基于智能交通系统中V2V信息相互的车辆速度分布预测

基于智能交通系统中V2V信息相互的车辆速度分布预测

智能交通系统属于网络物理系统架构，主要是因为网络物理系统（车辆）与分布式信息采集和传播基础设施之间具有相互作用。随着车辆与车辆（V2V）和车辆与基础设施（V2I）之间通信的快速发展，能够获取和处理大范围内信息。能够实时对交通信息（如速度、流量、密度）进行准确预测，这对智能交通系统很重要。但行驶路线中的许多不确定性因素会使交通状态产生动态变化，这将影响智能交通系统对交通信息的预测精确度。提出一种基于V2V信息交互的车辆速度分布预测方法，该方法是在神经网络方法的基础上开发的，基于V2V间交互的接收信号强度来预测车辆的速度分布信息。

利用澳大利亚提供的交通数据对所提出的速度分布预测方法进行分析和评估。主要评估车辆在长时间交互过程中能否实时准确地获得车辆状态信息、V2V间的交互信息和具有高分辨率的道路地图。使用Matlab/神经网络工具箱开发多层感知网络和径向基函数（RBF）神经网络预测，以获得相同交通数据集。由于采用人工神经网络成本低且研究的参数范围广，因此从样本库中选择特定车辆的行驶数据搭建人工神经网络分析架构。比较不同网络的性能和鲁棒性，从中选出在精度、性能和成本方面的最佳架构，以预测车辆的速度分布和运行轨迹。试验结果表明，所提出的车辆速度分布预测方法能够准确预测多个车辆的运动轨迹及其速度分布。

在更多的实车上对采用所提出的预测方法进行了试验。

刊名：Cybernetics and

Information

Technologies（英）

刊期：2015年第15期

作者：Ivan Bosankic et al

编译：赵唤