同济大学学报(自然科学版)

作者：汪敏，涂辉招，李浩

单位：同济大学 道路与交通工程教育部重点实验室，上海 201804

关键词：交通运输,跟驰行为谱,机器学习,预测时长,预测效果

基金：国家重点研发计划重点专项（2019YFE0108300）

跟驰风险状态反映车辆跟驰行驶过程中的危险程度。为了实时预测跟驰风险状态，基于跟驰行为谱，提取碰撞时间倒数、横向摆动系数、速度不稳定系数3种跟驰风险状态指标，并确定状态划分阈值。采用精确决策树、提升树、线性回归拟合、支持向量机、K-近邻、集成树6种机器学习预测模型进行跟驰风险状态预测，选取准确率、四级风险状态召回率、平均召回率对模型预测效果进行评价，对不同预测时长和不同特征指标序列时长下的预测效果进行对比。基于驾驶模拟器采集的不同道路类型和交通状态组合下6种典型跟驰场景驾驶行为数据进行分析，结果表明，精确决策树预测跟驰风险状态效果最佳；拥挤交通流下支路跟驰的预测效果显著好于其他场景，其他5种场景下的预测效果无显著差异；通过增加特征指标序列时长，可缓解预测效果因预测时长增大而变差的问题。可为车辆主动安全预警与防控提供技术支撑。

来源：2021年第6期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2021年第6期