Jun, 2024

MetaFollower: 适应性个性化自动车辆跟随

PDF
TL;DR通过元学习，我们提出了一种可适应个性化车辆跟驰的 MetaFollower 框架，结合长短期记忆网络（LSTM）和智能驾驶模型（IDM），能够准确捕捉和模拟车辆跟驰行为的细微动态，并考虑到个体驾驶者的独特驾驶风格。与常规的自适应巡航控制系统相比，该框架能够快速适应新驾驶员并在预测车辆跟驰行为方面具有更高的准确性和安全性。
发现论文，激发创造
  • 纵向车辆跟随模型述评

    综述了车辆跟随模型在交通仿真与自动驾驶中的广泛应用及其不同调节算法之间的差异与共性，并归纳总结了该领域相关文献。

    Apr, 2023

  • 基于近似贝叶斯推断的通用随机混合车辆跟驰模型

    通过随机学习方法结合多个车辆跟随模型，该论文研究了交通动力学和自动驾驶车辆的行为，证明该方法可以更好地再现人类驾驶和自动驾驶的车辆轨迹。

    Nov, 2023

  • 集成跟驰器：基于强化学习和分层规划的混合式跟驰框架

    提出 EnsembleFollower 框架，使用多种低级模型来实现高级、类人的跟车行为，结合强化学习的高层代理，基于真实驾驶数据评估并验证了模型的准确性和有效性。

    Aug, 2023

  • TransFollower: 通过 Transformer 进行长序列汽车跟驰轨迹预测

    该研究提出一种基于关注力转换器模型的长序列跟车轨迹预测模型，通过跨层带关注的自注意机制和交叉注意机制在历史驾驶数据和未来 LV 速度数据之间建立联系，从而可以准确预测车辆的 Future FV Speed Profile，在上海自然驾驶研究中该模型表现出比传统智能驾驶模型、全连接神经网络模型、长短时记忆模型更高的准确性。

    Feb, 2022

  • FollowNet：车辆跟随行为建模的综合基准

    本研究建立了一个公共基准数据集，用于汽车跟车行为建模。数据集包含来自五个公共驾驶数据集的超过 80K 个汽车跟车事件，用于比较不同的跟车模型，并推进更精确模型的发展。实现了代表性的基准模型并进行测试，结果表明，基于 DDPG 模型的跟车模型在大多数数据集中具有竞争力，跟随距离 MSE 值较低，碰撞率较小。

    May, 2023

  • 使用贝叶斯矩阵正态混合回归学习汽车跟驰行为

    本研究提出一种贝叶斯矩阵正态混合回归模型，通过捕捉车辆跟随行为中的特征相关性和时间动态，有效地理解复杂的人类驾驶行为，并提供交通仿真和自动驾驶系统中的解释性工具。

    Apr, 2024

  • 一种基于贝叶斯编程的有限数据下的车辆跟随模型校准和验证方法

    使用贝叶斯方法进行数据分析和参数估计，评估交通仿真软件中基于遗传算法的校准过程，研究车辆跟驰模型在模型校准中的层次化建模优势，并应用概率建模对车辆跟驰模型进行验证。

    Jul, 2023

  • 跨融合：基于交叉注意力变换增强的条件扩散模型的汽车跟驰轨迹预测

    车辆轨迹预测在推动自动驾驶和高级驾驶辅助系统（ADAS）方面至关重要，本研究介绍了一种专为汽车跟驰轨迹预测设计的交叉注意力变换增强条件扩散模型（Crossfusor），它将详细的车辆间相互作用和跟驰动力学结合到强大的扩散框架中，提高了预测轨迹的准确性和真实性，实验结果证明 Crossfusor 在长期预测方面优于最先进的模型，展示了它增强自动驾驶系统预测能力的潜力。

    Jun, 2024

  • 改进的扩展卡尔曼滤波器用于神经网络模型的在线自适应，用于可定制和可转移驾驶行为预测

    本文针对自动驾驶车辆中人的驾驶行为的随机性，异质性和时变性构成的挑战，将 $ au$ 步的改进的扩展卡尔曼滤波参数适应算法应用于驾驶行为预测任务，使用观察到的轨迹给出反馈，并通过对基于神经网络的模型进行改进，提出了一套新的度量标准来系统评估降低不同个体和情况的预测误差的在线适应性能，同时还提供了有关模型最佳层和观察步骤的经验研究。

    Dec, 2021

  • 使用轨迹数据校准车辆跟驰模型：方法研究

    利用基于遥感传感器的车辆轨迹数据对个体驾驶员在真实城市交通中的跟车行为进行了研究，通过非线性优化方法对智能驾驶员模型和速度差模型进行了校准，并发现速度差模型的校准参数强烈依赖于优化标准，而智能驾驶员模型在这方面更为稳健，反应时间对车跟速度模型的影响很小，说明驾驶员通过预见来弥补反应时间，研究结果可用于将来评估和建立车跟模型。

    Mar, 2008