基于边缘计算的车联网中数据回传新方法

来源 :北京交通大学学报 | 被引量 : 0次 | 上传用户:sun89ok
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对车联网中数据回传时,由于车辆的移动特性以及路边单元和车辆有限的通信范围,车辆在计算任务完成前已经驶离RSU通信范围而面临的回传选择问题,提出基于V2 I直传和V2 V辅助传输的新方法.首先,通过对车辆的移动、回传数据量、最大传输时延以及链路有效寿命进行估算,判断使用何种传输策略.其次,在设计辅助传输策略时综合考虑车辆的速度、方向、位置等因素,并将这些因素用稳效值来衡量.在构建回传链路时采取贪婪选择方式,选择稳效值最大的邻居节点作为中继节点.实验表明,本文提出的回传策略相比其他算法在传输时延和包交付率方面有更好的效果.
其他文献
为做好古树名木雷电防御措施,提出雷电灾害风险分级的计算方法.首先,分析古树名木的雷电危害机理,并根据古树名木附近的平均地闪密度、平均雷击电流强度,计算古树名木和周边建筑物相互影响的雷击等效面积,从而得到古树名木年预计雷击次数;然后,结合古树名木保护办法中规定的分级保护办法,划分防雷保护等级,提出古树名木的雷电防御措施;最后,通过实例进行验证.研究表明,此分析计算方法可为古树名木雷电防御措施的选择提供更科学的依据.
城市轨道交通牵引能耗占系统整体能耗的40%~60%.车载能耗计量装置记录了大量时间序列形式的牵引能耗数据,其能耗模式和异常分析对城市轨道交通节能运营具有重要意义.本文提出一种针对时间序列数据的牵引能耗异常分析方法.首先基于符号化近似聚合方法降低原时间序列维度得到牵引能耗子模式,然后利用K-means聚类实现牵引能耗模式判别,最后基于获得的典型牵引能耗模式及时间序列相似性度量方法,分析牵引能耗时间序列是否存在异常.将该方法应用于北京地铁某线路列车运营过程中记录的数据,得到3种典型能耗模式并结合车底运用计划进
针对目前高速铁路列控车载设备故障诊断过度依赖于专家经验且诊断正确率不高等问题,提出了以专家知识为基础,以贝叶斯网络为核心的故障诊断方法.首先,以CTCS3-300T型列车运行控制系统的车载设备为研究对象,建立基于专家知识的贝叶斯网络.其次,根据故障记录数据集使用K2算法进行结构学习并对学习后的贝叶斯网络结构做适当简约处理.利用极大似然估计算法进行参数学习,得到故障诊断的最优贝叶斯网络.最后,通过诊断推理,得到该故障诊断模型的诊断正确率为88.20%,验证了该贝叶斯网络模型的可行性和有效性.