【摘 要】
:
车联网(Internet of Vehicles,IoVs)是物联网在智能交通领域的重要组成部分,利用车联网技术为车辆提供事故预警消息对于减少或避免次生事故的发生、提高交通安全具有重大意义,是当前车联网应用的研究热点之一。高速公路上由于车辆行驶速度快、车辆位置频繁变化等,导致车间信道条件差、传输不稳定,使得事故预警消息的分发面临严峻挑战。此外,将事故视频作为预警消息进行传播时,能够提供传统文本消息
论文部分内容阅读
车联网(Internet of Vehicles,IoVs)是物联网在智能交通领域的重要组成部分,利用车联网技术为车辆提供事故预警消息对于减少或避免次生事故的发生、提高交通安全具有重大意义,是当前车联网应用的研究热点之一。高速公路上由于车辆行驶速度快、车辆位置频繁变化等,导致车间信道条件差、传输不稳定,使得事故预警消息的分发面临严峻挑战。此外,将事故视频作为预警消息进行传播时,能够提供传统文本消息无法提供的事故详情,起到更好的预警效果。然而,由于视频数据体量大,对传输时延敏感,如何在严苛的车联网环境中以低时延高效可靠传输事故视频数据,是制约车联网视频预警应用发展的关键和难点。针对上述关键问题,本文对车联网中事故视频消息的可靠传输进行了研究。引入可伸缩视频编码(Scalable Video Coding,SVC)对事故视频进行编码后再传输,分别研究了适用于事故现场位于路边单元(Road Side Unit,RSU)通信半径覆盖范围内\外两种场景的事故视频消息协作分发机制,本文具体研究内容如下:1)基于V2V协作通信的事故视频消息分发机制当事故现场位于RSU通信覆盖半径之外时,利用车辆间协作通信进行事故视频的分发预警。事故车辆采用SVC技术将实时记录的事故视频进行编码,并顺序多播给其通信范围内的车辆,位于事故车辆同向和反向车道上的车辆均能收到视频消息。同向车道上的车辆进行聚类并在类间进行协作,反向车道上的车辆进行中继选举,成功选出的中继车辆对处于其通信范围内的同向车辆进行协作传输。在具体的车辆协作过程中,综合考虑了车辆的位置、速度、行驶方向、信道条件、视频数据接收情况及视频解码质量需求等因素,并结合即时可解网络编码技术进行编码传输,进一步提高事故视频传输性能。仿真结果表明所提协作传输机制有效缩短了事故视频传输时延、提高了事故预警率、改善了视频重建质量。2)基于V2X协作混合通信的事故视频消息分发机制当事故现场恰好位于RSU通信覆盖半径之内时,由于与车辆相比,RSU具有更强的信息处理能力和更稳定的数据通信能力,因此利用RSU和车辆混合协作的通信模式增强视频预警效果。在RSU覆盖范围内发生事故时,由RSU上安装的摄像头记录事故视频,同时对其进行SVC编码并多播。RSU根据其通信范围内车辆的行驶情况及其视频接收情况调度SVC视频数据。与此同时,利用同向车辆与反向车辆的协作通信使未与RSU建立通信链接的车辆也可以接收到数据,充分利用每次协作机会缩短视频传输时延。引入即时可解网络编码技术进一步减小传输时延、改善带宽利用率。仿真结果表明所提算法有效提高了事故预警率,缩短了事故消息传输时延,在保证及时对车辆进行事故预警的同时,提高了视频成功解码率。
其他文献
深度学习是人工神经网络的一个分支,这个概念一提出就引起了社会各界的高度关注,掀起了研究热潮。随着社会高度智能化发展,智能安防、刑侦、无人超市等领域对行人重识别技术的需求尤为明显。在这些行业发展和社会需求的促使下,基于深度学习的行人重识别迅速成为计算机领域的热门话题。行人重识别通过给定的查询行人图像进行跨摄像机检索,找出与查询身份相匹配的行人。然而,由于受到不同视角下的背景、光照等因素影响,采集到的
物流业是关系国计民生的重要行业,是一个国家综合国力的重要体现。我国物流业近年来发展迅速,但与发达国家相比,仍存在成本高、效率低的问题。车辆路径问题(Vehicle Routing Problem,VRP)的研究是解决该问题最有效的途径之一。多车场车辆路径问题(Multi-depot Vehicle Routing Problem,MDVRP)是VRP的一类拥有广泛应用场景的重要扩展问题,因与现代物
