无线移动感知网络上的数据聚集传输规划

随着城市交通日益增多,智能交通系统研究受到工业界和学术界的极大关注.智能交通系统上的实时导航、交通监控等应用都需要大量实时车辆速度、位置等信息.由智能车组成的无线移动感知网络的链路变化频繁并且无线干扰严重,现有的车辆网络上的数据聚集算法没有考虑无线链路变化的具体情况,就进行数据聚集和传输的规划.文中分析并求解了移动感知网络上的无冲突数据聚集传输规划问题,将该问题形式化为移动通信拓扑图上的单传聚集传输规划问题,并证明了该问题是NP完全的;提出了移动聚集路由树,将无线冲突分为树内冲突和树间冲突,首先构建树间冲突图描述树间冲突,过滤节点的传输候选时刻集以消除树间冲突,然后利用动态规划思想进行聚集路由树上的数据聚集传输时刻规划来消除树内冲突.并且在真实出租车移动轨迹数据集上进行了实验,实验结果表明文中的算法比现有的算法在数据收集率上提高了1/4左右,并且收集上来的数据的平均延迟也更小.     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP 神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

车用自组织网络中数据聚合算法综述

具有短距离通信能力的车载设备的改进和短距离微波通信授权频谱的分配推动了智能交通系统应用的发展,促进了车用自组织网络(VANET)的研究。对于VANET上的应用数据分发是各类应用实现的基础,同时数据聚合又是实现数据分发的关键技术。介绍了VANET的概念和网络构架,给出了当前VANET上的一些典型应用;详细阐述了VANET上的数据分发的基本结构,并对数据聚合算法的研究现状进行了详细的分析和比较;最后总结并展望了VANET上的数据聚合在未来一段时间的研究重点。     

利用多级局部性实现可扩展的无结构P2P 搜索

无结构P2P网络拓扑随着规模的增大会出现一定的统计特性,充分应用该现象提出了一种多级局部覆盖网络(multi-level local overlay,简称ML2O)的无结构P2P覆盖网,对ML2O中节点间的连接进行恰当的数学控制后,就能使产生的拓扑具有从微观到宏观的多个粒度上的局部性.理论分析表明,ML2O的网络直径和节点平均度都是网络规模n的对数,为其上建立可扩展的无结构P2P搜索奠定了基础.给出了应用ML2O多粒度局部特性的索引机制:首先以局部为单位建立信息索引;然后在局部索引的基础上建立更大粒度局部的索引,从而形成一棵索引树;最后提出了一种局部渗透定向搜索算法(local pervasion and directed search,简称LPDS).LPDS用局部渗透收集到的信息建立部分索引树,并在树上找到更接近搜索目标的下一跳.理论分析表明,LPDS搜索算法的平均搜索跳数和通信负载都是O(logn).模拟实验结果表明,ML2O上LPDS的可扩展性接近结构化P2P搜索,其鲁棒性接近无结构P2P搜索.     

一种标签劣质XML数据上的twig查询处理的优化

XML数据中的不正确数据、不一致数据、不精确数据等劣质数据给XML.数据上的有效查询处理带来了挑战.专注于研究标签劣质的XML数据上twig查询处理的优化方法,文中分别给出了优化方法的原理、伪代码、正确性证明和复杂度分析,并通过例子加以解释.通过实验验证了优化方法的效率.     

