论文部分内容阅读
车辆变道是很频繁的驾驶行为,对无人车的变道行为进行可靠性预测尤为必要.为更好地实现可靠性预测,使用UML活动图对基于长短期记忆网络(LSTM)的无人车变道行为进行建模.考虑到LSTM神经网络的鲁棒性,基于6000组实验数据对LSTM模块的错误渗透率加以计算,从而度量模块间的故障传播概率.将UML模型转换为离散时间马尔可夫链(DTMC)模型,通过PRISM工具得到可靠性预测值.实验结果显示,LSTM模块的错误渗透率为0.3025.通过基于UML模型映射和基于构件转移图所得的DTMC模型进行预测时,可靠性值分别为76.47％和90.19％.结果表明,对基于LSTM的无人车变道行为进行可靠性计算时,LSTM模块的错误渗透率不可忽视.通过映射所得的DTMC模型对模块的刻画更为细致,更适用于无人车变道可靠性预测.