基于滚动优化和能量回收的V2I电动汽车决策

通过对标准新欧洲汽车法规循环(NEDC)工况的分析,提取出NEDC工况中的实时交通信息,分析不同驾驶状态对于车辆能耗的影响,提出一种新的基于实时交通信息的适用于V2I车辆的测试工况;结合电动汽车能量回收的优点,考虑电池-电机-制动特性约束,设计多源信息融合框架下的制动力分配策略;结合模型预测控制(MPC)的滚动优化思想提出MPC软约束框架下的电动汽车V2I最优控制策略;在AMESim & Simulink联合仿真平台上进行高精度纯电动车整车建模和MPC最优控制器的设计;对优化后车辆和未优化的车辆进行仿真对比验证,结果表明:结合道路交通信息进行最优决策的V2I纯电动车辆可有效降低车辆运行中的启停频率,减少整车能耗、车辆加速度和冲击度幅度,并显著提高整车经济性和舒适性.     

新型基于几何的3D非平稳V2V MIMO信道模型

针对具有多种通信场景和收发端快速移动的V2V通信系统,提出一种基于几何的3D V2V MIMO信道模型.该模型首次结合双球模型和半椭球体模型,分别使用双球和半椭球体模型表征动态和静止散射体;考虑到收发端的运动状态,引入时变的出发角、到达角以及路径长度用于研究V2 V信道的非平稳特性;对所提出的信道模型,推导了空间互相关、时间自相关和多普勒功率谱密度等统计特性函数,分析了不同场景和参数下的V2 V信道统计特性.结果表明,不同场景下V2 V信道各统计特性有较大差异,信道相关性与时间变化和散射体分布密切相关.仿真结果与理论值的高度拟合验证了模型的正确性,为V2 V通信链路的设计提供了理论依据,拓展了基于几何的V2 V信道建模领域的研究.     

基于SA解码的V2 V广播自主资源选择算法

在基于LTE-V(Long Term Evolution-Vehicle)通信系统下的车与车通信(Vehicle to Vehicle,V2V)广播中,道路上的车辆将周期性广播合作意识消息给邻居车辆以便改善道路安全。针对高密度的交通环境下资源选择碰撞问题,分析资源块和用户干扰之间的关系。以提高数据包传输可靠性为目标,提出基于SA解码的V2V自主资源选择算法。车辆通过接收周围一跳邻居的SA和数据包资源预留构建资源占用映射图并分别嵌入到SA和数据包中并广播给周围一跳邻居,从而使邻居车辆获取两跳邻居的预留资源,以减少隐藏终端带来的干扰,之后通过对资源池的划分减少合并冲突带来的干扰。研究表明,该算法可以有效提高数据包传输的接收率。     

时延QoS保证的D2D-based V2V车载通信功率分配方案

OFDMA蜂窝网络中采用Underlay模式的基于终端直通技术的车-车(D2D-based V2V)通信能够提高频谱利用率、增大系统吞吐量,但随之产生的同频干扰问题严重影响通信质量。为了解决该问题,同时满足车辆通信的低时延服务质量(QoS)需求,提出一种基于时延QoS保证的D2D-based V2V车载通信功率分配方案。该方案同时考虑了蜂窝用户和D2D-based V2V用户所受到的干扰,并采用有效容量提供QoS保障,通过拉格朗日对偶分解法求解优化问题。数值仿真表明,相比于其他方案,该方案能够很好地提高系统有效容量。     

基于MI-PUF的V2X车联网通信安全认证协议北大核心CSCD

针对目前车联万物(Vehicle-to-Everything,V2X)中车辆与路边单元(Vehicle-to-Infrastructure,V2I)、车辆与车辆(Vehicle-to-Vehicle,V2V)通信的认证协议计算开销大、易受到攻击者假冒合法身份攻击的问题,文章提出一种基于索引图与索引提示符物理不可克隆函数(Map-Index Physical Unclonable Function,MI-PUF)的车联网通信安全认证协议。该协议引入PUF并利用其轻量级计算的特性降低车辆的计算开销和通信开销;借助PUF自身不可克隆的特性,解决身份假冒攻击问题;通过构建索引图以及哈希函数对PUF的输出信号进行处理,有效解决了机器学习攻击问题。在Dolve-Yao模型下使用形式化验证工具AVISPA验证该协议的安全性,实验结果表明,该协议能够为车联网的V2I及V2V通信提供基本的安全保障。     

