基于BP神經(jīng)網(wǎng)絡(luò)的碰撞預(yù)測及車聯(lián)網(wǎng)MAC層協(xié)議設(shè)計.pdf

1、近年來，交通事故呈不斷上升的趨勢，尤其是高速公路上的追尾事故頻發(fā)，因此人們越來越多的關(guān)注如何保障高速公路行車安全。目前保障汽車行駛安全的技術(shù)主要分為被動安全技術(shù)和主動安全技術(shù)。主動安全技術(shù)能夠根據(jù)當前車輛的運動狀態(tài)和周圍環(huán)境信息，對潛在的沖突予以判斷。主動安全技術(shù)能從源頭上抑制交通事故的發(fā)生，所以對汽車主動安全技術(shù)的研究具有重要的意義。車輛狀態(tài)預(yù)測是汽車主動安全技術(shù)的基礎(chǔ)，根據(jù)以往車輛碰撞預(yù)測的成果，本文針對車輛碰撞概率的預(yù)測展開研究。

2、
　　現(xiàn)有的車輛碰撞概率計算方法只是結(jié)合運動學公式和車輛的分布情況對車輛追尾碰撞概率進行計算，沒有考慮車輛追尾碰撞的真實場景,預(yù)測結(jié)果有偏差。為了提高車輛碰撞概率預(yù)測的準確度，本文綜合考慮造成車輛碰撞的駕駛員、車輛、道路和環(huán)境等因素，采用BP神經(jīng)網(wǎng)絡(luò)的方法對車輛的追尾碰撞情況進行預(yù)測。由于BP神經(jīng)網(wǎng)絡(luò)的初始化連接權(quán)值和閾值的選擇具有很大的隨機性，可能使BP神經(jīng)網(wǎng)絡(luò)訓練的結(jié)果陷入局部最優(yōu)，而遺傳算法具有全局尋優(yōu)的能力，因此本文選用遺

3、傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始化連接權(quán)值和閾值進行優(yōu)化，此外，為了改進BP神經(jīng)網(wǎng)絡(luò)的收斂速度，本文進一步對BP神經(jīng)網(wǎng)絡(luò)的學習速率進行改進。最后利用MATLAB仿真工具對本文中的車輛狀態(tài)預(yù)測算法進行性能驗證，結(jié)果表明，本文提出的算法能較準確的預(yù)測車輛下一時刻的碰撞概率。
　　準確預(yù)測到車輛發(fā)生碰撞的信息后，確保告警信息可靠及時的發(fā)送是十分必要的。為了保障安全信息的可靠及時的傳輸，同時提高周期性beacon消息接入信道的公平性。本文針對高

4、速公路場景的車輛協(xié)同防撞應(yīng)用，根據(jù)以RS U為中心的車隊中車輛節(jié)點的數(shù)目和車隊中發(fā)生潛在碰撞的車輛節(jié)點的數(shù)目，設(shè)計了保障告警信息可靠及時傳輸?shù)腄-MAC(DynamicslotMedia Access Control,D-MAC)協(xié)議。該協(xié)議是基于動態(tài)TDMA機制，根據(jù)當前車隊中的實時交通動態(tài)確定每幀的時隙數(shù)目，并且該協(xié)議優(yōu)先為告警信息分配時隙，同時盡可能地為周期性beacon消息預(yù)留傳輸時隙。最后，在不同的車輛節(jié)點密度的情況下，對本文