CAJ | 학술논문

为了提高驾驶辅助系统的跟车性能,基于神经网络方法建立了一种集成式驾驶员跟车模型.通过真实交通环境下的驾驶员实验获得了稳定跟车状态数据,并利用Kalman滤波器对数据进行了处理和估计.设计了以BP神经网络为核心的集成式模型结构,该模型以前车速度为输入,计算跟车过程中的两个特性参数并输入神经网络以模拟驾驶员控制的自车加速度.利用处理后的数据样本对网络进行了训练,并对该模型进行了仿真验证.仿真结果表明;神经网络模型具有模拟驾驶员跟车行为的能力,模型体现出较为准确的跟踪特性,并对不同的前车工况具有良好的适应性.
위료제고가사보조계통적근차성능,기우신경망락방법건립료일충집성식가사원근차모형.통과진실교통배경하적가사원실험획득료은정근차상태수거,병이용Kalman려파기대수거진행료처리화고계.설계료이BP신경망락위핵심적집성식모형결구,해모형이전차속도위수입,계산근차과정중적량개특성삼수병수입신경망락이모의가사원공제적자차가속도.이용처리후적수거양본대망락진행료훈련,병대해모형진행료방진험증.방진결과표명;신경망락모형구유모의가사원근차행위적능력,모형체현출교위준학적근종특성,병대불동적전차공황구유량호적괄응성.