速自动驾驶巴士为应用场景，通过Prescan/MATLAB进行联合仿真，并完成实车测试.结果表明，使用所提出的FES-GALMBP模型与传统BP神经网络模型评价巴士运营，得到质量准确率分别为94%、59%，而安全准确率分别为80%、53%，且新模型预测每一类别的AUC值均大于传统BP模型，因此新模型分类器效果更好.

关键词：巴士, 自动驾驶, 低速场景, 服务质量评价, V2I, 模糊专家系统, 关联规则, BP神经网络

基金资助： 国家自然科学基金资助项目（62376139）； 宝应县重点研发计划项目（BY201908）