联网车辆环境下以边缘为中心的信息物理系统平台中的自适应排队预测算法
计算机与社会
2017-12-19 v1
摘要
在联网车辆(CVs)发展初期,数据仅能从有限数量的CVs(即低CV渗透率)收集,而无法从其他车辆(即非联网车辆)获取。此外,无线CV环境中的数据丢失率导致有限数量的CVs数据不可用。因此,利用有限的CV数据预测随时间动态变化的交通行为极具挑战性。本研究的主要目标是开发一种自适应排队预测算法,在以边缘为中心的信息物理系统(CPS)中预测CV环境下的实时排队状态,该CPS是一个相对新颖的CPS概念。该自适应排队预测算法采用机器学习算法与实时反馈系统开发。利用SUMO(即Simulation of Urban Mobility)和ns3(Network Simulator 3)仿真平台对该算法进行评估,以展示其在美国南卡罗来纳州克莱姆森道路网络上的有效性。自适应排队预测应用的性能以不同CV渗透率和数据丢失率下的排队检测准确率来衡量。分析表明,带反馈系统的自适应排队预测算法优于无反馈系统的算法。
引用
@article{arxiv.1712.05837,
title = {Adaptive Queue Prediction Algorithm for an Edge Centric Cyber Physical System Platform in a Connected Vehicle Environment},
author = {Mizanur Rahman and Mashrur Chowdhury and Anjan Rayamajhi and Kakan Dey and James Martin},
journal= {arXiv preprint arXiv:1712.05837},
year = {2017}
}
备注
Will be published in the "2018 Transportation Research Board Conference Proceedings."