文献

J-GLOBAL ID：201802272973459998   整理番号：18A0767110

サポートベクトルマシンに基づく車線変更意思決定モデル【JST・京大機械翻訳】

Decision Model for Vehicle Lane Changing Based on Support Vector Machine

著者 (3件)： Zhang Die (長沙理工大学智能交通与車路協同技術研究所 長沙 410004) ,  Du Ronghua (長沙理工大学智能交通与車路協同技術研究所 長沙 410004;長沙理工大学工程車輌軽量化与可靠性技術重点実験室 長沙 410004) ,  Liu Li (長沙理工大学智能交通与車路協同技術研究所 長沙 410004)
資料名： Wuhan Ligong Daxue Xuebao (Jiaotong Kexue yu Gongcheng Ban)  (Wuhan Ligong Daxue Xuebao (Jiaotong Kexue yu Gongcheng Ban))
巻： 41  号： 5  ページ： 849-853  発行年： 2017年 
JST資料番号： C3638A  ISSN： 2095-3844  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 交通環境によって影響を受ける車両の置換のために,認識と予測が困難な問題を解決するために,サポートベクトルマシン(SVM)に基づく学習モデルを提案して,高速道路における車両の車線変更に関する行動意思決定をシミュレーションした。車線変更段階における車両の特性と法則を分析することによって,適切な物理量をモデルの入力パラメータとして選択した。NGSIMデータベースに基づき,適切な方法を用いてサンプルを抽出し,サンプルデータに対して差分フィルタリング,Kalmanフィルタ,正規化前処理を行った。SVMモデルの構築において,異なるアルゴリズムを用いて最適パラメータを探索した。モデルの汎用性を検証するために、異なるデータサンプルを用いて、モデルに対して訓練とテストを行い、最終的に比較的良い予測結果と適合度を得た。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 前処理 ,  学習モデル ,  データベース ,  *サポートベクトルマシン ,  正規化 ,  高速道路 ,  予測 ,  汎用性 ,  *意思決定 ,  Kalmanフィルタ ,  フィルタリング ,  アルゴリズム
準シソーラス用語： 適合度 ,  最適パラメータ ,  *車線変更 , 【Automatic Indexing@JST】

著者キーワード (4件)： lane changing ,  support vector machine ,  Kalman filter ,  NGSIM

分類 (2件)： 人工知能  (JE08000Z) ,  自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (3件)： サポートベクトルマシン ,  車線変更 ,  意思決定モデル