Design and Analysis of Traffic Information Transmission System Based on Visible Light Communication

Visible Light Communication( VLC) based on LED is a new wireless communication technology with high response rate and good modulation characteristics in the wavelengths of 380- 780 nm. Compared with conventional methods,the waveband of VLC is harmless to human and safe to communication because of no magnetism radiation. An audio information transmission system using LED traffic lights is presented based on VLC technology. The system is consisted of transmitting terminal,receiving terminal and communication channel. Some experiments were made under real communication environment. The experimental results showed that the traffic information transmission system works steadily with good communication quality and achieves the purpose of transmitting audio information through LED traffic lights,with a data transfer rate up to 250 kbps over a distance of 5 meters.

CHRT:Clustering-Based Hybrid Re-Routing System for Traffic Congestion Avoidance

Re-routing system has become an important technology to improve traffic efficiency.The traditional re-routing schemes do not consider the dynamic characteristics of urban traffic,making the planned routes unable to cope with the changing traf-fic conditions.Based on real-time traffic information,it is challenging to dynamically re-route connected vehicles to alleviate traffic congestion.Moreover,how to obtain global traffic information while reducing communication costs and improving travel efficiency poses a challenge to the re-routing system.To deal with these challenges,this paper proposes CHRT,a clustering-based hybrid re-routing system for traffic congestion avoidance.CHRT develops a multi-layer hybrid architecture.The central server accesses the global view of traffic,and the distributed part is composed of vehicles divided into clusters to reduce latency and communication overhead.Then,a clustering-based priority mechanism is proposed,which sets priorities for clusters based on realtime traffic information to avoid secondary congestion.Furthermore,to plan the optimal routes for vehicles while alleviating global traffic congestion,this paper presents a multi-metric re-routing algorithm.Through extensive simulations based on the SUMO traffic simulator,CHRT reduces vehicle traveling time,fuel consumption,and CO2 emissions compared to other systems.In addition,CHRT globally alleviates traffic congestion and improves traffic efficiency.

Cluster DetectionMethod of Endogenous Security Abnormal Attack Behavior in Air Traffic Control Network

In order to enhance the accuracy of Air Traffic Control(ATC)cybersecurity attack detection,in this paper,a new clustering detection method is designed for air traffic control network security attacks.The feature set for ATC cybersecurity attacks is constructed by setting the feature states,adding recursive features,and determining the feature criticality.The expected information gain and entropy of the feature data are computed to determine the information gain of the feature data and reduce the interference of similar feature data.An autoencoder is introduced into the AI(artificial intelligence)algorithm to encode and decode the characteristics of ATC network security attack behavior to reduce the dimensionality of the ATC network security attack behavior data.Based on the above processing,an unsupervised learning algorithm for clustering detection of ATC network security attacks is designed.First,determine the distance between the clustering clusters of ATC network security attack behavior characteristics,calculate the clustering threshold,and construct the initial clustering center.Then,the new average value of all feature objects in each cluster is recalculated as the new cluster center.Second,it traverses all objects in a cluster of ATC network security attack behavior feature data.Finally,the cluster detection of ATC network security attack behavior is completed by the computation of objective functions.The experiment took three groups of experimental attack behavior data sets as the test object,and took the detection rate,false detection rate and recall rate as the test indicators,and selected three similar methods for comparative test.The experimental results show that the detection rate of this method is about 98%,the false positive rate is below 1%,and the recall rate is above 97%.Research shows that this method can improve the detection performance of security attacks in air traffic control network.

