《車聯網環境下基於不確定因素的事件監測算法研究》是依託大連理工大學,由畢冉擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：車聯網環境下基於不確定因素的事件監測算法研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：畢冉
項目摘要,結題摘要,
項目摘要
汽車保有量持續增長，防範交通事故已成為全球共同關注的交通安全問題。車聯網環境下針對各類安全預警的事件監測技術被廣泛研究，為優質安全的行車服務提供基礎。然而，現有的事件監測技術無法適應車聯網的各種不確定性特徵，難以高效地套用於車聯網的安全預警套用中，特別在移動不確定性、通信環境不確定性、感知數據不確定性方面帶來的挑戰尤為明顯。為此，本課題擬對基於不確定因素的事件監測的關鍵技術和理論進行深入研究。首先，定量刻畫多種不確定因素對車輛運動狀態的影響，研究車輛的移動建模技術，為數據傳輸研究和事件監測研究奠定基礎。其次，分析通信網路中的不確定性因素為數據傳輸延時帶來的影響，設計可靠最佳化的數據傳輸算法，為事件監測提供有效支撐。最後，分析感知數據的不確定性對監測準確率的影響，研究安全驅動的高效事件監測技術和方法。本項目還將搭建車聯網環境下事件監測實驗平台，驗證基礎理論研究成果的有效性和可行性。
結題摘要
移動感知網路的套用背景廣泛，可套用於公共安全、衛生健康、群智感知等多個領域。車輛網路是一種典型的移動感知網路，已成為新一代智慧型交通技術的核心。 本項目對基於不確定因素的事件監測的關鍵技術和理論進行深入研究，分為基於感知模型的物理世界數據獲取研究、時效性感知的動態數據收集與傳輸機制研究、以及基於移動邊緣計算的數據處理機制研究三個層次。 本項目的成果體現在以下幾個方面： (1) 數據獲取機制是本項目研究的重要基礎。本項目定量刻畫多種不確定因素對感知數據採集的影響，通過機率分布描述物理世界狀態的不確定性，解決支持分散式智慧型集群感知的數據收集問題。 (2) 數據收集與傳輸研究：提出具有統一框架的感知數據模型，證明模型參數漸進性，以及感知數據的(ɛ, δ)-近似性；分析節點動態性和通信鏈路不確定性對傳輸延時的影響；面向任務設計具有實時傳輸成功率保證的數據傳輸策略。 (3) 以最小化網路資源開銷為目標設計任務卸載算法；分析異構基站以及異構任務的指標參數，基於激勵機制、社會效用、以及公平性函式提出均衡的、最佳化的任務卸載方案。 (4) 基於已提出的算法，開發了3款移動端系統。 本項目在解決數據獲取、多模態數據收集與傳輸、以及數據處理的同時，將總結出移動感知網路中的共性問題和方法，成為相關工作的參考。針對不同的套用問題，我們證明了提出算法的理論下界。模擬實驗分別考察了算法的實時性、準確性、近似比例等技術指標。因此，提出的算法為實際套用給出了良好的借鑑。 由於仿真學習環境與現實世界存在一定差異，導致仿真學習環境下的結果無法直接用到現實世界。在現實世界中收集數據和訓練模型，成本較高、耗時，並且存在一定風險。實際套用中的群體智慧型具有不確定性、安全約束、時空約束、資源受限等特點。基於系統角度，需要軟硬體結合的群體智慧型協作系統。群體智慧型主要分為三個模組：感知，數據收集與傳輸，及計算任務。本項目研究成果為開放環境中的事件監測奠定了基礎並提供了有效支撐。
