基于车流波动理论保障安全类应用的车辆自组织网络多场景数据分发方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61571338
  • 项目类别:
    面上项目
  • 资助金额:
    57.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0104.通信网络
  • 结题年份:
    2019
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2019-12-31

项目摘要

As an efficient approach to improve the road safety, driving comfort and traffic efficiency, VANETs(Vehicular Ad Hoc Networks) have attracted a great many research interests in recent years. However, since most researchers still tend to apply the traditional data dissemination schemes designed in MANETs(Mobile Ad Hoc Networks) to VANETs, the safety related applications, which are taken as the major usecases in vehicular networks, are experiencing significant risks and threats. In this proposal, according to the traffic flow-density relationship from the famous traffic flow theory, we first classify the application scenarios of VANETs by the flow characteristics into 3 categories, say free flow, transition flow and congestion flow. Then, based on the above classification, different data dissemination concerns have been issued especially for the safety related usecases. Next, to increase the data delivery ratio in the free and transition flow state, the methods used to improve the connectivity between vehicles have been proposed and analyzed in details. In addition, the congestion control and avoidance strategies designed to balance the tradeoff between the safety guarantee and delay requirement have also been investigated when the traffic flow stays in the transition or congestion state. Finally, to solve the data dissemination issue in the popular urban environment, the packets routing schemes have been well studied under the congestion flow state. In summary, according to the aforementioned schemes designed to guarantee the success of data dissemination for safety related applications in VANETs, the possible loss of life and property due to accidents is expected to be reduced to a great extent. As a result, through the implementation of our project, the transformation process from the theoretical research to practical application of intelligent transportation systems especially VANETs, will be accelerated significantly in the future.
车辆自组织网络作为提升驾驶安全性、舒适性及行车效率的有效途径,近年来一直受到国内外学者的高度关注。然而,针对车辆自组织网络中最关键的道路交通安全类应用,其数据分发方法仍沿袭传统移动自组织网络研究中的思路,给行车安全及其相关应用带来极大威胁。本申请,首先基于车流波动理论,将车辆自组织网络应用场景按车流密度关系分为自由、过渡与拥塞流态场景,随后分场景提出了不同交通流态下适用的安全类应用数据分发方式;接下来研究了自由与过渡流下,制约数据分发成功率的连通能力提升与分析方法;之后讨论了过渡和拥塞流下,平衡安全性与时效性的数据分发拥塞避免方法;最后针对应用广泛的城市车辆网络,提出了拥塞流条件下有效保证安全相关紧急数据成功投递的路由方案。基于提出的数据分发策略,可大幅度提升车辆网络安全类应用的可靠性,避免行车过程中的事故,减少带来的经济损失和人员伤亡,加速智能交通系统从理论研究向实际应用转化的过程。

结项摘要

车辆自组织网络作为提升驾驶安全性、舒适性及行车效率的有效途径,近年来一直受到国内外学者的高度关注。然而,针对车辆自组织网络中最关键的道路交通安全类应用,其数据分发方法仍沿袭传统移动自组织网络研究中的思路,给行车安全及其相关应用带来极大威胁。本项目经过4年的研究与积累,首先基于车流波动理论,将车辆自组织网络应用场景按车流密度关系分为自由、过渡与拥塞流态场景,随后分场景提出了不同交通流态下适用的安全类应用数据分发方式,并进行了丰富的实验,发表了相应成果;接下来研究了自由与过渡流下,制约数据分发成功率的连通能力提升与分析方法,并进行了丰富的实验,发表了相应成果;之后研究了过渡和拥塞流下,平衡安全性与时效性的数据分发拥塞避免方法,并进行了丰富的实验,发表了相应成果;最后针对应用广泛的城市车辆网络,提出了拥塞流条件下有效保证安全相关紧急数据成功投递的路由方案,并进行了丰富的实验,发表了相应成果。项目所产生的部分成果已在高水平期刊和会议上进行了发表,项目负责人及其成员多次受邀在相关会议上进行了成果宣讲。部分专利及软著得到了进一步转化,产生了较好的经济和社会效益。

