基于智能交通系統(tǒng)中V2V信息相互的車輛速度分布預測
智能交通系統(tǒng)屬于網(wǎng)絡(luò)物理系統(tǒng)架構(gòu),主要是因為網(wǎng)絡(luò)物理系統(tǒng)(車輛)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。隨著車輛與車輛(V2V)和車輛與基礎(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對交通信息(如速度、流量、密度)進行準確預測,這對智能交通系統(tǒng)很重要。但行駛路線中的許多不確定性因素會使交通狀態(tài)產(chǎn)生動態(tài)變化,這將影響智能交通系統(tǒng)對交通信息的預測精確度。提出一種基于V2V信息交互的車輛速度分布預測方法,該方法是在神經(jīng)網(wǎng)絡(luò)方法的基礎(chǔ)上開發(fā)的,基于V2V間交互的接收信號強度來預測車輛的速度分布信息。
利用澳大利亞提供的交通數(shù)據(jù)對所提出的速度分布預測方法進行分析和評估。主要評估車輛在長時間交互過程中能否實時準確地獲得車輛狀態(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)預測,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,因此從樣本庫中選擇特定車輛的行駛數(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),以預測車輛的速度分布和運行軌跡。試驗結(jié)果表明,所提出的車輛速度分布預測方法能夠準確預測多個車輛的運動軌跡及其速度分布。
在更多的實車上對采用所提出的預測方法進行了試驗。
刊名:Cybernetics and
Information
Technologies(英)
刊期:2015年第15期
作者:Ivan Bosankic et al
編譯:趙喚