《面向群智感知車聯網的高效信息獲取與處理技術研究》是依託福州大學，由鄭海峰擔任項目負責人的面上項目。
基本介紹
- 中文名：面向群智感知車聯網的高效信息獲取與處理技術研究
- 依託單位：福州大學
- 項目類別：面上項目
- 項目負責人：鄭海峰
項目摘要,結題摘要,
項目摘要
面向群智感知的新型車聯網技術因部署成本低、覆蓋範圍廣等優點，具有巨大的研究價值和套用前景。本項目圍繞群智感知車聯網中“多源信息傳輸與處理”和“泛在感知與互動”關鍵問題，擬開展如下創新性研究工作：首先，從壓縮感知理論角度出發，設計一種新的稀疏隨機測量矩陣，構建與群智感知車聯網結構特點相匹配的路由策略，實現高效的信息感知、壓縮與傳輸；其次，運用矩陣填充理論，提出魯棒的信息處理技術，實現對感知信息的噪聲消除、異常數據過濾及丟失數據恢復等處理；再次，從經濟學理論及最最佳化理論角度出發，引入反向拍賣框架設計激勵機制，以跨層設計思想，提出基於地理位置信息的用戶選擇策略，實現高效的任務分配；最後，研製群智感知車聯網驗證平台，完成對設計原理及關鍵技術的驗證。本項目研究成果將為群智感知技術在車聯網的實際套用提供理論指導和設計方案，並推動下一代新型車聯網技術的研發和套用。
結題摘要
本項目面向國家在車聯網領域的重大需求和發展趨勢，研究基於群智感知的車聯網信息獲取與處理新技術，為實現智慧型交通信息服務提供理論基礎和技術支撐。本項目圍繞群智感知車聯網中“多源信息傳輸與處理”和“泛在感知與互動”關鍵問題，開展了如下創新性研究工作：首先，提出了一種基於隨機遊走算法的高效車聯網數據收集方法,設計了一種基於高斯核函式的隨機測量矩陣，以提高數據收集的效率，降低了節點能耗，提高了數據收集的可靠性；提出了一種基於Metropolis-Hastings算法的空時數據收集方法，利用Metropolis-Hastings延遲接入算法設計路由算法，降低了節點傳輸能耗，提高重建精度，並有效對抗網路中的丟包問題；提出了基於壓縮感知技術的交通道路狀況估計方法，構造了一種新的基於核高斯隨機測量矩陣，減少了所需探測車的數量。其次，提出了一種用於聯合分析多源交通數據的耦合張量模型及耦合矩陣張量因子權重最佳化的填充算法，實現對包含噪聲、異常數據等缺失交通數據的恢復；提出了一種基於生成式對抗網路的交通數據恢復算法，充分提取交通數據的時空特徵，提高了數據恢復的準確度，解決了多種缺失場景下的交通數據恢復問題。再次，考慮群智感知網路中用戶類型差異及努力程度差異，基於契約理論，提出了滿足個體理性和激勵相容原則的任務分配機制，指導用戶按照自身特點選擇並完成如分散式計算和信息採集等任務。最後，挖掘車輛交通流的空時相關性，提出了一種基於自適應多核支持向量機的短時交通流量估計方法及基於注意力機制模型的混合深度學習模型，實現對交通狀態的分析和預測。同時，面向海量交通大數據，構建了一個基於Hadoop、HBase和Spark的分散式存儲和處理系統，實現對群智感知車聯網中車輛軌跡數據和終端採集數據的存儲與處理。本項目的研究工作，為群智感知技術在車聯網的實際套用提供了理論指導和設計方案。