A Model of Federated Evidence Fusion for Real-time Urban Traffic State Estimation

In order to make full use of heterogeneous multi-sensor data to serve urban intelligent transportation systems, a real-time urban traffic state fusion model was proposed, named federated evidence fusion model. The model improves conventional D-S evidence theory in temporal domain, such that it can satisfy the requirement of real-time processing and utilize traffic detection information more efficaciously. The model frame and computational procedures are given. In addition, a generalized reliability weight matrix of evidence is also presented to increase the accuracy of estimation. After that, a simulation test is presented to explain the advantage of the proposed method in comparison with conventional D-S evidence theory. Besides, the validity of the model is proven by the use of the data of loop detectors and GPS probe vehicles collected from an urban link in Shanghai. Results of the experiment show that the proposed approach can well embody and track traffic state at character level in real-time conditions.

基于手机信令数据的城市居民动态OD矩阵提取方法

现有的城市居民出行调查周期较长,交通小区划分粒度粗糙,导致调查不能及时准确地获取居民出行信息。针对该问题,提出了一种基于手机信令数据的城市居民动态OD矩阵提取方法。首先,针对信令数据中的两种复杂噪声:乒乓切换和漂移数据,提出了基于窗口阈值的检测与等效位置替换方法,以及复杂漂移点的检测和标记处理方法;然后,提出一种改进的ST-DBSCAN聚类方法,引入一种等时化方法将时间信息与空间信息相结合,识别出行过程中的驻留点;最后,基于地理信息系统构建含有道路关键节点的路网,将居民出行OD与路网节点相匹配,有效推导出城市居民动态OD矩阵。实验结果表明:与ST-DBSCAN算法相比,所提改进的ST-DBSCAN算法在聚类效果和识别速度上分别提升了6.10%和5.26%;与统计方法和二阶统计量方法相比,基于改进的ST-DBSCAN算法的动态OD矩阵提取方法在均方误差(MSE)上分别降低了16.98%和21.55%。以北京市为例,运用提出的动态OD矩阵提取方法,能够及时有效地分析城市居民日常与高峰时段的出行特征。

融入智能网联汽车的混行交通流混沌特性

为了研究混行交通流混沌特性、辨析影响混行车队混沌程度的因素,在传统交通流理论基础上,利用Cao方法和改进的Cao方法确定混行交通流延迟时间和嵌入维数,对混行交通流序列进行相空间重构并通过计算最大Lyapunov指数判定其混沌特性.对混行交通流中智能网联汽车(intelligent connected vehicle,ICV)协同自适应巡航(cooperative adaptive cruise control,CACC)车辆比例及延迟时间关键参数进行影响分析.结果表明:在跟驰过程中车头间距序列的最大Lyapunov指数小于0时,混行交通流存在混沌;CACC车辆比例增加能够减弱混沌的时间区域,比如当CACC车辆比例达到0.6时,跟驰系统趋于稳定;CACC车辆的延迟时间对混沌的影响显著,保持低通信延迟才能发挥CACC车辆的作用,从而有效抑制混沌.

考虑CAV与公交车比的混合交通流特性

为探究网联环境下汽车和公交车组成的混合交通流特性,考虑驾驶员行为改进Gipps安全距离规则,结合美国path实验室提出的自适应巡航(Adaptive Cruise Control,ACC)、协同自适应巡航(Cooperative Adaptive Cruise Control,CACC)跟驰模型加速度定义,构建异质流元胞自动机模型。通过数值仿真实验,分析网联自动驾驶车辆(Connected Autonomous Vehicles,CAV)与公交车辆混入比例对交通流通行能力、行驶速度、道路拥堵的影响。结果表明:随着CAV比例的提高,道路通行能力增大,临界密度增大;当道路上车辆组成仅为CAV车辆时,通行能力提升2.45倍、临界密度提高2.84倍;当CAV比例为0.5,随着公交车比例的增加,道路随机多发的轻微拥堵明显减少,通行能力、平均行驶速度略微减小。网联车能有效提高道路通行能力和行驶速度、减少拥堵,且随着公交车比例的提高,网联公交车更易形成队列,使道路拥堵得到明显改善。

