Non-cooperating vehicle tracking in VANETs using the conditional logit model
Notice bibliographique
Résumé
Vehicular Ad Hoc Networks (VANETs) are widely considered as indispensable elements of the future intelligent transportation systems that are aiming to apply information and communications technologies to improve transportation safety and quality of experience. We present our take on a relatively unexplored problem, exploiting VANETs for on-road surveillance. The proposal is inspired by multi-agent systems intended for surveillance, e.g., a distributed camera network. We propose a tracking system composed of three operational modules, namely, localization, tracking data collection and prediction of future locations of a target. Camera equipped onboard units (OBUs) act as remote mobile sensors. Tracking messages are communicated among the OBUs and roadside units (RSUs). These messages are also triggered in the possible locations of the target in a timely manner. Therefore, it is imperative to scope the search to limit the number of OBUs and RSUs involved in the tracking operation, thus, minimizing the number of tracking messages. To this end, a movement modeling technique utilizes the OBU-observations to classify the target's movement pattern to aid future trajectory prediction. In our previous work, we proposed a Dirichlet-multinomial (D-M) model under the Bayesian estimation framework. In this paper, we present newly identified cues towards improving the movement estimation model. The D-M model is constrained to the assumption that all the choice sets are identical across trials. We demonstrate that this is almost never the case. The improved model exploits a choice model, called the conditional logit. The conditional logit model is attractive when choice sets vary across trials. Additionally, we weight outcome of each trial according to the given choice sets to achieve higher estimation accuracy. We evaluate the new model by means of an experimental analysis and compare results with the D-M model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».