无人驾驶车辆被视为未来的交通工具。在不久的将来,无人驾驶车辆将渡船乘客从一个地方到另一个地方,像无人驾驶出租车,从城市运输包装和原材料。然而,对于所有的乐观周围无人驾驶车辆,也有等量的怀疑和担心。许多人认为,无人驾驶车辆将比人类“不安全”的汽车。因此,公众的意愿骑在一个完全无人驾驶车辆会由于非零事故发生率很低。
需要更多的数据和测试来影响公众的信仰在无人驾驶车辆的道路。收集更多的数据集将有助于改善无人驾驶汽车造型使用数据分析;然而,增量方法必须采取深入勘探数据分析技术应用于无人驾驶车辆。这是由于缺乏足够的信息关于罕见的交通和天气事件应该如何在交通系统建模。
这个特殊的问题最近的旨在提供一个全面的概述,并承诺数据分析技术的进步为无人驾驶车辆的智能交通系统。数据分析技术对无人驾驶汽车预计将覆盖当前状态的艺术和突出显示剩余的挑战和障碍的发展无人驾驶车辆,作为智能交通系统的一部分。11篇论文提交了这个问题;4人发表。
下面,我们选择文章的概述这个特殊的问题。
车辆运动分析考虑高度根据修改后的数字高程模型和球面双线性插值模型:证据从gps出租车数据在三亚,郑州,辽阳。修改后的数字高程(身边)模型和球面双线性插值(SBI)模型提出了车辆运动分析考虑高度。此外,9990年的实验数据支持gps出租车在三亚,郑州,辽阳是用来支持比较。测量结果表明,少身边的模型有超过99%的差异有直接的解决方案比原模型和印度国家银行模型可以进一步改善效果。总之,本研究的贡献如下:(1)身边的模型建立计算车辆运动通过数字高程数据基于数学方程(2),印度国家银行提出了模型并应用于改善GPS数据的严谨与高度的协作工具。
恶意软件检测使用机器学习算法在无人驾驶车辆。提出了一种基于机器学习数据分析方法准确地检测异常行为由于恶意软件在大规模网络流量实时。首先,作者定义检测体系结构,这是要求入侵检测模块来检测和阻止恶意软件试图影响车辆通过智能手机。然后,他们提出一个有效的算法来检测恶意行为在网络环境中,进行实验来验证算法的准确性和成本通过与其他算法的比较。本文的主要贡献如下:(1)提出了基于机器学习检测模型检测广告软件和恶意软件在无人驾驶车辆环境和(2)入侵检测模块架构的定义来检测恶意软件和防止影响无人驾驶车辆通过智能手机。
数据分析基于生物信息的情感分类的自动驾驶车辆。分类的脑电图(EEG)数据为四个类型的生物情感信息(稳定、放松、紧张和兴奋),模糊控制系统设计和脉搏和血压数据由单分开包,发送到数据库中。作者提出一个系统使用脑电图推断情感,脉搏、血压(收缩压和舒张压)的用户和推荐的颜色和音乐根据用户的情绪状态在无人驾驶车辆为用户服务。
一种改进的交通事件自动检测技术使用车辆通信基础设施。提出了其模型来估计混合观察者的交通事故(HO)方法和检测交通事件通过使用一种改进的自动事件检测(援助)技术的基础上,换道速度在公路交通环境机制。此外,作者进一步评估该方法的性能与朴素贝叶斯等知名技术,然而,SVM使用i - 880流量数据。本研究有以下贡献:(1)作者开发的车辆和路边单元之间的联系(限制)通过使用一个灯塔机制,(2)他们利用概率方法收集交通信息数据,通过使用车辆基础设施(V2I)通信。
客人这个特殊问题的编辑认为所选文章的贡献无人驾驶车辆领域前进和智能交通的进一步研究开辟了新途径。尤其是,这四个选择文章提供关键信息通信技术解决方案开发人员面临的各种挑战的技术用于无人驾驶车辆安全和智能交通系统。
的利益冲突
客人编辑宣布没有关于这个特殊的利益冲突问题。
确认
客人编辑要感谢评审人员的时间和精力致力于分析提交的手稿,以及用于提高质量的意见和建议接受的文章。
Hyunhee公园
Kandaraj Piamrat
卡迈勒•辛格
Hsing-Chung陈