面向智能驾驶测试的可变跟驰特性交通车建模方法

提出一种面向智能驾驶测试的可变跟驰特性交通车建模方法。首先,通过对自然驾驶数据聚类分析,建立高真实交互个性化的跟驰模型,并利用模型输出耦合赋予多元权值,构建可用于智能驾驶测试的可变跟驰特性交通车模型;然后,通过建立交通车轨迹评价方法验证模型输出轨迹的合理性、多样性及真实性;最后,搭建联合仿真平台进行了所构建交通车模型对自动紧急制动(autonomous emergency braking, AEB)算法的应用测试。结果表明,本文构建的交通车模型可以输出不同跟驰特性下合理、多样且真实的轨迹,当轨迹数量达到60 000条时与真实自然驾驶速度轨迹匹配的平均均方根误差为0.427 m/s,且在不同交通车轨迹特性下待测系统行为响应不尽相同,通过权值系数的变化可以揭示待测系统响应的演化规律,并可实现待测系统性能的针对性测试。

基于Informer算法的网联车辆运动轨迹预测模型

自动驾驶汽车可以根据轨迹预测算法计算周边车辆的运动轨迹,并作出反应以降低行车风险,而传统的轨迹预测模型在长时间序列预测的情况下会产生较大的误差。为解决这一问题,提出了一种以Informer算法为基础的轨迹预测模型,并根据公开数据集NGSIM进行实验分析。首先通过对称指数移动平均法(sEMA)对原始数据进行滤波处理,并在原有的Informer编码器中加入了联合归一化层对不同车辆进行特征提取处理,减少了不同车辆之间的运动误差,通过考虑车辆的本身速度信息与周围环境的车辆运动信息,提高了预测精度,最后经过解码器得到未来时刻的车辆轨迹分布。结果表明,模型对车辆的轨迹预测误差在0.5 m以内;通过对轨迹预测的MAE与MSE结果分析可知,预测时间超过0.3 s以后,Informer模型的轨迹预测效果明显优于其他算法,验证了模型和算法的有效性。

考虑纵向时空特性的双向交通流组合预测研究

针对现有研究方法未充分考虑现实路网双向交通流的纵向时空特性,道路方向辅助信息特征再组织性不足的问题,提出一种考虑纵向时空特性的双向交通流组合预测模型。采用卷积深度信念网络预训练机制细粒化提取上下游纵向路段间的空间特性,利用双向长短时记忆网络提取双向交通流时序特性,通过二者组合的方式完成纵向时空特性的深层次挖掘,并在此基础上,结合改进的双向注意力机制对模型提取的特征进行方向性自组织规划,从而实现针对不同方向性类别的自适应权重分配过程。实验结果表明:所提模型的平均绝对百分比误差和均方根误差相较于未考虑上下游路段影响的模型的分别降低了3.01%、5.57%,相较于考虑上下游路段影响但未改进注意力机制的模型的分别降低了0.29%、4.87%。

基于物理信息自适应深度学习的交通状态估计

物理信息深度学习(physics-informed deep learning, PIDL)是一种将深度学习与物理学先验知识相结合的新兴范式,该范式在智能交通领域,尤其在交通状态估计应用中,展现出了巨大潜力。为进一步优化物理信息深度学习模型在交通状态估计问题上的准确度与收敛速度,构建了一个结合Aw-Rascle宏观交通流模型的物理信息自适应深度学习模型(physics-informed adaptive deep learning with Aw-Rascle, PIAdapDL-AR),依据有限与局部的交通检测数据,实时准确估计全局交通流状态。主要的改进包括两部分,一是在PIDL框架中的物理部分引入高阶Aw-Rascle交通流模型作为物理约束条件,引导并规范神经网络的训练过程;二是在神经网络部分融合自适应激活函数,替代固定的非线性激活函数,以动态优化神经网络性能。基于NGSIM数据集生成模拟的固定检测器数据和移动检测器数据,进行实验以验证模型有效性。实验结果表明:在不同覆盖率的固定检测数据场景下,PIAdapDL-AR的相对误差相比于基线模型PIDL-LWR降低了34.38%~45.24%;在不同渗透率的移动检测数据场景下,PIAdapDL-AR的相对误差相比于PIDL-LWR降低了18.33%~34.95%;融合自适应激活函数的PIAdapDL-AR的收敛速度优于配置固定激活函数的PIDL-AR,且收敛速度和估计精度均随着自适应激活函数中比例因子的增大而提升。

