关于随机跟车模型的标定

近期的实验与实证观测表明，随机性在跟车（CF）动力学中起着关键作用。为重现这些观测，已提出不少随机跟车模型。然而，尽管确定性跟车模型的标定已被充分研究，关于如何标定随机模型的研究仍然缺乏。受此启发，本文旨在填补这一基础研究空白。首先，在相同驾驶环境下开展并分析了跟车实验。基于实验结果，我们检验了两种已有的标定方法，即最小化多次运行均值（MRMean）误差的方法与最大似然估计（MLE）方法，并指出了这两种方法的缺陷。接下来，我们提出一种最小化多次运行最小值（MRMin）误差的新方法。基于实验数据与合成数据的标定表明，新方法优于前述两种方法。进而，从误差分析视角探讨了不同方法的机制。分析表明，新方法可视为一种嵌套优化模型。该方法将随机性引起的偶然误差与参数引起的认知误差分离，并能有效处理这两类误差。最后，我们发现，在随机跟车模型的标定框架下，以间距作为性能指标（MoP）的标定参数集未必总是优于以速度作为 MoP 的标定参数集。这些发现有望增进对跟车动力学中随机性作用的理解，并由此建立随机跟车模型的新标定框架。