南方论坛202023年3月下SouthForum基于BP神经网络的车辆跟驰模型研究*王天方1，刘学渊1，2（1.西南林业大学机械与交通学院，云南昆明650224；2.云南省高校高原山区机动车环保与安全重点实验室，云南昆明650224）摘要：课题组进行实际道路跟驰实验，利用GPS采集跟车驾驶行为数据。以GPS采集到的车辆行驶轨迹数据为基础，提取前车车速、相对距离、前车对后车的相对速度以及后车车速作为输入，后车下一时刻的车速作为输出，建立BP神经网络跟驰模型，并使用遗传算法（GA）对BP神经网络跟驰模型进行优化。结果表明，GA-BP神经网络模型与BP神经网络模型对比，GA-BP神经网络跟驰模型预测性能的各个评价指标都优于BP神经网络跟驰模型。关键词：BP神经网络；跟驰模型；遗传算法；预测中图分类号：U467文献标志码：ADOI：10.3969/j.issn.1672-3872.2023.06.0060引言随着人们生活水平和购买力的不断提高，每个家庭拥有一辆车似乎已经成为一种标配，因此，我国的机动车保有量每年都在大幅增加。然而，汽车在改善人们生活品质的同时，也会带来相应的交通问题和环境问题。机动车保有量的逐年增加，给有限的道路交通资源带来了极大的压力，导致交通事故频发、道路拥挤等一系列交通问题。特别是在早晚上下班这个特殊时间段，堵车已经成为一种常态化现象。除了交通问题，机动车尾气排放也对环境造成了严重的破坏，主要原因是汽车排放物是污染物的一个主要来源。《中国移动源环境管理年报（2021）》[1]显示，2020年，全国机动车四项污染物排放总量达到了1593万t。无论是交通问题还是排放污染问题都与人们息息相关，如何应对这些问题已成为社会各界关注的焦点。跟驰行为是城市交通中常见的车辆行驶状态，其特性对交通和环境有重要影响，所以对车辆跟驰行为的研究，对解决交通问题和排放问题具有很重要的现实意义。早在1950年，人们就开始对跟驰行为进行研究，并提出了一系列模型，如刺激-反应模型[2-3]、安全距离模型[4-5]、心理-生理学模型[6-7]等。虽然这些模型能够很好地模拟跟驰场景，但是这些模型都是建立在准确的数学公式之上，所以传统的跟驰模型在实际应用中会受到很大的限制。随着科学技术的发展，能够获取的跟驰数据更多，并且精度更高，使得数据驱动类跟驰模型[8]的研究在近年来得到了一定发展，而且很多学者都对其进行过相关的研究。例如，Zhou等[9]提出了一种基于递归神经网络的跟驰模型，该模型能够预测和捕捉交通震荡。孙倩等[10]提出了一种基于长短期记...