基于博弈论的多车智能驾驶交互决策综述

智能驾驶是交通和汽车领域未来发展的重要方向,决策规划作为智能驾驶系统中的关键模块,一直是其重点研究领域之一.当前的研究热点正在从单车智能驾驶决策向混行交通场景下的多车智能驾驶决策进行拓展,因此,需要在复杂动态场景和多并行任务下生成符合车辆动力学且不与道路边界和其他交通参与者发生碰撞的高质量轨迹.多车混行驾驶是对道路时空资源的竞争性使用,博弈论可为多车交互决策提供重要的理论与技术手段.对此,应用博弈论方法进行智能驾驶决策研究的综述,基于滚动时域、微分博弈和马尔科夫博弈这3类常用的博弈模型,对现有相关研究进行归类总结和分析.首先简要介绍博弈论基础知识;其次,总结常见的智能驾驶场景并分析各场景下交互决策的核心问题;然后,通过3种不同的博弈模型对多车交互决策进行建模,分别介绍它们的求解算法和思路及相关的研究工作;最后,介绍相关的仿真实验和测试方法,同时也对未来的技术发展和挑战给出见解.     

一种V2G智能化能源管理的认证机制北大核心CSCD

电动汽车在智能电网的发展中扮演了越来越重要的角色,电动汽车接入智能电网技术成为研究的热点问题。文章提出一种新的基于车联网技术的电动汽车接入电网通信系统模型。基于该模型,针对电动汽车接入电网中的能源管理及接入安全问题,提出一种智能化能源管理策略。与电网中传统的集中式能源管理策略不同,该策略基于车联网技术,将分布式的能源管理与集中式管理结合,使得能源供需信息在V2G网络中有效传播并快速匹配。基于新策略设计了电动汽车之间、电动汽车与聚合单元之间的安全认证机制和认证协议来保证智能能源管理策略有效安全服务电动汽车用户与智能电网。采用逻辑语言形式化地证明了新认证协议能够双向认证参与者的合法身份,能够保证电动汽车用户以及智能电网防御常见的网络攻击。     

V2X通信中基于车辆分簇的资源分配机制

基于3GPP(3rd Generation Partnership Project)R15 SA WI阶段定义的两种V2X业务模型,在无基站覆盖区域进行自主资源选择时导致的碰撞和干扰问题,提出一种基于车辆分簇的资源分配机制。对场景中的所有车辆根据其地理位置和行驶方向进行分簇,根据车簇间的相对位置对所有车簇进行分组,进而划分不同的专属时隙资源;由每个簇中"头车"来担任资源协调与资源占用信息获取的角色。仿真结果表明,该机制在低时延要求场景下的性能较LTE-V2X现有自主资源选择的资源分配方式更优。     

基于深度强化学习的无信号灯交叉路口车辆控制

利用深度强化学习技术实现无信号灯交叉路口车辆控制是智能交通领域的研究热点。现有研究存在无法适应自动驾驶车辆数量动态变化、训练收敛慢、训练结果只能达到局部最优等问题。文中研究在无信号灯交叉路口,自动驾驶车辆如何利用分布式深度强化方法来提升路口的通行效率。首先,提出了一种高效的奖励函数,将分布式强化学习算法应用到无信号灯交叉路口场景中,使得车辆即使无法获取整个交叉路口的状态信息,只依赖局部信息也能有效提升交叉路口的通行效率。然后,针对开放交叉路口场景中强化学习方法训练效率低的问题,使用了迁移学习的方法,将封闭的8字型场景中训练好的策略作为暖启动,在无信号灯交叉路口场景继续训练,提升了训练效率。最后,提出了一种可以适应所有自动驾驶车辆比例的策略,此策略在任意比例自动驾驶车辆的场景中均可提升交叉路口的通行效率。在仿真平台Flow上对TD3强化学习算法进行了验证,实验结果表明,改进后的算法训练收敛快,能适应自动驾驶车辆比例的动态变化,能有效提升路口的通行效率。     

基于上下文感知分布式信标调度方案的V2VC拥塞控制

针对车辆与车辆通信(V2VC)系统中由于车辆高移动性、动态网络拓扑和有限网络资源导致网络拥塞的问题,提出了一种上下文感知分布式信标调度方案.它基于空间上下文信息以类TDMA传输方式动态调度信标,在可预见的延迟和高可靠性下传输信标,基于信道负荷的局部测量和包括在信标中的上下文信息知识,每个节点以分布式方式在分配的时隙动态调度信标传输.仿真实验使用真实信道模型和IEEE 802.11p PHY/MAC模型内各种通信场景评估提出的信标调度方案,结果表明,方案的性能在数据包传输率和信道访问延迟方面优于周期性调度,并且可以满足安全应用的需求.     