船舶交通智能感知融合与辅助决策方法综述

船舶交通智能感知与辅助决策是船舶智能交通的核心内容,是保障未来船舶智能航行安全的重大需求。在船舶智能交通系统中,航行信息感知与融合理解发挥着关键作用,通过各种传感技术和信息传输、处理技术,实时获取、分析船舶与环境等相关信息,直接影响着船舶智能航行的态势判断和风险评估能力,同时基于数据融合分析的辅助决策生成效果决定了船舶自主航行能力,关系着船舶交通的安全和效率。船舶智能交通下的感知融合具有多级体系特征,研究者在通信传输、信息交互和数据融合3个层级进行了多方面改进。深入探讨目前船舶智能交通感知与融合理解的发展和面临的挑战,针对船舶智能航行过程中对环境目标的感知融合具有复杂动态的特点,研究网络通信保障、感知信息交互、智能化融合分析3个层级间的相互关联关系,分析面向复杂水域的船舶智能航行感知体系,讨论船舶对航行环境的识别和认知能力提升的潜在空间和应用前景,有助于为船舶航行的自主化、智能化提供技术支持,服务于船舶交通智能化整体水平的提升。

多模态信息融合在智能网联汽车交通事故鉴定中的应用探索

随着智能网联汽车产业快速发展,智能网联汽车的事故调查受到各地政府和主管部门的重视。首先,从交通事故鉴定的角度出发,针对智能网联汽车普遍存在的多源异构信息,从典型信息的执行标准、功能认证、车型范围、存储位置和获取途径等方面进行分析。其次,结合道路交通事故的调查取证规则和鉴定意见的证据要求,对智能网联汽车事故的典型信息进行溯源分析和证据力分析。再次,根据智能网联汽车事故调查目的和鉴定需求,结合其多源异构特点,提出多模态信息校验和融合。最后,对智能网联汽车的事故调查方法和事故鉴定技术进行展望。

城市级红绿灯信息开放服务车路协同系统研究

提出了通过直连通信或蜂窝通信实现城市级红绿灯信息开放服务的车路协同系统,从信息获取、信息通信、信息处理及信息应用4个关键技术环节重点分析了该系统的构建与实施,并针对不同的应用方向或场景提出相应的解决方案,深入探讨了这些技术和方案在提升交通效率、降低成本和增强道路安全性方面的应用潜力,同时提出跨城市红绿灯信息开放服务架构,对于车路协同技术的进一步发展具有参考价值,对于城市级智能交通系统的未来建设具有指导意义。

Multisensor information fusion:Future of environmental perception in intelligent vehicles

As urban transportation increasingly impacts daily life,efficiently utilizing traffic resources and developing public transportation have become crucial for addressing issues such as congestion,frequent accidents,and noise pollution.The rapid advancement of intelligent autonomous driving technologies,particularly environmental perception technologies,offers new directions for solving these problems.This review discusses the application of multisensor information fusion technology in environmental perception for intelligent vehicles,analyzing the components and performance of various sensors and their specific applications in autonomous driving.Through multisensor information fusion,the accuracy of environmental perception is enhanced,optimizing decision support for autonomous driving systems and thereby improving vehicle safety and driving efficiency.This study also discusses the challenges faced by information fusion technology and future development trends,providing references for further research and application in intelligent transportation systems.

