基于压缩感知的车联网数据采集

当前车联网已经成为了大规模城市交通信息监测的重要平台。如何将车辆中采集的海量数据同时传输给监测中心并进行处理却是急需解决的问题。通过研究中国深圳市约3000辆出租车采集的数据发现,这些数据存在着空间相关性。基于以上的发现,提出了一种新的应用在车联网交通监测的压缩感知算法,在保证恢复精确度的同时大量减少采样所需要的数据量。仿真实验表明在较低的采样率情况下,该算法重构信号的误差相对很低。     

基于车辆环境态势感知的毫米波波束跟踪

针对以往车联网动态环境下采用的波束搜索方法无法解决毫米波窄波束实时匹配这一问题,本文结合射线追踪法,提出采用一种基于车辆环境态势感知的波束搜索方法,以提高波束搜索效率.该方法首先通过射线追踪法计算得到最优波束对指数,并对当前场景进行编码,形成特征向量,建立数据库;而后采用机器学习对测试车辆场景进行训练,产生适用于实际情...     

基于车辆行为分析的车联网超可靠低时延通信关键技术

为解决车辆高速移动性导致的车联网超可靠低时延通信(URLLC)性能下降问题,提出了大数据驱动的车辆行为分析技术,并阐述了基于车辆行为分析的移动管理技术、资源分配技术和信息安全技术。认为车辆行为分析技术是实现URLLC的基础,移动管理技术是提高通信可靠性的重要手段,资源分配技术是降低通信时延的有效方法,信息安全技术是实现URLLC的前提和保障。     

基于流量感知的网络切片资源智能分配方法

针对当前网络切片资源仅考虑时间域请求所导致切片资源分配不合理的问题,采用基于残差-预测框架的流量感知算法来预测网络流量,结合神经网络预测未来的网络负载状态;基于网络负载预测结果,利用VNF技术实现网络切片资源智能分配.实验表明,该方法能够提升虚拟服务功能链数据包调度的端到端时延和CPU利用率.     

智能车辆环境感知传感器的应用现状

介绍了智能车辆环境感知传感器的优缺点,分析了环境感知传感器在智能车辆技术中尤其是在车道线识别、障碍物检测中的应用现状。由于车辆运行环境的复杂性和传感器的局限性,仅利用某一种传感器难以保证在任何时刻都能提供完全可靠的信息,基于此,讨论了多传感器信息融合技术在智能车辆技术中的应用现状及其发展方向,以便在今后的应用中根据实际需要选择适当的传感器和检测方法。     

无人地面车辆的环境感知技术

环境感知能力是地面无人车辆(UGV)自主、安全、可靠行驶的前提和基础。无人地面车辆的环境感知系统利用各种主动、被动传感器获取周围环境的信息,对传感器数据进行处理、融合、理解,实现无人车辆对行驶环境中的道路、障碍物的检测以及地形分类等,给车辆的自主导航和路径规划提供依据。本文描述了无人地面车辆环境感知系统的组成,研究了结构化和非结构化道路上的道路和障碍检测方法,分析了各种检测方法的检测效果,对环境感知系统当前面临的问题以及未来的发展趋势进行了总结和展望。     

车联网中基于BP神经网络的智能协同频谱感知算法

针对传统信噪比加权频谱感知方法在车联网(Internet of Vehicles,IoV)环境中受噪声影响较大、感知准确率较低的问题,提出了一种基于反向传播(Back Propagation,BP)神经网络的IoV协同频谱感知(Cooperative Spectrum Sensing based on BP Neura...     

