基于理论-数据双驱动的城市地下道路车辆跟驰模型构建

来源：同济大学学报·自然科学版杂志2025年第7期北京时间：

作者：杨贺萌，张兰芳，武雅婷，周睿达，李翔

单位：1.同济大学 道路与交通工程教育部重点实验室，上海 201804;2.广州市市政工程设计研究总院有限公司，广东 广州 510060

摘要：基于上海市城市地下道路的车辆轨迹数据，提出一种理论?数据双驱动的城市地下道路车辆跟驰模型。通过毫米波雷达采集车辆轨迹数据并进行处理，筛选车辆跟驰行为。基于地下道路跟驰行为的特质分别对加速度、速度、车头间距建立理论驱动的智能驾驶人模型（IDM）和数据驱动的跟驰模型（LSTM）并进行误差比选。最后将两类模型的预测结果视为通过不同观测方式得到的针对同一系统状态的两组观测值，通过自适应卡尔曼滤波方法预测真实驾驶状态，建立基于速度预测的IDM-LSTM混合模型，其均方根误差达到0.118 7，优于单一IDM和LSTM模型的0.583 6和0.123 9。

关键词：城市地下道路,跟驰模型,智能驾驶人模型,长短时记忆网络,车辆轨迹数据

基金资助：国家自然科学基金（52372337）