使用有限规模高斯过程核库表示真实人类驾驶行为
信号处理
2020-04-02 v1 网络与互联网体系结构
摘要
协同车辆应用的性能紧密依赖于底层车联网（V2X）通信技术的可靠性。车联网标准，如专用短程通信（DSRC）和蜂窝车联网（C-V2X），在美国被强制推行前正处于研究阶段，理应作为车辆网络中时间敏感信息的可靠循环系统；然而，在真实交通场景中，它们仍严重受制于可扩展性问题。我们先前的工作中提出了基于模型的通信（MBC）这一技术无关的概念，作为解决可扩展性问题的有前途的范式，并对其采用不同建模策略时的性能进行了广泛研究。在本研究中，我们更详细地探讨了强大的非参数贝叶斯推断方案，即高斯过程（GPs），在MBC背景下的建模能力。我们的观察揭示了基于GP的MBC方案一个重要的潜在优势，即它仅利用有限规模的GP核库就能精确建模不同的驾驶行为模式。将GP推断与MBC框架相结合的这一有趣方面，已在本研究中使用真实驾驶数据集进行了验证，这使该架构成为解决可扩展性挑战的强大且极具吸引力的候选方案。结果证实，我们提出的方法在所需通信速率和GP核库规模方面均优于现有技术研究。
引用
@article{arxiv.2003.13837,
title = {Representing Realistic Human Driver Behaviors using a Finite Size Gaussian Process Kernel Bank},
author = {Hossein Nourkhiz Mahjoub and Arash Raftari and Rodolfo Valiente and Yaser P. Fallah and Syed K. Mahmud},
journal= {arXiv preprint arXiv:2003.13837},
year = {2020}
}
备注
Accepted in IEEE VNC 2019