本文基于序列推荐的思想,针对推荐系统存在的推荐准确度较低等问题,在推荐模型的项目嵌入阶段与序列建模阶段进行了改进以提高推荐的性能,具体问题与改进方法阐述如下。在对用户交互序列的处理中,现有的推荐模型在嵌入时仅仅关心用户的交互项目的顺序,忽略了用户交互序列项目属性与内容的相关性,对此本文在项目嵌入阶段引入了相关领域的知识图谱来获得辅助信息,通过丰富用户交互信息的形式改进了常规的嵌入方法。在实验中与先
太阳耀斑是太阳大气活动的一种重要表现形式,产生于太阳大气中,会迅速向外发射巨大的能量和高强度的电磁辐射。太阳耀斑产生的巨大能量和电磁辐射会在短时间内到达近地空间,对短波通信、卫星导航以及空间飞行造成威胁,严重影响人类的生产生活。因此,实现对太阳耀斑的准确预报有着十分重要的意义,这也是空间天气预报领域的一项重要工作。到目前为止,太阳耀斑爆发的具体物理机制尚未十分明确,基于物理学的太阳耀斑预报模型无法
构建一个完备的无线传感器网络的首要问题是如何对传感器节点进行部署。由于传感器节点部署过程中受复杂环境及抛洒方式的影响会导致监测区域中覆盖漏洞的产生。对此,本文以由动态及静态节点共同组成的混合无线传感器网络为研究对象,对二维平面及三维空间的覆盖优化问题展开研究,提出基于Delaunay三角剖分策略的优化方案,其主要工作如下:(1)针对二维覆盖优化研究中几何学方法难以运用概率感知模型的问题,提出了基于
三七生长于潮湿、温暖和遮荫等环境下,这类环境容易诱发各类疾病,其发病情况对三七的产量和品质有决定性影响作用,随着种植体量的增大,病害的种类和面积逐年增加。目前,在三七发病率预测方向,研究仍停留在定性描述三七发病率与气象因子关系;在三七叶片病害识别方向,仍依赖于人工主观识别或采用浅层模型进行检测,但这些方法存在预测与识别速度慢、准确率低、泛化性和鲁棒性差等问题,难以高效地掌握三七发病规律,从而不能有
近年来,随着互联网技术的迅速发展,众包模式在各行各业得以应用。众包作为一种面向互联网大众的问题解决机制,聚合大众智慧以更好地解决问题。在众包场景下,众包任务和工人拥有不同需求及意愿,将众包任务分配给与其需求不相符的工人会影响众包任务的完成质量。同时,在众包发包者与工人进行交互的过程中,分配结果可能随着分配双方发现更好的合作对象而有所变更,从而出现无效分配影响分配结果的稳定性。因此,如何有效地将众包
眼底视网膜血管图像作为人体唯一一处不需要侵入性手段就可以获得的血管图像,具有较高的临床价值。眼科以及内科的专家可以根据视网膜血管呈现的不同特征,较为精准的判断多种疾病。然而,在实际的应用中,由于视网膜血管结构复杂以及采样光照和成像设备的影响,常常导致眼底血管图像难以观察,增加了医生的工作难度。因此,研究出一种自动化的高精度视网膜血管分割算法,对于目前的临床辅助诊断非常重要。本文基于深度学习技术对视
供水系统作为城市的基础设施,水质质量直接影响人们的用水安全。在净水厂处理工业中,混凝沉淀是水处理系统的重要工序,决定着水厂出水质量和制水成本,其中混凝剂投加量的控制是关键。由于进入净水厂原水水质地波动,净水厂混凝投药过程存在较大的时滞性,很难及时且精准的计算投药量。因此,对水厂混凝投药系统进行建模,来预测投药量,对保证供水质量安全、降低能耗十分有意义。本研究通过径向基(RBF)神经网络预测模型对水
阿尔茨海默症(Alzheimer’s Disease,AD)是最常见的神经退化疾病之一,严重危害患者的生命健康。核磁共振成像(Magnetic Resonance Imaging,MRI)和正电子发射计算机断层成像(Positron Emission Tomography,PET)可以分别提供大脑的结构与功能信息。国内外最新研究表明,结合同一受试者的MRI和PET图像将有助于提升AD辅助诊断的准确