考虑紧急程度的机器学习仿真变道模型

摘要

变道模型是微观交通仿真中重要的模块,对其研究具有十分重要的意义.目前提出的变道模型大多采用基于驾驶员思维规则和基于机器学习的建模方法.然而,这些模型都没有考虑紧急程度,并且模型精度较低.引入紧急程度,提出了一种新的基于机器学习的变道模型.通过聚类算法将数据集根据紧急程度进行划分,使用梯度提升决策树在不同紧急程度上的数据集进行学习,得到不同紧急程度下的变道模型.通过实验验证,所提出的基于机器学习的变道模型相较于其他机器学习变道模型有更高的预测精度.最后,基于梯度提升决策树的特征重要度分析表明紧急程度在变道决策过程中具有十分重要的作用.