针对不同车型在道路坡度上的随机驱动补偿：一种机器学习方法

《Scientific Reports》：Stochastic driver compensation for road gradients across vehicle classes: a machine learning approach

　　

摘要

斜坡常常成为交通瓶颈，但并非所有斜坡都会导致交通拥堵。斜坡通行能力与坡度、长度等因素之间的关系复杂且非线性。准确估算道路斜坡的通行能力并缓解交通拥堵仍然是交通管理中的挑战。驾驶员会本能地调整车辆的加速或制动行为以抵消重力的影响，从而影响车辆速度和道路通行能力。然而，传统模型往往忽略了这些补偿性调整，导致预测结果不准确。本研究提出了一种新的方法，利用车辆轨迹数据和期望最大化（EM）算法来估算驾驶员在斜坡上的补偿行为。该算法将观测到的加速度分为基线（平坦路面）成分和补偿成分。通过对汽车、卡车和公交车的实地实验数据进行分析，发现补偿性加速度会随车速降低而减小，并且在不同斜坡上具有可预测性。这些发现有助于我们更好地理解斜坡对交通流的影响，为交通管理和基础设施设计提供宝贵见解。