基于Markov模型的认知车联网频谱感知方法

针对传统认知车联网(Vehicle to Everything, V2X)频谱感知受主用户频谱活动特性和车辆移动性的影响,感知性能较低的问题,提出了基于Markov的主用户频谱统计模型和认知车辆移动性的频谱感知方法。该方法使用二态马尔可夫链构建主用户频谱统计模型,根据历史统计数据计算主用户频谱状态转移概率,根据认知车辆的移动特性,计算存在频谱机会时的内部概率,最终推导出系统漏检概率的表达式。实验结果表明,该方法在瑞利衰落信道中信噪比为-8 dB时,漏检概率相比传统方法降低了6.5%,具有更好的感知性能。     

基于无线感知辅助的车联网下行无线资源分配方法

在车联网（vehicle-to-everything，V2X）中，感知与安全类数据的高速下发与共享对道路交通安全至关重要。然而，车辆高速移动所引起的通信链路不稳定，会导致现有的基于车辆位置信息上报的通信资源分配方法不再高效。为此，提出了一种基于通信节点无线感知辅助的车联网下行无线资源分配方法。首先，构建了通信与感知资源正交下的通信模式选择与无线资源分配联合优化问题；之后，为解决这一问题提出了基于Delaunay三角划分的分簇通信模式选择与基于改进图着色的资源分配策略，以实现下行吞吐量的提升；最后，仿真分析了无线感知估计误差、车辆数量对算法性能的影响。仿真结果表明，与传统方法相比，所提算法在相同感知带宽资源占比下可获得更好的下行通信性能增益，并能够承受更大的感知误差对性能的影响，同时，所提算法的计算复杂度较低，可节省网络算力资源。     

基于光纤传感器的车辆交通环境实时感知研究

以往车辆交通环境实时感知方法传感器灵敏度较差,无法适应复杂多变环境要求。光纤传感器可输出有用信号与补偿信号两路信号,提升不同情况车辆交通环境感知精度。研究基于光纤传感器的车辆交通环境实时感知方法,依据光纤传感器感知原理建立交通环境实时感知结构,结构中的信息采集部分通过光纤传感器与IP摄像机采集环地上环境信息后,利用信息处理部分分割地面与地上环境信息,获取可行驶区域,通过K-Means方法聚类可行驶区域内地上目标,获取目标列表,利用叠加栅格网与目标表面特征匹配方法识别目标列表中的目标,采用扩展卡尔曼方法跟踪目标列表中的目标,融合识别目标和感知目标,感知目标通过信息显示部分展示。实验结果表明,该方法在晴朗、阴雨、雾霾天气下,加入白噪声和交通拥堵情况下,对车辆交通环境的实时感知准确率均较高,且该方法的车辆交通环境感知时间和能耗均较低。     

基于车辆行为分析的智能车联网关键技术研究

车联网通信系统中通信节点的高移动性、移动行为的复杂性,使得此场景下通信业务呈现数据实时交互性强、空时分布不均、尺度多变、规律复杂的特征,导致传统的车联网网络部署、资源调配难以有效满足用户的差异化服务质量需求。因此,迫切需要设计“车-人-路-云”泛在互联的智能异构车联网网络,通过充分挖掘车辆行为数据的潜在价值,精准预测、刻画车辆行为的空时分布特性,以提升车联网资源利用率、改善车联网服务性能。该文全面梳理了国内外在车辆行为分析、网络部署与接入以及资源优化方面的相关工作,重点阐述了智能车联网关键使能技术,即如何借助先进的人工智能、数据分析技术,探索车联网中车辆行为的空时分布特性,建立车辆行为预测模型,进行智能化网络部署与多网接入、动态资源优化管理,实现高容量、高效率的智能车联网通信。     

基于云雾混合计算的车联网联合资源分配算法

针对车联网业务的低时延、低功耗需求及海量设备计算卸载引起的网络拥塞问题,该文提出一种在云雾混合网络架构下的联合计算卸载、计算资源和无线资源分配算法(JODRAA)。首先,该算法考虑将云计算与雾计算结合,以最大时延作为约束,建立最小化系统能耗和资源成本的资源优化模型。其次,将原问题转化为标准二次约束二次规划(QCQP)问题,并设计一种低复杂度的联合卸载决策和计算资源分配算法。进一步,针对海量设备计算卸载引起的网络拥塞问题,建立卸载用户接入请求队列的上溢概率估计模型,提出一种基于在线测量的雾节点时频资源配置算法。最后,借助分式规划理论和拉格朗日对偶分解方法得到迭代的带宽和功率分配策略。仿真结果表明,该文算法可以在满足时延需求的前提下,最小化系统能耗和资源成本。

