基于智能交通系統(tǒng)中V2V信息相互的車(chē)輛速度分布預(yù)測(cè)

基于智能交通系統(tǒng)中V2V信息相互的車(chē)輛速度分布預(yù)測(cè)

智能交通系統(tǒng)屬于網(wǎng)絡(luò)物理系統(tǒng)架構(gòu)，主要是因?yàn)榫W(wǎng)絡(luò)物理系統(tǒng)（車(chē)輛）與分布式信息采集和傳播基礎(chǔ)設(shè)施之間具有相互作用。隨著車(chē)輛與車(chē)輛（V2V）和車(chē)輛與基礎(chǔ)設(shè)施（V2I）之間通信的快速發(fā)展，能夠獲取和處理大范圍內(nèi)信息。能夠?qū)崟r(shí)對(duì)交通信息（如速度、流量、密度）進(jìn)行準(zhǔn)確預(yù)測(cè)，這對(duì)智能交通系統(tǒng)很重要。但行駛路線中的許多不確定性因素會(huì)使交通狀態(tài)產(chǎn)生動(dòng)態(tài)變化，這將影響智能交通系統(tǒng)對(duì)交通信息的預(yù)測(cè)精確度。提出一種基于V2V信息交互的車(chē)輛速度分布預(yù)測(cè)方法，該方法是在神經(jīng)網(wǎng)絡(luò)方法的基礎(chǔ)上開(kāi)發(fā)的，基于V2V間交互的接收信號(hào)強(qiáng)度來(lái)預(yù)測(cè)車(chē)輛的速度分布信息。

利用澳大利亞提供的交通數(shù)據(jù)對(duì)所提出的速度分布預(yù)測(cè)方法進(jìn)行分析和評(píng)估。主要評(píng)估車(chē)輛在長(zhǎng)時(shí)間交互過(guò)程中能否實(shí)時(shí)準(zhǔn)確地獲得車(chē)輛狀態(tài)信息、V2V間的交互信息和具有高分辨率的道路地圖。使用Matlab/神經(jīng)網(wǎng)絡(luò)工具箱開(kāi)發(fā)多層感知網(wǎng)絡(luò)和徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)，以獲得相同交通數(shù)據(jù)集。由于采用人工神經(jīng)網(wǎng)絡(luò)成本低且研究的參數(shù)范圍廣，因此從樣本庫(kù)中選擇特定車(chē)輛的行駛數(shù)據(jù)搭建人工神經(jīng)網(wǎng)絡(luò)分析架構(gòu)。比較不同網(wǎng)絡(luò)的性能和魯棒性，從中選出在精度、性能和成本方面的最佳架構(gòu)，以預(yù)測(cè)車(chē)輛的速度分布和運(yùn)行軌跡。試驗(yàn)結(jié)果表明，所提出的車(chē)輛速度分布預(yù)測(cè)方法能夠準(zhǔn)確預(yù)測(cè)多個(gè)車(chē)輛的運(yùn)動(dòng)軌跡及其速度分布。

在更多的實(shí)車(chē)上對(duì)采用所提出的預(yù)測(cè)方法進(jìn)行了試驗(yàn)。

刊名：Cybernetics and

Information

Technologies（英）

刊期：2015年第15期

作者：Ivan Bosankic et al

編譯：趙喚