考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

车联网安全标准综述

车联网(IoV)安全标准是保障车联网产业发展的压舱石。为了让研究者全面清晰的了解IoV产业的安全需求,基于IoV的“云-管-端”三层体系架构,从IoV安全标准视角出发,统计分析了IoV的安全标准和政策文件,对比分析了国际和国内标准化组织发布的IoV安全标准的侧重点、总结了各层的安全需求、防护技术和安全标准之间的对应关系,给出了IoV安全标准的发展趋势和建设建议。

基于增量学习的车联网恶意位置攻击检测研究

近年来,车辆恶意位置攻击检测中主要使用深度学习技术.然而,深度学习模型训练耗时巨大、参数众多,基于深度学习的检测方法缺乏可扩展性,无法适应车联网不断产生新数据的需求.为了解决以上问题,创新地将增量学习算法引入车辆恶意位置攻击检测中,解决了上述问题.首先从采集到的车辆信息数据中提取关键特征;然后,构建恶意位置攻击检测系统,利用岭回归近似快速地计算出车联网恶意位置攻击检测模型;最后,通过增量学习算法对恶意位置攻击检测模型进行更新和优化,以适应车联网中新生成的数据.实验结果表明,相比SVM,KNN,ANN等方法具有更优秀的性能,能够快速且渐进地更新和优化旧模型,提高系统对恶意位置攻击行为的检测精度.

运用路径动态预览模型的低速智能汽车侧向跟踪控制研究

采用速度自适应的动态预瞄距离是提高智能车侧向跟踪控制效果的有效办法。针对目前基本采用基于当前车速的预瞄距离自适应策略,提出一种结合规划路径和规划速度信息的动态预瞄距离跟踪控制算法以提高智能车在低速侧向跟踪控制的精确性。本文以几何学纯跟踪算法为基础,推导了前行和倒车时的侧向跟踪控制律;依据实时规划的路径和速度信息,设计了预瞄距离动态调整方法,最终获取具有速度自适应性的前视距离-车辆前轮转角关系。最后,在CarSim-MATLAB/Simulink联合仿真环境下验证了算法的有效性和准确性,并通过实车测试,验证了所提出的方法较基于动力学模型的LQR算法具有更低计算消耗和更高跟踪精度。

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

网约车平台算法个性化定价、乘客履约率及其监管对策

网约车平台算法个性化定价产生了复杂的市场影响,相比传统出租车服务,网约车乘客违约率达30%左右,因此算法个性化定价对乘客违约率的影响机制以及乘客是否履约的关键特征值得探索。文中尝试运用矩形Hotelling模型建立算法个性化定价与乘客违约率的因果关联机制,以两个网约车平台之间的Stackelberg博弈模型揭示歧视性定价、乘客违约率与平台之间竞争强度的关系。进一步运用网约车平台订单大数据,以Bhattacharyya距离、提升决策树及改进拉斯维加斯方法(包裹法)等归纳学习工具对网约车平台百万量级订单进行数据挖掘,找出决定乘客是否履约的关键特征。分析结果表明,平台进行个性化定价时乘客的最终消费选择主要取决于价格因素;而改进车辆匹配、派单策略及减少乘客候车时间可显著提高订单履约率。研究结果对网约车平台完善定价及运营策略以维持双边市场用户数量、保证平台持续成功运营具有重要参考价值,也为反垄断部门干预平台个性化定价提供了理论依据。

车联网隐私保护自主管理身份方案

针对车联网(VANETs)环境下车辆用户数字身份管理问题,该文提出基于区块链的去中心化可撤销隐私保护自主管理身份(SSI)方案。经可信机构(TA)授权后,路侧单元(RSU)组成委员会负责车辆用户身份注册、数字身份凭证颁发及维护。基于门限BLS签名和实用拜占庭容错(PBFT)共识机制实现数字身份凭证创建,解决凭证颁发机构去中心化问题;集成秘密共享和零知识证明技术,解决数字身份凭证颁发和验证过程中隐私保护问题;基于密码学累加器技术,解决分布式存储环境数字身份凭证撤销问题。最后,对该方案安全属性进行了详细分析,证明方案能够满足所提出的安全目标,同时基于本地以太坊私有链平台使用智能合约对所提方案进行了实现及性能分析,实验结果表明了设计的可靠性、可行性和有效性。

