基于路网相似性的路段行程时间估计

虽然浮动车GPS数据量很大,但是在某些时段,仍然有一些路段缺少实时浮动车数据,从而难以对行程时间进行估计。针对实时浮动车实时数据在估计路段行程时间时存在数据缺失的问题,本文提出了利用路网间属性和空间结构的相似性,从浮动车历史大数据中提取相似路段之间的时空关联特征,以目标路段与相似路段间的时空关联关系为输入,目标路段行程时间为输出,利用构建的三层神经网络模型进行数据缺失路段的行程时间估计。实验结果表明,路段行程时间估计值的平均绝对百分比误差可达到30%,与Naive Model相比具有较好的估计精度,验证了从路网相似角度解决实时数据缺失的可行性。     

基于车流信息的车载自组织网络路由协议*

车载自组织网络(VANET)具有高移动性和间歇连通性,而且拓扑变化频繁,特别是在事故或交通堵塞的时候,因此,采用了携带并转发的方式,即移动车辆携带数据直到遇见有可转发的车辆。与现有携带并转发的解决方法不同,本文采用分布式实时估计各路段延时的方法。基于对各路段延时的估计,车辆就能计算车低延时的路由路径,然后提出了分布式实时数据流统计辅助的路由协议(DRTAR)来转发数据。实验结果显示,提出的DRTAR协议性能优于其他算法。     

基于区块链的智能网联车队协同轨迹预测系统

自动驾驶汽车技术近年来得到了广泛研究与快速发展,但在复杂的交通场景下,自动驾驶汽车面对突然出现的行驶车辆并不能及时避让。针对此问题,基于区块链技术提出智能网联车队的协同轨迹预测系统,智能网联车队中的各个节点与路边基础设施通过长短时记忆网络(LSTM)模型对周边车辆的运动轨迹进行预判,并将得到的结果进行分享,利用区块链技术,智能网联车队与路边基础设施可以对其接收到的信息进行评分,并将汇总后的评分以区块的形式加入存储信誉评分的区块链中。通过该评分,智能网联车队中的车辆可以根据车队中其他节点的信誉值来判断其是否可信,低信誉值节点传来的信息将不予理睬,从而实现了协同驾驶。实验分析表明,所提LSTM模型能够较为准确地预测周边车辆5 s内的行驶轨迹,而所提的系统在提升智能网联车队的行驶安全上起到了明显的效果。     

基于出租车轨迹数据的最优路径规划方法

针对传统的路径规划算法并不一定能计算得到现实中最优路径的问题,提出一种融合了出租车驾驶经验并以时间为度量的路径规划算法。该算法的实现是将路径规划这个以计算为中心的技术变为以数据为中心的数据驱动挖掘技术。首先,从大量的出租车轨迹数据中提取真实的载人轨迹数据,并将载人轨迹数据匹配到路网数据中;然后,根据地图匹配结果计算路段的访问频次,选取前Top-k个路段作为热点路段;其次,计算热点路段间行车轨迹的相似度,对轨迹进行聚类分析,在路网的基础上构建该k个路段的热点路段图;最后,使用一种改进的A^*算法实现路径规划。实验结果表明,与传统的最短路径规划算法和基于驾驶经验路网分层的路径规划算法相比,所提出的基于热点路段图的路径规划方法有效地缩短规划路径的长度及路径行驶时间,提高路径规划的用时效率。     

