摘要
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6 000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0.302 5。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。
0 引言
随着智能化的不断发展，无人车成为国内外研究热点。无人车不仅具备加速、减进、后退以及转弯等常规的汽车功能，还可以实现行人车辆避让、自动变道、自动转向、红绿灯识别等功能。其中，变道行为是两大基本驾驶行为之一，对车辆行驶安全和交通稳定具有重要意义[1