[发明专利]一种基于迁移学习与LSTM-NN的雾天环境下跟驰车辆加速度预测方法

权利要求书

1.一种基于迁移学习与LSTM-NN的跟驰车辆加速度预测方法，其特征在于所述方法包括以下步骤：

步骤一，收集正常天气即源域与雾天环境即目标域下的跟驰样本；

步骤二，首先确定衡量两个样本的描述特征γ，将源域与目标域样本的多维时间序列转化为一维时间序列；所述的描述特征γ按照式1计算：其中Δv为样本前车与后车车速差，h为车头间距，a为本车加速度，θ为调整系数，取0.5；

步骤三，计算出源域与目标域样本的相似度；

步骤四，根据计算得到的相似度用不同数量的源域样本与目标域样本形成不同的实验组对LSTM进行协同训练，得到不同的雾天下跟驰车辆加速度预测模型；

步骤五，通过比较不同实验组得到的模型性能指标，取性能最优的模型作为雾天环境下跟驰车辆加速度预测模型。

2.根据权利要求1所述的一种基于迁移学习与LSTM-NN的跟驰车辆加速度预测方法，其特征在于，步骤三所述的相似度按照以下方法确定：首先，从源域与目标域中各选一个样本，将目标域样本的描述特征的每个元素在长为δ＝4和宽为ε的矩形范围搜索源域样本中的公共元素，计算得到目标域样本与源域样本的最长公共子序列,将之除以最大序列长度得到相似度S；然后，根据上述过程计算源域的样本{x₁,x₂,...,x_n}中每个样本x_i与目标域的样本{y₁,y₂,...,y_m}相似度S_i＝max{s₁,s₂,...,s_m}，最终得到所有源域样本的相似度S＝{S₁,S₂,...,S_n}；

ε＝0.6×σ (2)

其中：σ为所选两样本描述特征γ的标准差的极小值。

3.根据权利要求1所述的一种基于迁移学习与LSTM-NN的跟驰车辆加速度预测方法，其特征在于，步骤四所述不同实验组的样本按照以下方法确定：首先将迁移样本根据相似度S_i的值从大到小排列，然后迁移样本数量从0个开始并按照步长B递增，直到样本数n为止，构成个试验组，B取50。