作者
上市的：- 王，Zhangu
- 关长明
- 赵子良
- 赵军
- 齐，陈
- Zilaing回族
摘要
高速公路上的自动驾驶通常被认为是最容易实现商业着陆的，而车辆行为决策是自动驾驶技术的核心，直接影响车辆驾驶的安全性和舒适性。本文提出了一种基于先验知识和数据驱动的高速公路自动换道策略。我们的方法将自主驾驶决策解耦为两个过程。首先，我们提出了一种基于先验知识的变道特征优化模型，它不仅为车辆特征的选择提供了依据，而且有效地减少了无效特征的干扰。驾驶风险场用于筛选对自我车辆换道有潜在影响的车辆目标，最大信息系数通过最大信息系数评价车辆目标特征的有效性，优化换道特征。然后，基于Attention-BiLSTM（双向长短期记忆）提出了一种数据驱动的车道变化模型，该模型将车辆车道变化转化为时间序列预测，充分探讨了上下文信息中车道变化特征之间的关系，有效地提高了系统对意外错误的抗干扰能力。此外，注意机制可以自适应调整车道变换特征的权重，有效捕获不同车道变换状态下需要注意的重要信息，进一步提高模型的准确性。最后，通过遥感数据集和实车实验验证了模型的有效性。测试结果表明，该方法在数据集中的测试准确率为95.1%，在实车实验中的测试准确度为94.2%，完全满足自动驾驶换道决策的要求。
建议引用
王、张谷和关、昌明和赵、子良和赵，君和齐，陈和惠，子兰，2024年。"基于先验知识和数据驱动的高速公路自动驾驶换道策略,"物理学A：统计力学及其应用爱思唯尔，第640（C）卷。手柄：RePEc:eee:phsmap:v:640:y:2024:i:c:s037843712400181x
DOI:10.1016/j.physa.2024.129672
从出版商下载全文
由于此文档的访问受到限制，您可能希望搜索换一个不同的版本。
更正
本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。请求更正时，请提及此项目的句柄：RePEc:eee:phsmap:v:640:y:2024:i:c:s037843712400181x。请参阅一般信息关于如何在RePEc中更正材料。
如果您编写了此项目，但尚未在RePEc注册，我们鼓励您这样做在这里。这允许将您的个人资料链接到此项目。它还允许您接受我们不确定的该项目的潜在引用。
我们没有这个项目的参考书目。您可以使用这个表格。
如果你知道引用这一条的缺失条目，你可以通过以与上述相同的方式为每个引用条目添加相关引用来帮助我们创建这些链接。如果您是此项目的注册作者，您可能还需要检查您的RePEc作者服务个人资料，因为可能有一些引文等待确认。
有关此项目的技术问题，或更正其作者、标题、摘要、书目或下载信息，请联系：Catherine Liu（电子邮件如下）。供应商的一般联系方式：http://www.journals.elsevier.com/physica-a-statistical-mechapplications网站/。
请注意，更正可能需要几周时间才能筛选出来各种RePEc服务。
