一种智能网联环境下非网联车位置估计方法技术

本发明专利技术提供了一种智能网联环境下非网联车辆位置估计方法，属于智能网联交通车辆位置感知技术领域，包括以下步骤：（1）获取高速公路上非网联‑网联跟驰车对中网联车辆在T时间段内的交通流数据；其中，非网联车为被跟驰车辆，网联车为跟驰车辆；所述交通流数据包括速度、加速度数据以及车辆编号；（2）对网联车辆的速度和加速度数据进行预处理；（3）基于BP神经网络利用网联车辆的速度和加速度数据估计非网联车辆的速度；（4）基于标定好的跟驰模型求解非网联车辆的位置。本发明专利技术利用智能网联车辆数据估计被网联车辆跟驰的非网联车辆位置，对高速公路非网联车辆位置数据感知具有重要意义，为提升高速公路主动管理水平提供了有力的技术支撑。

【技术实现步骤摘要】
一种智能网联环境下非网联车位置估计方法
本专利技术涉及智能网联交通车辆位置感知
，特别是一种智能网联环境下非网联车位置估计方法。
技术介绍
准确而全面的交通数据是主动管理技术得到有效应用的基础。目前高速公路数据获取主要依赖于交调系统、手机检测器和视频检测器。随着智能网联技术的发展，高速公路上交通数据的采集将可以从断面和局部路段逐渐过渡到全路段覆盖。在智能网联交通系统中，智能网联车辆可利用LTE-V技术将车辆自身的位置、速度、加速度等数据实时上传到路侧设备，从而可以实现整个道路智能网联车辆的精准检测和实时预测。智能网联技术的发展将从根本上改变目前高速公路数据采集与主动管理的现状，但智能网联的发展并非一蹴而就。在未来很长一段时间内将存在着普通车辆与智能网联车辆混行的状况。在这样的现实背景下，于有一定比例智能网联车辆的混合交通流环境中，利用智能网联车辆数据来估计非网联车辆的位置、速度等车辆信息，这不仅能提高高速公路混合交通流环境中的交通监测水平，而且能提升高速公路的主动管理水平，缓解交通拥堵，最终推动智能网联交通的发展，对智能交通的发展本文档来自技高网...

【技术保护点】
1.一种智能网联环境非网联车位置估计方法，其特征在于，具体步骤如下：/n（1）获取高速公路上非网联-网联跟驰车对中网联车辆在T时间段内的交通流数据；所述非网联-网联跟驰车对中，非网联车为被跟驰车辆，网联车为跟驰车辆；所述交通流数据包括速度、加速度数据以及车辆编号，其中，车辆编号是唯一确定该车辆的数据；/n（2）对网联车辆的速度和加速度数据分别进行平滑和归一化预处理，得到预处理的速度和加速度数据；/n（3）基于训练好的BP神经网络利用步骤（2）获得的预处理的速度和加速度数据估计非网联车辆的速度；/n（4）基于标定好的智能驾驶员模型利用步骤（3）估计的非网联车辆的速度求解非网联车辆的位置；/n其中...

【技术特征摘要】
1.一种智能网联环境非网联车位置估计方法，其特征在于，具体步骤如下：
（1）获取高速公路上非网联-网联跟驰车对中网联车辆在T时间段内的交通流数据；所述非网联-网联跟驰车对中，非网联车为被跟驰车辆，网联车为跟驰车辆；所述交通流数据包括速度、加速度数据以及车辆编号，其中，车辆编号是唯一确定该车辆的数据；
（2）对网联车辆的速度和加速度数据分别进行平滑和归一化预处理，得到预处理的速度和加速度数据；
（3）基于训练好的BP神经网络利用步骤（2）获得的预处理的速度和加速度数据估计非网联车辆的速度；
（4）基于标定好的智能驾驶员模型利用步骤（3）估计的非网联车辆的速度求解非网联车辆的位置；
其中，智能驾驶员模型采用人工蜂群算法利用高速公路历史交通流数据进行标定。


2.根据权利要求1所述的一种智能网联环境下非网联车位置估计方法，其特征在于：所述步骤（1）中，交通流数据为或能转化为结构化数据。


3.根据权利要求1所述的一种智能网联环境下非网联车位置估计方法，其特征在于：所述步骤（2）中包含如下步骤：
（2.1）基于sEMA方法对网联车辆的速度和加速度数据分别进行平滑处理；
（2.2）采用min-max标准化对网联车辆的速度和加速度数据分别进行归一化处理。


4.根据权利要求1所述的一种智能网联环境非网联车位置估计方法，其特征在于：所述步骤（3）中，将网联车辆前t秒时间内的速度和加速度数据序列构建为BP神经网络的输入向量，拟合非网联车辆的速度数据，t<T。


5...

【专利技术属性】
技术研发人员：季欣凯，冒培培，洪阳，
申请(专利权)人：之江实验室，
类型：发明
国别省市：浙江;33