复杂公交社团网络模型的稳定性研究

为了研究城市公共交通网络的动态特征,在现有公交网络模型的基础上,建立了一类新的复杂公交网络模型。同时基于派系过滤算法,对复杂公交网络模型进行了社团结构分析。以Lorenz系统为网络的节点,研究了复杂公交社团网络的同步问题。通过改变公交车辆之间的控制强度、删除网络中普通公交线路和关键公交线路,研究了公交社团网络的同步问题。采用Matlab仿真技术分析了公交车辆的人为调度和线路优化对公交线路网络稳定性的影响。     

一种城市车辆网络中的数据缓存算法

数据缓存在城市车辆网络中有着重要的应用。移动车辆通过缓存数据不仅可以减少自身访问数据的延迟,同时可以为整个网络节省带宽。所以,如何更有效地利用节点有限的存储是目前数据缓存研究的主要内容。重点分析了节点利用收益函数决定如何缓存数据,提出了利用本地访问频率和邻居节点访问频率构建收益函数的方法。最后,通过建立城市车辆网络场景并模拟验证了该收益函数下的数据缓存的优越性。     

公交移动协助城市车载网络分层路由协议

城市车载网络作为未来智能交通的重要组成部分,为解决城市交通问题提供了有效的解决方案.现有大部分路由方案未能很好地解决车辆高速移动、复杂城市交通环境和不同车流密度三大问题对路由转发的影响,导致路由协议的性能在高效和可靠性方面不足.根据城市交通信号传播环境、红灯等停以及公交运行轨迹固定、周期循环等特性,提出公交移动协助的城市车载网络路由协议,将车车之间的复杂、不确定路由转换为普通车辆-簇头-公交三层节点之间的确定、协作方式,发挥公交周期移动优势,并用簇头策略优化普通车辆与公交之间的通信.设计根据城市信号传播衰减与车辆移动相关的单跳链路筛选与多跳延迟相关的概率转发机制,保证公交转发的高效、可靠,并设计能自适应车流密度的簇头触发策略,仿真实验结果表明,整体方案转发跳数达到一定数量时,能取得较好的数据传输成功率和较低的网络延迟.     

周期性移动公交车载网络路由协议

公交车载网络作为城市车载网络中的重要组成部分,由于具有周期性移动规律,能为城市车载网络的大范围通信提供支撑,而复杂的城市道路环境给公交车载网络的高效可靠路由协议带来了极大的挑战。针对具有周期运动特征的公交车载网络,设计单跳与实时改进的多跳路由协议SRMHR,保证单跳转发的链路生存时间以及多跳转发有限延时内的提交概率;根据城市信号传播衰减特征和车辆移动模型设计单跳链路筛选机制,并结合改进的多跳延时相关概率转发模型,保证公交转发的高效、可靠。在城市交通模拟仿真平台上,结合微调的真实道路交通数据,分别测试了方案中信号衰减模型、不同车流密度下候选筛选以及红灯延时修正的性能参数,验证了方案中各环节的有效性;最后与SF和SW协议的性能进行了对比,结果表明SRMHR协议具有较高的数据传输成功率和较低的递交延时。     

城市环境下基于拓扑特性的车辆自组网建模

低碳生活和低能耗是当今的热门话题,对“绿色交通”的期待使得车辆自组网(vehicular ad hoc network,简称VANET)受到越来越多的关注和研究.而无线通信技术的快速发展和车辆的普及使车辆自组网的研究变得更加迫切和必要.提出以车辆自组网本身拓扑特点出发,通过对某些城市VANET 的实证研究来获得通用的网络特征和网络模型,进而解释网络行为和物理含义的新思路.基于此,利用4 000 多辆出租车收集的实时数据,分析了城市环境下车辆自组网的度分布、聚类系数、特征路径长度等拓扑特性.数据分析结果表明,城市环境下车辆自组网节点度服从幂率分布,且网络的整体和局部都具有较高的聚类系数.从分析结果出发结合复杂网络理论,建立了一种车辆自组网的网络模型,该模型从规则图出发,应用无标度网络和小世界网络的特性,将随机重连和优先连接原则应用于模型中,并设置模型的外部接口对网络模型进行控制和分析.最后,仿真验证了所建模型的有效性.为建立更有效的车辆自组网仿真平台提供了理论模型,同时有助于更好地控制网络拓扑.     

