痛苦的思索中……

为什么要对跟车模型进行标定呢？
因为我们希望模型的行为和实际中的跟驰行为一致，至少是类似的，在误差允许范围之内。但是我们也明白即使同一个人同一种条件下，两次跟驰的行为也不会完全一样，人类天生不擅长进行精密的控制，但总能八九不离十。
因此，即使能够标定到很高的一致性（用mamdani模型很难得到高的一致性，TSK可以得到较小的误差值），对于未知的情况也不能保证同样的司机在同样的情况下能有高度的一致性。那么，是不是说标定是没有意义的呢？当然不是了！标定能调整模型的参数，使得模型的输出和实际驾驶行为类似，不要求一致，但至少能给出大致形同的驾驶行为。
用TSK和Mamdani模型分别对同一批数据进行建模、标定，来观察先验的设定规则和完全根据数据非线性度分组产生的模型之间的异同，也许能得出很有意思的结果。
根据现有的标定结果可以初步得出这样的结论：Mamdani模型可以事先确定规则，划分模糊集，但不容易标定；TSK模型不用先验规则，完全从训练数据得出模糊集和规则，也还不错，需要进一步的解释。