基于广义动态模糊神经网络的自动驾驶换道策略优化方法
Systems Engineering（2022）
摘要
为使自动驾驶车辆行驶效率提高,研究安全且高效的自动驾驶车辆换道策略是基础问题之一.本文基于广义动态模糊神经网络模型提出一种以运行效率为优化目标的自动驾驶换道策略.首先,基于元胞自动机建立高速公路交通流模型,分别实现人工驾驶、自动驾驶车辆的跟驰与换道表达方法;进而设计并实现了基于广义动态模糊神经网络(GD-FNN)的自学习算法优化自动驾驶车辆换道策略;最后与元胞自动机经典换道策略进行对比.结果表明:GD-FNN换道策略在处于低密度区具有更高的换道频率;GD-FNN换道策略在驾驶效率上整体优于STCA,在中低密度条件下单位时间内行驶距离可提升12.88％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要