基于前车与经验数据的车辆到站时间预测模型

公交车辆运行经验数据体现了到站时间的一般性规律,前车数据反映了到站时间的实时性。提出一种基于前车与经验数据的公交车辆到站时间预测模型。在该模型中对站点间路段行驶时间及站点停留时间区分了高峰期和非高峰期,站点间的延时时间考虑了不同方向红灯等待时间的区别以及斑马线的影响。用杭州公交104路公交车的数据对预测模型进行了验证,结果表明,该预测模型具有较高的预测精度,能够较为准确地预测公交车辆到站时间。     

基于车城网的智能网联车辆管理系统的设计

车城网全面整合了城市动静态信息,为车城融合应用建设提供了数据和基础设施。基于车城网,提出了智能网联车辆管理系统的设计方案,包含智能网联公交、车路协同信息服务、停车信息服务3方面主要内容,为市民提供智能公交、自动驾驶、全域停车信息、综合出行信息等创新交通服务,提升交通出行服务体验和满意度。     

公交车辆调度的超级时空网络模型及改进和声搜索算法

为了在公交车辆调度中减少车辆的空驶时间和在人车固定搭配模式下实现乘务组工作时间的公平性,建立了基于超级时空网络的车辆调度模型,并设计了求解模型的改进和声搜索算法.首先,将调度中涉及的车场、车次、接续、出场弧、入场弧和空驶车次转换为超级时空网络中的点或弧段;然后,基于构建的时空网络建立相应的公交车辆调度优化模型;接着,设计了综合利用和声记忆库和可行解空间信息来生成新和声的混生算子;同时,在时空网络中搜索回路式接续建立网络局部元素的指派网络,通过求解对应指派问题实现对声调的美化;最后,基于上述操作建立求解模型的改进和声搜索算法.研究发现:减少车辆的空驶时间和实现乘务组工作时间的公平性是一对相互制约的目标,同时优化时必须根据实际需求加以权衡;车次链之间的工作时间偏差大小与车队规模之间不存在单调依赖关系.     

基于改进R-FCN的车辆目标检测方法

针对传统方法对实际环境中车辆检测精度不高的问题,提出基于深度学习中R-FCN模型进行车辆检测的方法。基于全卷积网络,结合多尺度训练使模型能够学习到不同尺寸车辆的抽象特征,在训练过程中引入可变形网络提高模型对目标变换的自适应能力,使用软化非极大值抑制的方法减少复杂环境中目标的漏检率。利用Udacity数据集进行训练和测试,实验结果表明,提出方法与R-FCN模型相比,检测的平均准确度提高了4.3%,对实际场景下的车辆有着良好的检测效果,网络具有一定的鲁棒性。     

全国首个公交网络监控系统在杭州建立

日前从浙江杭州公交集团获悉,随着杭州公交网络监控报警系统一期项目的建成,目前杭州已成为国内首个利用无线城域网实现公交车厢、车辆动态监控的城市,在维护公交治安方面走在了全国前列。近年来,国内外针对城市公共交通系统的严重暴力犯罪和恐怖袭击屡有发生。     

城市路网交通分散协调控制

针对城市路网交通系统规模大和非线性、不确定性强等特点，利用模糊神经网络设计了一种新的实时分散协调控制算法．把城市区域和市内快速公路作为一个路网大系统，子系统为路网中的各个交叉口；每个子系统都有一个模糊神经网络控制器，该控制器根据它自己和相邻子系统的交通流信息来动态管理相序及绿灯时间．控制器由3个模块组成：相序选择模块、绿灯判断模块和相位切换模块．控制器的控制目标是保持快速公路主线密度均衡和区域内各车辆平均延误时间最短．仿真研究表明，该算法能有效处理各种路网交通环境．     

