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.

智能交通;智能车路协同系统;SVM-LSTM;跟驰行为识别;车辆速度预测;可信甄别

史宇辰;晏松;姚丹亚;张毅

清华大学 信息科学技术学院,北京 100084;清华大学 北京信息科学与技术国家研究中心,北京 100084;东南大学 现代城市交通技术江苏高校协同创新中心,江苏 南京 210096;清华-伯克利深圳学院,广东 深圳 518055

交通运输工程学报

[1]史宇辰;晏松;姚丹亚;张毅-.基于SVM-LSTM的车辆跟驰行为识别与信息可信甄别)[J].交通运输工程学报,2022(03):115-125

跟驰行为识别,可信甄别,智能车路协同系统,RSUs,OBUs,车辆速度预测

车辆跟驰,实时交互,交互信息,信息有效,交通系统,交通业,交通信息,长短时记忆,识别模型,车辆行驶,行驶状态,特征向量,历史数据,行速,测速,实际速度,合理范围,辆数,可信性,公开数据集,测试数据,数量级,数据测试,测试集,异常数据,路侧设备,车载单元,实时信息,智能交通

0.133799