明天要把以前写的一篇文章改一改投出去。且不论具体内容如何，重看自己写的前言部分，连自己也不能满意。尤其是在开始介绍车辆跟驰模型发展历史时，完全没有自己思考的东西！
车辆跟驰模型发展的历程，一路看来，其根本目的就是对驾驶者的行为进行建模，使模型的输出和我们一般观察到的驾驶行为相符合。这样，就可以在交通仿真，尤其是微观交通仿真中，模拟驾驶员在设定的交通环境中的行为。这其实是有一定的风险的，车辆跟驰模型的输出与我们在有限次观察中的行为一致，并不一定可以外推出模型中特定交通环境中的输出与真实驾驶者在特定交通环境中的行为一致！但由于所谓的特定的交通环境和一般的交通环境有很多类似的地方，而驾驶员的驾驶行为是根据长期驾驶经验积累而成的，有一惯性和延续性，不会发生突变。所以用模型来模拟驾驶员在特定交通环境里的驾驶行为是可行的。
输入量和输出量的确认也是一个问题。输出量很好确认，就是驾驶员的加减速行为。输入量就不是那么明显了，除了明摆着的前后车距离，车速外，还有许多因素对 驾驶员的判断起影响作用，其中驾驶员的性格对驾驶行为有着比较大的影响。输入量少了，建立的模型与现实中观察到的行为不符合；输入量多了，模型会很复杂，而且有的输入量只对某些驾驶员起作用，这也增加了建模的难度。
来看看前辈们都做了哪些工作吧！：）
从GHR模型开始，先是尝试用当时建模的主流方法，通过数学公式来描述输入量与输出量之间的关系。根据对驾驶员驾驶决策产生机制的不同认识，选择不同的输入量，从而派生出了多种的模型。其中比较著名的有GHR模型（基于刺激反应原理），碰撞避免模型（基于安全车头间距），反应点模型（基于人的视野）。
后来随着人工智能的兴起，基于模糊推理、神经网络的建模方法迅速兴起。（待续）
BTW：
正如Boer所说，人类与机器在驾驶方面一个最大的不同是人可以从有限的几个感知量中得出驾驶所需的全部信息。在对车辆跟驰模型进行标定的跑车实验中，纵向距离、速度等可以直接度量的变量是容易获得的，而对驾驶者所能感知的变量，如角度、角度变化率等，还没有方便的方法来采集。那么，是不是就无法对模型进行标定了呢？非要等到可以采集到这些人类感知的变量才能继续工作呢？当然不是了！方法还是有的～～
虽然人类只能感知有限的几种输入量，但从驾驶员总结的驾驶经验不难看出，其中驾驶决策还是根据距离、速度等信息得出的！这是为什么呢？各种不同的变量实质上是从不同角度来描述车辆的行驶状态，人类从其中几个变量中获取的驾驶所需的信息，从另外几个变量中也能获得。而驾驶习惯表现在对不同的行驶状态，作出不同的反应，这与如何获得行驶状态的信息无关。以我自己的经验来看，新手刚开始学倒桩时，教练教的是看到几个点时做相应的动作；学员熟练以后，就可以找符合自己习惯的参考点，但动作还是相同的。而人类可以感知的几个变量，其实并不适合表达传递（所谓只可意会不可言传～），还是用距离、速度等信息来表示更符合习惯。当然了，信息在转换（传递）的过程中必然产生损失，但这不要紧，聪明的人类完全可以忍耐这些～～
没有评论:
发表评论