一种理论-数据双驱动的车辆跟驰行为建模方法

本发明提供了一种理论‑数据双驱动的车辆跟驰行为建模方法。该方法包括：采集人工驾驶车辆的跟驰轨迹数据集，利用跟驰轨迹数据集标定2D‑IDM模型，利用2D‑IDM模型预测车队的速度情况，得到仿真数据；搭建KAN4CF深度学习模型，利用仿真数据对KAN4CF深度学习模型进行预训练后用真实数据微调，得到训练好的KAN4CF深度学习模型；将车辆前设定时间内每一时间步自车与前车的速度差、位置差、自车速度和前车速度作为输入数据，利用Row‑cross注意力机制对输入数据进行特征提取后，再输入到训练好的KAN4CF深度学习模型中，训练好的KAN4CF深度学习模型输出下一时刻车辆的加速度值。本发明方法在深度学习模型中引入随机性，保证模型在具有较高短时预测精度的同时，交通流仿真结果符合实际情况。