基于集成学习的换道决策与状态估计方法研究

摘要

为提高换道辅助系统阈值的精确度,提出了两种可应用于换道辅助系统的集成学习方法:随机森林和AdaBoost算法.采用实车试验数据建立和验证算法,结果表明:相比于以往研究中使用的贝叶斯或者决策树分类方法,这两种集成学习方法具备较高的分类精度和较低的假阳性率.采用AdaBoost算法的车道保持精度可达99.1％,随机森林精度为98.7％,相应的真阳性率分别为96.3％和94.6％.