基于全局时空特性的城市路网交通速度预测模型

城市路网交通速度预测是智能交通系统中的重要组成部分,其可为出行者提供实时的交通信息,对提升道路通行能力具有重要意义。现有基于图卷积网络的预测模型一定程度上加强了对一阶相邻路段间空间关联程度的挖掘,但在非一阶相邻路段关联度大于一阶相邻路段关联度的情况下,如果仍输入原始的邻接矩阵,会遗失一些相对重要的路段空间信息,无法得到较好的预测结果。为准确挖掘城市路网中的时空特性,提出一种基于全局图卷积和门控循环单元的城市路网交通速度预测模型G-GCGRU。考虑全局路网下非一阶相邻路段间的空间影响程度,利用相关性分析方法计算得到路段间的关联度矩阵,并作为新的卷积方式进一步加深对空间特征的挖掘,在此基础上,采用门控循环单元方法提取路网时间特征。使用深圳市罗湖区城市路网车速数据进行实验,结果表明,该模型预测性能优于图卷积网络（GCN）、门控循环单元（GRU）和GCN-GRU混合模型,以均方根误差为评价指标,预测精度分别提高25.3%、4.7%和2.1%。     

基于个性诊断的路段缺失速度值估计

针对基于GPS的浮动车技术因无法做到对路网的时空间全覆盖导致部分路段实时交通状态缺失问题,提出基于热门路段个性化诊断(personality diagnosis base on popular road,PDPR)模型对各路段上的缺失速度值进行估计。使用K均值算法对所有原始数据作离散化处理,根据数据覆盖率对路段进行分类;以高覆盖率路段的速度数据为辅助,使用个性诊断算法(personality diagnosis,PD)对低覆盖率路段进行缺失速度估计,把估计值映射到连续型空间。实验结果表明,PDPR模型估计误差比PPCA(probabilistic principal component analysis)算法低32.84%,比滑动平均法低5.70%。     

联合通信资源分配的网联车协同自适应巡航 时滞反馈控制

考虑网联车辆队列在路段通信资源受限下的协同自适应巡航控制(CACC)问题,提出一种联合通信资源分配的网联车辆协同自适应巡航时滞反馈控制方法.首先,在头车-前车跟随的通信拓扑结构下,通过网联车辆队列中各车辆间的通信链路数量、该路段可使用的通信资源和当前时刻车辆间的间距误差建立二分图,根据车辆间的间距误差来调度有限的通信资源,将通信资源合理分配给有较大间距误差的跟随车辆;其次,利用非对称PD控制协议和网联车辆队列时滞纵向模型,应用线性矩阵不等式技术计算网联车CACC控制器,进一步得到车辆队列弦稳定性的充分条件;最后,通过Matlab/CarSim联合仿真验证该方法的有效性.     

软件定义车联网的数据转发策略和路由选择技术

针对目前车联网（VANET）数据转发效率低的问题,提出了软件定义网络（SDN）的数据转发策略和路由选择技术。首先,采用了软件定义车联网的分层控制结构,由局部控制器和全局控制器组成,实现数据转发和控制分离,可灵活控制数据转发的方向;然后,设计了单条路段的车辆路由机制,该机制预测车辆节点位置并采用贪心策略,实现数据的稳定传输;其次,设计了多个需求间的路段路由机制,该机制采用广度优先搜索（BFS）算法和边集相结合的方式,实现多个需求间路径不相交,缓解带宽瓶颈问题;最后,通过仿真验证,对比无线自组网按需平面距离向量（AODV）路由,所提出的数据转发策略和路由选择算法在数据分组接收率上提高40%以上,平均延迟时间降低60%左右。实验结果表明,软件定义车联网的数据转发策略和路由选择技术能够提高数据转发效率,减少平均收包延时。     

机会网络中基于节点社会属性的转发算法

针对机会网络中的数据转发问题,提出一种基于节点社会属性的转发算法。该算法计算节点的陌生性、介数中心性和相似性,均衡利用多个节点的资源防止某些节点因资源消耗过快而退出网络,降低网络的连通性。仿真结果表明,与Epidemic、PROPHET及SW等算法相比,在保证较低传输延迟和较高传输成功率的基础上,通过减少节点间的转发次数,有效地降低了网络传输开销,从而提高数据交付率和减少延迟。     