斜沟煤矿厚煤层综采工作面顶板断裂失稳规律及智能预测设计

随着煤矿智能化综采工作面的快速发展,顶板破断失稳规律及来压的智能预测成为迫切需要解决的问题,该问题的解决对于进一步完善综采工作面智能化控制体系、防范采场顶板灾害的发生具有重要意义。以斜沟煤矿厚煤层综采工作面为工程技术背景,结合该工作面煤岩地质特征及生产技术条件,利用数值模拟方法,研究了工作面顶板破断规律及应力演化特征,分析了顶板断裂失稳引起的矿压显现特征及其对煤岩稳定性和支架稳定性的影响,确定了9种特征参数作为反映顶板断裂失稳的特征信息,并作为智能矿压监测预警模型的基础参量。由此设计了工作面矿压多参量信息智能感知系统,为煤矿综采工作面智能矿压监测预警提供了一种新思路。

基于动态规划方法的智能交通最优路线规划方法研究

随着城市交通的不断拥堵和复杂化,传统的静态路线规划方法无法应对动态的交通状况,因此需要开发一种能够根据实时交通数据进行路径规划的方法。鉴于此,研究在对交通路网进行数学建模后,通过实时获取和分析交通信息,并结合动态规划法及其动态规划方程后提出了一种智能交通最优路线规划方法。实验结果表明:该方法达到最优规划精度的最短时间为17.5 s,此时精度最高可达92%。同时,智能车辆规划精度受路阻变化的影响最低为1%。与同类型的规划方法进行仿真对比后发现,该方法能够提供更多短线路规划方案,更适合于现阶段的车辆路径规划。由此可知,研究所提方法更具优越性和稳定性。研究旨在结合更多智能交通技术,以推动智能交通系统的发展。

信息智能化建设背景下高速公路智能化检测系统构建

为完善我国高速公路信息化和智能化建设,研究提出了交通事件智能检测技术和交通状态智能化分级技术。首先提出一种基于相似性理论的交通检测器布设优化策略,降低检测器布设成本;其次基于K-means聚类算法实现交通状态智能分级;最后基于交通量检测设计了交通拥挤事件智能检测模型。结果显示,该方案在行程时间预测上平均误差低于5%。实现了高速公路交通拥挤的高精度智能检测,从而有效缓解了交通压力,提高公路运输能力。

基于威胁情报关联的APT攻击识别与溯源技术

网络空间对抗形态正变得更加复杂,其中掺杂了人工智能、躲避逃逸、情报收集、社会工程、地缘政治等多种因素。目前威胁情报IOC特征主要被用来识别受控主机以及C&C终端连接行为;另外通过关联拓展IOC进行黑客组织溯源。以全流量存储、回溯和全球APT威胁情报监测为数据基础,提出基于IOC拓展指标和TTP规则、模型关联的APT攻击识别和背景溯源方案,可以将传统的基于时间点的检测模式延伸到基于历史时间窗的检测模式,能够更加充分地应对APT的持续性和长期性,同时也成为APT组织背景溯源的有效途径之一。

基于多信息融合的DGPMIF致病基因关联预测方法

为了解决利用单一生物数据无法揭示复杂的生物过程和疾病机制的问题,提出了一种多信息融合的DGPMIF致病基因预测方法。首先,构建一个具有疾病-表型、疾病-基因、蛋白质-蛋白质和基因-本体关联的异构网络,利用网络嵌入算法提取该异构网络中节点的低维向量表示,同时结合网络拓扑算法提取网络结构特征。其次,利用余弦相似性算法衡量节点向量的相似性,预测疾病与基因之间的关系。最后,通过对特定疾病的案例进行研究,并与经典致病基因预测方法进行对比,验证DGPMIF方法的有效性。结果表明:不同类型的关联数据对增强致病基因预测性能具有重要作用;经过多层次信息融合,提高了致病基因预测的预测性能。DGPMIF预测方法能够高效挖掘网络中蕴含的信息,对相关疾病基因关联的预测研究具有重要的参考价值。