基于车辆与车辆的车联网分布式协同感知定位

车辆协同感知定位是车辆定位的热点技术.针对车载自组织网络,本文在GPS卫星导航和车辆自身航位推算(DR)的基础上,利用车辆之间的到达时间(TOA)观测和车辆到车辆(V2V)的实时通信来设计一种分布式协同定位方法.针对协同定位中TOA测量函数的非线性和辅助车辆真实位置未知的问题,提出了一种基于改进无迹卡尔曼滤波(UKF)的协同定位算法.相对于传统的UKF协同定位使用GPS观测值作为辅助车辆位置,本文提出的算法将辅助车辆位置作为未知参数,扩维到状态向量,有效降低了辅助车辆位置误差对定位精度的影响. Monte Carlo仿真结果表明,利用TOA观测的协同定位精度明显优于仅利用GPS和DR的独立定位精度,且改进的UKF协同定位算法相比于传统UKF算法,具有更高的定位性能.     

联合通信资源分配的网联车协同自适应巡航 时滞反馈控制

考虑网联车辆队列在路段通信资源受限下的协同自适应巡航控制(CACC)问题,提出一种联合通信资源分配的网联车辆协同自适应巡航时滞反馈控制方法.首先,在头车-前车跟随的通信拓扑结构下,通过网联车辆队列中各车辆间的通信链路数量、该路段可使用的通信资源和当前时刻车辆间的间距误差建立二分图,根据车辆间的间距误差来调度有限的通信资源,将通信资源合理分配给有较大间距误差的跟随车辆;其次,利用非对称PD控制协议和网联车辆队列时滞纵向模型,应用线性矩阵不等式技术计算网联车CACC控制器,进一步得到车辆队列弦稳定性的充分条件;最后,通过Matlab/CarSim联合仿真验证该方法的有效性.     

基于图神经网络的多智能体强化学习值函数分解方法

如何在部分可观测的情况下实现智能体之间的协同配合是多智能体强化学习(MARL)中的一个重要问题。值函数分解方法解决了信用分配问题,是一种实现多智能体之间协同配合的有效方法,然而在现有的值函数分解方法中,智能体个体动作值函数仅取决于局部信息,不允许智能体之间进行显式的信息交换,阻碍了这一系列算法的性能,使其无法适用于复杂场景。为了解决这一问题,在值函数分解方法中引入智能体间的通信,为智能体提供有效的非局部信息以帮助其理解复杂环境。在此基础上,提出一个基于图神经网络的分层通信模型,通过图神经网络提取相邻智能体之间需要交换的有用信息,同时模型能够实现从非通信向充分通信过渡,在通信范围有限的情况下实现全局合作,适用于现实世界中通信范围受约束的情况。在星际争霸Ⅱ多智能体挑战赛(SMAC)环境和捕食者-猎物(PP)环境下进行实验,结果表明,在SMAC的4个不同场景下,该方法与QMIX、VBC等基线算法相比平均胜率提升2～40个百分点,并且能够有效解决非单调环境下的捕食者-猎物问题。     

基于GPS/GIS协同的动态车辆调度和路径规划问题研究

从物流行业信息化和智能化发展的需求出发,利用以物联网为代表的现代信息和通信技术,设计了GPS/GIS协同下的智能车辆监控和调度系统。同时,基于该调度系统具有的信息实时获取和智能处理能力,考虑配送车辆及客户需求等相关实时信息对车辆调度和路径规划的影响,构建了基于实时信息且带时间窗的动态车辆路径问题(DVRPTW)混合整数规划(MIP)模型。结合模拟实验,通过混合遗传算法寻优对车辆配送路径进行动态调整和优化,为物流行业降低企业运营成本、提高物流配送效率、改善物流服务质量提供借鉴和参考。     

一种异构计算系统中考虑通信冲突的有效任务调度算法

任务调度是异构计算的核心问题之一 .现有的异构计算系统的任务调度算法基本上没有考虑任务通信时可能在同一通道中发生冲突的情况 ,因而造成任务调度的结果与实际运行结果之间的差异 .本文提出了一种异构计算系统中的基于表调度 (list scheduling)的启发式任务调度算法 ,该算法考虑了任务通信中通道冲突的情况 ,在不提高算法复杂度的同时提高了任务调度的性能 .文中还通过实例结果的比较说明了该算法的有效性     

基于信息增益一致性的多机器人地图融合算法

针对多机器人协同SLAM(同步定位与地图构建)的地图融合中,由于通信距离受限或网络拓扑变化造成信息缺失、从而影响全局地图构建的问题,提出一种基于信息增益一致性原理的动态地图融合算法.该算法是完全分布式的,且不依赖于任何特殊的机器人通信网络结构.该算法利用机器人所测局部地图的历史数据和当前数据之间的新增信息,使每个机器人都能同步地获取一致的、最新的全局地图.在有限的网络连接条件下,所提出的地图融合算法能够通过渐近收敛的方式获得准确的全局地图.在每一次迭代中,每个机器人得到的全局地图都是无偏的.在实验中通过实际环境的RGB-D(彩色-深度)数据验证了算法的有效性.     