Ad Hoc网络基于动态内容路由的数据共享机制

无线网络已经在各个行业中得到了广泛的应用,例如文件传输、数据共享等。常见的点对点（P2P）共享技术是通过有线网络来获取所需数据的,在无线网络上数据的共享传输则受到各种限制。为解决此问题,提出了基于动态内容路由的数据共享机制,通过比较无线网络中某段网络的特征权重带宽和跳数等来取得更有效的数据信息。     

一种面向城市复杂路网最短路径提取的定向收敛算法*

为提高城市复杂路网最短路径提取的效率,针对路网数据量大、结构密集等特点,研究了路网节点之间最短路径的分布特征,通过引入收敛点方式,设计并实现了一种面向复杂路网最短路径快速提取的定向收敛算法。为检验该算法的有效性,利用某城市道路交通网络进行了实验和分析,并与Dijsktra算法、A*算法等比较,证实了该算法能够提高路径搜索效率,且随着城市路网规模的扩大定向收敛算法的高效性将愈加明显。     

多尺度双通道卷积神经网络下的刺绣模拟

目的 针对现有刺绣模拟算法中针线感不强、针线轨迹方向单一等问题,提出了一种基于多尺度双通道卷积神经网络的刺绣模拟算法。方法 1）搭建多尺度双通道网络,选取一幅刺绣艺术作品作为风格图像,将MSCOCO（microsoft common objects in context）数据集作为训练集,输入网络得到VGG（visual geometry group）网络损失和拉普拉斯损失;2）将总损失值传回到网络,通过梯度下降法更新网络参数,并且重复更新参数直到指定的训练次数完成网络训练;3）选取一幅目标图像作为刺绣模拟的内容图像,输入训练完成的网络,获得具有刺绣艺术风格的结果图像;4）使用掩模图像将得到的结果图像与绣布图像进行图像融合,即完成目标图像的刺绣模拟。结果 本文算法能产生明显的针线感和多方向的针线轨迹,增强了刺绣模拟绘制艺术作品的表现力。结论 本文将输入图像经过多尺度双通道卷积神经网络进行前向传播,并使用VGG19、VGG16和拉普拉斯模块作为损失网络进行刺绣模拟。实验结果表明,与现有卷积神经网络风格模拟算法对比,本文提出的网络能够学习到刺绣艺术风格图像的针线特征,得到的图像贴近真实刺绣艺术作品。     

基于道路风险评估的城市路网实时路径选择

为了缓解城市交通拥堵、避免交通事故的发生,城市路网的路径选择一直以来是一个热门的研究课题.随着边缘计算和车辆智能终端技术的发展,城市路网中的行驶车辆从自组织网络朝着车联网(Internet of vehicles,IoV)范式过渡,这使得车辆路径选择问题从基于静态历史交通数据的计算向实时交通信息计算转变.在城市路网路径选择问题上,众多学者的研究主要聚焦如何提高出行效率,减少出行时间等.然而这些研究并没有考虑所选路径是否存在风险等问题.基于以上问题,首次构造了一个基于边缘计算技术的道路风险实时评估模型(real-time road risk assessment model based on edge computing, R³A-EC),并提出基于该模型的城市路网实时路径选择方法(real-time route selection method based on risk assessment, R²S-RA). R3A-EC模型利用边缘计算技术的低延迟,高可靠性等特点对城市道路进行实时风险评估,并利用最小风险贝叶斯决策验证道路是否存在风险问...     

