利用车对车通信进行交通预测
机器学习
2021-04-13 v1
摘要
我们迈出了利用车对车（V2V）通信提供实时车载交通预测的第一步。为最佳利用真实世界V2V通信数据，我们将第一性原理模型与深度学习相集成。具体而言，我们训练循环神经网络以改进第一性原理模型给出的预测。我们的方法能够以优于基于第一性原理基线的精度，预测单个车辆未来至多一分钟的速度。我们开展了全面研究以评估将第一性原理模型与深度学习技术相集成的不同方法。我们模型的源代码可在 https://github.com/Rose-STL-Lab/V2V-traffic-forecast 获取。
引用
@article{arxiv.2104.05528,
title = {Traffic Forecasting using Vehicle-to-Vehicle Communication},
author = {Steven Wong and Lejun Jiang and Robin Walters and Tamás G. Molnár and Gábor Orosz and Rose Yu},
journal= {arXiv preprint arXiv:2104.05528},
year = {2021}
}
备注
13 pages, 3rd Annual Conference on Learning for Dynamics and Control 2021