车载Ad Hoc网络中基于移动网关的数据传输

由于车载Ad hoc网络拓扑的动态变化及车载节点的快速移动,应用现有传输方法在其上进行Internet接入点向移动车辆(Infrastructure-to-Vehicle,I2V)数据传输时成功率较低,而且传输延迟高、延迟抖动大.为了解决这一问题,文中利用公交车路线固定、运行特征可预测、节点及线路分布稠密等特性,将公交车作为移动网关(Mobile Gateway,MG),提出了一种新的基于MG转发的I2V数据传输方法(Mobile Gateway based Forwarding,MGF).文中首先将公路网模型化为状态-空间图,再运用马尔可夫决策方法建立了一种基于MG转发的I2V数据传输优化模型,然后通过对模型求解得出I2V数据传输的最优转发决策,最优转发决策指的就是每个状态下对应的最优动作序列,最后在目的车辆行驶轨迹上选取满足传输成功率阈值,并使I2V传输延迟最小的路口节点作为数据包与目的车辆的最优汇聚节点,即目标节点.应用MGF方法,MG节点将以最优概率转发序列向目标节点转发数据包.文中利用模拟平台对MGF方法的传输性能进行了评估,结果表明该方法在满足传输成功率阈值前提下,能够获得最小传输延迟期望.理论分析同样也证明了该方法的有效性.     

一种P2P电子商务平台的设计

将P2P应用于电子商务，面临的首要挑战就是如何表达和存储电子商务数据，及如何高效的搜索到所需数据．针对该问题提出了一种Peer—to—Peer模式的电子商务平台DEP模型，借鉴了DNSES及JXTA思想，利用多级分布式索引对peers进行半结构化管理．实验结果显示DEP具有很好的可扩展性，同时与传统模型相比可以很大程度地降低数据检索时的查询路由次数及系统的通讯量．     

基于DBSCAN算法的城市交通拥堵区域发现

现阶段我国车辆的数目不断增加,这必然会导致现有的交通条件等不再能够满足现在的交通状况。因时空数据蕴含丰富的信息,本文将通过分析车辆的时空轨迹数据,即GPS轨迹数据,并利用DBSCAN算法挖掘出城市中交通最拥堵的城市区域,再将得到的结果映射到城市路网上,使得相关部门能够清楚地了解问题,并制定一系列相应措施,如调整道路规划等,保证该区域的问题能够迅速得到解决。本文的实验结果清晰地标明了城市中具体的拥堵区域,本文下一步将根据城市拥堵区域的发现结果预测区域的下一次拥堵的时间。     

基于BP神经网络和模糊推理系统的短时交通流预测

本文研究短时交通流预测。短时交通流预测是智能交通系统研究和实践的必要基础。本文提出和建立了一个短时交通流量预测模型,该模型利用一个基于规则的模糊系统,非线性地组合BP神经网络模型和自适应卡尔曼滤波模型的交通流量预测结果,使得短时交通流量的预测结果更加准确可靠。该模型将传统方法和人工智能方法有机结合,一方面,利用人工神经网络强大的动态非线性映射能力,从而提高预测精度;另一方面,充分发挥卡尔曼滤波的静态线性稳定性,解决了单独使用BP神经网络进行预测时识别率不理想和可信度不高的问题。实验结果表明,本文提出的短时交通流预测模型具有较高的准确度和可靠度。     

基于CT图像的高聚物黏结炸药颗粒边界勾勒算法

为了研究TATB基高聚物黏结炸药(Polymer Bonded Explosive,PBX)内部颗粒边界分布,需要对PBX炸药通过计算机层析成像技术(Computed Tomography,CT)扫描得到的低质量原始图像进行分析,开发自动化炸药颗粒边界勾勒算法.对原始图像利用灰度统计信息和二值化方法计算得到二值化炸药颗粒草图,提出弹性胶囊算法从二值化草图中识别炸药颗粒的粗略边界,再结合形态学变换和分水岭算法识别出更精确的炸药颗粒单像素边界,最后结合灰度值统计数字特征和弹性胶囊粗略边界图信息调整边界宽度与灰度,得到最终边界勾勒结果.将该基于弹性胶囊和分水岭算法的边界勾勒结果与Canny算法、相位一致性算法、经典分水岭算法流程、基于超像素算法等有代表性的图像分割算法输出进行横向比较,结果表明该边界勾勒过程识别的准确度明显更高,并且通过单幅图像确定的算法参数在同批次样品其他图像中同样具有良好的效果,在满足边界提取精度要求的基础上,无需反复调整参数即可处理批量图像数据,缩减人工的投入,证实了自动化边界勾勒算法的实用价值.