基于roc曲线优化的车辆行驶状态估计bp模型-西安建筑科技大学学报.pdfVIP

第 46 卷第 4 期 西安建筑科技大学学报（自然科学版） Vol.46 No.4 2014 年 8 月 J. Xian Univ. of Arch. Tech. (Natural Science Edition) Agu. 2014 基于 ROC 曲线优化的车辆行驶状态估计 BP 模型 刘 伟，刘浩学，朱 彤 (长安大学汽车学院, 陕西 西安 710064) 摘要摘要 ：针对现有行车状态估计器难以适应复杂非线性模型，结合 BP 神经网络在解决非线性系统方面表现出优良的性能，采 摘要摘要 用 ROC 曲线(受试者特征工作曲线)对 BP 神经网络算法进行优化，依据各个节点权重值的变化情况绘制学习机器相应的 ROC 曲线，将 ROC 曲线下方面积作为各个节点权重值选取的唯一准则，每次在同一节点进行变步长的搜索(大步长和小步长) ， 并根据不同步长的搜索结果确定下一次步长的大小，以确定最佳的权重值，最后以波动性较强的车辆横摆角速度作为样例对 算法进行验证．研究结果表明：通过 ROC 对其性能的评价，加速了 BP 网络的收敛速度，在一定程度上避免了出现局部最 小值的情况，提高了模型的容错能力；优化后的模型在 5%误判率的情况下有较高的击中概率，表现出更强的泛化能力，适 应性更强． 关键词：关键词：交通工程；车辆行驶；状态估计；ROC 曲线；优化 关键词关键词：： 中图分类号：中图分类号：U491;TP206 文献标志文献标志码码：：A 文章编号：文章编号 ：1006-7930(2014)04-0593-05 中图分类号中图分类号：： 文献标文献标志志码码 ：： 文章编号文章编号 ：： 车辆行驶过程直接受驾驶员的操纵行为和操作习惯的影响，对车辆的行驶状态进行准确且有效的估计 不仅能够通过车载辅助设备及时修正驾驶员不正确的驾驶行为，而且对车辆进行准确的定位也具有一定的 - 积极影响．现有的行车行驶状态的估计器主要采用的是 Kalman 滤波器[1 2] ，Kalman 滤波器需建立状态方 程和观测方程，该模型对于涉及人、车和路系统各个要素的车辆运动系统很难用显式关系式进行表达，且 Kalman 滤波器对线性模型或局部具有较强线性关系的模型具有很好的估计效果，但车辆系统涉及人车路 各个因素，不可能用单一的纯线性模型进行描述，从而出现了模拟人类思维活动的神经网络方法，现有的 神经网络算法众多，应用最广泛的是 BP 神经网络．BP 神经网络就是后向传播学习的前馈型神经网络，在 处理非线性问题方面有其独特之处，该算法具有并行分布处理、高鲁棒性、分布存储以及学习能力的特点， 神经网络通常用于函数逼近、模式识别/分类、模式匹配以及数据压缩等方面，但 BP 神经网络也因其容错 能力差，学习速度慢，极易出现局部最小值，依赖经验选择的学习因子和惯性因子而对 BP 神经网络的收 敛性不利的产生影响，若选择的网络结构不合理也会出现不收敛的情况等不利方面．但其在逼近复杂非线 性关系时的良好表现，致使 BP 算法应用仍十分广泛．国内外学者和相关研究人员对 BP 神经网络都有所