车联网中基于功率控制的传输可靠性算法

针对车联网中车车通信间的传输可靠性差的问题,提出了一种最小最大功率控制传输可靠性评估(MMPETR)算法。首先,研究了移动车辆的发射功率控制技术对数据传输可靠性的影响,即增加发射端功率可提高消息传输成功率。其次,对现有的传输可靠性评估(ETR)算法进行改进,全面考虑了车车通信中发送端车辆成功分发告警消息所需的发射功率与该车辆本身的最小发射功率和最大发射功率之间的大小关系。最后,通过仿真给出发送端车辆的最小发射功率和最大发射功率的合理数值。仿真结果表明,MMPETR算法的传输成功概率比ETR算法增加了约4%,提高了传输可靠性。     

异构通信网联车系统鲁棒协同自适应巡航控制

考虑异构通信下的不确定网联车系统协同自适应巡航控制(CACC)问题,提出一种网联车系统鲁棒协同自适应巡航控制器设计方法.采用伯努利随机过程和具有可变输入延迟的跟踪模型描述具有参数不确定性和丢包及时延的异构通信网联车系统.为降低CACC控制器设计的复杂性,采用分散输出反馈控制结构和线性矩阵不等式技术,求解不确定异构通信网联车系统的CACC控制器.进一步,利用时滞系统方法和频域分析,建立保证闭环系统稳定和网联车辆系统弦稳定结果.最后通过一组四车辆三信道的网联车辆系统的仿真实验验证所提方法的有效性.     

面向VANET可靠广播的协同背驮算法研究*

道路信号干扰造成的非可靠链路使得车载自组织网络Vehicular Ad-hoc Network (VANET) 中的广播消息频繁发生数据丢包。由于广播消息中包含与车辆安全相关的信息,任何数据丢包都可能对车辆的安全驾驶造成严重影响。为增强车辆之间信息交互的可靠性,提出了一种贪心背驮算法(Greedy Piggyback Algorithm, GPA)。允许所有车辆在发送自身丢包请求的同时,从接收缓存中选取若干消息进行背驮式附带广播,对其他车辆的数据丢包进行合作恢复。针对由非对称信道引起的车辆信息孤岛问题,在贪心背驮算法的基础上提出了一种基于策略学习的交互背驮算法(Mutual Learning and Piggybacking Algorithm, MLPA),通过车辆之间背驮策略的交互、学习以提高VANET中消息广播的可靠性。仿真结果表明,GPA和MLPA不仅将车辆广播中数据接收的可靠度分别提高到0.85和0.95,还能获得较低的网络负载和较短的传输延迟。     

基于智能垃圾桶的垃圾分类动态收运路径优化问题研究

针对城市生活垃圾分类收运过程中存在的环境二次污染和垃圾产生量不确定性等问题,提出了一种基于智能垃圾桶的动态收运车辆路径优化方法。建立以最小化碳排放成本、燃油消耗成本、固定成本和车辆延迟到达惩罚成本为目标的动态车辆路径优化模型。采用滚动时域的方式将动态问题转换为一系列静态问题,并设计两阶段算法进行求解。首先采用粒子群算法对收运车辆路径进行规划,而后在每个时域末,综合考虑待清运垃圾桶的位置和垃圾量、垃圾收运车辆的位置和装载量以动态调整现有车辆路径。研究结果表明,相较于传统的静态收运方案,动态垃圾收运方案能够在降低车辆运输成本和碳排放成本的同时,显著降低由于清运不及时造成的环境二次污染的风险。     

一种双无人机协同跟踪地面移动目标方法

针对通信延时情况下双无人机协同跟踪地面移动目标问题进行研究, 构建了基于分布式遗传算法和滚动时域优化结合的目标跟踪航迹规划算法模型。考虑到通信延时会增加目标状态信息数据融合时的误差, 导致无人机跟踪任务效果变差, 结合递推最小二乘滤波和加权最小二乘估计设计了融合方法, 来融合处理目标状态信息; 考虑到无人机对目标的观测效果与未来时刻的目标状态信息密切相关, 采用递推最小二乘滤波预测目标的状态信息, 结合分布式遗传算法和滚动时域优化设计了双无人机目标跟踪航迹规划算法。适应度函数考虑了无人机和目标之间的距离、无人机之间的通信距离、无人机之间的通信角度。仿真结果表明：该协同跟踪方法能够较好地完成跟踪任务; 与一架无人机跟踪相比误差明显减小, 并且可以减小通信延时带来的跟踪误差。     

考虑时延的智能网联汽车混合交通流稳定性分析

为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网...     

