Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Modeling Electric Vehicle Car-Following Behavior: Classical vs Machine Learning Approach

Created by
  • Haebom

저자

Md. Shihab Uddin, Md Nazmus Shakib, Rahul Bhadani

개요

본 연구는 전기차(EV)의 차량 추종 행동을 이해하고 스마트 드라이빙 시스템 개발을 위해, 고전적 모델과 머신러닝 모델을 비교 분석한다. 고전적 모델로는 IDM, OVM, OVRV, CACC 모델을 사용하고, 머신러닝 모델로는 Random Forest Regressor를 활용했다. 실제 EV와 내연기관차(ICE)의 주행 데이터를 활용하여 모델을 훈련하고, RMSE를 통해 성능을 평가했다. Random Forest 모델은 간격, 속도, 갭 유형을 입력으로 가속도를 예측하며, 결과적으로 Random Forest 모델이 우수한 정확도를 보였다.

시사점, 한계점

•
시사점:
◦
머신러닝 기반 모델(Random Forest)이 EV 차량 추종 행동 예측에서 우수한 성능을 보임.
◦
EV 시뮬레이션 및 혼합 자율 주행 환경 분석에 유용하게 활용될 수 있음.
◦
다양한 간격 조건(medium, long, extra long gap)에서 모델의 성능 차이를 확인.
•
한계점:
◦
특정 데이터셋 기반의 결과이므로 일반화에 대한 추가 연구 필요.
◦
고전적 모델의 성능 개선 여지가 있을 수 있음.
◦
다른 머신러닝 모델과의 비교가 부족.
👍
Made with Slashpage