车联网环境下的事件检测和分发研究

Vehicular ad hoc networks (VANETs) are a kind of mobile wireless communication network where the vehicles, as main nodes, communicate with each other in an ad-hoc way. A lot of information related to vehicles and/or environments can be sensed and delivered over VANETs with the aid of other technologies (e.g., sensor sensing and intelligent processing, etc.). Such kind of platforms enable a variety of promising applications (such as vehicle active safety, intelligent transport management, logistics management, city life services, emergency assistance, etc.) to be implemented. Considering that most VANET applications are event-based distributed systems in nature, this project plans to conduct the researches on event detection and dissemination over VANETs so as to provide novel insights, ideas and approaches to supporting event-based decisions. Facing with the challenges brought by time varying and stochastic characteristics in VANET communication and diversification and evolution in event streams, this project will focus on the following topics: real-time detecting the events with specified patterns and early capturing the outliers and association patterns from spatio-temporal event streams, disseminating events under different VANET scenarios, providing and optimizing quality of services of data delivery by cross-layer cooperation. Meanwhile, the project will build a platform for VANET simulation experiments by which the proposed technologies are evaluated and tested, and implement a VANET event service prototype to facilitate the development of VANET applications. The research results are expected to promote the development and popularity of VANETs and their applications.

车联网是以车辆为主要节点、按自组织方式组成的移动无线通信网络。基于车联网及相关技术(如传感器技术、智能处理技术等)，可以感知和传递车辆及环境信息，进而可以实现多种应用，包括车辆主动安全、智能交通管理、物流管理、城市生活服务、紧急救援等，应用前景广阔。鉴于不少车联网应用本质上是基于事件的分布式系统，本项目拟研究车联网环境中的事件检测和分发技术，为车联网环境中基于事件的决策提供新见解、新思路、新方法。针对车联网通信的时变性和随机性以及车联网上事件流的多样性和演化性带来的挑战，本项目将重点研究时空事件流中具有指定事件模式的实时事件检测技术、异常和关联模式的早期捕获技术、不同车联网场景下的事件分发算法、及其基于跨层协作的服务质量提供及优化算法，同时，构建车联网模拟实验平台，进行技术测试和评估，实现车联网事件服务原型，方便车联网应用的开发。项目的研究成果将促进车联网及其应用的发展和推广。

车联网是以车辆为主要节点，依托车载自组织网络、移动互联网构成的网络，是物联网的一类具体实现，其应用广泛。本项目从基于事件的分布式系统角度，依托来自实际场景的海量人车轨迹数据，对车联网路由和车联网事件检测进行了研究，完成了下列研究工作：(1) 深入调研了车载自组织网络的数据传递机制，针对公交车自组织网络，通过挖掘公交车轨迹的时空规律、社区特征等，提出了多种高效的路由算法；(2)从三个方面，即，检测交通事件、拓展事件检测方式、挖掘事件语义，开展车联网事件检测研究。针对高速公路场景，本项目融合多种感知数据，挖掘数据内在的时空约束，设计或应用机器学习算法，实现了对高速公路全路段交通状况的高精度、低成本检测，从而实时获得高速公路上运行的车辆的速度、车流量和车辆类型，这部分研究成果已完成应用示范，检测效果得到了交通部门的认可。针对城市公共交通场景，本项目挖掘公交乘客的轨迹数据，从中检测出公交乘客的频繁出行模式(稠密事件)；设计深度神经网络及时空注意力机制，提供对公交站点乘客的流量预测；建立周期性时间序列的动态变化模型，捕获公交站点乘客的流量异常(异常事件)；本项目还分析了公交车辆的轨迹数据，建立鲁棒的异常检测模型，融合特征选择和模型参数优化，从而从极不平衡的轨迹数据集中检测出异常公交驾驶行为(异常事件)。在事件检测方式方面，本项目研究了订阅匹配型事件检测方式相关的算法和系统，同时，通过分析用户移动轨迹来选择群智感知活动的参与者，从而支持以群智感知方式发现事件。另外，本项目还研究了通过为微博、POI数据等建立主题模型来挖掘事件的语义。本项目的研究拓展了车联网应用的深度和广度，提供了轨迹数据分析挖掘的新见解和新方法，特别是，多项研究成果具有实际应用前景。

内容获取失败，请点击重试