基于PSO-NARX网络的司机驾驶行为分析方法

作     者：王心仪 程剑锋 易海旺 WANG Xinyi;CHENG Jianfeng;YI Haiwang

作者机构：中国铁道科学研究院研究生部 中国铁道科学研究院集团有限公司通信信号研究所 

出 版 物：《铁道学报》 (Journal of the China Railway Society)

年 卷 期：2024年第46卷第9期

页      面：94-101页

核心收录：

学科分类：08[工学] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程] 

基　　金：北京市科技计划(Z231100003823033) 中国国家铁路集团有限公司科技研究开发计划(L2023G004) 中国铁道科学研究院集团有限公司科研项目(2023YJ312) 

主　　题：高速铁路 非线性自回归神经网络 粒子群优化算法 驾驶行为 辨识 

摘      要：舒适性、准时性、节能性等是衡量高速铁路自动驾驶水平的重要指标，通过不断学习优秀司机的驾驶行为，可以优化列车自动驾驶性能，促进高速铁路自动驾驶技术的发展。基于现场列车运行数据，提出一种带有外部输入的非线性自回归(NARX)网络的列车司机驾驶行为分析方法。该方法构建了具有时序特征的NARX网络模型，并选取多项影响司机决策的参数作为输入，利用粒子群优化算法(PSO)确定网络的权重和阈值，对下一时刻列车运行情况进行预测。仿真结果表明：本文提出的PSO-NARX网络分析模型的预测效果优于前馈型神经网络(BP)、PSO-BP、NARX,相比于BP算法，迭代步数降低了373步，误差降低了8.382%,相关系数达到了90.117%。通过此预测，可以优化列车的自动驾驶设备性能指标，保障列车准时的同时，提高了乘客乘坐的舒适性。