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。     

V2V车联网中隐私保护性异构聚合签密方案

随着5G/6G移动通信技术的发展,车联网对于车辆对基础设施、车辆对车辆之间快速交换信息的要求明显提高。然而,在5G/6G网络切片技术中,不同的网络切片采用不同的密码体制,从而会形成异构网络通信。异构车联网可以实现车辆信息的即时共享,但开放的无线通信通道使车辆隐私信息易被泄露,这需要保证共享数据的机密性和完整性。提出一种隐私保护性异构聚合签密方案。该方案使用异构签密技术,在公钥基础设施和基于身份的密码系统（IBC）网络切片环境中可实现不同密码系统注册车辆之间的异构安全通信,同时采用聚合技术,在IBC环境中的车辆将接收到的密文消息进行聚合并对其解密。为确保解密后的密文消息完整,接收车辆对消息进行批量验证,以减少解签密过程所需的时间及传输量。在随机预言模型下,该方案对适应性选择密文攻击具有不可区分性,对适应性选择消息攻击具有存在性与不可伪造性。实验结果表明,相比基于边缘计算的无证书聚合签密方案与车联网高效签密方案,该方案在发送车辆对消息进行签密的阶段中所用时间减少了18.91%~63.12%,在接收车辆对密文进行解签密的阶段中所用时间减少了5.91%~33.66%,具有较高的计算效率。     

基于改进粒子群算法的电动汽车停车场V2G策略研究

为解决电动汽车大规模并网带来的一系列问题,国内外逐步在城市商业停车场内提供电动汽车充电服务。在此背景下,提出一种基于电动汽车并网技术的电动汽车充放电停车场模型。该模型响应实时电价,对电动汽车的充电并网行为进行动态调度,继而与电网进行能量交互。在求解电动汽车最优调度策略时采用粒子群优化算法,从可行性编码、自适应搜索半径、边界变异修正等方面进行改进,以提高算法的效率及收敛精度。仿真实验采用美国PJM公司的实时电价数据及主流电动汽车的型号参数,对比分析了3种不同情景下电动汽车停车场的运营过程及结果,验证了所提模型的合理性以及改进算法的有效性。     

V2V环境下具有组策略防护特性的虚拟交通灯

在V2V环境下的虚拟交通灯可以通过车辆间直接交换的信息协商路权分配,且在设备获取相关信息时,车辆能够有策略地提供信息以获得优先路权。为适用于非可测量因素影响路权的场景,提出一种具有组策略防护特性的虚拟交通灯。通过将车辆提供的真实信息抽象为成本分摊与合作博弈,并设计组策略防护拍卖机制,利用Shapley值计算出每辆车的成本分摊作为车辆的支付。在此基础上,根据拍卖结果中真实的评价值建立绿灯信号,通过信号合并算法整合多次拍卖产生的绿灯信号,由此产生合理的路权分配。实验结果表明,该虚拟交通灯具有组策略防护特性,能够避免车辆形成虚报信息的联盟来获取利益,也能避免车辆通过虚报私有信息来获得路权优先权,与具有固定绿灯通行数量阈值的虚拟交通灯相比,组策略防护的虚拟交通灯在整体平均行驶时间以及高评价值车辆的平均行驶时间上均有一定改善。     

V2X异构车载网络下智能任务卸载策略研究

随着自动驾驶技术的迅速发展,车辆日益增长的处理需求与资源受限的车载处理器之间的矛盾日渐突出.车载边缘计算的出现解决了车载资源的物理限制,增强了单个车辆的计算能力.然而,由于车载服务通常具有时延敏感性,如何选择合适的通信接入技术,更好地满足自动驾驶场景中时延要求便成为一个挑战性难题.鉴于此,综合考虑两种V2X通信接入技术,即短距通信(DSRC)和基于蜂窝网的车载通信(C-V2X),提出一种V2X异构车载网络任务卸载模型.首先分析车辆移动性特征,并对车载资源进行虚拟化处理;然后基于半马尔科夫决策过程原理对任务卸载问题进行建模,分别制定状态、动作、奖励和转移概率;最后基于强化学习智能算法获取最优任务卸载策略,并通过大量数值仿真实验验证其任务卸载性能优于贪婪算法.     

