使用伴随方法对轨迹数据进行快速校准的车辆跟随模型
摘要：汽车跟随模型在实践中应用之前必须首先通过校准与真实数据进行验证。本文讨论了将校准制定为优化问题的方法，并比较了不同的算法来解决该问题。优化问题包括将任意车辆跟随模型建模为普通微分方程或时滞微分方程，并将其与包含车辆轨迹数据（可能包括换道）的任意来源数据进行校准。通常使用无梯度优化方法解决校准问题。本文使用伴随方法推导出了优化问题的梯度解析表达式。伴随方法的计算成本与模型参数的数量无关，因此它比使用有限差分数值计算梯度的方法更高效。数值结果表明，使用伴随方法的拟牛顿算法比遗传算法更快，并且在校准模型的准确性方面略有改进。
作者：Ronan Keane and H. Oliver Gao
论文ID：1901.06452
分类：Systems and Control
分类简称：cs.SY
提交时间：2021-03-16