Abstract

An essential activity of driving is making lane changes. Depending on the driver’s motivation, lane changing events may be classified as discretionary or mandatory. Past research has shown that there is a difference in drivers’ risk-taking behavior when making discretionary and mandatory lane changes. A lane changing decision model, based on Fuzzy Inference System (FIS), has been developed with promising accuracy. This research investigates if such model can be adapted to make decisions for mandatory lane changing moves and if it is necessary to develop a new model from scratch that is dedicated to mandatory lane changes. Vehicle trajectory data of mandatory lane changing events in the NGSIM database was extracted to form a training and a test data set for comparative evaluation. First, the FIS model developed in earlier research for discretionary lane changes was directly applied to the mandatory lane changing data. Then, an Adaptive FIS (AFIS) model was implemented by adjusting a critical parameter in the FIS-based discretionary lane changing model to optimize its performance for the mandatory lane changing training data set. Additionally, new models based on Adaptive Neuro-Fuzzy Inference Systems (ANFIS) were developed for mandatory lane changes using the training data set. These models were evaluated using the mandatory lane changing test data set. Based on the test results, one of the ANFIS models is recommended, as it gave a higher overall correct decision rate compared to the existing FIS, AFIS, and other ANFIS models.

摘要

驾驶的一项基本活动是改变车道。根据驾驶员的动机，变道事件可分为任意或强制性。过去的研究表明，在进行自主和强制变道时，驾驶员的冒险行为存在差异。基于模糊推理系统 (FIS) 的车道变换决策模型已经开发出来，具有良好的准确性。这项研究调查了这种模型是否可以用于为强制变道做出决策，以及是否有必要从头开始开发一个专门用于强制变道的新模型。提取NGSIM数据库中强制变道事件的车辆轨迹数据，形成训练和测试数据集进行对比评估。第一的，在早期研究中开发的用于任意变道的 FIS 模型直接应用于强制性变道数据。然后，通过调整基于 FIS 的自主变道模型中的关键参数来实现自适应 FIS（AFIS）模型，以优化其对强制变道训练数据集的性能。此外，使用训练数据集开发了基于自适应神经模糊推理系统 (ANFIS) 的新模型，用于强制变道。使用强制变道测试数据集对这些模型进行了评估。根据测试结果，推荐使用其中一种 ANFIS 模型，因为与现有的 FIS、AFIS 和其他 ANFIS 模型相比，它给出了更高的整体正确决策率。通过调整基于 FIS 的自主变道模型中的关键参数来实现自适应 FIS (AFIS) 模型，以优化其对强制变道训练数据集的性能。此外，使用训练数据集开发了基于自适应神经模糊推理系统 (ANFIS) 的新模型，用于强制变道。使用强制变道测试数据集对这些模型进行了评估。根据测试结果，推荐使用其中一种 ANFIS 模型，因为与现有的 FIS、AFIS 和其他 ANFIS 模型相比，它给出了更高的整体正确决策率。通过调整基于 FIS 的自主变道模型中的关键参数来实现自适应 FIS (AFIS) 模型，以优化其对强制变道训练数据集的性能。此外，使用训练数据集开发了基于自适应神经模糊推理系统 (ANFIS) 的新模型，用于强制变道。使用强制变道测试数据集对这些模型进行了评估。根据测试结果，推荐使用其中一种 ANFIS 模型，因为与现有的 FIS、AFIS 和其他 ANFIS 模型相比，它给出了更高的整体正确决策率。使用训练数据集开发了基于自适应神经模糊推理系统 (ANFIS) 的新模型，用于强制变道。使用强制变道测试数据集对这些模型进行了评估。根据测试结果，推荐使用其中一种 ANFIS 模型，因为与现有的 FIS、AFIS 和其他 ANFIS 模型相比，它给出了更高的整体正确决策率。使用训练数据集开发了基于自适应神经模糊推理系统 (ANFIS) 的新模型，用于强制变道。使用强制变道测试数据集对这些模型进行了评估。根据测试结果，推荐使用其中一种 ANFIS 模型，因为与现有的 FIS、AFIS 和其他 ANFIS 模型相比，它给出了更高的整体正确决策率。