Resumen

El comportamiento de los conductores humanos, muy difícil de modelizar, es un sistema estocástico muy complicado. Para caracterizar un modelo de comportamiento del conductor de alta precisión bajo diferentes geometrías de carretera, el artículo propone un nuevo algoritmo de modelo de comportamiento del conductor basado en el método de la máquina de Boltzmann restringida con algoritmo de optimización de ballena (WOA-RBM). Este método establece primero una función de optimización objetivo, que contiene el entrenamiento de la red de aprendizaje profundo RBM basada en los datos reales de comportamiento del conductor. En segundo lugar, los parámetros óptimos de entrenamiento de la máquina de Boltzmann restringida (RBM) se pueden obtener mediante el algoritmo de optimización de ballena. Por último, el modelo bien entrenado puede utilizarse para representar eficazmente el funcionamiento de los conductores humanos. Los resultados de la simulación en MATLAB muestran que el modelo de conductor puede alcanzar una precisión del 90%.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:algoritmo de optimización ballena, red de aprendizaje profundo rbm, precisión modelo de comportamiento del conductor, datos reales de comportamiento del conductor, resultados de simulación matlab, sistema estocástico complicado, diferentes geometrías de calzada, modelo de comportamiento del conductor, función de optimización objetivo, parámetros óptimos de entrenamiento.
• Keywords:whale optimization algorithm, rbm deep learning network, accuracy driver behavior model, real driver behavior data, matlab simulation results, complicated stochastic system, different roadway geometries, driver behavior model, objective optimization function, optimal training parameters