     

无线车联网WAVE的车地通信初步研究

通过对802.11p及无线车联网WAVE网络协议族的分析和理解,研究探索真实设备中WAVE网络的性能及其应用程序的开发方法。以构建于linux 2.6.32嵌入式操作系统之上并集成标准IEEE WAVE协议族的真实IWCU设备为平台,编程实现WAVE标准协议下车载单元与路边单元之间进行wsmp格式的数据传输,对记录下的实验结果进行分析,分析表明在短距离范围内,WAVE通信的丢包率和延时会随着距离的增加而缓慢增加。     

一种车联网辅助积极性感知的空间众包任务分配框架

针对大多数空间众包(Spatial Crowdsourcing, SC)中任务分配算法缺乏考虑工人主观积极性的影响,提出了一种利用车联网(Internet of Vehicles, IoV)技术辅助积极性感知的SC任务分配框架(Task Allocation Framework in Spatial Crowdsourcing Based on Internet of Vehicles Assisted Positivity Sensing, IOV-SCA)来甄别消极工人并进行任务分配。IOV-SCA模型分为2个阶段：第1阶段利用部署在路侧单元上的Bi-PSM模型(Positivity Sensing Model Based on BiLSTM)来挖掘消极工人,旨在利用加入注意力机制的BiLSTM模型计算工作停滞时间并与给定阈值比较,从而辨别工人的积极性;第2阶段利用部署在云服务器上的PS-TAA算法(Task Allocation Algorithm Based on Positivity Sensing)进行任务分配,旨在激励工人的同时满足系统效用最大化。在真实数据集上进行大量对...     

基于车联网的车辆应急报警系统设计

交通安全问题日益严峻且接警部门无法及时、准确掌握事故信息。论文引入车联网设计了一种车载报警终端,接警指挥中心通过无线通信网络接收报警信息并在电子地图上定位车辆实时位置。本系统通信畅通、无延迟,能够有效地辅助接警中心展开救援,降低事故造成的损失。     

基于信息中心5G车联网中社会感知的流媒体缓存与转发策略

5G 通信技术的到来为车载自组网（VANET）提供高质量的视频流服务奠定了基础。然而,现有的VANET 仍然采用以主机通信而非内容分发的 IP 网络来分发视频数据,造成了网络功能与设计目标之间的不匹配,为提供高质量的视频服务带来了巨大挑战。基于上述问题,提出了一种以信息为中心的社会感知流媒体缓存和转发策略（SACF）,其时间复杂度为O(m²)。首先,通过分析用户节点的行为构建社会感知的虚拟社区;然后,提出了一种视频快速转发机制来支持用户就近获取视频内容;最后,提出了一种基于社区的缓存策略来优化视频的缓存分布。仿真实验结果表明,与最新的解决方案相比,该算法的缓存命中率提高了18%,查找时延降低了33%,平均网络开销减少了14.6%。     

基于用户个性化服务质量的蜂窝车联网与车载自组织网异构车联网资源分配方法

蜂窝车联网(C-V2X)与车载自组织网络(VANET)的异构融合能够有效提高网络容量.然而,不同网络在非授权频段上共存而引起的信道冲突会导致系统吞吐量降低和用户接入时延增大,无法满足车联网用户对服务质量(QoS)的需求.针对该问题,该文提出一种基于用户个性化QoS需求的时频资源分配方法.首先,分别对C-V2X 和 VANET 的吞吐量和时延进行建模分析,刻画用户数据传输时间配置与吞吐量和时延的数学关系;然后,基于上述模型构建吞吐量-时延联合优化函数,根据用户的个性化QoS需求实现异构网络中吞吐量和时延的优化;最后,提出一种基于改进多目标粒子群优化的时延-吞吐量联合优化算法(DT-JOA)进行求解.仿真结果表明,该文所提网络资源分配算法可以有效地保证用户的个性化QoS需求,提升异构网络综合性能.