石墨烯复合载体催化剂在柴油车尾气NO脱除中的应用

氨气选择性催化还原法有利于柴油车尾气中NO的脱除,为适合柴油车尾气条件和温度,制备一种石墨烯和TiO_(2)复合载体的脱硝催化剂,通过NH_(3)-SCR催化活性评价、X射线衍射(XRD)、扫描电子显微镜(SEM)、比表面积与孔隙度分析仪(BET)和程序升温还原(H_(2)-TPR)等表征得出以下结论:对于TiO_(2)载体催化剂,高含量的Ce有利于提高NH_(3)-SCR催化活性,并扩宽活性温度区间,活性组分Fe有利于其低温活性;对于石墨烯载体催化剂,活性组分Ce的催化活性更优越,但Fe更有利于高温活性;针对TiO_(2)和石墨烯复合载体脱硝催化剂,进一步扩宽了催化活性温度区间,改善催化剂反应过程中的粉化现象,但是催化活性略有下降,其中Fe0.1Ce0.4Ti/10%GR催化剂具有最优的NH_(3)-SCR活性,在220~450℃温度区间内NO转化率达到90%以上。

面向车联网的车辆节点信誉评估方法

车联网技术的发展促使了交通信息的交互与共享,能有效提升出行效率,但车联网的开放性使得交通实体容易受到恶意车辆的攻击,会造成严重的后果。针对上述问题,文章提出了一种面向车联网的车辆节点信誉评估方法。首先,提出了一种面向车联网的车辆节点分区区块链网络;然后,通过车辆节点之间的信任和基础设施对车辆的辅助信任来计算本地信誉值,借助深度学习算法动态计算全局信誉值,进而可基于全局信誉值确定最佳的数据共享节点;最后,对存储技术进行改进,利用分区区块链存储来保证信誉值、路况信息的不被篡改和可追溯性。仿真实验结果表明,本文所提的方法在通过信誉评估确定恶意节点的准确率和召回率都优于对比方法。

IRS辅助的车联网相移设计和信道对齐策略

针对车联网中车辆的动态移动以及信号的随机散射所导致的信道快速变化问题,研究了智能反射面(intelligent reflecting surface,IRS)辅助的车联网通信并提出了联合相移设计和信道对齐策略,以削减车联网中多普勒频移的影响并提升通信性能。提出的策略由两个阶段构成。在第一阶段设计IRS的相移以改善级联信道的衰落状态,在策略的第二阶段进行修正函数的设计,实现了直接信道和级联信道的信道对齐,从而减少直接信道快衰落状态对通信性能的影响。通过联合相移设计和信道对齐策略中设计的反射相移以及修正函数,实现了通信性能的提升。仿真结果表明,所提策略相比于相移优化策略可以提升8.8%的频谱效率。

车联网中基于阈值的边缘辅助身份认证方案

车联网中的身份认证方案是解决车联网许多安全和隐私问题的有效途径之一。然而,现有认证方案多数没有关注单点故障问题或者存在信息泄露。针对上述问题,提出了一种车联网中基于阈值的边缘辅助身份认证方案。该方案在保护车辆真实身份信息的前提下,由多个边缘节点协同认证车辆,避免了单点故障问题。同时,在初始合作认证阶段生成令牌用于快速切换认证阶段的身份认证,在不与多个边缘节点交互下实现基于身份认证的快速切换,有效减少了认证延迟。若认证过程中出现异常,云计算中心也可以对恶意车辆进行追踪,还原其真实身份并进行撤销。安全性分析和仿真实验表明,所提方案是安全有效的。最后对提出方案进行了总结,并对未来工作作出展望。

基于异步深度强化学习的车联网协作卸载策略

随着车联网(IoV)的快速发展,智能网联汽车产生了大量延迟敏感型和计算密集型任务,有限的车辆计算资源以及传统的云服务模式无法满足车载用户的需求,移动边缘计算(MEC)为解决海量数据的任务卸载提供了一种有效范式。但在考虑多任务、多用户场景时,由于车辆位置、任务种类以及车辆密度的实时性和动态变化,IoV中任务卸载场景复杂度较高,卸载过程中容易出现边缘资源分配不均衡、通信成本开销过大、算法收敛慢等问题。为解决以上问题,重点研究了IoV中多任务、多用户移动场景中的多边缘服务器协同任务卸载策略。首先,提出一种多边缘协同处理的三层异构网络模型,针对IoV中不断变化的环境,引入动态协作簇,将卸载问题转化为时延和能耗的联合优化问题;其次,将问题分为卸载决策和资源分配两个子问题,其中资源分配问题又拆分为面向边缘服务器和传输带宽的资源分配,并基于凸优化理论求解。为了寻求最优卸载决策集,提出一种能在协作簇中处理连续问题的多边缘协作深度确定性策略梯度(MC-DDPG)算法,并在此基础上设计了一种异步多边缘协作深度确定性策略梯度(AMCDDPG)算法,通过将协作簇中的训练参数异步上传至云端进行全局更新,再将更新结果返回每个协作簇中提高收敛速度。仿真结果显示,AMC-DDPG算法较DDPG算法至少提高了30%的收敛速度,且在奖励和总成本等方面也取得了较好的效果。

