检索结果-南通市图书馆

面向车路云协同的临近检测时延和能耗联合优化研究

在线全文

学校读者我要写书评

暂无评论

面向车路云协同的临近检测时延和能耗联合优化研究

作者：赵彤雨北京邮电大学

学位级别：硕士

自动驾驶和辅助驾驶的发展催生了道路网络中的临近检测问题,它在确保安全驾驶方面发挥着重要作用。临近检测问题指的是判断两辆车是否在短时间内彼此接近,是一项时间敏感型任务。然而,在实际场景中,车辆的电池电量和计算能力受到限制。... 详细信息

自动驾驶和辅助驾驶的发展催生了道路网络中的临近检测问题,它在确保安全驾驶方面发挥着重要作用。临近检测问题指的是判断两辆车是否在短时间内彼此接近,是一项时间敏感型任务。然而,在实际场景中,车辆的电池电量和计算能力受到限制。因此,如何在低时延和低能耗的情况下解决这一问题是一个值得研究的重要问题。结合车路云协同的优势,本文提出了道路网络临近检测场景下联合优化时延和能耗的解决方案,达到能实时持续检测(提高临近检测的实时性)和减少智能终端能耗的目的,所作工作如下:(1)基于遗传算法的临近检测时延和能耗联合优化。在多用户多服务器场景下,提出了一种基于边缘计算(Mobile Edge Computing,MEC)的临近检测计算卸载方案,包括本地计算和卸载到边缘服务器计算两种方式,并将临近检测场景下联合优化时延和能耗的计算卸载问题建模为有约束的多目标优化问题(Constrained Multiobjective Optimization Problem,CMOP),以最小化整个系统的平均时延和能耗。考虑问题的复杂性,采用二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)求解这个多目标优化问题。实验结果表明,在不同参数的影响下,NSGA-Ⅱ算法具有鲁棒性,最终都能够找到帕累托最优解,可以满足用户的不同需求。此外,提出了一种动态道路网络中基于时间距离的剪枝策略,可以过滤掉不需要进行检测的用户(即,不需要检测也能判断是否临近)。实验结果证明了剪枝策略的有效性,可以显著降低时延和能耗。(2)基于深度强化学习(Deep Reinforcement Learning,DRL)的临近检测时延和能耗联合优化。考虑人工智能在分析、判断和控制方面的优势更适用于车联网动态时变的复杂环境,将人工智能技术与边缘计算二者有机纳入于车联网架构中。为解决车联网中数据通信与智能决策的通算一体化问题,提出了一种通算一体化车联网临近检测架构。在多用户单服务器场景下,提出了一种任务计算卸载方案,包括本地计算、卸载到边缘服务器计算和卸载到周围空闲车辆计算三种方式,并将道路网络临近检测场景下联合优化时延和能耗的计算卸载问题建模为有约束的多目标优化问题,以最小化目标车辆的时延和能耗(即,单车最优)。提出了一种有效的方法(Deep Deterministic Policy Gradient-Constrained Multiobjective Optimization Algorithm,DDPG-CMOA)解决此问题,包括基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的临近检测算法(DDPG-based Proximity Detection Algorithm,PDBDDPG)和动态路网更新算法(Dynamic Road Network Update Algorithm,DRNU)。同时,多目标进化算法(Multiobjective Evolutionary Algorithms,MOEAs)也用于与DDPG-CMOA方法进行性能对比。实验结果表明,DDPG-CMOA方法运行时间短,泛化能力强,所得解具有较好的收敛性和多样性。(3)开发实现了基于Django的临近检测时延能耗联合优化可视化系统。可以根据用户选择,为用户提供合适的卸载决策和临近检测结果,减少任务执行的时延和能耗,提升用户体验感。采用Django框架技术作为Web应用框架,Highcharts实现交互式图表展示,实现基于深度强化学习算法DDPG-CMOA的用户推荐流程,并应用前端技术展示系统界面。综上,本文提出了两种道路网络临近检测场景下联合优化时延和能耗的解决方案并开发了基于Django的可视化系统,达到了能实时持续检测和减少智能终端能耗的目的。

关键词：车路云协同车载边缘计算(Vehicular Edge Computing,VEC) 临近检测多目标优化深度强化学习遗传算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于推荐系统的车路云协同资源分配方法研究

