车路协同环境下基于动态车速的相位差优化模型

针对基于固定路段行驶车速的相位差优化模型在优化双向滤波时存在的不足,本文基于车路协同环境下车辆–信号控制系统双向、实时通信的运行环境,研究并建立了车辆动态速度与交叉口相位差的整合优化模型.首先,基于对上游交叉口流出的两类交通流,即饱和交通流和非饱和交通流运行特征分析,建立了速度与相位差相互影响关系模型,在此基础上,分别针对两种不同的交通流,以干道实时流量与速度乘积最大为目标,考虑初始排队清空时间,可变速度范围,和相位差取值空间等约束条件,建立了车辆速度与相位差的动态优化模型,从而实现干道交通流不停车通过量最大且延误最小的目的.最后,对比分析了本文模型与经典Maxband绿波优化模型及Synchro软件的信号协调控制优化方案,结果表明,相比其他两种典型优化方法,本文模型能显著提高双向绿波带宽并大幅减少停车次数,提高协调控制的效益.     

车路协同环境下智能交叉口车速控制

传统信号控制交叉口通过相位禁行方式来解决交通冲突,导致交叉口时空资源利用率低,延误增加.为提高车路协同环境下的交叉口通行效率,本文提出了一种基于时空间隙动态分配的智能交叉口车速控制方法,对交叉口车辆通行时间进行归一处理,建立了车辆跟驰控制模型和冲突避碰模型,使车辆能够根据交叉口控制区域内的实时路况信息预先进行速度调整,达到不停车通过交叉口的最优安全速度.运用VISSIM和MATLAB联合搭建仿真运行环境,分别在600 pcu·h^-1, 1200 pcu·h^-1和1800 pcu·h^-1交通流量条件下,对智能控制和传统控制交叉口的控制效益进行评价对比,结果表明:该智能控制方法均能够有效缩短交叉口车辆延误,减少车辆油耗和各类污染物的排放,且交通流量越高,改善效果越明显.     

面向车路协同推断的差分隐私保护研究

车路协同推断通过联合车载终端与路侧边缘服务器进行深度卷积网络推断运算,提高了网络架构推断效率,但是存在用户隐私泄露问题。攻击者在未知车载终端网络结构和参数的前提下,通过训练反卷积网络的方式,可复原车载终端上传的计算结果对应的图像数据,从而发起图像还原攻击。基于差分隐私理论,针对图像还原攻击设计模型扰动、输入扰动、输出扰动3种防御算法,分别在车载终端深度卷积网络的模型参数、输入原始图像、输出计算结果中加入随机拉普拉斯噪声,干扰攻击者的图像还原。通过理论分析得出3种算法均满足差分隐私保护,攻击者难以从计算结果中挖掘出原始数据的隐私信息。实验结果表明,3种算法在有效防御黑盒图像还原攻击的同时能保持推断精确度在90%以上,其中模型扰动算法在均衡隐私保护和推断精确度方面的性能表现优于输入扰动和输出扰动算法。     

基于车路协同技术的智能交通下多匝道协同控制算法

为提高智能交通下多匝道协同控制能力,提出基于车路协同技术的智能交通下多匝道协同控制算法.构建智能交通下路网均衡配置模型,采用分区块化网格划分方法实现多匝道协同参数解析和融合控制,结合车路协同参数调节的方法,构建多匝道协同控制目标函数,通过交通网络的流量参数分析,实现对多匝道协同规划和路径优化设计;采用车路协同技术实现对...     

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动, 全球主要强国均将智能网联汽车列为国家战略发展方向. 蜂窝车联网、边缘计算网络和高精度定位系统的技术发展, 为车车、车路、车人和车云系统的全面融合提供了有效支撑. 车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合, 加速打通车内与车外、路面与路侧、云上与云间的信息互通, 为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础. 首先, 梳理了智能网联车路云协同系统架构与关键技术, 对该领域的演进特征、发展制约因素进行了总体概述; 其次, 阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理; 然后, 从C-V2X组网、融合定位、测试评价角度, 介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展, 给出了智能网联场景的仿真平台、实车测试及评价指标; 最后, 对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

车路协同的云管边端架构及服务研究

对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍;同时重点阐述了智能网联交通体系之车路协同云管边端架构方案,介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的"云-管-边-端"统一架构,同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架,并对其具体功能要求、API调用方式进行了详细论述。     

大数据环境下刀具仓储与采购智能协同研究

刀具是柔性制造企业中重要的工具资源,信息化是柔性制造企业的显著特征。论文在大数据环境下,利用刀具信息管理系统与其他如ERP、CAM、PDM等信息系统沉积的数据,分析了刀具消耗与生产计划存在的线性回归关系,并研究刀具库存与采购的智能协同阈值的发现公式,根据生产计划预测刀具的消耗,科学配置刀具的库存量以加快资金周转提高经济效益。     

面向车路协同的路侧感知仿真系统

路侧感知是车路协同应用开发的重要组成部分,通过在路侧部署传感器,将采集到的路面信息经V2X通信给到车辆,使车辆拥有超视距的感知能力.在实际应用中,为达到最优的路侧感知效果,不同的场景往往需要不同的RSU配置,RSU的选型及安装是一个耗时耗力的过程.交通参与者的识别是路侧感知的核心,基于机器学习的识别算法需要大量的标签数...     

