Despite the advances related to car-following and lane-changing behaviors, the influence of lane-changing on the car-following models, which results in a complex transient merging behavior, has not comprehensively been investigated. This paper presents a novel fuzzy controller based on a human factor to optimize the Follower Vehicle (FV) behavior subject to safety, comfort, and convenient traveled time in the complex behavior where the Lane Changer (LC) vehicle exits the temporary lane. The factor enables the controller to mimic the current driver behavior in terms of maximum pleasantness of drive. Accordingly, the data of real-life experiments were used to design the human-like fuzzy controller, to build a predictive model to suggest the appropriate acceleration, velocity, and travel distance. At best, the correlation coefficient of 0.93 and the Root Mean Square Error (RMSE) of 0.71 were achieved for modeling using the adaptive Neuro-Fuzzy Inference System (ANFIS) utilizing Gaussian function as a membership function. Furthermore, to evaluate the robustness of the controller to uncertainties and unknown disturbances for real-time driving experiments, a test-bed was fabricated to mount the feedback sensors, including vision, accelerometer, and distance measurement sensors. The results of running the controller in various driving scenarios showed 70% and 38% improvements in safety and ride comfort, respectively. The proposed intelligent controller is intended to be used for vehicle route guidance and on urban highways.

中文翻译：

---

跟随车观察驶出变道的同时智能预测与控制

尽管在跟车和换道行为方面取得了进展，但换道对跟车模型的影响，导致复杂的瞬态合并行为，尚未得到全面研究。本文提出了一种基于人为因素的新型模糊控制器，以在车道变换器 (LC) 车辆退出临时车道的复杂行为中优化跟随车辆 (FV) 行为，该行为受安全性、舒适性和方便行驶时间的影响。该因素使控制器能够在最大驾驶乐趣方面模仿当前的驾驶员行为。因此，现实生活中的实验数据被用来设计类人模糊控制器，建立一个预测模型来建议合适的加速度、速度和行驶距离。最好的相关系数为0。使用高斯函数作为隶属函数的自适应神经模糊推理系统 (ANFIS) 进行建模，实现了 93 和 0.71 的均方根误差 (RMSE)。此外，为了评估控制器对实时驾驶实验的不确定性和未知干扰的鲁棒性，制造了一个测试台来安装反馈传感器，包括视觉、加速度计和距离测量传感器。在各种驾驶场景中运行控制器的结果显示，安全性和乘坐舒适性分别提高了 70% 和 38%。拟议的智能控制器旨在用于车辆路线引导和城市高速公路。使用高斯函数作为隶属函数的自适应神经模糊推理系统 (ANFIS) 建模获得了 71 个。此外，为了评估控制器对实时驾驶实验的不确定性和未知干扰的鲁棒性，制造了一个测试台来安装反馈传感器，包括视觉、加速度计和距离测量传感器。在各种驾驶场景中运行控制器的结果显示，安全性和乘坐舒适性分别提高了 70% 和 38%。拟议的智能控制器旨在用于车辆路线引导和城市高速公路。使用高斯函数作为隶属函数的自适应神经模糊推理系统 (ANFIS) 建模获得了 71 个。此外，为了评估控制器对实时驾驶实验的不确定性和未知干扰的鲁棒性，制造了一个测试台来安装反馈传感器，包括视觉、加速度计和距离测量传感器。在各种驾驶场景中运行控制器的结果显示，安全性和乘坐舒适性分别提高了 70% 和 38%。拟议的智能控制器旨在用于车辆路线引导和城市高速公路。包括视觉、加速度计和距离测量传感器。在各种驾驶场景中运行控制器的结果显示，安全性和乘坐舒适性分别提高了 70% 和 38%。拟议的智能控制器旨在用于车辆路线引导和城市高速公路。包括视觉、加速度计和距离测量传感器。在各种驾驶场景中运行控制器的结果显示，安全性和乘坐舒适性分别提高了 70% 和 38%。拟议的智能控制器旨在用于车辆路线引导和城市高速公路。