自主车辆作为传感器：模拟数据收集过程
摘要：城市交通状态估计是提供准确可靠交通流特征的洞察力，从而实现有效交通管理的关键。传统的交通估计方法主要依赖于人工密集和昂贵的技术，如环路检测器和浮动车数据。然而，自动驾驶技术的不断发展已经促使人们越来越多地利用车载传感器数据的巨大潜力，从而引出了一种新的概念，即“自动驾驶汽车作为传感器”(AVaaS)。本文通过模拟数据收集过程创新地完善了AVaaS概念。我们考虑了实际传感器属性，采用了基于车载传感器数据的更准确的估计技术。这些数据可以促进高分辨率的链路级交通状态估计，更广泛地说，还可以进行在线聚类和网络级交通状态估计。我们通过在德国英戈尔施塔特进行真实交通模拟的案例研究来证明AVaaS概念的可行性。结果证实了AVaaS在估计微观(链路级)和宏观(聚类和网络级)交通状态方面的能力，从而突显了AVaaS概念在实现准确可靠交通状态估计和进一步应用方面的巨大潜力。
作者：Yunfei Zhang, Mario Ilic, Klaus Bogenberger
论文ID：2308.11629
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-09-01