仿真误差降 84%
基于GMM聚类的驾驶风格分类，结合贝叶斯优化的期望车速自动标定，让高速微观仿真更贴近真实驾驶行为。
Shi, Yunyang · Tong, Wu · Tan, Guo · Huo, Jinbiao · Gu, Ziyuan · 戴一凡 · 刘志远
Communications in Transportation Research 2025
将MAPE从默认参数的20.2%降至3.1%，降幅达84%，显著提升仿真精度。
采用GMM聚类将驾驶员分为激进、中等、保守三类，分别重建车辆驾驶模型，使标定更符合实际驾驶行为。
结合改进的贝叶斯优化算法，自动完成期望车速标定，无需人工反复调整参数。