蜂窝车联网侧行链路信道测量与分析

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。

基于信息安全强度的路侧设备任务调度优化策略

车路协同系统中,车辆由于自身计算资源局限性将任务卸载至路侧设备(RSU)进行执行,然后由RSU考虑在本地处理任务或将任务卸载至云端的“车-边-云”架构,是近年来受到广泛关注的边缘计算新模式。由于“边-云”侧无线信道的开放接入以及不确定性,需要增加安全机制来保证数据传输的可靠性,然而增加安全机制会使RSU的计算负载增加,进而使得RSU的能耗增加。针对如何在满足任务时延约束条件下优化路侧设备能耗及信息安全效用,提出了车路协同系统下路侧设备基于能耗-队列均衡的联合任务调度及加密优化(EPTS),并建立车速状态模型、任务加密模型、数据缓存队列模型、任务计算模型及优化目标函数。利用李雅普诺夫优化理论将优化问题模型进行转化,并将转化后的模型描述为背包问题进行求解,仿真结果验证了所提出的EPTS具有较好的收敛性和有效性,平均目标价值优于平均分配策略17%,优于任务队列长度加权分配策略21%。

蜂窝车联网连通性研究综述与展望

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。

博学鸿儒与清初京师诗坛的宗唐诗风——以庞垲、李澄中的诗学交往为中心

自入京应试博学鸿儒后,庞垲与李澄中时常切磋诗学,而且不乏共鸣。孝悌友爱与狷介清高的人格取向,使他们惺惺相惜;而推举七子而又崇尚唐诗的诗学立场,以及诗坛耆宿施闰章的积极绍介,又从不同侧面促进了他们交谊的加深与巩固。由于师法典范观念的分歧,两人对如日中天的王士禛少有附和。庞垲和李澄中标举“风人之义”与“温柔敦厚”的诗歌审美传统与创作观念,大力标举唐诗,而王士禛则对宋诗别有会心;即以双方均推崇的杜诗而论,也各有重心与偏好。庞、李二人与同年李铠、徐嘉炎、冯勖、袁佑、彭孙遹、丘象随等江南籍博学鸿儒迭相聚会,频频唱和,隐然形成了宗法唐诗的群体;在李澄中离京后,庞垲等人又与阎中宽、苏伟、黄自先、金德纯等沟通声气,从而推动了唐诗在京师诗坛的东山再起。

郭麐与桐城派

在家教和师承的熏陶下,郭麐不但确立了偏好词章的为学取向,又逐步形成了兼收并蓄的文学思想。他抨击考据学风及其对辞章的轻视立场,大力掘发“文”的自足性和崇高地位。在师法典范的选取上,郭麐既标举《文选》,又推崇唐文特别是柳宗元和晚唐诸家之作,对宋文则时有非议。其自作出入《骚》《选》,怨怒不平之气充溢笔端,造就了沉郁奇肆的文风。当嘉道年间桐城流风逐步扩散之际,作为姚鼐的入室弟子,郭麐不仅缺席了一众同门鼓吹桐城文章的合唱,还公开对“义法”说的合理性提出质疑,又表彰那些自出机杼的文家如张惠言和汪中等人。与此相应,他在文坛特别是姚氏弟子群体中颇显孤立,也直接导致了自身文章学在当时隐而不彰的结局。

车路协同网络中服务功能链可行时长优化映射算法

以车路协同网络为研究对象,针对物理链路间连通时长的差异性,本文提出优化可行时长的服务功能链映射算法。首先,建立车路协同的物理传输网络模型,并分别分析车车链路和车路链路的连通时长;其次,以映射可行时长为优化目标,以服务功能链的映射规则为约束,建立整数规划问题;最后,为求解该NP-hard问题,提出基于改进子图同构的映射算法,联合考虑车路协同环境中的节点属性、链路属性及链路间关联关系,设计剪枝策略,从而实现服务链路在物理链路上的组合优化映射。实验结果表明,通过考虑物理链路连通时长的差异性,并对其进行优化选择,提出算法在车间通信距离150 m和最大车速60 km·h^(-1)条件下,可将可行时长提升34.4%;同时,在车车通信范围、车辆数以及最大车辆速度这3项主要参数设置中均可验证发现,所提算法可有效提升映射可行时长。

基于可靠性保障的车联网中服务功能链映射算法

为支持未来交通系统中的海量服务,网络运营商将车辆作为移动智能终端加入物理设施网络来参与网络功能虚拟化是一种有前景的解决方案.然而,与静态网络不同,车联网的动态拓扑会使部分物理链路发生中断,使承载的虚拟链路失效,导致服务失败.以保障链路可靠性为约束,以提高服务映射成功率为优化目标,提出一种针对动态网络的服务功能链优化映射算法.首先,采用随机几何以及矩生成函数理论分析得出链路可靠性解析表达式,建立移动性物理网络中服务功能链的成功映射条件集合;其次,构造基于可靠性保障的服务功能链映射优化模型;最后,为了实现低复杂度求解,在可靠物理链路提取方案的基础上,采用子图同构的基本思想,结合匹配发散概率优化剪枝效率,并引入适应度匹配以提升映射成功率,从而提出高效映射算法.实验结果证明,与经典的属性排序映射算法以及设备位置映射算法相比,提出的算法能保障链路的可靠性,提高服务映射的成功率.

