Resumen

La red neuronal puede aprender e incorporar las incertidumbres para predecir el comportamiento de cambio de carril del conductor con mayor precisión. En este artículo, discutiremos en detalle la eficacia de la red neuronal de retropropagación (BP) para la predicción de la trayectoria de cambio de carril basándonos en los datos anteriores del vehículo y compararemos los resultados entre el modelo de red neuronal BP y el modelo de red Elman en términos de tiempo de entrenamiento y precisión. Los datos del simulador de conducción y los datos NGSIM se procesaron mediante un método suave y, a continuación, se utilizaron para validar la disponibilidad del modelo. Los resultados de las pruebas indican que la red neuronal BP podría ser una predicción precisa del comportamiento de cambio de carril del conductor en el flujo de tráfico urbano. El objetivo de este trabajo es mostrar la utilidad de la red neuronal BP en la predicción del proceso de cambio de carril y confirmar que la trayectoria del vehículo está influenciada previamente por los datos recogidos.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:red neuronal, carril, modelo de red elman, modelo de red neuronal, datos de vehículos anteriores, flujo de tráfico urbano, comportamiento, conductor, artículo, predicción
• Keywords:neural network, lane, elman network model, neural network model, past vehicle data, urban traffic flow, behavior, driver, paper, prediction