支持动态编辑的交通路网语义建模方法

针对现有交通路网语义建模方法不支持新增道路、道路加宽/变窄、潮汐车道设置、 道路连通性设置等路网交通属性动态编辑修改的问题,提出了一种支持动态编辑的交通路网语 义建模方法。通过分析路网内正常路段和交叉路口之间的耦合关系,给出了由传统 Lane、路口 Lane,Link,Connection,Intersection 以及 Road 等组成的具有层次耦合关系的路网语义数据。 只需输入道路中轴线数据,上述语义数据即可全部自动生成。路网交通属性动态编辑修改后, 只需对相应路段和相连路口语义进行解耦重新计算即可完成路网语义数据的动态更新。实验结 果表明,只需要输入道路中轴线矢量数据和道路宽度数据,该方法即可准确、高效地完成交通 路网语义建模,并且支持路网交通属性的动态编辑且可以实现交通相位的自动生成。     

VANET环境下基于历史行为的消息路由方案

通过分析车用自组织网络(VANET)在道路交通领域中的应用现状,根据VANET的特点及其消息传输过程中面临的挑战,针对以往算法较难准确进行空间建模并较少考虑社会行为的规律性特征的问题,提出了一种基于车辆历史行为统计的消息路由方案——HBSR,具体分为计算车辆之间的连通性的节点连通算法,计算源节点和目的节点间可达时段数的拓扑重叠算法,选择消息转发路径的路径选择算法和丢包策略四部分。通过在ONE仿真平台上将其和一些典型的路由算法进行比较,实验证明HBSR方案能够更有效地在VANET中找到消息转发路径,在送达时延明显降低的同时交付率有显著提高,并且表现相对稳定。     

电子地图道路网模型及其自动生成算法研究

在分析面向ITS的电子地衅对道路信息需求的基础上,提出了基于路段节点连接的单路线电子地图道路网络模型,该模型可以很好地表述现实道路网络,同时还重点研究了电子地图制中的道路网络数据库自动生成算法,该处首先通过实例遍历,彩和路段分主处理算法使道路网络中的路段在交点处一一断开,然后通过建立路段端点表和路心线信息表达,来动态修改两个搜索表,以实现道路跟踪,从而遍历整个道路网络,在整个搜索过程中,系统即自动对道路路段及节点进行编号,建立路段之间的连接关系,从而生成由相互关系的路段和节点组成的电子地图道路网络数据库,最后,还讨论了一些特殊情形的求交算法,实践证明,该算法有效可行。     

稀疏交通环境下基于轨迹的车联网数据分发

在稀疏交通环境下,车联网的数据转发机会较少,车辆携带数据时间较长,从而造成较大的数据传输时延.针对该问题,提出了基于车辆轨迹信息的数据转发协议（data dissemination based on trajectory,简称DDBT）.协议采用“携带+连通组件”思想,通过分析双向交通路段延迟特征,建立了端对端传输延迟模型,提出了在路口接入点协助下基于最小传输延迟期望的车辆留存副本多径转发原则.理论分析及仿真实验结果表明,提出的DDBT协议在稀疏交通环境下表现出较好的数据传输延迟性能.     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。     

ALCA: agent learning–based clustering algorithm in vehicular ad hoc networks

Vehicular ad hoc network (VANET) is an emerging technology which can be used in various applications such as intelligent transport technology, safety applications, etc. But one of the major issues in VANETs is how to cluster the vehicles on the road for efficient operations such as routing, mobility management and generating safety alarms. Clustering of vehicles has been widely used for routing and data dissemination in VANETs. But due to the high mobility of the vehicles/nodes on the road, it is quite difficult to find the exact route in VANETs. Keeping in view of the above issue, in this paper, we propose a new agent learning–based clustering and routing in VANETs. Agents learn from the environment in which they are deployed, and accordingly, their action performed is rewarded or penalized with certain values. Each agent performs its task in collaboration with the other agents, i.e. agents communicate with each other in collaborative manner for information sharing. The deployed agents estimate the mobility of the vehicles, and based upon their learning, clustering of vehicles is performed. An Agent Learning–based Algorithm for Clustering is proposed. The performance of the proposed scheme is evaluated using extensive simulation with respect to the various metrics such as message transmission ratio, percentage of connectivity, node participation, cluster head duration, and connectivity preservation ratio. The results obtained show that the proposed scheme is effective in performing fast clustering and converges quickly to the final solution.     

