EditFollower: Tunable Car Following Models for Customizable Adaptive Cruise Control Systems

在驾驶技术领域，全自动驾驶汽车尚未被广泛采用，因此高级驾驶辅助系统（ADAS）对于提升驾驶体验至关重要。自适应巡航控制（ACC）成为ADAS的关键组成部分。然而，目前的ACC系统通常采用固定设置，无法直观地捕捉驾驶员的社交偏好，可能导致功能失效。为了克服这些限制，我们提出了可编辑行为生成（EBG）模型，这是一个数据驱动的汽车跟驰模型，允许调整驾驶不礼貌的水平。该框架将不同的礼貌计算方法集成到长短期记忆（LSTM）和Transformer架构中，提供了一个全面的方法来捕捉微妙的驾驶动态。通过在训练过程中集成各种不礼貌值，我们的模型生成具有不同礼貌水平的真实代理轨迹。在HighD和Waymo数据集上的实验结果显示，与基线相比，我们的模型在距离均方误差（MSE）和速度MSE方面均有所降低，确立了样式可控性。据我们所知，这项工作代表了第一个能够动态调整不礼貌水平的数据驱动汽车跟驰模型。我们的模型为开发考虑驾驶员社交偏好的ACC系统提供了有价值的见解。

论文旨在提出一种可编辑行为生成（EBG）模型，以动态调整驾驶员的驾驶不礼貌程度，以解决当前自动驾驶技术中自适应巡航控制（ACC）系统的固定设置问题，从而提高驾驶体验。

EBG模型是一种数据驱动的跟车模型，允许调整驾驶不礼貌程度。模型将不同的礼貌计算方法整合到LSTM和Transformer架构中，提供了全面的方法来捕捉微妙的驾驶动态。通过在训练过程中集成各种不礼貌值，我们的模型生成具有不同礼貌水平的真实代理轨迹，实现了风格可控性。

论文在HighD和Waymo数据集上进行了实验，相比基线模型，降低了间距和速度的均方误差。该模型提供了有价值的见解，为考虑驾驶员社交偏好的ACC系统的开发提供了宝贵的参考。

在最近的相关研究中，也有一些关于自适应巡航控制（ACC）系统的研究，如：'A Survey of Adaptive Cruise Control'和'Adaptive Cruise Control System Based on Fuzzy Logic'等。