【摘 要】
：
目前搭载高级驾驶辅助系统和车联网(Vehicular Ad Hoc Network,VANET)技术的智能网联车(Intelligent Connected Vehicles,ICV)正大量涌入人工驾驶车(Manual Vehicle,MV)流之中,ICV与MV共存的异构车辆混行交通态势逐步形成,异构车辆之间的交互产生壁垒.混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别,但其受有限算力与有限传感的影响,资源负载增大,时效性与安全性方面存在一定的误差与风险,而混行之下的VANE
【机 构】
：
江苏大学汽车工程研究院,江苏镇江 212013
论文部分内容阅读
目前搭载高级驾驶辅助系统和车联网(Vehicular Ad Hoc Network,VANET)技术的智能网联车(Intelligent Connected Vehicles,ICV)正大量涌入人工驾驶车(Manual Vehicle,MV)流之中,ICV与MV共存的异构车辆混行交通态势逐步形成,异构车辆之间的交互产生壁垒.混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别,但其受有限算力与有限传感的影响,资源负载增大,时效性与安全性方面存在一定的误差与风险,而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景,而且越来越多的ICV计算需求也在激增VANET的负载压力.对此,结合边缘计算概念中的雾计算理论,提出混行车辆雾模型(Mixed Vehicle Fog,MVF),充分发挥车联网络边缘节点能力,通过合理整合调度ICV资源的方法,解决对MV正常交互意图计算的时效性与安全性问题.该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件,然后利用基于容错节点分簇的资源调度算法(Fault-tolerant Node Clustering Resource Scheduling Algorithm,FNC-RSA),动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组“协同雾群”,再评估雾内ICV节点自身资源与路由代价,定向定量调度资源,最终实现雾群内部MV交互信息共享与驾驶意图协同计算.试验借助Prescan和MATLAB搭建联合仿真平台,与低能耗自适应分簇型路由算法(Low Energy Adaptive Clustering Hierarchy,LEACH)模型对比,验证MVF模型的运行效率与模型鲁棒性.研究结果表明:MVF模型通过交互事件细分协同雾群,保证了计算负载均衡,提高了 ICV定向资源计算与传输效率,比LEACH模型降低了 55.17％的平均跳数,缩短了 45.40％的平均任务完成时间,抗时延干扰能力强,鲁棒性能优异.该模型对于打破混行环境异构车辆交互壁垒,提高混行道路交通行车安全,创造车联网络良性发展空间具有积极作用.
其他文献
为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应.基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;
航空制造领域因轻量化、强度等特殊的应用需求,大量使用钛合金、镍基合金等难切削材料,刀具磨损速率快,刀具过度磨损会影响产品质量,在保证产品质量的前提下,为了充分发挥刀具使用价值,亟需监测刀具磨损状态和预测刀具剩余寿命.针对刀具剩余寿命预测的定义、分类和主要预测方法进行了阐述,同时,刀具磨损监测作为刀具寿命预测的基础和先决条件,简述了其重要的流程和常见模型.刀具剩余寿命预测模型主要包括基于物理模型的预测、基于数据驱动的预测和混合预测三大类,对不同预测方法的优缺点和适用场景进行总结,并讨论了刀具剩余寿命预测的未
排队长度是评价信号控制交叉口运行状态的重要参数之一.现有大多数基于抽样车辆轨迹数据的排队长度估计方法可以实现周期级排队长度估计,但是需要信号配时、渗透率或车辆到达分布等实践中难以获取的输入信息.此外,这类方法在低渗透率条件下往往难以确保估计结果的准确性和可靠性,极大地限制了其实用性.因此,提出一种抽样车辆轨迹数据驱动的时段级信号控制交叉口排队长度分布估计方法,可不依赖任何交通流理论模型和前述输入信息实现排队估计.首先,通过理论推导可以证明时段内抽样车辆的停车位置分布和排队长度分布之间可互相转化;然后,提出
准确识别周围车辆的换道意图将有助于自动驾驶系统决策,从而提升安全性和舒适性.提出一种基于长短期记忆(Long Short-term Memory,LSTM)网络的换道意图识别方法,能够较为准确地识别周围车辆的换道意图.该方法先通过构造收益函数来描述目标车辆(被预测的车辆)与其邻域车辆之间的交互关系,得到目标车辆左换道、右换道和车道保持的收益值,并将该收益值作为交互特征输入到意图识别网络;在意图识别网络中,引入注意力机制,通过网络自学习得到的权重对LSTM层各个时刻的输出加权求和,能够对编码信息进行有效利用
汽车保有量的增加和能耗排放法规日益严格的限制给车辆节能减排提出了巨大挑战,网联化、智能化和电气化是提高未来交通效率和减少公路能源消耗的三大支柱.为了全面了解智能网联汽车节能减排的前沿问题与研究进展,对当前经济驾驶领域的重点问题进行了总体概述.首先,从广义的能量转换角度总结了智能车辆节能优化技术的本质和3个过程,其中Wheels to Distance环节的车辆系统优化是挖掘汽车节能潜力的重要一环,针对其介绍了智能网联汽车节能优化问题的基本数学原理;其次,从智能运输系统的各类非同源异构数据出发,分别从人-车
针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性.在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关.确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架.在此基础上,以交叉口车均延误条件风险值最小为 目标,考虑了各流向车道数、信号
针对智能车辆在轨迹跟踪过程中的横向控制问题,提出一种基于强化学习中深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)的智能车辆轨迹跟踪控制方法.首先,将智能车辆的跟踪控制描述为一个基于马尔可夫决策过程(MDP)的强化学习过程,强化学习的主体是由Actor神经网络和Critic神经网络构成的Actor-Critic框架;强化学习的环境包括车辆模型、跟踪模型、道路模型和回报函数.其次,所提出方法的学习主体以DDPG方法更新,其中采用回忆缓冲区解决样本相关性
随着无人机在城市物流配送等领域的迅速发展,城市上空无人机承载能力逐渐成为关注的焦点.以前期调研的城市物流无人机实际运行情况为基础,总结归纳了城市物流无人机的运行模式,以可接受的冲突为度量建立无人机空域容量评估模型.选取中国民航大学南院校区上空空域对物流无人机空域容量进行实例验证,通过仿真得到了相应的空域容量,并对相关影响因素进行分析.研究表明,所提方法不仅能够得到量化的空域容量,还可用于空域容量影响因素分析和无人机飞行空域规划.
近几个月来,由于电力紧缺,各地陆续出台了停电限产政策,很多企业的生产经营受到较大影响.关于限电停产,煤炭涨价造成的电力紧缺是一方面,而碳中和达标带来的能耗双控则是主因.rn我国在“十四五”规划纲要中提出,“单位国内生产总值能耗和二氧化碳排放分别降低13.5％、18％”是经济社会发展主要约束性指标之一.今年年初的 《政府工作报告》 也明确提出,2021年单位国内生产总值能耗降低的目标是3％左右.而多数地区上半年能耗强度降低率未达到进度要求.有些地区为确保完成全年能耗双控目标,对部分企业特别是高能耗企业进行了
以丙烯酸乳液为基料,通过改良配方,制备了一种单组分丙烯酸Ⅰ型防水涂料.探究了乳液、白色颜料、分散剂、pH调节剂、粉液比以及HEC含量对于产品性能的影响,优选了配方、制备工艺并进行了性能探究.结果表明,改良的单组分丙烯酸Ⅰ型防水涂料综合性能优良,室温贮存6个月后呈黏稠状液态,无分水、结块现象,涂刷流畅且不流挂.