基于区块链的车联网节点数据安全通信模型研究

为解决车联网通信架构中心实体负载过大和数据安全风险高等问题,提出一种基于区块链的车联网节点数据安全通信模型(DSCM)。首先,考虑车联网数据的实时性和车辆节点的移动性,设计了普通数据和紧急数据的区块结构和数据包格式,并针对节点存储问题提出一种节点数据更新方法。其次,提出一种基于云服务器和区块链的节点身份认证方案,解决用户的身份验证和隐私问题。然后,在实用拜占庭容错(PBFT)共识机制的基础上,提出改进动态PBFT机制。最后,对DSCM模型进行评估,分析DSCM模型的特点、车辆节点面临的问题和DSCM模型的解决方案,证明了该模型的有效性。     

面向智能交通的无线传感网络分簇算法

无线传感网络是智能交通系统的关键组成部分.合理的分簇技术有利用于提高无线传感网络能量利用率.研究了基于孤点感知能效的无线传感网络分簇算法(INEEC),该算法将时间划分等间隔的轮,每一轮进行簇头选择,平衡簇头的能耗.在簇头选择阶段,每个节点先选择一个随机数,依据各节点的能量以及该区域的局部能量信息估计门限值.若随机数小于门限值,就成为簇头.每个簇头节点广播请求加入消息,其他节点接收消息后,加入最近的簇.若没有收到任何请求加入消息,节点就为孤点.仿真结果表明,相比于HEED和LEACH算法,该算法孤点数最少,传输时延最低,簇头分布更加均匀使总体能耗降低,网络寿命比HEED算法提高近23.5%,较好解决了同类算法在应用中能量效率较低、能耗较高、网络生命周期较短的关键问题.      

基于多态模糊贝叶斯网络的桩锚支护边坡失稳可能性评价

针对目前公路边坡失稳事故频发,安全评价问题日益突出,而传统的边坡可靠性分析方法大多不能同时处理具有模糊性和多态性的系统可靠性分析问题,提出了一种基于多态模糊贝叶斯网络的桩锚支护边坡失稳可能性评价方法。该方法利用三角模糊子集描述根节点先验概率,用[0,1]模糊数描述节点故障状态,克服了传统贝叶斯网络过度依赖精确概率以及不能考虑节点中间故障状态的问题;依托某公路9级边坡,构建了桩锚支护边坡失稳多态模糊贝叶斯网络,并进行了失稳可能性评价。结果表明:多态模糊贝叶斯网络能够准确评价桩锚支护公路边坡不同失稳状态发生的可能性,且比传统贝叶斯网络更加贴合工程实际;针对根节点的模糊重要度分析结果可用于指导边坡失稳风险控制工作;实例边坡出现"严重"失稳事故的可能性较大,根节点"混凝土锚墩破坏"和"承压板或夹片破坏"对其失稳的影响最为显著。     

基于车端量子密钥的车联网数据访问控制研究

为实现车联网相关数据的安全传输和隐私保护，提出了一种基于车端量子密钥的车联网数据访问控制方案。设计了基于预充注量子密钥的身份认证和密钥协商机制，提出了基于量子随机数发生器的车辆数据访问控制方案，在车载通信终端集成量子随机数发生器以生成量子加密密钥，并由车辆所有者对来自外部设备的车联网数据访问请求进行管控，以防止非授权访问、高权限人员恶意侵入和车辆隐私数据的不当开放。最后，对提出的方案进行了安全性和性能分析，结果表明，该方案具有较强的安全性，具有比其他主要方案更小的计算开销（0.395 ms）和通信开销（420 B）。     

面向混合自动驾驶车流的协同自适应巡航控制EI北大核心CSCD

车联网V2V环境下能实时获取自车和周围车辆的运动状态、驾驶工况和道路环境,为汽车自适应巡航控制系统提供更准确的信息。为消除自动驾驶汽车(AV)和人工驾驶汽车(MV)混合行驶工况下的车头时距干扰对汽车纵向巡航控制的影响,提出了一种基于车联网V2V的协同自适应控制方法。通过车联网V2V实时采集车辆跟驰过程中车辆基本安全信息(basic safety message,BSM),进而获得车辆相对运动状态和驾驶行为序列;应用线性最优二次型方法建立驾驶操纵序贯链优化目标函数,再对扰动作用下的汽车运动状态改变量进行短时预测;在此基础上,以混合车流车头时距的最优均衡状态为目标,构建了车辆跟驰间距的滚动优化模型和协同自适应控制方法。实验结果表明,在头车加/减速行驶工况下,改进后的车辆控制器能更快响应前车运动状态的变化量,并在保证车辆安全跟驰间距的情况下,降低了车头时距,提高了道路通行能力。     