识别纽结

任何一个经验丰富的水手都知道,能否选择正确的纽结关乎他们的生死。无论是起帆还是定锚,纽结是绳子牢不牢固的决定因素。在微观世界里,对于许多维持我们生命活动的分子来说,情况也是如此。蛋白质是所有生物体所必需的一类重要的微观分子链。这些由氨基酸组成的长链可以在三维空间中形成各种复杂的形状,使其他各种分子能够结合。长期以来,人们一直认为,虽然蛋白质可能有缠结,但在正常条件下不会形成纽结,因为“打结”可能会阻碍蛋白质折叠。然而,在20世纪70年代,研究人员陆续发现了各种纽结蛋白质(图1)。

大数据测试技术研究

在对大数据分析平台研究的基础上,根据国内外大数据测试的研究现状和在交通信息大数据分析平台测试中遇见的问题,对大数据测试技术进行了深入研究。首先分析了大数据测试的特点和难点,分析了在Hadoop处理过程各个阶段测试的主要特点与挑战;然后从功能测试和非功能测试两个方面,分析了大数据分析系统的测试方法。针对于大数据的"4V"特性,分析了测试的难点和解决方案,分析了对于具体业务背景的大数据分析系统在测试前期需要的准备工作和测试环境的搭建要注意的问题;讨论了现有的大数据测试基准及大数据测试中常用的测试工具;分析了大数据自动化测试的技术框架,并研究了在此框架内需解决的关键技术。最后分析讨论了大数据测试技术值得进一步研究的主题。

基于MapReduce的多元线性回归预测模型

针对传统的多元线性回归预测方法处理时间长且受内存限制的特点,对时序样本数据设计了基于MapReduce的并行多元线性回归预测模型。模型由三组MapReduce过程组成,分别求解由历史数据所构成叉积矩阵的特征向量和标准正交特征向量,用来预测未来参数的特征值和特征向量矩阵和未来时刻回归参数的估计量。设计并实现了实验来验证提出的并行多元线性回归预测模型的有效性。实验结果表明,基于MapReduce的多元线性回归预测模型具有较好的加速比和可扩展性,适合于大规模时序数据的分析和预测。

基于MapReduce的最小二乘支持向量机回归模型

针对最小二乘支持向量机处理大规模数据集耗时长且受内存限制的特点,将局部多模型方法与MapReduce编程模式相结合,提出一种并行最小二乘支持向量机回归模型。模型由两组MapReduce过程组成,首先按照输入样本集对样本数据进行聚类操作,再对聚类后得到的子类按输出样本集进行二次聚类操作,分别得到局部模型数目和各局部模型综合加权输出计算结果。实验结果表明,并行最小二乘支持向量机回归模型具有较好的加速比和可扩展性。

无线传感器网络任务调度双层规划方法

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了基于可分负载理论的任务最优调度双层规划模型。同时考虑了群间和群内任务分配的合理性,得到了管理中心节点、群首节点分配任务给相应节点的最优解,使得整个任务从下发到收集执行结果这段时间最短。最后通过仿真验证了理论分析的正确性。

无线传感器网络可分负载调度算法

为了节省传感器节点能量,提高网络资源利用率,提出了一种无线传感器网络可分负载调度(DLSW)算法.DLSW算法以LEACH协议为基础,分群内和群间两阶段进行任务调度.在群内调度阶段,群内节点共享同一信道,相继向群首发送数据;在群间调度阶段,群首节点和SINK节点之间独立的信道使得群首将群内节点报告的数据融合后,并行向SINK节点传送结果,同时完成数据发送.DLSW算法通过去除节点间的通信干扰使得总任务完成时间减少、资源利用率提高.实验结果表明,在大规模的网络环境下,DLSW算法可以使总任务完成时间减少20%,网络能耗减少10%.