大数据环境下网络信息安全控制研究

从二十世纪90年代以来,计算机技术发展迅速,网络应用广泛,互联网技术也得到很大提升,利用网络进行沟通已经渗透到人们的日常生活中,随着通讯技术的提高,使用人员规模的增大,与之有关的数据量也迅猛增加,大数据发展成为现代社会的一个发展方向,随之出现就是网络信息安全问题.本文先从大环境中简述了大数据的由来和发展趋势,详细分析了现代社会中网络存在的安全问题以及网络信息安全的重要性,最后对网络信息安全如何进行控制作了详细的研究.相信随着科技的进步,大数据与云计算关系将会更加密切,在科学理论上也会有所突破,从而使得网络信息安全得到保障.     

大数据与云计算环境下个人信息安全协同保护研究

计算机和互联网的诞生给世界带来了极大的变化,随着个人电脑的普及和网络运营的生活化,网络渗透进全球每一个角落。信息化技术的发展改善了人民的生活,但是同时也带来了一定的安全隐患。笔者主要从现在大数据和云计算技术背景出发,分析个人信息安全受到威胁的来源,个人信息泄露可能导致的利益损失的重点和保护个人信息安全的必要性,最后针对所出现的问题提出解决方案。     

异质车联网环境下耦合映射跟驰模型的协同控制问题

本文考虑驾驶员的滞后反应时间随时间变化的特性,提出了更符合实际的耦合映射跟驰模型,利用李雅普诺夫函数理论,推导了车队行驶满足稳定性的充分条件.在此基础上,考虑异质车联网环境下同时存在人工驾驶车辆和自动驾驶车辆根据车流的运行特性,将人工驾驶车辆抽象为自动驾驶车辆传感器失效的情况,设计了状态反馈速度控制器,使得闭环系统在部分传感器失效情况下仍然满足渐近稳定,即可缓解交通拥挤问题,利用MATLAB的LMIs工具箱求解得到该控制器的增益参数,最后通过数值算例将控制器的性能与传统的Konishi反馈控制器和无控制器情形相比,并分析了人工车辆的比例和位置对控制器效果的影响,验证了本文方法的有效性.     

面向大数据复杂应用的GPU协同计算模型

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式,各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用,然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度,而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题,面向多种计算模式建立一个多阶段的协同计算模型（p-DCOT）。p-DCOT以BSP大同步并行模型为核心,将协同计算过程分成数据层、计算层和通信层三个层次,并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为,细化了负载均衡的参数并证明时间成本函数,最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。     

大数据环境下的城市计算及其应用

介绍城市计算的技术内涵、数学模型及研究方法。包括数据流、图数据模型和排队论以及传感技术、城市数据管理、城市环境异构数据可视化等技术。并指出当前国内外的研究热点课题以及城市计算的应用和面临的挑战。     

浅谈5G车路协同自动驾驶技术的应用

自动驾驶成为当前社会热点,也是人工智能以及自动化技术创新发展的重要方向.自动驾驶的实现对于计算机信息技术同样也提出了较高要求,基于5G技术发展的创新优化极为必要.5G车路协同自动驾驶技术就是现阶段的研究重点,确实也表现出了极强的作用价值,成为未来发展趋势.文章即重点围绕着5G车路协同自动驾驶技术的应用,在简要介绍该技术...     

基于海云协同的物联网大数据管理

大数据不断地从复杂的应用系统中产生,并且将会以更多、更复杂、更多样化的方式持续增长。多样化的物联网传感设备不断地感知着海量的具有不同格式的数据。物联网系统中大数据的复杂化和格式多样化,决定了物联网系统中针对大数据的应用场景和服务类型的多样化,从而要求物联网大数据管理系统必须采用不同的新技术来应对具有不同格式的大数据,而现有的针对特定数据类型和业务的系统在架构上已经难以满足如此多样化的需求,因此,设计新的具有可扩展性的系统架构已经成为物联网大数据管理的研究热点。文章提出了一种物联网大数据管理的创新解决方案:面向物联网大数据管理的海云协同模型。首先讨论海云协同模型的整体架构和协同机制,然后分别讨论了海云协同模型中海端计算系统和云端计算系统的设计和实现方案,测试结果表明提出的解决方案性能良好、具有实践可行性。     

智慧城市车路协同系统的边缘计算网络架构和方案

车路协同业务是智慧城市中智慧交通的核心业务.本文研究了以边缘计算为核心的智慧城市车路协同计算系统和一个基于智慧城市车路协同三层计算平台的网络体系架构.本文分析了以路侧边缘计算为核心的路口场景接入路侧网络方案和接入回传网络的两种建网模式.     

大数据环境下智能推荐系统中协同过滤算法研究

随着互联网的普及以及电子商务的发展,各类网络应用需要大数据的支持,而信息过载是大数据应用最严重的问题之一,需要来自智能推荐系统的支持.分析了大数据环境下智能推荐系统的概念和应用,对协同过滤算法这一智能推荐经典算法进行了阐述,并介绍了其在大数据环境中的应用领域.     

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。