車聯(lián)網(wǎng)中多虛擬車協(xié)同服務(wù)方法研究

1、車聯(lián)網(wǎng)中多虛擬車協(xié)同服務(wù)方法研究車聯(lián)網(wǎng)借助新的通信技術(shù)和基礎(chǔ)設(shè)施 , 實現(xiàn)人 -車-路之間的信息交換和行為協(xié)同 , 是智能駕駛技術(shù)的重要組成部分。 在智能駕駛服務(wù)中 , 機器智能尚不足以獨立完成所有復雜決策, 城市交通中將長期存在人類行為智能和機器控制智能混合的人車協(xié)同體。每個人車協(xié)同體作為智能駕駛服務(wù)的使用者和提供者 , 需要在較廣時空范圍內(nèi)進行集中式和分布式相結(jié)合的混合式協(xié)同。 已有研究存在人車協(xié)同體行為刻畫缺失、缺少混合式的交互模式、缺乏人車協(xié)同體的行為可信度量三方面不足, 無法為高效智能駕駛服務(wù)提供支撐。為此 , 本文提出混合式多虛擬車協(xié)同框架。該框架首先用信息空間中的虛擬車來刻畫人車

2、協(xié)同體中駕駛員的行為智能, 然后將車聯(lián)網(wǎng)節(jié)點之間的分布式或集中式物理通信抽象為信息空間中的邏輯通信。在此基礎(chǔ)上 , 本文對智能駕駛服務(wù)進行歸納分析, 重點對其中的局部協(xié)同服務(wù)、 全局協(xié)同服務(wù)和行為可信度量進行了深入研究 , 取得如下成果:1. 針對車聯(lián)網(wǎng)中多虛擬車局部協(xié)同 , 提出一種基于信息傳播和參與激勵的服務(wù)方法 , 在網(wǎng)絡(luò)邊緣完成虛擬車之間對象發(fā)現(xiàn)和參與決策的整個服務(wù)過程。 該方法首先根據(jù)所訂制的服務(wù)需求發(fā)現(xiàn)潛在協(xié)同對象, 服務(wù)信息通過自組織傳播抵達與其沒有直接通信的虛擬車個體, 從而擴大協(xié)同群體范圍。在形成一定范圍的潛在服務(wù)提供群體后, 所有個體進行自主決策, 完成服務(wù)交付?；诮煌ǚ?/p>

3、真軟件和通信過程模擬的實驗表明 , 所提的方法可以根據(jù)所訂制的內(nèi)容進行高效的信息傳播和群體自適應決策, 從而支持多虛擬車的局部協(xié)同感知服務(wù)。2. 在多虛擬車全局協(xié)同方面, 提出一種基于價值迭代和組合優(yōu)化的服務(wù)方法 通過虛擬車邊緣自主決策和云端群體協(xié)調(diào)相結(jié)合的方式對全局道路資源進行合理分配。該方法采用價值迭代網(wǎng)絡(luò), 使邊緣的虛擬車學習人類駕駛模式并進行擬人的路徑規(guī)劃 , 然后通過云端協(xié)調(diào)節(jié)點對多個虛擬車的路徑候選集合進一步地組合優(yōu)化。基于真實城市地圖和出租車軌跡數(shù)據(jù)的實驗表明 , 所提的方法可以在城市全局進行有效的協(xié)同導航和分流, 從而提升城市車輛的通行效率。 3. 在多虛擬車行為可信度量方面, 提出基于鄰近傳播和中心仲裁的可信度量方法, 通過邊緣動態(tài)評估和云端歷史評估結(jié)合的方式發(fā)現(xiàn)具有不良行為的虛擬車, 滿足車聯(lián)網(wǎng)協(xié)同服務(wù)的可信需求。該方法使虛擬車利用通信或者觀察等手段動態(tài)地對局部環(huán)境、 個體進行認知,多個虛擬車分享認知情報后聯(lián)合計算獲得動態(tài)信任 , 再結(jié)合中心仲裁器的歷史聲譽信息對虛擬車個體進行準