期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
蜂窝车联网侧行链路信道测量与分析
1
作者 代亮 王宁 +3 位作者 白浩男 宁耀军 孟芸 许宏科 《电波科学学报》 CSCD 北大核心 2024年第2期361-370,共10页
蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工... 蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工作,并依据测量结果从信道特征对PC5接口信道进行了分析。分析了通信收包时延随距离和信噪比变化的特征,将实测参考信号接收功率值与自由空间和双射线两种路径损耗经验模型及对数距离和双斜率两种路径损耗拟合模型的预测值进行了对比,并引入了四种相关性分析算法,从数值偏移量、线性相关程度和几何形态相似度等角度分析了模型预测值与实测数据的关联性,最终验证了双斜率路径损耗模型最适合表征PC5接口通信信道在城市环境下的衰落特征,基于该模型测算得到的路径损耗指数和阴影衰落方差也进一步说明此模型能够更好地结合实验环境表征信道特性。 展开更多
关键词 蜂窝车联网 侧行链路 信道测量 路径损耗模型 相关性分析
在线阅读 下载PDF
网联交叉口信号-车辆轨迹协同优化控制方法 被引量:7
2
作者 赵祥模 张心睿 +2 位作者 王润民 徐志刚 凡海金 《汽车工程》 EI CSCD 北大核心 2021年第11期1577-1586,共10页
为了提升网联交叉口车辆通行效率与燃油经济性,设计了一种网联信控交叉口协同控制应用场景,提出了一种分层解耦式网联交叉口信号-车辆轨迹协同优化控制方法,其中顶层采用“作业调度”和遗传算法以最小化交叉口平均旅行时间延误为优化目... 为了提升网联交叉口车辆通行效率与燃油经济性,设计了一种网联信控交叉口协同控制应用场景,提出了一种分层解耦式网联交叉口信号-车辆轨迹协同优化控制方法,其中顶层采用“作业调度”和遗传算法以最小化交叉口平均旅行时间延误为优化目标实现信号配时与相序优化;底层结合最优配时结果,采用分段优化方法以最小化平均燃油消耗为优化目标实现车辆轨迹优化。仿真结果表明,本文中提出的协同控制方法在交叉口车流量均衡与不均衡、低密度和高密度工况下,均可以有效提升交叉口通行效率和燃油经济性;提出方法效果随最小绿灯时长的减小、V2X通信范围的增加而更加显著,综合考虑交通公平性和建设成本等因素,提出的网联信控交叉口协同控制系统最小绿灯时长应设置为5 s,有效V2X通信范围设置为800 m。 展开更多
关键词 智能网联汽车 信控交叉口 协同控制 分层解耦 平均旅行时间延误 燃油经济性
在线阅读 下载PDF
蜂窝车联网连通性研究综述与展望 被引量:4
3
作者 代亮 吴益钵 汪贵平 《计算机科学》 CSCD 北大核心 2023年第1期285-293,共9页
作为未来自动驾驶汽车的核心技术之一,蜂窝车联网(Cellular-V2X,C-V2X)在快速普及应用的同时,还面临着一系列与网络连通性相关的发展痛点,如车辆移动性、网络覆盖、频谱资源等问题。C-V2X车路协同连通性直接反映了C-V2X网络联网车辆的... 作为未来自动驾驶汽车的核心技术之一,蜂窝车联网(Cellular-V2X,C-V2X)在快速普及应用的同时,还面临着一系列与网络连通性相关的发展痛点,如车辆移动性、网络覆盖、频谱资源等问题。C-V2X车路协同连通性直接反映了C-V2X网络联网车辆的整体性能,对于保证信息在C-V2X网络内实现远距离、自适应、低时延、高可靠传输具有重要意义。不同于传统的蜂窝移动通信网络,C-V2X联网车辆具有移动速度快、节点间链路持续时间短暂、无线通信环境可预测性强、移动模型受限于道路拓扑等特点,在高效利用频谱进行通信的同时,还具有自组织网络的无中心和自组织等诸多特性。首先简要介绍了C-V2X的优点与特点,包括C-V2X的进展与结构体系;然后介绍了C-V2X车联网中车路协同连通性的定义及相关发展约束,在此基础上对C-V2X网络连通性研究中基于交通场景、通信方式选择、路侧单元(Road Side Unit,RSU)位置部署、功率控制、模型驱动的研究方法进行了总结与分类;最后探讨了C-V2X的发展趋势,对其未来应用进行展望。 展开更多
关键词 蜂窝车联网 连通性 通信方式 功率控制 模型驱动
在线阅读 下载PDF
一种兼顾用户满意度与传输效率的车联网网络选择策略 被引量:4
4
作者 刘鑫一 庞继龙 +2 位作者 赵祥模 侯俊 马峻岩 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第10期9-16,共8页
针对车联网终端的不同业务在异构网络环境下进行优化调度的问题,提出了一种兼顾用户满意度与传输效率的车联网网络选择策略。首先分析了不同的效用函数权值系数、发射功率及体验函数灵敏度因子对各网络满意度效用函数的影响,发现:当权... 针对车联网终端的不同业务在异构网络环境下进行优化调度的问题,提出了一种兼顾用户满意度与传输效率的车联网网络选择策略。首先分析了不同的效用函数权值系数、发射功率及体验函数灵敏度因子对各网络满意度效用函数的影响,发现:当权值系数较大时,获得的满意度效用函数值也越大;在有限功率范围内,当发射功率不断增大时,起初满意度效用函数值相应地随之急剧增大,随后增加速率减缓,最终函数值趋于稳定;当体验函数灵敏度因子的值越大时,对应的曲线斜率越大,也即灵敏度越高,函数值随着发射功率的变化而变化得更快。然后,应用凸优化的方法求解各网络满意度效用函数的最大值。最后,选用3种具有代表性网络作为研究对象,进行仿真实验。实验结果表明,与基于发射功率的网络选择策略和基于传输速率的网络选择策略相比,所提策略的效用函数最大值分别是前两者的1.08倍和6.5倍,证明是一种高效可靠的网络选择策略。 展开更多
