基于VANETs与智能感知的交通信息系统关键技术研究

发布时间：2020-08-15 22:52

【摘要】：随着经济的持续增长以及汽车制造业的迅速发展,汽车保有量与日俱增。由此引发了交通事故、车辆盗窃、道路拥塞,环境污染等一系列的社会问题。为了解决以上问题,智能交通系统(ITS)应运而生。它是将现代通信技术、传感器技术、自动控制技术、数据处理技术等集成运用于整个交通系统,使得交通运输网络更加高效、安全、便捷和舒适,建立与现代社会文明相协调的交通运输体系。ITS的目的是通过路,车,人三者密切配合以降低交通事故,缓解交通拥塞,提高交通运输效率,减少资源消耗,以及缓轻环境污染,从而最大效率的利用公共资源。车载自组织网络(VANETs)和智能感知作为智能交通系统中两项关键技术已引起了工业界和学术界的广泛关注。此外,配置丰富传感技术的智能手机具有强大的感知计算存储通信功能,使智能手机感知成为车载环境下智能感知的良好实现方案。面对当下交通中突出问题,本文围绕VANETs与智能感知在交通信息系统中的关键技术开展研究。在对VANETs与智能感知进行了全面分析和总结的基础上,深入细致的讨论了将VANETs和智能手机感知以及深度学习技术相结合在交通信息系统的应用可行性,分别在交通信息系统的车辆安全,运输效率,以及安全驾驶方面进行研究和探索。针对这些问题,取得了若干创新和成果。本文的主要贡献包括:1.针对目前车辆盗窃已经成为日益严重的公共安全问题这一事实,提出了基于废旧智能手机的低成本车辆防盗跟踪系统PhoneInside。在不使用额外特殊设备基础上实现车辆防盗和跟踪的功能。具体而言,在鉴别非法驾驶者入侵方面,首先根据自组织网络认证核实驾驶者的身份信息。为了消除错误警报,在基于历史驾驶习惯和行程轨迹的基础上,系统建立车辆的个人独特移动模型,并通过LSTM(Long Short-Term Memory)网络区分非法的驾驶行为。为了实现准确的车辆跟踪,本文创新性的提出了一种新的VelocityAware航位推算方法,该方法利用地图信息和在曲线路段以及交叉路口处的车辆转弯来估计车辆速度以用于轨迹计算。相对于传统的航位推测方法,有效的降低了累计误差。基于真实环境下的驾驶数据实验结果显示,PhoneInside可以有效的检测车辆被盗,准确的跟踪并定位被盗车辆的位置。同时本系统对废旧手机的再利用提供了一种新的解决方案。2.针对当下交通车辆运输效率低的问题,提出了基于停车场中停放车辆辅助的拼车方法PLAC(Parking-Lot-Assisted Carpool)。由共同或相邻停车场利用VANETs收集与交换停放车辆历史行程数据,据此分析预测车辆将来的轨迹,为具有相同或相似行程的驾驶者提供共享拼车服务。具体而言,首先将停车场作为分布式集群,并对停放车辆按照簇状结构进行管理,簇头节点维持成员车辆的信息。车载设备记录车辆的行驶轨迹,在进入停车场簇群后通过VANETs同步行程数据到簇头节点保存。然后,为了覆盖附近停车场中具有满足拼车行程需求的驾驶者,确立了簇头递交车辆路径信息到周边停车场簇群的路由策略。最后,设计出合适的车辆路径匹配重合度方案以选择最佳的拼车驾驶者。基于真实城市地图和停车场数据的仿真实验结果表明,对比另外两种拼车方法,本文提出的PLAC有效的提高车载运输能力。3.针对在安全驾驶中,通过监测驾驶者的呼吸频率的改变来判断驾驶者疲劳状态已被证实为一种有效的方法。本文利用智能手机的麦克风感知驾驶者的呼吸信息,将呼吸作为一种特殊的语音识别用以计算呼吸频率,提出了基于深度学习的细粒度呼吸频率监测模型DeepFilter。模型是以多重卷积的输入层开始的循环神经网络,同时对网络进行端到端训练,并加入了以交叉熵为损失函数的分批标准化方法来加速模型的训练过程。具体而言,在呼吸速率监测中创建帧对齐的训练标签,并将标签在帧级别上转换为分类问题,以决定帧是否属于吸气或者呼气。在卷积层的输入序列上,通过快速傅里叶变换将固定帧长的时域序列转换成时频谱,从而利用卷积的平移不变性来克服呼吸语音信号多样性。一个吸气或者呼气过程可能涉及多个帧,因此利用双向循环层捕获序列历史信息以提高性能。收集大量呼吸数据并经过后处理降噪以训练模型,再对模型进行对比测试表明,DeepFilter对呼吸频率监测具有较高的准确性。最后,基于真实车载与睡眠环境下实验结果表明模型具有良好的实用性。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：U495
【图文】：

交通事故,经济损失,车辆安全,受伤人

随之而来的就是汽车大量普及所引发的问题也日益突出，交通事故，道路拥塞，环境污染，能源消耗，车辆安全等都成为现代社会难以消除的问题。首先是频发的交通事故对人们的生命财产安全带来极大危害。如图1-1所示，国家统计局显示近 5 年交通事故数据，2016 年我国交通事故发生总数共计 212846 起，相比2015 年上升 13.3%；其中交通事故死亡人数共计 63093，受伤人数 226430，对于上一年也有明显的增加；造成直接财产经济损失高达 12 亿元[7]。全球其他地区的形势也不容乐观，欧洲每年有大约 5 万人因交通事故死亡，总共经济损失超过 3千亿欧元。在美国

组织结构图,组织结构,智能感知,安全驾驶

本文基于 VANETs 与智能感知，针对交通信息系统中的实际问题进行深入研究。分别在车辆安全，运输效率，安全驾驶三方面提出创新方法和应用。总共由六章节构成，各章之间关系如图1-2所示，具体每章内容结构安排如下：第一章为绪论部分，首先介绍了本课题研究的背景，研究的目的和意义。其中依次描述了物联网，智能交通系统，VANETs 与智能感知的基本内容以及内在联系；然后分析了由于车辆增加给城市交通带来的各种严峻问题和解决办法。最后，阐述了本文研究的主要内容和贡献，以及全文的结构安排。第二章为本课题的研究基础和相关工作。该部分首先介绍了 VANETs 发展状5

自组织网络,学术研究,工业工程,世界各国

这为车辆与车辆之间通信（Vehicle-to-Vehicle，V2V），以及车辆和固定基础设施之间的通信（Vehicle-to-Infrastructure，V2I）提供基础，从而形成无中心，结构开放，部署方便，费用低廉的自组织无线通信网络，如图2-1所示。VANETs 允许彼此距离在 100 至 300 米的汽车，彼此链接，当某个车辆脱离了信号范围，离开网络，其他的车辆可以加入，建立起新的移动自组织互联网。VANETs 作为运行在道路上的新型无线移动自组织网络，允许车辆利用无线通信设备将车载传感器获取与感知到的移动速度，坐标位置，行程记录等信息与其他车辆进行交换与共享，为驾驶者在交通安全，出行计划，以及驾驶体验等方面提供丰富的基础性服务。图 2-1 车载自组织网络现如今，世界各国的学术研究机构和工业工程项目都对 VANETs 展现出密切广泛关注。首先是在 2003 年的国际电信联盟远程通信标准化组的汽车通信标准化会议上，VANETs 技术[26]首次被各国专家公开提出

【参考文献】