公开(公告)号：CN115130612A

公开(公告)日：2022-09-30

申请号：CN202210876936.5

申请日：2022-07-25

申请人： 东南大学

发明人： 程启秀 ,  王云珊 ,  王泽林 ,  刘攀 ,  顾子渊 ,  张奇 ,  曲小波 ,  刘志远

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04

摘要： 本发明公开了基于深度学习和多维度融合数据的车辆跟驰行为预测方法，包括以下步骤：根据微观交通流轨迹数据，提取驾驶者感知区域内其他车辆的非结构化数据；基于信息熵理论采用DIM模型对非结构化数据进行编码；将编码后非结构化数据和结构化数据进行融合；将融合之后的数据输入至深度学习模型，进行微观跟驰行为预测，输出跟驰车辆在下一时段的行驶距离。本发明提出一种同时考虑非结构化特征和结构化特征的跟驰行为预测方法，该预测方法在单步预测和多步预测任务中均有优异的性能表现；本发明方法理论性和可操作性强，通过将非结构化数据与结构化数据相融合，使得车辆对于周围环境的感知更加全面、准确。

公开(公告)号：CN115081550A

公开(公告)日：2022-09-20

申请号：CN202210884305.8

申请日：2022-07-25

申请人： 东南大学

发明人： 刘志远 ,  阿雅 ,  王泽林 ,  程启秀 ,  刘攀 ,  万剑 ,  张奇 ,  刘少韦华

IPC分类号： G06K9/62 ,  G06F17/18 ,  G06Q10/04

摘要： 本发明公开了基于驾驶者特性的数据驱动车辆跟驰行为预测方法，包括以下步骤：分别获取两车速度随时间变化的突变点，根据速度突变点估计当前车辆的瞬时反应延迟；根据当前车辆多维时间序列的内在特征进行驾驶行为划分，对划分后的驾驶行为进行聚类，分别计算每种驾驶模式的占比；以门控循环单元GRU作为预测模型，预测模型的输入包括与当前车辆跟驰行为有关的多维时间序列，以及当前驾驶者的行为特征，预测目标为当前车辆下一时段的前进距离；多维时间序列的长度由瞬时反应延迟决定。本发明同时将驾驶者反应延迟和驾驶风格纳入跟驰模型中，基于实际数据挖掘反应延迟和驾驶模式，对不同的驾驶者进行差异化建模，更准确地估计驾驶者的跟驰行为。