笔记: 2019-12-30 更新:添加 R2019b 版本。 修复版本可比性问题。 没有添加新功能。 1. 第一次运行可能需要几分钟才能启动。 这是正常的,因为 MATLAB/Simulink 正在执行 C 代码生成以加快执行速度。 一旦代码生成完成,Simulink 模型或库就会打开,下次不会花费太多时间。 2. VANET_Toolbox r2018a 将在未来版本中移除。 车载网络模拟器 VANET 工具箱是一个 Simulink 库。 该库包含主要的车载网络层、APP 层、MAC 层和 PHY 层。 APP 层负责消息生成和车辆移动模型。 目前,APP 层生成的消息包括基本安全消息(BSM)和变道消息。 移动模型包括跟车模型(CFM)和变道模型(LCM),用户可以模拟刹车和变道行为。 MAC 层根据 IEEE 802.11p 实现了增强型分布式信道接入 (EDCA)。
2023-03-12 16:27:45 5.85MB matlab
1
在本文中,我们专注于带有车辆障碍物的车对车(V2V)通信的路径损耗特性的分析和建模。 在V2V通信的典型城市场景中,在5.9 GHz频率下执行了一系列信道测量。 在这些度量中,我们将测试案例分为三种类型:非阻塞,小车辆阻塞和大型车辆阻塞。 然后,提取,比较和分析这三种情况的路径损耗和阴影衰落分量。 基于这些测量,我们显示了不同类型的车辆障碍物对路径损耗和阴影衰减特性的影响。 发现小车辆阻塞不会显着影响路径损耗的平均值,并且会导致3 dB的额外阴影衰减。 较大的车辆障碍物会带来10 dB的额外路径损耗。 最后,提出了一种路径损耗模型,该模型包括车辆阻塞对路径损耗的影响,并采用经典的对数距离路径损耗公式。 本文的结果可用于V2V通信的性能分析和系统设计。
2022-12-07 20:24:23 2.03MB Vehicle obstructions vehicle-to-vehicle (V2V)
1
云迁移解决方案,覆盖多种迁移场景,P2V迁移,V2V迁移,P2C迁移等,设计了详细的迁移步骤,迁移方法。
2022-05-21 09:09:03 1.44MB 云迁移 P2V迁移 V2V迁移 云迁移方案
专用短程通信(DSRC)技术是ITS的基础之一。DSRC系统包括车-路(V2R)通信和车-车(V2V)通信两种形式:车-路通信是车辆与路边基础设施的通信,属于移动节点与固定节点的通信,采用基于一跳的Ad Hoc网络模型;车-车通信是车辆间通信,采用基于多跳的Ad Hoc网络模型。两种通信方式被应用于不同领域。 本文介绍的就是这两种方式的DSRC系统。
2021-12-29 14:25:42 336KB DSRC 车载通信 V2R V2V
1
matlab仿真交通流代码ISR-TrafSim-V2.0 源代码(MATLAB):交叉口的智能交通管理:未配备V2V和V2I通信的车辆的传统模式; LCBento,R.Parafita,S.Santos和U.Nunes; 第16届IEEE国际会议智能交通系统,荷兰海牙,2013年。 摘要-本文介绍了一种用于智能交通管理系统的遗留算法,该算法可应用于交叉路口交通的自动调节。 传统算法的应用使智能路口能够以较低的百分比容纳没有配备V2V和V2I通信或出现故障的车辆。 基于时空预留方案的已开发智能交通管理技术旨在最大程度地减少事故,交通拥堵以及道路交通的环境成本。 分析了三种智能交通管理算法应用于道路交叉口,环形交叉路口和十字路口的性能。 与传统的交通管理技术相比,使用发达的智能交通管理技术进行的仿真结果表明,可以提高交通输出通量,可以提高交通流量,并且可以大大减少过路口的平均时间。 当交通流量很大时,这种减少更为明显。 进行的研究表明,在使用传统算法的智能交叉路口中,未配备或未配备V2V和V2I通信故障的车辆的百分比较低,对交通流量的影响很小。
2021-12-23 16:03:59 4.44MB 系统开源
1
使用StarWind V2V Image Converter这个工具很快就转换好了,需要的可以下载备用。这个工具支持不同虚拟机文件格式互相转换,支持VHD(X),VMDK,IMG和QCOW之间的互相转换,也就是说就算虚拟机是不同的软件,但依然可以把系统镜像转换到其他格式正常使用。
2021-11-12 09:55:36 38.01MB kvm virtualbox esxi hyper-v
1
Roadside-Assisted V2V Messaging.pdf
2021-09-18 19:03:22 1001KB 交通 V2X
拨盘 分布式资源分配与Multi-Agent的深强化学习的5G-V2V通信 。 此存储库包含玩具示例的源代码,我们在本文中使用了该示例来测试算法的性能。 抽象的 我们考虑在没有基站的情况下在车对车(V2V)通信中的分布式资源选择问题。 每辆车从共享资源池中自主选择传输资源,以传播合作意识消息(CAM)。 这是每个车辆必须选择唯一资源的共识问题。 当由于移动性而彼此相邻的车辆数量在动态变化时,这个问题变得更具挑战性。 在拥挤的情况下,为每辆车分配唯一资源变得不可行,并且必须开发拥挤的资源分配策略。 5G中的标准化方法,即半永久性调度(SPS)受车辆空间分布造成的影响。 在我们的方法中,我们将其转化为优势。 我们提出了一种使用多主体强化学习(DIRAL)的新颖的DIstributed资源分配机制,该机制建立在唯一的状态表示之上。 一个具有挑战性的问题是应对并发学习代理引入的非平稳性,这会导致多
2021-09-13 11:37:09 8.63MB Python
1
网上找到一篇NHTSA(公路交通安全管理局(National Highway Traffic Safety Administration)的报告,详细介绍了V2X技术,有英语阅读能力的可以看一下。
2021-09-01 16:54:38 4.83MB v2x 物联网 车联网
1