基于信息理论的车辆移动预测极限及方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61301080
项目类别：
青年科学基金项目
资助金额：
28.0万
负责人：
李勇
依托单位：
清华大学
学科分类：
F0104.通信网络
结题年份：
2016
批准年份：
2013
项目状态：
已结题
起止时间：
2014-01-01 至2016-12-31

项目参与者：
金德鹏；陆希玉；孙光；张昌明；牛勇；李帅；江鹏刚；钱梦炯；
关键词：
网络建模自组织网车联网网络基础模型车辆自组织网

项目摘要

With the dramatic increase of vehicles in the large cities, traffic congestion and accidents have become a global range of social issues. Urban intelligent transportation system is one of the important solutions to solve the traffic problems. The project will investigate for vehicular mobility prediction problems, which is related to the transport network optimization and vehicular network design in the intelligent transportation systems. First, based on three large scale city vehicular mobility trace, Beijing, Shanghai and Los Angeles, we investigate two different dimensions of the macro-and micro to establish the mobile model, which aims to characterize the microscopic level mobility rate, direction, moving length and macro level regions switching and residence time. Secondly, based on the mobile model, we will analyze the behavioral characteristics of the vehicular mobility and reveals their predictability limits. Third, we will propose mobility prediction algorithm to approximation the theory prediction limits, include the prediction of staying time, regional switching and movement speed and direction. Finally, we will use the proposed prediction algorithms to study the vehicle driving path optimization and the opportunities routing forwarding algorithms for vehicle networks in the urban intelligent transportation systems.

随着城市机动车辆的急剧增加，交通堵塞和交通事故成为了全球范围内的重要社会问题。城市智能交通系统是解决交通问题的重要研究对象和手段之一。本项目将针对车载移动预测这一涉及智能交通系统中交通流量优化调度和车载网络设计等问题解决的基础性问题展开研究。首先，从课题组已经具备的北京、上海及洛杉矶三个大规模城市范围内的车载移动数据入手，从宏观和微观两个不同维度建立移动模型，以刻画微观移动速率、移动方向、移动长度及宏观区域切换与滞留时间等移动参数；其次，基于移动模型，分析车载移动行为特征，揭示车载移动的可预测性及预测极限；再次，研究逼近理论预测极限的车载移动预测算法问题，提出包括节点区域滞留时间、区域切换及移动速度与方向在内的移动预测算法。最后，本项目将面向城市智能交通系统，运用所提出的相关预测算法，展开车辆行车路径优化与车载网络机会路由转发算法相关应用。

结项摘要

本项目从收集车载移动数据入手，探索和揭示了大规模城市环境下车载移动的可预测性与预测极限，研究了基于真实场景下的车载移动的可预测性、预测极限及其方法问题。本项目通过有效利用课题组已有的北京、上海及洛杉矶三个大城市的车载移动GPS数据，开展满足实际规律、符合实际条件和具有实际意义的移动车载可预测性、预测极限及预测方法研究；通过引入排队网络的思想，建立车载宏观移动模型；通过借鉴熵理论和信息论，研究了车载移动的可预测性及预测极限问题；通过引入马尔科夫随机过程相关理论，提出了车载移动预测算法。同时，面向城市智能交通系统，运用了本项目所提出的相关预测算法，进行车辆行车路径优化与车载网络机会路由转发算法相关应用。本项目的执行严格按照年度研究计划进行，发表了SCI论文35篇，其中30篇为IEEE论文，最高影响因子5.2.远远超过预期目标。本项目负责人已发表（录用）学术论文100余篇，其中SCI索引80余篇，文章他引2200余次（Google Scholar），8篇文章入选ESI高倍引用论文，4次获国际会议最佳论文/提名奖，已成为在车载移动建模及车联网领域能够独立从事创新研究的学者和科研骨干教师，并且正在培养4名博士生和2名硕士生。