随着智能交通的发展，自动驾驶、智能车载交互、安全预警等新型车载应用不断涌现，独立车辆依靠自身有限的计算资源难以运行这些种类繁多且具有大量计算需求和时延需求的应用。雾计算通过将计算任务分布在网络边缘的设备中，运用虚拟化、分布式计算和并行计算技术，使用户能够按需动态地获取计算能力、存储空间等服务。将雾计算架构应用于车联网能够有效缓解计算量大、低时延车载应用与车辆有限且不均的资源分布之间的矛盾。从分析车—车通信、车—基础设施通信以及车辆时延容忍网络通信的信道容量入手，建立车联网异构接入的多业务资源优化模型，通过联合调度各类车联雾资源，实现智能交通应用的高效处理。仿真结果表明，所提出的强化学习算法能够有效地应对异构车联雾架构下的资源优化。
2023-02-15 22:37:22
1.45MB
1
为了提高无人驾驶车辆自组织网络实时数据传输速率，提升无人驾驶车联网络的吞吐量，提出了一种协作资源分配的无人驾驶车载网链路调度算法。该算法首先构建了基于2-H的协作通信系统，采用价值函数来描述链路速率与所分配资源单元之间的关系，进一步提出无人驾驶车联网络的最大吞吐量方程。接着，为了对通信资源进行合理分配，基于多选择性背包问题，对链路速率进行了调度，并采用穷举搜索法求解无人驾驶车辆节点数量的最佳值。实验仿真结果表明，该算法相比基于分散感知和聚类的车辆网络以及基于信道传输模型优化的车辆网络，在链路速率上分别提升了8.7%和7.4%，网络总吞吐量分别提升了10.6%和12.8%，能够更好地满足无人驾驶车辆网络的数据传输速率要求。
2022-04-07 11:41:28
521KB
1
20210717-东方证券-均胜电子-600699-座舱电子及智能车联持续获得订单，安全业务盈利有望改善.pdf
2021-07-18 12:01:59
1.4MB