基于位置信息的车联网增值服务

随着车联网服务的不断发展,相关的增值服务也会不断逐步完善。由于国家对于新能源汽车和具备车联网功能的传统汽车的相关数据进行监管,使得车辆位置信息等内容全部上传管理平台进行监控,这就提供了基于位置信息的车联网增值服务发展条件。文章通过对车辆位置信息的上报过程和上报机制的分析,设计出基于车联网位置信息的车联网增值服务内容,并举例提出了相关的增值服务方式,为车联网功能服务的普及和后续发展提供参考。     

网联环境下无信控交叉口行车避碰预警方法

为缓解无信控交叉口碰撞问题,提出了一种车联网环境下的避碰预警方法。首先,构建了一种车辆网联环境下的典型无信控平面交叉口行车场景;然后,结合车辆运动学模型和驾驶员模型提出了一种基于安全距离的避碰预警方法;最后,通过仿真测试验证了方法的有效性,并分析了网联车辆渗透率对提出的预警方法的影响。测试结果表明:提出的预警方法可以有效降低无信控交叉口的碰撞风险;随着网联车辆渗透率提升,平均旅行时间、平均碰撞比例和平均碰撞相对动能不断减小,网联车辆渗透率达到60%时,可认为该方法是可靠的。     

车联网环境下基于Stacking集成学习的车辆异常行为检测方法

针对车联网中的车辆异常行为的威胁,本文中融合了多种机器学习方法,提出了一种新型的适用于车联网的车辆异常行为检测方法。首先,基于Veins车联网仿真平台,模拟了DoS、Sybil等多种网络攻击,搭建了真实路况环境下遭受网络攻击的车联网场景,构建了车联网异常检测数据集;其次,采用Stacking集成学习思想,融合K近邻、决策树、多层感知机、AdaBoost、随机森林5种初级分类器建立集成检测模型;最后,利用交叉验证思想,使用5种初级分类器对训练集进行训练,并将初级分类器在验证集上的预测结果作为次级分类器的输入,将次级分类器的输出作为最终的预测结果。结果表明,本文提出的方法在不同攻击密度场景下对不同网络攻击都具有良好的检测效果,与其他单一分类器相比具有更好的检测结果,验证了本方法的有效性。     

基于车联网及云计算的电动物流车智能调度算法

考虑到轻型电动货车作为未来城市内物流运输的主要载体,以及云计算和车联网在物流行业的应用,在对物流企业调研的基础上,研究了未来电动车作为城市货运物流的调度问题。区别于已有研究成果将车辆装配与路径规划分开进行优化的研究思路,基于未来物流企业将普及云计算平台及车联网技术的假设,构建了包含货物装配及车辆路径规划一体的调度模型。根据企业物流调度的实际需求,改变了以往以单一节点为中心的路网结构,构建了更加符合实际的全连通路网结构。提出采用平均道路运输成本、平均车辆装卸成本、仓库的仓储成本、仓储的均衡度,货物运输的剩余时间等5个量化评价指标对调度结果的优劣进行评价;在调度建模的基础上,提出了一种新型实用的基于车联网及云计算平台的电动车物流的多目标优化调度算法,用于对调度模型的求解。为验证模型的有效性及算法正确性,生成了不同规模的数据集进行测试。首先在小规模数据上验证了模型与算法的正确性,然后在大规模不同调度请求下,对比智能调度算法与当前物流企业普遍采用的人工调度算法,在不同仓库的仓储能力与车辆的运输能力的比值、不同调度车辆数量、不同仓储节点数量下的调度情况。100组随机数据的平均调度结果分析表明:智能调度算法调度指标均优于人工调度算法。     