基于推荐系统的车路云协同资源分配方法研究

作者：李欢湖南大学

学位级别：硕士

在边缘计算、任务卸载和通信等技术的融合下,面向智能网联车辆的车路云协同系统能够协同车辆、路侧和云端资源进行信息交换和任务处理。车辆通过将任务卸载到边缘侧和云端的服务节点,实现对任务快速高效的计算,有效地扩展了智能网联汽... 详细信息

在边缘计算、任务卸载和通信等技术的融合下,面向智能网联车辆的车路云协同系统能够协同车辆、路侧和云端资源进行信息交换和任务处理。车辆通过将任务卸载到边缘侧和云端的服务节点,实现对任务快速高效的计算,有效地扩展了智能网联汽车的能力。但由于服务节点的资源存在异构性,不同任务对资源的需求也各不相同,因此,如何为车辆选择最优资源分配方案成为任务卸载过程中的关键问题。针对上述问题,本文从系统和车辆用户两个角度研究了车路云协同系统下的资源分配问题。系统层面,针对资源分配方案如何提升系统整体效用的问题,提出了一种考虑系统开销的资源分配推荐方法。首先构建了以系统开销最小化为目标的多约束优化问题模型,然后在此基础上设计了一种资源分配推荐算法和数据集生成规则,通过构建相关数据集并利用所提算法求解资源分配方案,得出车辆用户和服务节点之间的匹配,实现了通信和计算资源的分配。最后,本文设计了不同组合场景的仿真实验,实验表明,该方法在时延、能耗、系统总开销以及运行时间方面均优于传统方案。车辆用户层面,针对资源分配方案如何提升用户服务质量的问题,提出了一种考虑车辆个性化的资源分配推荐方法。首先定义了一个可以衡量车辆用户个性化满意程度的服务质量(Quality of Service,Qo S)指标,该指标综合多个用户需求,并由权重系数体现不同车辆用户的个性化偏好。基于服务质量最大化的问题,构建了相关系统模型,设计了个性化Qo S指标的具体实现和相关个性化权重系数预测模型。在此基础上设计了一种个性化资源分配推荐算法,通过数据集的构建和算法的求解得到车辆用户和服务节点之间的个性化匹配,实现了服务质量最大化的分配方案。最后,本文设计了不同组合场景的仿真实验,实验结果表明,该方法在Qo S和运行时间上综合优于传统方案,且对于再次请求的任务能够进一步优化服务质量和运行时间。

关键词：车路云协同任务卸载资源分配最优匹配个性化匹配推荐系统

面向智能网联汽车的车路云协同资源管理方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向智能网联汽车的车路云协同资源管理方法研究

作者：任舸帆湖南大学

学位级别：硕士

近年来,随着智能网联汽车的发展,车路云协同计算架构将云端的计算资源下沉至靠近智能网联汽车一侧的路侧网络边缘,以满足智能网联汽车计算任务的低时延需求,保证服务质量。由于每个路侧边缘资源节点的计算、存储和网络资源都是有限的,... 详细信息

近年来,随着智能网联汽车的发展,车路云协同计算架构将云端的计算资源下沉至靠近智能网联汽车一侧的路侧网络边缘,以满足智能网联汽车计算任务的低时延需求,保证服务质量。由于每个路侧边缘资源节点的计算、存储和网络资源都是有限的,在智能网联汽车交通场景下大量高并发的计算任务在有限资源的使用上存在一定的冲突,且任意资源出现故障都会影响分配策略的有效性,因此制定合理可靠的资源分配策略十分必要。同时,因为路侧边缘节点的基站信号覆盖范围有限,只能为处于该范围内的智能网联汽车分配资源进而提供服务,而智能网联汽车在行驶过程中将进入不同的基站的信号范围,继续访问此前分配好的资源将导致服务时延增加甚至服务中断,无法保证车辆接收服务的连续性,服务迁移技术可以有效解决该问题,而采用不同迁移选择将对应不同成本,因此需要确定合理高效的服务迁移策略,在保证服务质量与用户体验的基础上,尽量降低迁移开销。本文对智能网联汽车场景下车路云协同资源管理的两个方面:资源分配和服务迁移展开了研究。针对资源分配问题,本文以服务质量为切入点,引入通过多个低成本低可靠性的资源节点协同合作获得高可靠性服务的模式,构建了以系统收益最大化为优化目标并考虑资源容量、任务时延等约束条件的资源分配优化问题模型;并基于惩罚函数法将问题转化为无约束问题,通过遗传算法求解获得最优资源分配的决策方案,实现任务与资源节点间的最佳匹配;仿真实验结果表明该方法在系统收益以及任务完成率方面均优于对比方法,证明了方法的有效性与实用性。针对服务迁移问题,本文从智能网联汽车的服务特性出发,将服务分为即时性服务与延续性服务两类,并根据其服务特性提供迁移、中转或重建实例等不同选择,构建了以系统成本最小化为优化目标并考虑资源容量与最大连接距离等约束条件的服务迁移优化问题模型;在求解过程中,设计了依据智能网联汽车位置确定候选连接节点与成本的算法,再基于惩罚函数法将问题转化为无约束问题,通过遗传算法求解获得成本最小的服务迁移决策方案;最后通过仿真实验验证了所提方法的有效性,与现有方法进行了对比,结果表明本文所提方法能够获得更低的系统成本。

