机器学习—动力学耦合车辆跟驰模型

来源：交通运输系统工程与信息杂志2017年第6期北京时间：

作者：丁点点，孙磊，陈松

单位：1. 宿州学院资源与土木工程学院，安徽宿州234000；2.安徽省煤矿勘探工程技术中心，安徽宿州234000

摘要：目前，跟驰模型的建立主要基于动力学方法和机器学习算法，将两者耦合起来建立跟驰模型的研究还没有.以线性组合预测为基础，对最优加权法中的目标函数进行改进，将经典的Gipps 模型和基于BP 神经网络的跟驰模型(BP Car-following Model, BP)耦合起来，建立线性组合车辆跟驰模型(Linear Combination Car-following Model, LC-CF).结果表明：BP 模型的预测结果更加贴近真实值，Gipps 模型的预测结果更加贴近安全值； LC-CF模型可以通过调整参数，来控制BP模型和Gipps 模型在LC-CF模型中的权重，进而达到控制预测速度的真实性和安全性的目的.

关键词：智能交通,道路运输,线性组合预测,动力学模型,BP神经网络,车辆跟驰

基金资助：安徽省自然科学基金青年项目/ Natural Science Foundation of Anhui Provincial-Youth Project (17080885QE125)；宿州学院教授（博士）科研启动基金/Suzhou University Professor (PhD) Research Start Foundation (2016jb05).