李根，翟伟，黄海博，任皎龙，王登忠，邬岚

摘要：为研究高速公路车辆汇合决策行为，采用一种非参数回归模型——多元自适应回归样条(multiple adaptive regression splines, MARS)模型建立了汇合决策行为模型。同时，采用美国下一代仿真(next generation simulation, NGSIM)项目中搜集的车辆轨迹数据US-101数据集，提取了速度差、纵向间距、横向位置和车线碰撞时间等参数作为影响变量，进行训练和预测，并与分类回归树、梯度提升决策树、随机森林、逻辑回归等模型进行对比。研究结果表明：汇合车辆与主线车道前车之间的速度差对汇合决策行为影响最大；MARS模型和梯度提升决策树模型对汇合决策行为的预测错误率分别低至0.141和0.138,准确性略高于分类回归树、随机森林和逻辑回归模型，但MARS模型的复杂度远低于梯度提升决策树模型，且能够生成显性表达式，反映影响变量之间的交互作用，利于工程应用。MARS模型能够准确预测汇合决策行为，可用于车辆辅助驾驶及自动驾驶系统。

关键词：公路运输;汇合决策行为;多元自适应回归样条;交织区;自动驾驶;

DOI：10.16511/j.cnki.qhdxxb.2023.21.019

发表时间：2023-7-5