基于压缩感知的网联车辆数据高效采集
应用统计
2018-06-08 v1 信号处理
摘要
网联车辆(CVs)可通过车对车与车对基础设施通信捕获并传输车辆位置、速度等详细数据。丰富的 CV 数据为提高交通系统的安全性、机动性与可持续性提供了新机遇。然而，潜在的数据爆炸很可能使存储与通信系统不堪重负。为解决此问题，我们设计了一种实时压缩感知(CS)方法，允许 CVs 实时采集并压缩数据，并在需要时准确高效地恢复原始数据。该 CS 方法被应用于从 Safety Pilot Model Deployment 项目重捕的 1000 万条 CV 基本安全消息速度样本。在 0.2 的压缩比下，发现 CS 方法恢复原始速度数据的均方根误差低至 0.05。进一步按一天中的时段与加速度探究了 CS 方法的恢复性能。结果表明，当 CV 速度平稳或平缓变化时，CS 方法在数据恢复上表现更好。
引用
@article{arxiv.1806.02388,
title = {Efficient Collection of Connected Vehicle Data based on Compressive Sensing},
author = {Lei Lin},
journal= {arXiv preprint arXiv:1806.02388},
year = {2018}
}
备注
Submitted to The 21st IEEE International Conference on Intelligent Transportation Systems