具备匿名性和信任评估的车联网数据转发方案

随着智能交通系统的快速发展以及车辆用户的持续增长,数据转发成为车联网的研究热点之一.然而车辆节点的高速移动,导致网络拓扑结构的快速变化以及网络持续连通性变差;此外由于车联网无线通信的属性,数据转发的内容以及车辆用户的信息很容易被窃听和泄露;同时存在一些车辆用户可能拒绝转发数据.因此,在车联网中如何保证数据转发的可靠性以...     

面向车载容迟网络的连通性建模与仿真研究

针对车载容迟网络连通性建模进行了研究。首先假设车辆驶入道路的过程服从泊松分布,以及车辆在道路上的行驶速度服从正态分布。继而对基于泊松过程的车间时距分布进行推导,并以此导出行驶车辆在道路上的连通概率。为了验证所提假设和连通模型的正确性和有效性,以欧洲城市卢森堡在7:30 a.m.~8:30 a.m.时间段内的交通数据为实验场景,在城市交通仿真平台（simulation of urban mobility,SUMO）对车辆速度的概率分布、车辆到达率、道路中的平均车辆数及网络连通概率进行了理论计算和仿真实验分析。实验结果表明理论模型的计算值和仿真结果是一致的,所提出的假设和连通模型具有合理性和正确性。     

基于遗传算法的SAR图像道路网检测方法

提出了一种基于遗传算法的SAR图像道路网检测算法.该算法以道路在SAR图像中呈黑色直线状结构为基本出发点,首先检测线特征点以获取潜在道路点;接着利用基于每个连通区域上的Radon变换提取线基元;然后从图像上最长的线基元出发,以其为种子基元,在其周围确定一个搜索区域,用遗传算法选择与种子基元共线的线基元进行连接,并更新种子基元,直到完成所有的连接,得到候选道路段.为了使检测道路更准确,利用蛇模型调整道路段的位置,然后用道路的特征进行鉴别.最后检测道路的交叉点,完成整个道路网的检测.机载SAR图像的实验结果及定量分析均证明了该算法的有效性.     

结合网络编码与存储转发的双向车道内容分发

在双向车道网络中,不同车道上分发的数据内容通常是不相同的,为了减轻丢包率的影响并利用移动车辆的存储转发能力,提出了一种可以结合定向天线的网络编码与存储转发机制来提高数据内容的分发速率。在该机制下,车辆节点驶经反向车道的分发节点时会存储接收到的来自不同车道的数据包,当其成为分发节点后,在分发同向车辆节点所需要的数据内容的同时也会转发反向车辆节点需要的数据包,以此来提高双向车道网络的传输速率。仿真结果显示,对于不同内容的分发,该机制下的分发速率增益接近相同内容分发但无转发机制的速率增益;而对于相同内容的分发,该机制下的分发速率增益可以超过无转发机制的两倍。     

基于最优连通功率控制的WSNs跨层路由优化算法

针对非连通区域节点空洞效应和热点区域节点间通信干扰导致的路由服务质量（QoS）下降问题,提出了一种基于最优连通功率控制的无线传感器网络（WSNs）跨层路由优化算法。算法采用自适应最优连通功率控制策略,在避免路由空洞产生和保证网络连通性条件下,降低热点区域节点数据转发竞争干扰;通过位置信息、剩余能量和干扰等级的跨层信息交互,动态选取最优转发节点,提高网络整体性能。仿真实验表明：算法能够提高路由（QoS）、优化网络生命周期和降低热点区域通信干扰。