动态变换跟驰模型

交通振荡仿真误差降60%

将交通振荡分为四个阶段，并通过长短期预测子模型的动态切换，在微观、中观和宏观层面均显著提升交通流仿真的精度与效率。

Fang, Shan · 杨澜 · Zhao, Xiangmo · 王威 · 徐志刚 · Wu, Guoyuan · Liu, Yang · 曲小波

IEEE Intelligent Transportation Systems Magazine 2023

参数信息

Trajectory error reduced

66.69 %

Trajectory error reduced

29.91 %

Trajectory error reduced

18.26 %

Inference runtime reduced

66.17 %

技术优势

精度与效率兼得

模型根据振荡阶段动态切换长短期预测子模型，在提升精度的同时控制计算开销，避免了传统模型在复杂振荡场景下的误差累积或计算冗余。

应用场景

• 智能交通系统：高精度、高效率地仿真交通振荡，提升系统级仿真可信度。
• 交通流仿真：为交通流仿真提供准确且高效的跟驰行为建模，改善振荡再现。
• 自动驾驶虚拟测试：生成逼真的交通流背景，提高自动驾驶虚拟测试的真实性。
• 车路协同：为车路协同提供可靠的车辆跟驰行为预测，辅助协同控制策略验证。