基于深度学习LSTM的智能车辆避撞模型及验证

• 作者: 房亮 关志伟 王涛 龚进峰 杜峰
• 来源期刊: 汽车安全与节能学报
• 学科: 交通运输
• 关键词: 智能车辆 避撞 模拟驾驶器 深度学习 长短期记忆(LSTM) 驾驶辅助系统
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 智能驾驶与智慧交通|Intelligent Driving and Intelligent Transportation
• 页码范围: 104-111
• 页数: 8页
• 分类号: TP183|U491.2
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8484.2022.01.010

摘要

建立了一种基于深度学习长短期记忆(LSTM)网络的智能车辆避撞模型.搭载虚拟测试驾驶(VTD)仿真软件的模拟驾驶器;针对跟车行驶、前车紧急制动这一危险工况,开展模拟驾驶实验;以相对距离、相对速度、前车减速度、碰撞时间、横向距离作为输入参数;通过未经训练的样本数据对模型迁移性进行验证,并与传统反向传播(BP)神经网络进行对比.结果表明:本模型自车减速度和方向盘转角预测的决定系数R2分别高于传统BP模型0.17和0.21.因而,本文模型对大数据样本具有更优的拟合优度,能够表征驾驶员实际避撞行为,在驾驶辅助系统应用中具有推广价值.