典型文献
考虑网联汽车信息安全的交通流短时预测方法
文献摘要：
针对智能网联汽车因网络攻击或干扰造成的信息安全及数据缺失问题,提出一种基于数据补全的交通流状态短时预测方法.首先,基于边缘计算任务卸载模型,对智能网联汽车V2X通信过程的异常数据动态辨识;其次,提出一种具有数据补全机制的图嵌入长短期神经网络模型,实现网联汽车缺失数据补全;再次,通过补全后的完整数据集构建神经网络模型,完成短时交通流状态预测;最后,选取北京市典型路段进行实验验证.结果表明,该模型应用后交通流状态短时预测效果显著提高,与其他方法相比预测误差最大降低87.4％,预测效果与实际交通流状态相比准确率达到95％,为智能网联环境下车辆信息安全与交通资源动态优化提供理论支持和技术方案.
文献关键词：
交通信息工程;智能网联汽车;信息安全;交通流短时预测;数据补全
中图分类号：
作者姓名：
王庞伟;王天任;李振华;刘虓;孙玉兰
作者机构：
北方工业大学智能交通技术交通运输行业重点实验室,北京100144;北方工业大学城市道路交通智能控制技术北京市重点实验室,北京100144;中信科智联科技有限公司,北京100029
文献出处：
引用格式：
[1]王庞伟;王天任;李振华;刘虓;孙玉兰-.考虑网联汽车信息安全的交通流短时预测方法)[J].同济大学学报（自然科学版）,2022(12):1703-1714
A类：
交通流短时预测
B类：
汽车信息,智能网联汽车,网络攻击,数据缺失,边缘计算,计算任务卸载,V2X,异常数据,数据动态,动态辨识,全机,图嵌入,长短期神经网络,缺失数据补全,整数,数据集构建,短时交通流,状态预测,路段,模型应用,其他方法,预测误差,智能网联环境,下车,资源动态,动态优化,交通信息工程
AB值：
0.273882
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
