arXiv cs.AI· Nazmul Haque, Md Asif Raihan. Md. Hadiuzzaman·· 9 天前AI 评分17
NeMeFIS：用神经记忆模糊推理系统模拟类人跟车行为
Neuro-Memory Fuzzy Inference System for Mimicking Human-like Car Following Behavior
AI 导读
研究提出神经记忆模糊推理系统（NeMeFIS），一种分层机器学习架构，通过整合程序性、工作、情景、语义和陈述性五类人类记忆，非对称地建模跟车行为中的加速与减速。
正文 · AI 翻译
摘要：本研究提出了神经记忆模糊推理系统（NeMeFIS），这是一种分层机器学习架构，通过整合五种人类记忆类型——程序性、工作、情景、语义和陈述性记忆，非对称地建模跟车行为中的加速与减速。通过元启发式方法将外部变量与记忆函数关联，并通过因子和 p 值分析进行验证，NeMeFIS 揭示了不同车辆类型在主干道、集散道和乡村公路走廊中的潜在认知影响。来自 54 个不同训练模型的结果强调了由驾驶员感知限制和认知负荷所塑造的认知阈值。训练后的 NeMeFIS 模型在复现真实驾驶行为方面优于传统统计模型和常规机器学习模型，包括与线性回归、ANFIS 和 LSTM 架构的比较。模糊规则分析表明，陈述性记忆需要最高的规则，尤其是在减速期间，这表明存在复杂的制动决策。程序性记忆驱动加速，而语义和陈述性记忆引导减速。风险感知也成为一个关键因素，尤其是在城市道路上。在异构和同构数据集上验证后，NeMeFIS 为建模驾驶员认知提供了一个稳健的框架。这些发现支持心理治疗应用，以及为车联网和自动驾驶汽车（CAV）开发自适应、类人决策系统，以提升交通安全。
| 评论： | 20 页 |
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.11252 [cs.LG] |
| （或 arXiv:2610.11252v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.11252 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Nazmul Haque [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 04:56:10 UTC（1,988 KB）
来源：arXiv cs.AI · arxiv.org