面向5G车联网场景的移动任务动态卸载策略研究

由于车辆自身的高速移动性和资源有限性等特征,使得采用传统通信和计算手段的车联网场景无法满足用户日益增长的数据计算需求和体验质量需求。采用5G和边缘计算技术构建的新型车联网架构可以满足以上需求,但由于网络结构的变化,需设计适合新场景下的车辆任务通信和计算策略。针对5G车联网场景下的移动车辆任务动态卸载问题进行研究,提出了对应的动态任务分配策略和卸载调度低时延算法。车辆会根据提出的策略和算法将未完成的计算任务卸载到相应的 MEC 服务器或车辆上,并且计算结果将通过边缘服务器之间的联合通信或直接从被选择接受卸载任务的附近空闲车辆上直接返回给车主。仿真结果表明,所提出的策略和算法在优化卸载延迟方面具有良好的性能,并提高了用户体验质量。     

基于锚节点的车载网地理路由算法

车载网络存在节点移动速度快、拓扑结构变化迅速等特点,直接利用全球定位系统(GPS)进行定位存在误差大和路由连通率低等问题。因此现有的基于地理位置的路由算法包递率不高,无法提供可靠路由。提出一种基于锚节点的车载网地理路由算法(GRAN),利用城市路灯作为锚节点,车辆通过锚节点定位自身位置,结合道路网关及中心数据,建立分层次的路由结构。通过这种方式,GRAN去除了路由发现过程及全网广播,达到降低路由开销、提高路由效率和包递率的目的。利用NS-2软件,选取接近现实的城市场景仿真。实验结果证明,与典型的基于地理位置的路由协议如贪婪转发与周边转发相结合的无状态路由(GPSR)和图形源路由(GSR)协议相比,GRAN能以较低的负荷提供较低的平均时延、较高的包递率和吞吐量。     

Cooperative transmission control scheme using erasure coding for vehicular delay-tolerant networks

Transmission control is a challenging problem in vehicular delay-tolerant networks because the network has a high vehicle mobility which leads to a dynamic and unreliable network connectivity. In this paper, we propose a COoperative Transmission control Scheme using erasure coding (COTS) to improve the transmission efficiency. In this scheme, the cooperative message distribution algorithm uses delivery capacities to decide the transmission direction and traffic. Besides, the cooperative task scheduling algorithm sets the transfer order for messages from both sides. This algorithm uses a comprehensive parameter, the number of data blocks to send, to simplify the computation of transmission priority. After analyzing the vehicle transmission behavior under different storage conditions, we apply local deleting and creating behaviors instead of sending and receiving behaviors in specific states to decrease communication overhead. Simulation results show that COTS, compared with other well-known schemes, not only increases the delivery ratio but also decreases the delivery latency and the transmission overhead.     

一种基于身份的车载自组网认证机制

针对车载自组网（VANET）的安全特性,采用基于身份的密码学算法、分布式秘密共享算法和XTR公钥密码体制,实现安全高效的车辆节点认证。在使用Lagrange插值公式实现分布式的系统主密钥的基础上,基于XTR体制中的迹运算实现安全的分布式节点密钥签发;简单讨论了XTR密码体制下基于身份的数字签名算法;同时,引入信誉值的概念来查找和剔除网络中的恶意节点。通过算法安全性和效率分析,该机制适用于分布式的车辆移动网络环境。     

SALA: A Self-Adaptive Learning Algorithm—Towards Efficient Dynamic Route Guidance in Urban Traffic Networks

In order to alleviate traffic congestion for vehicles in urban networks, most of current researches mainly focused on signal optimization models and traffic assignment models, or tried to recognize the interaction between signal control and traffic assignment. However, these methods may not be able to provide fast and accurate route guidance due to the lack of individual traffic demands, real-time traffic data and dynamic cooperation between vehicles. To solve these problems, this paper proposes a dynamic and real-time route selection model in urban traffic networks (DR2SM), which can supply a more accurate and personalized strategy for vehicles in urban traffic networks. Combining the preference for alternative routes with real-time traffic conditions, each vehicle in urban traffic networks updates its route selection before going through each intersection. Based on its historical experiences and estimation about route choices of the other vehicles, each vehicle uses a self-adaptive learning algorithm to play congestion game with each other to reach Nash equilibrium. In the route selection process, each vehicle selects the user-optimal route, which can maximize the utility of each driving vehicle. The results of the experiments on both synthetic and real-world road networks show that compared with non-cooperative route selection algorithms and three state-of-the-art equilibrium algorithms, DR2SM can effectively reduce the average traveling time in the dynamic and uncertain urban traffic networks.