北京冬奥会雪车雪橇项目医疗急救的保障

目的:对国家雪车雪橇中心的雪车、雪橇、钢架雪车赛道医疗保障情况进行分析及总结,为今后赛事举办及群众冰雪运动的医疗保障工作提供经验。方法:回顾性分析参加2021年10—11月雪车、雪橇、钢架雪车国际训练周和世界杯(以下简称“国际训练周”),及2022年2月北京冬奥会雪车、雪橇、钢架雪车项目(以下简称“北京冬奥会”)的运动员受伤、救治情况,参考和借鉴《冬季雪上运动项目医疗保障标准》制定具体的分类标准分析受伤部位、受伤类型、事故发生点位等。结果:参加国际训练周和北京冬奥会总计743名运动员,比赛期间共发生翻车、翻撬、碰撞事故58次,其中有28次(运动员28例)出现了运动员受伤,占事故总数的48.3%,占运动员总数3.8%,其中男性9例(32.1%),女性19例(67.9%),平均年龄(26.3±4.7)岁。28例受伤运动员中20例(71.4%)为Ⅰ类伤,在现场得到了救治处理,8例(28.6%)伤情较重的,其中Ⅱ类伤(7例)、Ⅲ类伤(1例)转诊至定点医院进行进一步处理。28例受伤运动员中有3例(10.7%)出现了多发损伤,其中2例为2部位受伤,1例为3部位受伤,最常见的受伤部位为脚踝及脚趾(10/32,31.3%)。28例受伤运动员中有1例(3.6%)同时出现了2种受伤类型,最常见的受伤类型为关节和(或)韧带损伤(11/29,37.9%)。赛道最容易发生事故的点位为第9弯道(18/58,31.0%)。结论:通过对医疗保障工作的分析和总结,能够更好地为今后我国开展雪车、雪橇、钢架雪车运动提供经验和参考,使国家雪车雪橇中心真正成为可持续发展的奥运资产。

一种任务驱动的车联网边缘卸载策略

边缘计算为解决未来车联网中移动流量的爆炸式增长提供了可行范式,然而位置的动态变化以及计算任务的多样性和差异性,使得资源有限的边缘服务器很难在规定时间内完成区域内多车辆任务的并行处理需求。基于此,以最小化时延为目标,提出一种结合深度确定性策略梯度算法的任务驱动卸载策略。首先,结合差异性任务类型和紧迫程度进行预处理,构建了一种基于最大延迟容忍度的任务动态优先级调整模型;然后,利用道路区域内的车辆拓扑和通信半径,提出了基于网络密度和负载均衡的动态协作簇划分方法,解决了多样性任务的动态协作卸载优化问题。实验结果表明,所提算法在收敛性、卸载时延及卸载命中率等方面具有性能优势。

燃烧系统参数对商用车发动机燃烧和排放特性的影响研究

为改善商用车发动机性能,采用计算流体力学(computational fluid dynamics,CFD)模拟、正交设计等方法,针对某商用车的燃烧室结构参数设计了4种新方案,并选取油束夹角、喷雾锥角、主喷正时等3个喷油参数开展多因素影响研究。结果表明:燃烧室形状曲线向内收缩且最大半径增大的方案1燃烧室可提升缸内湍流特性,改善燃油浓度分布,使燃烧速度加快,油气混合更好,为最优方案。在喷油参数研究方案中,以碳烟(soot)排放为优化指标时,油束夹角对排放特性影响最大,最优匹配方案是油束夹角147°、喷雾锥角15°、主喷正时-1°,其缸内碳烟排放较原机下降13.91%,且NOx排放减少13.98%;以氮氧化物(nitrogen oxides,NOx)排放为优化指标时,主喷正时对排放特性影响最大,最优匹配方案是油束夹角160°、喷雾锥角25°、主喷正时-1°,其缸内NOx排放较原机降低37.79%。