项目成果

期刊论文数量(27)
专著数量(0)
科研奖励数量(5)
会议论文数量(14)
专利数量(9)
An efficient power saving polling scheme in the internet of energy
能源互联网中高效节能轮询方案
  • DOI:
    10.1016/j.jnca.2017.01.002
  • 发表时间:
    2017-07
  • 期刊:
    Journal of Network and Computer Applications
  • 影响因子:
    8.7
  • 作者:
    Chen Chen;Honghui Zhao;Qiu Tie
  • 通讯作者:
    Qiu Tie
A Rear-End Collision Risk Evaluation and Control Scheme Using a Bayesian Network Model
基于贝叶斯网络模型的追尾碰撞风险评估与控制方案
  • DOI:
    10.1109/tits.2018.2813364
  • 发表时间:
    2019-01
  • 期刊:
    IEEE Transactions on Intelligent Transportation Systems
  • 影响因子:
    8.5
  • 作者:
    Chen Chen;Liu Xiaomin;Chen Hsiao-Hwa;Li Meilian;Zhao Liqiang
  • 通讯作者:
    Zhao Liqiang
Driver's Intention Identification and Risk Evaluation at Intersections in the Internet of Vehicles
车联网路口驾驶员意图识别与风险评估
  • DOI:
    10.1109/jiot.2017.2788848
  • 发表时间:
    2018-06-01
  • 期刊:
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子:
    10.6
  • 作者:
    Chen, Chen;Liu, Lei;Ti, Fang
  • 通讯作者:
    Ti, Fang
A rear-end collision prediction scheme based on deep learning in the Internet of Vehicles
一种基于车联网深度学习的追尾预测方案
  • DOI:
    10.1016/j.jpdc.2017.08.014
  • 发表时间:
    2018-07-01
  • 期刊:
    JOURNAL OF PARALLEL AND DISTRIBUTED COMPUTING
  • 影响因子:
    3.8
  • 作者:
    Chen, Chen;Xiang, Hongyu;Chang, Victor
  • 通讯作者:
    Chang, Victor
An information congestion control scheme in the Internet of Vehicles: A bargaining game approach
车联网信息拥塞控制方案:讨价还价博弈方法
  • DOI:
    10.1016/j.compeleceng.2016.10.006
  • 发表时间:
    2017-02
  • 期刊:
    Computers & Electrical Engineering
  • 影响因子:
    4.3
  • 作者:
    Chen Chen;Hu Jinna;Sui Jisheng;Zhou Yang
  • 通讯作者:
    Zhou Yang

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

局部进展期直肠癌单纯应用新辅助化疗研究进展
  • DOI:
    10.19538/j.cjps.issn1005-2208.2020.10.28
  • 发表时间:
    2020
  • 期刊:
    中国实用外科杂志
  • 影响因子:
    --
  • 作者:
    韩鹏;陈晨;崔滨滨
  • 通讯作者:
    崔滨滨
大气层不同高度气压对等离子体射流激励器性能影响的研究
  • DOI:
    10.13922/j.cnki.cjovst.2020.04.15
  • 发表时间:
    2020
  • 期刊:
    真空科学与技术学报
  • 影响因子:
    --
  • 作者:
    陈晨;刘汝兵;林麒
  • 通讯作者:
    林麒
乡村地域生态服务功能演化测度--以南京市为例
  • DOI:
    10.31497/zrzyxb.20200507
  • 发表时间:
    2020
  • 期刊:
    自然资源学报
  • 影响因子:
    --
  • 作者:
    刘崇刚;孙伟;曹玉红;陈晨
  • 通讯作者:
    陈晨
大学生高度近视患眼豹纹状眼底程度及其影响因素
  • DOI:
    10.3760/cma.j.cn511434-20200605-00264
  • 发表时间:
    2020
  • 期刊:
    中华眼底病杂志
  • 影响因子:
    --
  • 作者:
    张慧;陈晨;李筱荣
  • 通讯作者:
    李筱荣
肥胖与肠道Akkermansia菌相关性及其在老年人群中的特征
  • DOI:
    10.3760/cma.j.issn.0254-9026.2021.04.009
  • 发表时间:
    2021
  • 期刊:
    中华老年医学杂志
  • 影响因子:
    --
  • 作者:
    周起;董飞;李婉西;陈晨;张楠;吴铸;杨泽;孙亮
  • 通讯作者:
    孙亮

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

陈晨的其他基金

基于双波长谐振机制的多通道硅光子传感法在多因素协同调控Aβ1-42蛋白构型变化测量中的应用与研究
  • 批准号:
  • 批准年份:
    2022
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
基于双波长谐振机制的多通道硅光子传感法在多因素协同调控Aβ1-42蛋白构型变化测量中的应用与研究
  • 批准号:
    12204367
  • 批准年份:
    2022
  • 资助金额:
    30.00 万元
  • 项目类别:
    青年科学基金项目
自动制造系统的监督控制器简化理论研究
  • 批准号:
    62072360
  • 批准年份:
    2020
  • 资助金额:
    24 万元
  • 项目类别:
    青年科学基金项目
超视距感知条件下网联自动驾驶车路协同信息融合机制与算法研究
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    58 万元
  • 项目类别:
基于蚁群粒子群算法的车辆自组织网络实际性移动模型构建
  • 批准号:
    61201133
  • 批准年份:
    2012
  • 资助金额:
    25.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码