车车通信下基于RBF神经网络的防追尾模型研究

提出一种车车通信环境下基于RBF制动意图辨识网络的防追尾安全距离模型,通过RBF神经网络辨识驾驶员的制动意图,并根据前车的运行状态分为紧急制动模式、常规制动模式以及匀速或匀加速行驶3种工况进行讨论,采用实车数据和Matlab/Simulink软件分别对前车在紧急制动、常规制动、匀速及匀加速运行4种场景下进行联合仿真分析.结果表明,基于RBF制动意图辨识网络的安全距离模型与传统安全距离模型相比,安全距离得到显著降低,模型最高平均误报率为2.4％,最低平均误报率为1％,性能可靠,模型不仅可以有效减小车间安全距离,增加对交通设施资源的有效利用,提高道路运营效率,还能为驾驶员提供更加及时的追尾预警,进一步提高车辆的主动安全性.