基于深度学习的短时交通量预测研究综述

短时交通量预测是智能交通领域的研究热点,对交通控制与管理具有重要的意义。传统的交通量预测方法难以准确地描述交通量数据内部的本质特征,而深度学习通过其深层结构,能够学习到交通量数据内部复杂的多因素耦合结构,进而对交通量做出更精准的预测,这也使得深度学习成为当前短时交通量预测领域的研究热点。文中首先介绍了传统交通量预测方法和深度学习的研究现状;然后按照生成型和判别型深度结构对现有基于深度学习的短时交通量预测方法进行分类,并总结了深度学习在短时交通量预测研究领域的主要方法,对其性能进行了对比研究;最后对深度学习在短时交通量预测领域存在的问题和发展趋势进行了探讨。

无线传感器网络多轮任务调度算法

为了充分地利用网络资源,提出了一种分群结构下的无线传感器网络多轮任务调度算法(WMTSA).WMTSA以可分负载理论为基础,根据各个群的任务处理速率按多轮方案将总任务从SINK节点下发给各个群.为了去除由节点间通信干扰导致的性能下降,SINK节点相继向各个群首发送每一轮的负载.每一轮各个群执行完数据采集任务并把数据融合后,也由群首将该轮数据相继向SINK节点报告,使得任务执行和通信更好地重叠,最终减少了整个应用的响应时间且提高了网络资源利用率.实验结果表明,WMTSA可合理地将总任务分配给网络中的各个节点,从而有效地减少了完成任务的耗时耗能.随着网络规模的增大,总任务完成时间可以减少40%.

基于对称残差U型网络的路网交通流量数据修复

针对路网交通数据采集过程中,采集设备稀缺或故障等原因造成路网交通流量数据缺失问题,提出基于对称残差U型网络(Residual U-Net,RU-Net)模型的大规模路网交通流量数据修复方法.通过将路网交通流量数据网格化和时序通道化操作,构成可供卷积操作的张量数据格式;利用RU-Net编码解码能力,对交通流量数据进行编码;在解码过程中保持失真度较小,使模型学习到交通流量数据内部多因素耦合特性.通过残差学习使交通流量数据编码后的信噪比提升,压缩率降低,提升模型修复精度.实验结果表明,RU-Net模型能够利用交通流量特性学习历史和非故障采集点数据与待修复数据的映射关系,在不同数据缺失率,不同缺失模式下,高效地完成对大规模路网交通流量数据的修复.

基于车辆载带中继的路边单元突发业务分组调度最优策略

高速公路车联网场景中,路边单元(Roadside units,RSUs)可作为多种周边监测数据的汇入网关,其业务具有突发特性,且可通过移动车辆以“存储−载带−转发”方式传输到与骨干网络互联的RSU.针对RSU间业务传输问题,源RSU可根据实时业务到达率按需匹配资源,以应对业务突发性对分组端到端时延的影响.本文首先针对RSU突发业务传输过程建立突发业务到达模型、车辆到达模型和离散车速状态模型;进而利用受限马尔科夫决策过程对系统状态转移过程进行分析,并建立非线性平均端到端时延最小化问题;最后通过分析最优解的形式得出最优分组调度策略具有门限结构.仿真结果验证了RSU间业务传输过程中排队时延和传播时延之间存在折中,且该分组调度策略能降低业务传输过程的平均端到端时延.

基于自供给模式的电动汽车换电站供需均衡运营策略

以换电模式为电动汽车(EV)提供能源补给是促进EV行业发展的重要保障。为了评估EV换电站的运营模式、提高EV换电站的运营效益,提出了一种基于自供给模式的EV换电站供需均衡运营策略。针对未来可行的统一化电池规格和换电站自供给模式,EV既可作为电池消费者,又可作为电池服务提供者,通过设计换电站的动态奖励机制,以吸引EV用户充当电池服务提供者辅助换电站提供换电服务,并基于带约束的马尔可夫决策框架对系统的随机优化问题进行建模。算例结果表明所提策略能使换电站自适应地选择给予电池服务提供者的奖励,从而在满足换电站服务质量水平约束的条件下最大化换电站的运营效益。

改进的量子遗传进化激励的快速数据分类算法

由于数据的属性越来越复杂,可用于分类的属性越来越多。传统的数据聚类算法对数据聚类初始中心点十分敏感、很难根据数据复杂的属性选定合适的中心,计算过程中由于数据的多属性干扰易陷入计算的局部最优,造成算法执行效率较低。提出了一种改进的量子遗传进化激励的快速聚类算法。算法中,首先利用高密度划分和阈值参数对样本数据集进行初次聚类划分,生成若干聚类集合;然后将样本的聚类过程看成是聚类中心的动态优化过程,克服传统算法中中心点固定不变的弊端,利用改进的量子遗传进化激励算法对每次聚类最优的聚类中心进行搜索;算法引入自适应变异算子对进化算法进行搜索能力进行改进,增强算法的全局搜索能力。实验证明,算法不仅具有较好的聚类精度,而且收敛速度快。

梅曾亮与道咸年间的宋诗风

在道咸年间"宋诗风"的兴起过程中,梅曾亮所起作用不能忽略。梅曾亮的"宋诗"趣尚奠基于幼学,沾溉于姚鼐、陈用光等师友。梅曾亮论诗尚"真",于宋诗人中对苏轼、黄庭坚等尤为看重。他的宋诗趣尚影响了从其学古文的邵懿辰、朱琦、冯志沂、王拯、曾国藩等人,他们异口同声地标举宋诗尤其是黄庭坚,在创作上也身体力行,从而推动了宋诗风的传衍与流布。