利用监督机器学习的联网车辆道路摩擦力估计
机器学习
2017-09-19 v1 机器学习
摘要
本文研究了由联网车辆车队进行道路摩擦力预测的问题。提出了一种利用来自联网汽车的历史摩擦力数据和气象站数据来预测道路摩擦力水平的框架，并给出了不同方法的比较结果。该问题被表述为一个分类任务，其中使用可用数据训练三个机器学习模型，包括逻辑回归、支持向量机和神经网络，以预测特定路段未来的摩擦力类别（湿滑或不湿滑）。除了由移动车辆测量的摩擦力值之外，还使用了湿度、温度和降雨量等附加参数，以获得一组描述性特征向量作为分类方法的输入。对所提出的预测模型在不同的预测时间跨度（未来 0 至 120 分钟）下进行了评估，评估表明神经网络方法在不同条件下产生了更稳定的结果。
引用
@article{arxiv.1709.05379,
title = {Road Friction Estimation for Connected Vehicles using Supervised Machine Learning},
author = {Ghazaleh Panahandeh and Erik Ek and Nasser Mohammadiha},
journal= {arXiv preprint arXiv:1709.05379},
year = {2017}
}
备注
Published at IV 2017