基于双向GRU与残差拟合的车辆跟驰建模

• 作者: 王嘉伟
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 双向GRU 残差拟合 跟驰模型 微观仿真
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 59-64
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2022.03.010

摘要

为了提高微观交通仿真中车辆跟驰建模的准确性与泛化能力,将物理类模型与深度学习相结合,提出一种基于双向GRU(门控循环单元)与残差拟合的跟驰模型框架.该框架使用双向GRU网络对物理类跟驰模型预测值与真实值的残差进行学习,并在NGSIM公开数据集上进行测试.通过对比IDM、GIPPS、GM三种跟驰模型下的残差拟合效果,表明双向GRU网络可以对原模型预测结果的偏差进行有效的修正.选用IDM作为本框架的物理类模型,提出了 Bi-GRU-IDM模型,与现有SVR模型、BPNN模型、GRU模型进行对比,结果表明Bi-GRU-IDM在预测精度、泛化性能上明显优于其他三种模型.