关键词 车联网 凸优化 网络选择 用户满意度 效用函数
在线阅读 下载PDF
双目视觉下的自动驾驶车辆多类型障碍物感知 被引量:5
5
作者 郭迎 赵祥模 +1 位作者 梁睿琳 王润民 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2023年第8期1406-1411,共6页
为解决视差变化率与距离变化率呈现非线性关系而导致障碍物感知误差大,本文提出基于双目视觉的多类型障碍物感知方法。利用极性几何约束双目摄像机相对位置关系,将多视极线约束与双目视觉下位置运动信息相结合,高斯滤波滤除图像噪声。... 为解决视差变化率与距离变化率呈现非线性关系而导致障碍物感知误差大,本文提出基于双目视觉的多类型障碍物感知方法。利用极性几何约束双目摄像机相对位置关系,将多视极线约束与双目视觉下位置运动信息相结合,高斯滤波滤除图像噪声。采用卷积函数算子提取图像特征信号的角点,设置查找窗口,匹配左右目视觉下图像的相似程度,提高像素点集正确匹配准确率。研究表明:所提方法能够准确感知不同类型障碍物真实位置,障碍物特征匹配正确率高,实际感知误差小,该方法可为智能交通和城市交通管理提供可靠的数据支持,减少交通事故的发生率。 展开更多
关键词 障碍物检测 双目视觉 场景变换 矩阵约束 特征匹配 无人驾驶 极性几何约束 多视极线约束
在线阅读 下载PDF
网联环境下无信控交叉口行车避碰预警方法 被引量:4
6
作者 卢涛 王润民 +2 位作者 赵祥模 张心睿 汪贵平 《汽车技术》 CSCD 北大核心 2021年第6期12-18,共7页
为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法。首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验... 为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法。首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验证了方法的有效性,并分析了网联车辆渗透率对提出的预警方法的影响。测试结果表明:提出的预警方法可以有效降低无信控交叉口的碰撞风险;随着网联车辆渗透率提升,平均旅行时间、平均碰撞比例和平均碰撞相对动能不断减小,网联车辆渗透率达到60%时,可认为该方法是可靠的。 展开更多
关键词 车联网 交叉口 无信控 碰撞预警 渗透率
在线阅读 下载PDF
驾驶行为分类方法及量化评估综述 被引量:4
7
作者 张立成 张婷 +2 位作者 蔡学锐 赵祥模 彭琨 《汽车技术》 CSCD 北大核心 2024年第5期1-14,共14页
对驾驶行为分类方法及量化评估进行综述,首先阐述了驾驶行为的涵义及表征方法,然后将驾驶行为分类方法划分为基于统计特性的分类方法、基于机器学习的分类方法、混合式(组合、集成)分类方法三大类,并对不同的驾驶行为分类方法的代表算... 对驾驶行为分类方法及量化评估进行综述,首先阐述了驾驶行为的涵义及表征方法,然后将驾驶行为分类方法划分为基于统计特性的分类方法、基于机器学习的分类方法、混合式(组合、集成)分类方法三大类,并对不同的驾驶行为分类方法的代表算法、优点及局限性等进行系统归纳和总结,其次,从多个维度对驾驶行为的量化评估研究进行系统介绍,最后介绍了驾驶行为分类及量化评估研究成果在多个领域的应用现状及前景展望。 展开更多
关键词 交通工程 驾驶行为分类评估 智能网联汽车 交通安全 节能减排 舒适性
在线阅读 下载PDF
基于CNN图像增强的雾天跨域自适应目标检测 被引量:8
8
作者 郭迎 梁睿琳 王润民 《计算机工程与应用》 CSCD 北大核心 2023年第16期187-195,共9页
针对自动驾驶车辆视觉感知系统在雾天条件下捕获图像质量较低,造成目标检测算法精度下降的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)图像增强的跨域自适应雾天目标检测方法。构建一个端到端目标检测网络,融合... 针对自动驾驶车辆视觉感知系统在雾天条件下捕获图像质量较低,造成目标检测算法精度下降的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)图像增强的跨域自适应雾天目标检测方法。构建一个端到端目标检测网络,融合数字图像处理技术(digital image processing,DIP)和CNN的自适应图像增强模块,通过小型CNN参数预测器自适应学习增强参数,提升雾天图像质量;进一步地,将多尺度领域自适应(domain adaptive,DA)模块与YOLOv4主干网络相连,通过对抗训练减少由雾天造成的领域差异,提高雾天目标检测精度。在训练阶段,所提方法以端到端的方式学习CNN、DA模块以及YOLOv4,而在目标检测阶段将移除CNN及DA模块,仅使用预训练权重在正常天气和雾天天气自适应地检测图像,不会增加原有网络复杂性,从而保证自动驾驶车辆的实时性要求。在公开数据集Foggy Cityscapes上的实验表明,采用所提方法使雾天图像质量显著增强,目标检测平均精度提升了10.4%,有效提升了雾天条件下自动驾驶车辆对目标的识别能力。 展开更多
关键词 自动驾驶 目标检测 图像增强 卷积神经网络(CNN) 领域自适应 YOLOv4
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部