基于收费数据的高速公路实时网络状态估计研究

随着高速公路建设速度的加快,引发了诸如交通安全、交通拥堵、环境污染等一系列衍生问题.高速公路实时网络状态的获知就是减少拥堵延迟、保障高速公路快捷通畅的方法之一,但是由于基础数据获取的渠道还比较单一,因此在高速公路网络状态估计方面还缺乏科学的指导.本文利用高速公路进出口收费站数据,通过统计技术得到路网的OD量,在改进中观交通仿真模型的基础上,采用仿真手段将动态OD进行网络加载,从而产生实时的高速公路全路网无缝覆盖的网络状态估计.通过真实的山东省域高速公路全网络进行例证,结果表明,本文方法可以比较准确地估计出实时的网络状态,可以得到网络中任意路段的交通流速度、密度、流量等信息,可以为高速公路管理部门发布动态诱导信息、规划检测器设置等提供参考和帮助.

基于滚动时域随机丢包的网络化系统状态估计研究

针对滚动时域存在数据包随机丢失现象的问题,文中在网络化控制系统进行了系统状态估计的研究。通过分析含有估计器、控制器等设备的网络化控制系统,利用增广矩阵求解矩阵方程,建立了离散时间切换模型来描述该类系统的数据随机丢包现象。根据滚动时域优化策略,通过求解线性矩阵的加权矩阵解决了数据包丢失对系统状态估计的影响,进而提高了估计方法的合理性和有效性。最后,使用数值仿真对所提方法进行了验证,与以往文献的比对结果表明,文中所提出的估计方法具有更低的均方差误差。

具有传感器增益退化、传输时延和丢包的离线状态估计器

研究了具有传感器增益退化、数据传输时延和丢包的网络化状态估计问题,传感器增益退化现象通过统计特性已知的随机变量来描述,数据包时延和丢失发生于传感器量测输出向远程处理中心传送过程中,将各时延的发生描述为随机过程,在远程处理中心端建立只存储最新时刻数据包的时延-丢包模型,考虑到利用每一时刻实时的时延值和丢包情况,设计了一种离线的无偏估计器,推导出最小方差原则下的离线最优估计器增益.最后,通过算例仿真验证所设计离线状态估计器的有效性.

基于线性编码的随机时延和丢包下的状态估计

关于具有数据随机传输时延和丢包的网络化状态估计问题,针对多个测量数据包同时到达远程处理中心的情况,为减轻计算负担,提出了一种线性编码方法对多个测量值进行线性重组进而用以推导估计器,并给出估计器稳定的充分条件。在最小方差原则下通过改变编码参数组合来改变估计器精度,通过算例仿真验证所提估计器的有效性。结果表明,上述估计器能够有效降低计算复杂度,在长时延的应用场景下具有重要的工程意义。

网络自适应传输控制策略研究

针对流媒体传输中的拥塞问题,对网络自适应传输控制进行了研究,结合RTP协议的传输特性,提出了一种基于带宽的网络自适应传输策略并阐述了这种策略的控制机理。该策略能够根据网络资源状况动态调节传输速率、匹配网络带宽,实现了网络自适应传输。

VANET中安全信息的快速可靠广播路由算法

为了满足VANET中交通安全信息实时可靠传输的需求,文中提出了一种基于自适应认证重传机制的多跳广播路由算法(ACR-BA).首先,为了节省网络资源,ACR-BA算法设计了两种短控制包,有效地抑制了传输冗余;其次,为了降低竞争信道的碰撞概率,基于地理位置划分了候选节点集,并结合控制包认证机制在一个候选节点集中仅确定出唯一的转发节点;然后,根据网络负载状况设计了一种基于单位基准时隙的自适应机制,设置尽量小的退避等待时间,提高信息广播的实时性;最后,设置了针对短控制包和数据包的超时重传保障机制,在保证算法实时性的基础上最大限度地提高可靠性.理论分析和仿真结果表明,与传统洪泛算法和时隙1坚持算法相比,ACR-BA算法有效地降低了网络中的冗余数据量,在实时性和可靠性两方面均有较大的性能提高.

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动(stochastic event-triggered)的思想,并在此基础上建立了基于残差检测的事件驱动(detected event-triggered)模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波(CKF)算法框架中的滤波更新过程,得到了检测事件驱动CKF(DECKF)和随机事件驱动CKF(SECKF)两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。