关键词：车路云协同资源管理资源分配服务迁移遗传算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车路云协同技术在智慧矿山场景中的应用研究

重型汽车 2023年第5期 37-38页

作者：杨孟田磊赵玉超张志存林洪振中国重汽集团汽车研究总院

为进一步提高智慧矿山的建设效果,需要重视智慧矿山与车路协同技术的有结合,文章首先阐述车路云协同技术及其框架,其次对该技术的典型场景进行分析,以期为该领域的后续研究提供参考。

关键词：智慧矿山车路云协同典型场景

基于C-V2X的车路云协同系统架构及场景化部署方法研究

在线全文

学校读者我要写书评

暂无评论

广东通信技术 2022年第12期42卷 35-39,43页

作者：严炎联通智网科技股份有限公司

面向车路云协同的蜂窝车联网(Cellular Vehicle to X,C-V2X)主要有蜂窝通信(Uu)和直连通信(PC5)两种工作模式,其中蜂窝通信模式通过空中接口如4G、5G与基站进行通信,实现车与云之间大带宽、广覆盖、远距离的通信连接,直连通信模式则通过... 详细信息

面向车路云协同的蜂窝车联网(Cellular Vehicle to X,C-V2X)主要有蜂窝通信(Uu)和直连通信(PC5)两种工作模式,其中蜂窝通信模式通过空中接口如4G、5G与基站进行通信,实现车与云之间大带宽、广覆盖、远距离的通信连接,直连通信模式则通过5.9 GHz车联网专用频段,实现车与车、车与路侧设备之间的低时延直连通信。探讨城市道路下基于C-V2X的车路云协同系统部署方法,构建车路云协同系统建设目标及总体架构,提出关键基础设施在不同场景下的设计方法和原则,为后续车路云协同的大规模部署提供参考。

关键词：蜂窝车联网 5G 车路云协同系统架构路侧设施

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

面向车路云协同的量子安全通信应用技术研究

面向车路云协同的量子安全通信应用技术研究

2022中国汽车工程学会年会暨展览会

作者：程腾吴泽旭王修文黄鹤石琴陈炯张如通何慧芸合肥工业大学汽车与交通工程学院安徽省智慧交通车路协同工程研究中心蔚来汽车科技(安徽)有限公司科大国盾量子技术股份有限公司

随着车联网示范区在全国各地不断开展建设,为车联网技术研究提供了有力的基础设施保障。车路协同控制系统基于车联网技术实现人车路的协同控制,能够极大地提高交通效率,保证交通安全。而车路协同控制系统的通信系统更是实现人车路协同... 详细信息

随着车联网示范区在全国各地不断开展建设,为车联网技术研究提供了有力的基础设施保障。车路协同控制系统基于车联网技术实现人车路的协同控制,能够极大地提高交通效率,保证交通安全。而车路协同控制系统的通信系统更是实现人车路协同控制的必要基础,整个车路云协同通信系统不仅要保证低时延、高速率和高可靠的通信,同时也要保证通信信息的安全性。因此,本文基于现有的V2X (Vehicle-to-Everything,V2X)通信技术,将量子加密通信技术融合到车路云协同通信系统中,搭建了面向车路云协同的量子安全通信架构,设计并完善了车路云协同通信系统。同时,对本文设计的车路云协同通信系统分别从时延、丢包率、通信距离和车辆状态四个方面进行实验验证。实验证明车路往返通信的平均延迟为32～38ms、通信完整消息占比99.99%及以上,满足中国汽车工程学会起草的《合作式智能运输系统车用通信系统应用层及应用数据交互标准》(TCSAE 53-2017)中的相关规定,证明了该通信系统的可行性。受限于实验环境和条件,下一步可以引入仿真平台,进行车流量较大和行车速度较高场景下的验证。因此,在今后将会进一步开展研究和实验,完善本文设计的车路云协同通信系统,使得该系统不仅能够实现高速安全的通信,还能够有效地应对今后到来的量子计算时代,为车联网技术的发展保驾护航。