双因子更新的车联网双层异步联邦学习研究

针对车联网(IoV)中节点资源异构、拓扑结构动态变化等特点,该文建立了一个双因子更新的双层异步联邦学习(TTAFL)框架。考虑到模型版本差和车辆参与联邦学习(FL)次数对局部模型更新的影响,提出基于陈旧因子和贡献因子的模型更新方案。同时,为了避免训练过程中,车辆移动带来路侧单元切换的问题,给出考虑驻留时间的节点选择方案。最后,为了减少精度损失与系统能耗,利用强化学习方法优化联邦学习的本地迭代次数与路侧单元局部模型更新次数。仿真结果表明,所提算法有效提高了联邦学习的训练效率和训练精度,降低了系统能耗。

基于V-REP自动垂直泊车的教学仿真实验

泊车对驾驶员的操作技能有很高的要求,自动泊车系统的出现能够很好地解决这一问题,帮助驾驶员安全精准地完成泊车操作。该文对典型的自动垂直泊车进行仿真研究,针对标准和狭窄停车通道的垂直泊车,研究了C字型与人字型的泊车规划路径算法。基于机器人仿真平台(virtual robot experimentation platform,V-REP)搭建了典型的泊车仿真场景,利用用户数据协议(user datagram protocol,UDP)构建V-REP与MATLAB之间的通信,开展了V-REP与MATLAB的联合仿真实验,充分展示了自动垂直泊车的泊车过程,总结了垂直泊车的路径特点,对自动垂直泊车进行了可视化演示。此外,基于该平台为学生提供了虚拟仿真实验环境,激发了学生对无人驾驶的学习兴趣和勇于探索的精神,提高了学生的操作能力与创新思维能力,获得了良好的教学效果。

基于情景模拟标准的电动滑板车安全风险场景再现构建

基于国家标准《消费品安全危害识别情景模拟法》(GB/T 39108-2020)中的相关规定,通过相关软件与硬件搭建电动滑板车风险分析平台,模拟场景设计、执行测评、数据收集和结果分析等过程,分析了电动滑板车风险试验系统的构建过程,为后续电动滑板车的风险分析提供理论依据和试验平台。

形状匹配的铁路油罐车罐口视觉定位方法

为了克服非均匀光照、车型以及摄像机安装位置等因素造成的罐口定位误差,提出了一种基于形状匹配的铁路油罐车罐口视觉定位方法。利用罐口为标准几何形状的特点,使用标准图像提取罐口边缘并进行形状拟合;将得到的轮廓形状作为图像识别模板,在待搜索图像中使用基于轮廓的归一化互相关查找目标;在搜索过程中对形状模板进行缩放,以兼容不同型号车型罐口;利用图像金字塔技术减小计算量,加快匹配速度。结果表明,所提出的方法满足误差要求,能够应用于工业现场。

纯电动和燃油公交车的火灾发展特性数值模拟研究

为了研究纯电动和燃油公交车火灾发展特性的异同,采用FDS数值模拟方法,考虑动力电池发生热失控喷射释放可燃气体并燃烧形成喷射火,对比电池包和燃油两类典型点火源下,公交车整车燃烧的热烟释放与火灾发展特性。结果表明:对于10.5 m长的纯电动和燃油公交车火灾,火灾增长速率均位于超快速火和快速火之间,在前500 s燃油公交车的热释放速率(Heat Release Rate,HRR)大于电动公交车,然而电动公交车HRR在500 s后大于燃油车;纯电动和燃油公交车峰值热释放速率(Peak Heat Release Rate,PHRR)分别为25.4 MW和24.2 MW,总热释放量(Total Heat Release,THR)分别为20.2 GJ和17.5 GJ,电动公交车相比燃油车具有更高的PHRR和THR,但PHRR达峰时间滞后144 s;在点火源距离后门较近和火灾前期100 s门窗均处于关闭状态最不利情况下,相比燃油公交车,电动车上部内饰的引燃时间提前、下部有所延迟,后天窗附近窗户破窗时间提前;在公交车火灾发展中,电动车窗户等开口部位处溢流火的高度大于燃油车,1 min内是人员逃生关键时间,且车厢内中后部温度均高于前部。