基于智能交通系統中V2V信息相互的車輛速度分布預測

基于智能交通系統中V2V信息相互的車輛速度分布預測

智能交通系統屬于網絡物理系統架構，主要是因為網絡物理系統（車輛）與分布式信息采集和傳播基礎設施之間具有相互作用。隨著車輛與車輛（V2V）和車輛與基礎設施（V2I）之間通信的快速發展，能夠獲取和處理大范圍內信息。能夠實時對交通信息（如速度、流量、密度）進行準確預測，這對智能交通系統很重要。但行駛路線中的許多不確定性因素會使交通狀態產生動態變化，這將影響智能交通系統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，該方法是在神經網絡方法的基礎上開發的，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據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/神經網絡工具箱開發多層感知網絡和徑向基函數（RBF）神經網絡預測，以獲得相同交通數據集。由于采用人工神經網絡成本低且研究的參數范圍廣，因此從樣本庫中選擇特定車輛的行駛數據搭建人工神經網絡分析架構。比較不同網絡的性能和魯棒性，從中選出在精度、性能和成本方面的最佳架構，以預測車輛的速度分布和運行軌跡。試驗結果表明，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