关键词：车路云协同 V2X通信量子加密智能网联汽车信息安全

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于车路云协同自动驾驶技术的应用场景研究

信息与电脑 2021年第19期33卷 11-13页

作者：蒋艳冰潘涛陆宁徽钟作腾上汽通用五菱汽车股份有限公司广西柳州545007

本文阐述了车路云协同自动驾驶技术的应用现状,针对智能交通、智慧城市的发展热点、重点及痛点进行专业分析。以上汽通用五菱汽车股份有限公司的5G云控物流产品为例,对其商业价值模式以及对未来交通系统的影响进行分析,并介绍项目技术架... 详细信息

本文阐述了车路云协同自动驾驶技术的应用现状,针对智能交通、智慧城市的发展热点、重点及痛点进行专业分析。以上汽通用五菱汽车股份有限公司的5G云控物流产品为例,对其商业价值模式以及对未来交通系统的影响进行分析,并介绍项目技术架构,分享应用成果,挖掘用户诉求和业务需求,最后提出了具有重要参考价值的应用场景设计方案,来带动智能交通相关产业的发展。

关键词：车路云协同智能网联汽车自动驾驶

基于5G-CV2X的多路口智慧公交绿波通行方法

在线全文

学校读者我要写书评

暂无评论

沈阳大学学报（自然科学版） 2024年第4期36卷 331-340页

作者：马小陆徐立伟唐得志李国强齐晶晶瞿元安徽工业大学电气与信息工程学院安徽马鞍山243002 安徽工业大学芜湖技术创新研究院安徽马鞍山243002 安徽达尔智能控制系统股份有限公司安徽芜湖241002 奇瑞汽车股份有限公司安徽芜湖241006

提出了一种基于5G-CV2X的多路口智慧公交绿波通行方法。该方法通过5G-CV2X设备实时采集公交车行驶状态(速度、位置等)、公交车与当前路口的距离、路口位置和红绿灯的相位,云端使用基于遗传的非侵入式信号控制算法对多个路口红绿灯相位... 详细信息

提出了一种基于5G-CV2X的多路口智慧公交绿波通行方法。该方法通过5G-CV2X设备实时采集公交车行驶状态(速度、位置等)、公交车与当前路口的距离、路口位置和红绿灯的相位,云端使用基于遗传的非侵入式信号控制算法对多个路口红绿灯相位时长和公交车车速进行全局优化,然后云端将全局优化后的行车建议速度和指导相位通过5G发送至公交车和信号机,实现多路口绿波通行。实际道路测试验证,该方法能够实现多路口公交快速绿波通行,提升了公交系统的运行效率。

关键词：公交优先车路云协同 V2X 5G 遗传算法

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

面向智能网联路侧基础设施的测试评价方法

汽车与新动力 2024年第3期7卷 15-20页

作者：王鹏冀建宇许瑞琛上海机动车检测认证技术研究中心有限公司上海201805

为解决示范区或智能网联改造道路中车路云协同一体化系统使用效果不理想的问题,针对路侧基础设施及云控平台,综合应用路云数据传输、蜂窝车联网(C-V2X)通信及路侧多传感器感知等多种技术手段,提出了一种智能网联路侧基础设施的测试评价... 详细信息

为解决示范区或智能网联改造道路中车路云协同一体化系统使用效果不理想的问题,针对路侧基础设施及云控平台,综合应用路云数据传输、蜂窝车联网(C-V2X)通信及路侧多传感器感知等多种技术手段,提出了一种智能网联路侧基础设施的测试评价方法。该方法包括云控平台南北向数据链路验证,路侧C-V2X协议一致性、通信性能、网联应用场景验证,以及路侧目标物、交通事件感知精度验证。经实地测试验证,该方法能够全面高效地对智能网联路侧基础设施情况进行摸底测试,可有效发现路侧C-V2X通信协议不一致、网联应用场景设计缺陷、路侧感知精度差、路云数据传输异常等问题,以辅助建设方解决相应问题。

关键词：蜂窝车联网(C-V2X) 车路云协同路侧C-V2X测试路侧感知测试评价

维普期刊数据库博看期刊