车队轨迹生成：一种基于单向互联 LSTM 的跟车模型
机器学习
2019-10-28 v1 机器学习
摘要
跟车模型已广泛应用于交通工程并取得显著成就。然而，跟车模型在车队层面的交通微观仿真精度，尤其在交通波动期间，仍有待提升。不同于使用传统的个体跟车模型，我们提出了一种给定首车轨迹生成车队层面轨迹的新方法。本文通过跟车框图表示讨论了传统方法在时空上的误差传播问题。基于分析，我们指出误差来源于训练方法与模型结构。为此，我们在传统基于 LSTM 的跟车模型基础上做了两处改进。我们在训练过程中采用预定采样技术以解决时间维度上的误差传播。此外，我们开发了单向互联 LSTM 模型结构，从车队视角提取轨迹特征。系统实证实验表明，所提新结构能有效降低时空误差传播。相比传统基于 LSTM 的跟车模型，所提模型误差降低近 40%。该发现将有助于车队层面跟车模型微观仿真的设计与分析。
引用
@article{arxiv.1910.11843,
title = {Platoon trajectories generation: A unidirectional interconnected LSTM-based car following model},
author = {Yangxin Lin and Ping Wang and Yang Zhou and Fan Ding and Chen Wang and Huachun Tan},
journal= {arXiv preprint arXiv:1910.11843},
year = {2019}
}