考虑驾驶风格与车辆交互关系的自由换道决策模型

龙雪琴; 毛健旭; 翟曼溶; 王远泽

交通信息与安全 ›› 2025, Vol. 43 ›› Issue (1) : 141 -151+160.

龙雪琴, 毛健旭, 翟曼溶, 王远泽

作者信息 +

Author information +

文章历史 +

摘要

换道车辆与周围车辆之间的交互关系会对换道决策产生影响。为此基于换道效用构建了1种融合驾驶风格以及交互关系的换道决策模型。基于极端梯度提升树（extreme gradient boosting,XGBoost）算法和基于密度的聚类（density-based spatial clustering of applications with noise,DBSCAN）方法，将驾驶人的短时驾驶风格分为保守型、一般型、激进型这3类；根据换道车辆与目标车道后车之间的交通冲突，结合换道持续时间判断轨迹的时空重合点，划分车辆之间的交互关系。构建了速度提升、空间安全、时间安全3个维度的效用量化模型，基于最大信息系数（maximum information coefficients,MIC）计算各类驾驶人不同交互关系下3种子效用的权重，构建换道决策总效用模型。根据历史数据计算换道驾驶人与车道保持驾驶人的总效用，聚类得到不同驾驶风格、不同交互关系下的换道效用阈值，提出车辆换道决策的规则。模型准确率检验结果表明：无论是哪种类型的驾驶人，考虑交互关系的模型准确率明显高于不考虑交互关系的准确率，说明交互关系是影响换道决策的重要因素；分别采用径向基（radial basis function,RBF）神经网络与XGBoost方法进行换道行为预测，对于保守型、一般型、激进型驾驶人，RBF方法的准确率分别为0.885、0.820、0.813,XGBoost方法的准确率为0.954、0.902、0.900，可见人工智能模型虽然对各类驾驶人的换道决策行为预测精度都较高，但对人数占比较大的一般型与激进型驾驶人的预测准确率低于本文提出的决策模型（0.921,0.923）。此外，对换道效用进行了非参数检验，检验结果进一步证明了模型的合理性。