基于BP神經網絡的碰撞預測及車聯(lián)網MAC層協(xié)議設計.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主要分為被動安全技術和主動安全技術。主動安全技術能夠根據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的研究具有重要的意義。車輛狀態(tài)預測是汽車主動安全技術的基礎，根據以往車輛碰撞預測的成果，本文針對車輛碰撞概率的預測展開研究。

2、
　　現有的車輛碰撞概率計算方法只是結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,預測結果有偏差。為了提高車輛碰撞概率預測的準確度，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神經網絡的方法對車輛的追尾碰撞情況進行預測。由于BP神經網絡的初始化連接權值和閾值的選擇具有很大的隨機性，可能使BP神經網絡訓練的結果陷入局部最優(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神經網絡的初始化連接權值和閾值進行優(yōu)化，此外，為了改進BP神經網絡的收斂速度，本文進一步對BP神經網絡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)預測算法進行性能驗證，結果表明，本文提出的算法能較準確的預測車輛下一時刻的碰撞概率。
　　準確預測到車輛發(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)同防撞應用，根據以RS U為中心的車隊中車輛節(jié)點的數目和車隊中發(fā)生潛在碰撞的車輛節(jié)點的數目，設計了保障告警信息可靠及時傳輸的D-MAC(DynamicslotMedia Access Control,D-MAC)協(xié)議。該協(xié)議是基于動態(tài)TDMA機制，根據當前車隊中的實時交通動態(tài)確定每幀的時隙數目，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