标题：融合驾驶员特性的条件标准化流跟驰模型
作者：叶明星 张子睿 余荣；谭北海
作者单位：广东工业大学自动化学院，广东 广州 510006；广东工业大学集成电路学院，广东 广州 510006
关键字：跟驰模型；长时间序列预测；标准化流模型；序列分解；深度学习
摘要：提出了一种融合驾驶员特性的条件标准化流跟驰模型（Conditional Normalization Flow Car-Following Model Integrating Driver Characteristics，CNFCM-IDC）。具体地，设计了序列分解编码网络和先验编码网络，分别用于从跟驰行为数据中提取不同的驾驶员特性。其中，时间序列分解编码网络通过挖掘数据中复杂的时间模式以表征驾驶员的记忆效应，先验编码网络则提取与驾驶员风格相关的特征来引导模型的预测生成。条件标准化流架构以提取的驾驶员特性作为输入，生成符合真实分布的车辆未来跟驰行为。对比实验结果表明，相较于基准模型，所提模型在预测均方误差MSE和KL散度上分别降低了至少15.21%和5.56%，验证了该模型在模拟和预测车辆跟驰行为方面的精确性与可靠性。