基于三角模糊数权重算法的宏观交通安全评价方法

对国内宏观道路交通安全模糊综合评价方法进行改进,重点是改进了模糊层次分析法中由两两比较判断矩阵确定权重的方法,即提出了基于三角模糊数的权重计算方法.基于交通事故绝对指标及人、车、路等关联因素指标,确定出了9个评价指标,构建了宏观交通安全评价体系.引入三角模糊数来描述各指标权重.与传统模糊层次分析法中用1~9个整数及其倒数确定权重的方法相比,三角模糊数表达的是一个区间的概念,给定可能性区间的上限、下限及取值可能性最大的中限值,从而得到整个区间范围内不同参数的可能性,更好的保留了模糊评价过程中的有效信息,评价结果更为合理.给出了基于隶属函数的评判矩阵确定方法和最终的模糊综合评价方法.并以国内31个省、自治区、直辖市近10年的统计数据为例,进行方法应用并对宏观交通安全状况进行分析.分析评价结果可知,基于三角模糊数权重算法的交通安全评价方法更为准确合理,从2005年至2014年的10年间,安全状况为差的地区比例从87%降低至6.5%,整体的交通安全状况有了极大提高.      

不同车辆密度下的车联网最大路由跳数仿真研究

为提高车联网通信在智能交通系统及无人驾驶应用中的通信质量和可靠性,通过将网络最大路由跳数参数选择与车辆密度相关联,研究在不同的车辆密度情况下,选择不同的最大路由跳数参数对网络各项性能指标的影响.利用泊松分布模型,建立了最大路由跳数和车辆密度的节点连接性概率及数据包投递率的数学模型,在理论上分析了最大路由跳数参数和车辆密度对通信质量的影响.基于Veins仿真平台,分别对不同车辆密度下的直道场景和城市道路场景做仿真实验,并对数据包投递率、平均路由跳数和平均端到端延时做统计分析.结果表明,最大路由跳数参数地选择对网络的性能有着重要影响,越小的车辆密度通常对应于越大的最大路由跳数最佳数值,在车辆密度一定时,实验中选择的最佳最大路由跳数可以将直道场景下的平均包投递最大提升约20%,城市场景下的实时包投递率最大提升约6%.      

基于车联网无线通讯的车辆定位跟踪系统

车辆定位跟踪系统基于车联网以实时控制和监测中心为核心为公共交通讯息系统提供各种信息,用户和管理员通过无线通讯网络实现车辆的位置信息交互。文中设计了车辆定位跟踪系统,利用传感器节点的射频收发器,建立车辆位置跟踪系统收集信息,无线Ad-Hoc网络由沿公交线路固定传感器节点和车辆移动传感器节点组成,触发服务器和管理车辆信息传递。同时,利用双向无线Ad-Hoc网络可以提供周边双向信息。     

机器人驾驶车辆的横向自适应反演切换控制

为实现不同速度工况下的车辆稳定转向和路径跟踪,提出了一种机器人驾驶车辆横向自适应反演切换控制方法。构建了7自由度车辆横纵向动力学模型,并基于等效转动惯量的概念,建立了驾驶机器人转向机械手动力学模型。定义了转向机械手每个子系统的虚拟控制量、模糊隶属度函数和Lyapunov函数,设计了模糊自适应反演控制器和状态切换器。本文提出方法与其他控制方法的仿真和人类驾驶车辆的试验验证了所提出方法的有效性。     

基于行为融合的无人自动驾驶车辆的智能控制

针对动态环境下无人自动驾驶车辆控制的非线性、时变的特点,提出并设计了一种基于行为融合的无人驾驶车辆的智能控制策略。根据车辆行驶基于模糊逻辑方法设计了一系列的基本行为模式,用模糊控制的方法分别建立各行为模式控制器,进而对车辆的方向和速度进行控制。在行为选择机制设计中,对常用的行为竞争和行为融合2种方法进行分析比较后,提出限制各行为模式的使用范围,通过各行为的控制和融合,既达到有效避障,又能完成行驶目标的目的。通过几种典型障碍物环境下的避障仿真实验,结果显示设计达到了预期效果。     

