基于边缘计算的危险品运输车辆跟踪预警方法

• 作者: 马峻岩 刘仟金 许良 惠飞 孙正良 袁立 赵祥模
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通安全 危险品运输车辆 边缘计算 协作跟踪 异常检测
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: “危险货物运输过程安全保障技术”专栏
• 页码范围: 120-128
• 页数: 9页
• 分类号: U495
• 语种: 中文
• DOI: 10.3963/j.jssn.1674-4861.2020.05.014

摘要

边缘计算作为一种新兴的分布式计算模型,可提升信息系统的响应速度、节省网络带宽资源.将边缘计算应用于危险品运输车辆的跟踪预警,提出一种边缘智能路侧节点的协作式跟踪算法,在保障实时性的前提下解决了GNSS失锁导致轨迹缺失问题;针对车辆跟踪时的异常状态预警问题,将智能路侧感知的多源信息与车辆运行状态相结合,基于机器学习提出一种融合自车、周围车辆、道路和自然环境等特征因素的预警算法,有效提升了异常检测精度.使用SUMO交通仿真器分析了跟踪算法的性能,结果表明,边缘计算较传统云计算方式时延平均降低了90％,带宽消耗平均减少了68％.基于美国交通部网联车开放数据,通过参数调优分别建立了基于SVM,KNN,Adaboost的单车动力学变量与多因素变量的6种异常检测模型,实验表明,多因素变量检测模型优于单车动力学变量模型.基于SVM的多因素变量模型性能最优,其准确率为0.972,召回率为0.98,AUC为0.974.