基于CNN-LSTM模型的车辆换道前跟驰研究

摘要

考虑换道车辆在换道前的跟驰行为与无换道意图的一般跟驰行为有明显的差异，为研究车辆在换道前的特殊跟驰行为，提出“换道前跟驰”阶段概念，将换道车辆的跟驰过程划分为“基本跟驰”与“换道前跟驰”两阶段，以主车在换道前斜率的第五八分位数作为“换道前跟驰”的终点，使用z检验法验证了换道车辆在换道前跟驰阶段运动状态的特殊性。搭建CNN-LSTM网络以车辆速度、加速度、相对距离、横向偏移量等为输入，利用CNN层提取输入层特征，再将提取出的特征作为LSTM网络的输入，利用LSTM网络实现跟驰车辆状态的预测。仿真结果表明，传统的IDM不适用于车辆换道前的特殊跟驰行为，搭建的CNN-LSTM模型在加速度精度上较传统IDM模型提升了15.1%,更适用于车辆换道前跟驰状态的描述。

关键词

换道前跟驰 / 车辆状态预测 / CNN-LSTM融合神经网络 / NGSIM数据集

基金资助

国家自然科学基金面上项目(52072157)