车联网关键指标对车辆安全影响仿真测试方法

提出了一种用于分析车联网关键指标对车辆安全影响的仿真测试方法。首先,基于微观交通流仿真软件设计了危险跟驰、换道等基础仿真场景;然后,分析了基于高斯分布的定位误差模型和单跳通信延误模型,并建立了定位误差、通信延误和渗透率在仿真过程中的执行策略;接着,基于车辆最小安全距离跟驰模型和车辆非线性分段制动模型分别提出了车辆危险跟驰预警和危险换道预警方法;最后,通过建立基于HLA(high level architecture)的车联网仿真平台对不同定位误差、通信延误和渗透率对车辆安全的影响进行了仿真测试。结果表明,在危险跟驰场景中,在注入了基于高斯分布的定位误差后,预警成功率为88%,预警成功率随着预警策略中减速度的减小而增大;在危险换道场景中,在注入了单跳通信延误后,预警成功率达100%;成功预警数随着OD(origin destination)取值和渗透率的增大而增大,并且受渗透率影响更加明显。     

基于车联网技术车辆火情监控预警系统设计

提出一种基于车联网技术的车辆火情监控预警系统,在无需新增专用传感执行器及控制终端的前提下,以车联网主机为火情判断、控制主体,车辆已搭载系统中各类控制器、传感器、执行器为火情监控预警系统感知、执行机构,通过对车辆温度场、空气质量、电流值、燃油量等数据流进行监控,比对各系统故障码,实现汽油车辆、电动车辆火情判定、预警,协助乘客开展自救,并同步将火情信息通过车联网上传后台服务器由汽车生产企业开展火情处置。     

基于IEEE 802.11p的自适应主次窗口退避机制及验证EI北大核心CSCD

在交通密集场景下,考虑到现有的DSRC和C-V2X两种技术都不能保证数据高效传输。本文首先介绍了所采用的车联网网络架构。其次,提出基于自适应主次窗口划分的IEEE 802.11p机制的设计,旨在降低车辆节点的冲突率进而增加数据传输率。再次,通过建立二维Markov模型获得传输时延等性能指标的解析式。最后,对改进机制进行了数值验证。仿真结果表明,与经典机制相比,不管是交通稀疏还是密集场景,改进机制都能获得更好的网络性能。同时,建立时延最小和可靠性最高的多目标优化模型,对提出机制进行优化,以获得均衡的系统性能。     

基于灰色模糊物元理论的中承式系杆拱桥施工风险评估

桥梁工程施工是一个复杂的系统工程,不仅施工环境复杂且不可控因素模糊繁多。为可靠、具体地分析桥梁施工过程中带来的风险,提出了适用于中承式系杆拱桥的基于德尔菲法的灰色模糊物元理论风险评估方法,综合三角模糊数法确定各风险因素的权重值,最终通过灰色关联度理论对各风险源进行等级确定。实例表明,基于三角模糊数法确定各风险因素的权重值,考虑了主观臆断和客观片面带来的影响;灰色模糊物元理论对特征指标值进行最优化关联变换,验证了该方法的合理性与有效性。     

人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network，VANET）技术的智能网联车（Intelligent Connected Vehicles，ICV）正大量涌入人工驾驶车（Manual Vehicle，MV）流之中，ICV与MV共存的异构车辆混行交通态势逐步形成，异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别，但其受有限算力与有限传感的影响，资源负载增大，时效性与安全性方面存在一定的误差与风险，而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景，而且越来越多的ICV计算需求也在激增VANET的负载压力。对此，结合边缘计算概念中的雾计算理论，提出混行车辆雾模型（Mixed Vehicle Fog，MVF），充分发挥车联网络边缘节点能力，通过合理整合调度ICV资源的方法，解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件，然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm，FNC-RSA），动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组"协同雾群"，再评估雾内ICV节点自身资源与路由代价，定向定量调度资源，最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台，与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy，LEACH）模型对比，验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群，保证了计算负载均衡，提高了ICV定向资源计算与传输效率，比LEACH模型降低了55.17%的平均跳数，缩短了45.40%的平均任务完成时间，抗时延干扰能力强，鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒，提高混行道路交通行车安全，创造车联网络良性发展空间具有积极作用。     

智能网联车辆交通信息处理技术与信号控制方法研究

随着科学技术的不断加强,智能网联车辆的数量也在不断增加,在智能交通系统发展中,车联网发挥了重要作用,人们对于车联网的研究也越来越多和越来越深入,为了能够使车联网更好的普及,应该加强对智能网联车辆交通信息技术和信号控制的研究.本文基于目前车联网发展现状对智能网联车辆信息处理技术和信号控制的方法进行探讨研究,以供参考.