基于UKF的UWB和GPS融合定位算法

智能汽车的发展对高精度定位需求日益显现. 针对汽车在城市建筑群、立交桥等特定环境下, 可见GPS卫星数量下降、车载GPS和惯性测量单元(inertial measurement unit, IMU)组合定位系统中IMU产生积累误差导致不能精确定位问题, 本文提出一种基于无迹卡尔曼滤波(unscented Kalman ...     

车辆边缘计算环境下任务卸载研究综述

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.     

多切入机制下基于信息物理系统的混合车群协同控制

传统人驾车(HVs)为了能够快速行驶到目标车道,常常会向目标车道进行强制换道,这一过程被视为传统人驾车的切入机制.然而,该过程会影响目标车道中由传统人驾车和网联自动车(CAVs)组成的混合车群稳定性.当一个车道上由多个传统人驾车组成的车群同时切入到目标车道上的混合车群中时会对混合车群的稳定性影响较大.针对这一问题,首先对车辆动力学模型进行刻画,以描述车辆行驶的平稳性和混合车群的稳定性.然后,为了确保由多个传统人驾车组成的车群同时切入到混合车群时的稳定性,从信息物理系统(CPS)的视角出发,并基于一致性约束和通信拓扑结构,提出一种考虑通信时延和反应时延的混合车群协同控制方法;同时,利用Lyapunov-Krasovskiis理论进一步分析所提出控制方法满足的稳定性条件.最后,通过仿真实验结果表明了所提出控制方法的有效性和可行性.     

城市交叉口车辆速度与交通信号协同优化控制

为了降低城市交通中的行车延误与燃油消耗,针对人类驾驶车辆与自动驾驶车辆混合交通环境,提出一种基于交通信息物理系统(TCPS)的车辆速度与交通信号协同优化控制方法.首先,综合考虑路口交通信号、人类驾驶车辆、自动驾驶车辆三者之间的相互影响,设计一种适用于自动驾驶车辆与人类驾驶车辆混合组队特性的过路口速度规划模型;其次,针对车辆速度规划单一应用时的局限性,即无法减少车辆路口通行延误且易出现无解情况,提出一种双目标协同优化模型,能够综合考虑车辆速度规划与路口交通信号控制,同时降低车辆燃油消耗与路口平均延误.由于双目标优化问题求解的复杂性,设计一种遗传算法-粒子群算法混合求解策略.基于SUMO的仿真实验验证了所提出方法的有效性.     

基于UWB的LSM-Taylor级联车辆定位算法

为了满足智能车在室内的高精度定位要求,针对室内的伪三维定位场景,提出了一种基于超宽带(Ultra Wideband,UWB)的LSM-Taylor级联车辆定位算法.该算法以到达时间差(Time Difference of Ar-rival,TDOA)为定位方式,以多基站最小二乘法(Least Square Method,LSM)定位算法的计算结果为初始值,通过Taylor级数迭代估计车辆的精确位置.该算法主要解决多径效应和非视距产生的测量误差对定位精度的影响,从而提高定位精度.在仿真结果中,相比LSM定位算法,LSM-Taylor级联定位算法的定位结果分布更加紧密,定位精度更高.实际测试结果表明,该定位算法的均方根误差(Root Mean Squared Error,RMSE)在10 cm以下,能满足智能驾驶中的室内定位要求,验证了该方法的有效性.     

含时延的车辆队列事件触发一致性控制研究

为应对通信过程中的传输时延以及车辆间连续信息交互带来的信息冗余、资源浪费,提出一种基于事件触发机制的车辆队列一致性策略,以保证车辆队列能够稳定运行;为此,构建一个考虑车辆间的跟驰行为和通信时延的三阶异质车辆队列动力学模型,提出一种基于事件触发的一致性车辆队列控制器的设计方法;在此基础上,利用Lyapunov稳定性理论和代数图论,对车辆队列的稳定性进行分析,得出了使车辆队列稳定的事件触发条件和通信时延的上界;在MATLAB平台上进行仿真实验,验证了所提车辆队列控制方法的有效性。     

基于多源信息融合的车辆定位系统设计

车辆定位是智能交通系统中实现车际信息交互的关键支撑技术。针对现有通用车辆定位算法存在的定位漂移、精度不足、实时性差、鲁棒性弱等特点,在分析全球定位系统(GPS)及ZigBee技术基础上,设计了一种使用GPS和ZigBee多源信息融合的车辆定位系统。通过ZigBee组建网络,以GPS与接收信号强度指示(RSSI)多源联合定位信息融合的形式对目标节点定位,对装配定位装置的车辆群进行信息采集。对系统硬件进行了选型和设计,并且完成了定位应用程序的开发,实现了车辆的精确定位。系统提供用户交互界面,有效地解决了车际定位的精度问题。试验表明,测量最大绝对误差为3~5 m,验证了该系统应用于车辆定位的正确性及可行性,可满足实际要求。