基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别

为利用智能车路协同系统内实时交互信息有效提升交通系统的安全性,提出了基于交通业务特征的交通信息可信甄别方法;重点构建了基于支持向量机(SVM)-长短时记忆(LSTM)神经网络的车辆跟驰行为识别与信息可信甄别模型,包括基于SVM的车辆跟驰行为识别模型和基于LSTM神经网络的车辆跟驰速度预测模型;设定了表征车辆行驶状态的特征向量,基于SVM的车辆跟驰行为识别模型将车辆行驶状态分为跟驰与非跟驰;对于跟驰车辆,基于LSTM神经网络的车辆跟驰速度预测模型根据其历史数据进行速度预测;SVM-LSTM信息可信甄别模型通过检验跟驰车辆的预测速度与其实际速度的差是否在合理范围来判断车辆数据的可信性,实现信息的可信甄别;采用公开数据集对提出的模型进行了训练与测试,并构建了不同异常类型和异常幅度的多个异常测试数据集,对基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型进行了验证。研究结果表明:基于SVM的车辆跟驰行为识别模型对车辆行驶行为识别的准确率达到了99%,基于LSTM神经网络的车辆跟驰速度预测模型的跟驰速度预测精度达到了cm·s-1数量级;基于SVM-LSTM神经网络的车辆跟驰行为识别与信息可信甄别模型在正常数据测试集与多个异常数据测试集上的甄别正确率达到了97%。由此可见,提出的方法可用于路侧设备(RSUs)对车载单元(OBUs)实时信息和车载单元间实时信息的可信甄别。      

智能车路协同系统关键技术与应用

智能车路协同技术是当今国际智能交通领域的前沿技术和必然发展趋势，是保证安全、提 高效率、优化能耗、降低排放的有效手段，将以集计模型为基础的道路交通流理论提升到以对交 通主体的精确描述为基础的新道路交通流理论。本文将智能车路协同系统作为未来道路交通系 统的基础性公共平台，重点探讨因此产生的国家智能交通系统体系框架用户服务中服务领域划 分的变化；在此基础上分别介绍构建和应用智能车路协同系统需要的相关技术，包括由多模通 信、智能网联、信息安全和系统集成构成的系统构建关键技术，以及由协同感知、协同决策与控 制、仿真测试验证和自动驾驶构成的系统应用关键技术；考虑智能车路协同系统建设与应用的长 期性，给出不同应用阶段的主要建设内容、信息共享程度和可以实现的协同功能等；针对我国智 能车路协同系统应用过程中面临的挑战，指出加深对智能车路协同技术内涵的理解，把握智能车 路协同技术实质，提升智能车路协同系统服务体验并适度加快智能车路协同技术的规模应用，可 有效推进现代智能交通系统的发展。总之，开展智能车路协同系统相关基础理论研究、关键技术 开发和实际系统应用，对未来智能交通系统建设和相关学科发展具有重要作用。