智能车技术探讨

近年来,环境污染、交通安全及拥堵等严峻的问题困扰着整个世界。智能汽车的出现是为了建立一种新的交通范例,以便在很大程度上降低驾驶人员的劳动强度,避免汽车碰撞和减轻交通拥堵等。因而,发展新一代的智能汽车就成为了世界主要国家的发展战略目标。提出智能汽车的新定义:以自身装备动力驱动的智能信息系统管控的车辆。它具有5大基本功能特征,即车车交互、车人交互、车路交互、车网交互和绿色节能。车、人、路、网4个交互规定了智能汽车和周边环境之间的协作关系,而绿色节能则关注于清洁节约的能源管理系统。同时,讨论分析了支撑智能汽车发展所需要的新理论和新技术。最后,介绍了在缩微环境下进行的智能车研究和实践,并对未来智能汽车产业的发展方向做出展望。     

面向智慧交通的图像处理与边缘计算

随着全球人口的持续增长和城市化进程的加速,道路拥挤、交通事故和污染排放增加等问题日益严重。智慧交通系统旨在借助先进的信息与通信技术建成高效安全、环保舒适的交通与运输体系,提供全方位的交通信息服务和安全高效、经济快捷的交通运输与出行服务。经过各国多年来的竭力推进与发展,智慧交通系统在交通管理、自动驾驶与车路协同等方向均得到广泛的应用。智慧交通的发展离不开通信、计算机与控制等研究方向的突破与创新。其中,图像处理作为智慧交通系统的核心技术之一,它的研究进展直接影响着智慧交通系统的部署。图像处理技术是指计算机对图像进行增强、复原、提取特征、分类和分割等技术处理,通过对交通视觉图像的处理,为智慧交通系统的感知、识别、检测、跟踪和路径规划等功能提供了最直接与重要的信息。此外,面对智慧交通系统所产生的大量数据计算任务,边缘计算技术则将中心云服务下沉至各边缘节点附近,不但能够优化算力负载分配,还能够满足智慧交通应用与服务对低时延、高响应速度的需求。本文从智慧交通系统的发展现状入手,分别围绕面向智慧交通的图像处理与边缘计算技术,阐述其研究热点与前沿进展,汇总与比较国内外的相关学术和产业成果,并对智慧交通...     

基于MEMS和GPS的驾驶行为和车辆状态监测系统设计

为了适应智能车辆辅助驾驶系统对驾驶和车辆状态监测的要求,利用MEMS惯性传感器自主设计了微惯性测量单元,并结合GPS设计了一种驾驶行为和车辆状态监测系统,实现对驾驶员操纵动作的感知、汽车6自由度运动状态参数和汽车运行车速的实时监测。介绍了MEMS传感器的选型,设计,安装和布置。实车道路实验结果表明:系统对驾驶员踩踏刹车踏板、离合器踏板和变换档位的操纵动作的感知效果较好,侧向加速度和方向盘转角的理论识别曲线与实车实验曲线在趋势上比较吻合。该系统为开发驾驶人员操纵动作自动识别系统提供理论基础和技术支持,也可为提高汽车行驶性和安全性提供重要的理论依据和工程应用指导。     

Multiple hypothesis tracking for data association in vehicular networks

The introduction of Vehicle to Vehicle (V2V) and Vehicle to Infrastructure (V2I) communications in Intelligent Transportation Systems of the future brings new opportunities and new challenges into the automotive scene. Vehicular communications broaden the information spectrum that is available to each vehicle, allowing the enhancement of existing applications and the introduction of new ones. Undoubtedly, the impact of this new technology in transportation safety, efficiency and infotainment is expected to be very important.A significant part of research in vehicular networks (VANETs) is dedicated to networking issues like routing and safety. However, perception systems which until now were based on onboard sensors only, need to incorporate the wirelessly received information in order to extend the situation awareness of the vehicle and the driver. This paper presents an algorithm for associating targets tracked from an onboard radar sensor with the position and motion data received from the VANET. The core of the algorithm is a track oriented multiple hypothesis tracker that is modified for incorporating information included in VANET messages. The algorithm is tested in real scenarios using two experimental vehicles and then compared with two other algorithmic approaches. One is using a simpler single hypothesis algorithm for association of VANET messages and the second is using only the onboard sensors for environment perception. As a result, the advantages of the Multiple Hypothesis Algorithm regarding association performance and the added value of wireless information in the perception system are highlighted.