一个安全避碰算法基于综合特征

文摘

针对车辆安全避碰系统的要求,安全避碰算法提出了基于环境特征和驱动特性。通过分析碰撞避免时间和环境之间的关系,建立安全时间模型。建立安全模型,基于驾驶员特征参数,这就增加了算法的灵活性。该算法能够适应更多不同的驾驶条件,给予适当的警告阈值。仿真和后与其他算法比较,本文提出的算法可以满足降低车辆碰撞风险的要求。验证算法的有效性和可行性,并且可以提高汽车驾驶的安全性。

1。介绍

自进入21世纪以来,汽车的数量呈指数增加,车辆和司机的数量进一步增加(1]。如何减少交通事故死亡人数和经济损失已经成为一个重要的问题在这样的背景下大量的车辆(2]。

近年来,一些研究已经在碰撞预警算法。现有的碰撞预警算法主要分为两类,即安全时间算法和安全距离算法(3]。安全时间逻辑算法比较两个车间之间的碰撞时间与安全时间阈值来确定安全状态。安全时间算法主要使用时间冲突(TTC)为研究对象4]。安全距离模型是指车辆之间的最小距离和障碍,这也是车辆需要保持的距离以避免碰撞与障碍在当前条件下的车辆5]。

然而,无论是TTC模型还是安全距离模型是足够灵活,以适应各种情况在驾驶(6]。因为交通环境非常复杂,司机、行人、道路和环境因素都是造成一个复杂的交通环境(7]。相同的驱动程序,不同的天气情况,如雨,雪,雾(8司机),会有不同的要求;相反,同样的环境,不同的司机普遍年龄不同,驾驶习惯,驾驶技能,个性,和其他因素9]。差异也可以复杂、时变和不可预知的;因此,现有的避碰算法不适合直接应用程序(10]。必须设计一个避碰算法,考虑了环境和驾驶员特征以适应不同情况的需要(11]。

基于TTC避碰避碰算法的时间,提出了一种安全避碰算法适应环境特点和驱动特征。本文提出的算法需要综合考虑驾驶员特征和环境特征,介绍了环境参数,年龄,和其他变量,并给出了相应的权重。与以往算法相比,该算法具有较高的适应性和灵活性在复杂的情况下,这是很大的帮助来提高交通安全性和效率。该算法由MATLAB模拟,VISSIUM,验证了算法的有效性。

2。经典的算法

2.1。马自达算法

该算法使用一种算法基于运动学分析来确定关键的制动距离。然而,制动距离计算太过保守,必须作为一个关键预警距离(12]。有一个关键的报警距离: 在哪里d₀是偏距,是后车的速度,车辆之间的相对速度,t₁是系统延迟,t₂是司机的反应时间,一个₁是后车的最大制动减速,然后呢一个₂前面的车最大制动减速。

算法假设前面的车辆开始制动时的最大减速,并在系统延迟时间和司机反应时间运行,尾车开始在最大减速制动。为了使算法更加严格,头部偏距添加到方程(1一起)来执行计算。

2.2。伯克利的算法

该算法是基于马自达算法和已得到改进,和临界报警距离方程(2)给出: 在哪里d₀是偏距,后面的车辆速度,车辆之间的相对速度,t₁是系统延迟,t₂是司机的反应时间,一个车辆最大制动减速。

改进了该算法基于马自达算法为了获得更为保守的预警距离比马自达。警告是由无因次预警值ψ,定义如下:

在方程(3),d是当前境内距离,D_b是关键的制动距离,D_b计算如下:

时的值ψ逐渐增加,碰撞的风险增加;时的值ψ减少,减少碰撞的风险。当ψ> 1,这意味着目前没有碰撞的风险(13,14]。

2.3。本田算法

本田(Honda)算法是一个重要的报警距离方程(5)根据实验获得的数据:

的极限距离值提醒D_j方程如下: 在哪里t₁是系统延迟过程所需的时间,t₂是系统制动所需的时间,车辆的速度,是当前汽车前面的车辆的速度,一个₁是自己的车辆的最大减速,一个₂是前面的车辆的最大减速。由于本田模型分为关键值和极限值提醒距离,和参数调整和改进根据大量的实验数据;模型的最终结果是由驱动因素影响较小。然而,样本数据的模型有很高的需求。需要反复计算和实验与大量的样本数据,以确保模型的精度和输出结果符合实际驾驶情况。如果样品不代表或样本量很小,输出将严重偏离实际驾驶情况(15- - - - - -18]。

3所示。信息收集和坐标系统的变换

3.1。驱动数据信息收集

通过数据采集技术基于互联网的车辆,在车辆配备了专用短程通信(简称DSRC)和全球定位系统(GPS) (19),车辆传感器设备提供车辆的行驶速度、GPS纬度和经度坐标、航向角和车辆的工况参数(20.]。

短距离无线通信技术是一种有效的,可以快速识别高速移动目标和双向沟通在很短的距离21),使车辆和车辆和车辆和道路之间的无线通信在智能交通系统(22]。短距离可以提供较高的数据传输速度,保证低延迟和低干扰传输过程中(23]。此外,短距离可以传输大量的实时信息的智能交通系统迅速(24]。周边道路环境信息可以通过间接查询数据库(25]。交通信息可分为静态路网信息和动态道路网络信息数据的频率从信息收集的信息来源。为了满足实时交互的车辆信息的要求,它是必要的,以确定的信息更新频率通过考虑信息的频率变化(26]。短距离微波技术的应用在智能交通系统改善人们的出行效率。短距离可以建立车辆和道路之间的连接,提供优化的实时行驶路线根据路况,来缓解交通压力。它还可以建立车辆之间的联系,提示车辆之间的安全距离,提前警告交通的事故之前,和提高交通安全的系数。

车辆的相关数据不仅包括行驶信息,如行驶速度、GPS坐标,和航向角信息车辆本身的工作条件,如轮胎压力和剩余燃料(27]。这些信息可以获得来自车辆的传感器和电子控制单元(ECU)和车辆的位置坐标,通过GPS导航和定位系统(28]。在控制器区域网络(可以)总线的汽车、汽车参数可以确定车辆是否处于紧急状态,如车辆的轮胎压力和石油的短缺29日),并给出提示终端系统。然后,通过实时获取汽车的状态信息和邻车,包括纬度、经度、车辆速度、车辆和航向角信息,这些数据进入一个安全避碰算法进行处理和警报当有危险。

3.2。建立高斯平面坐标系统

车辆设备的位置信息通常收到的纬度和经度形式,通常使用世界大地系统- 1984坐标系统(wgs - 84)坐标。因为纬度和经度坐标的形式正价值和负价值的横坐标相同的投影区域,车辆之间的相对距离的计算处理飞机和车辆模型的建立是非常复杂的30.]。高斯平面坐标系统可以解决这个问题,所以我们可以使用的方法将经纬度坐标转换为高斯平面坐标。的x设在高斯平面坐标系统的中央子午线的投影和北方向是正的;的y设在赤道上的投影,东方向是正的。例如,中国位于北半球。投影后,x设在坐标是积极的和y设在坐标是积极的和消极的。为了避免负面的横坐标,横坐标添加500公里。纬度和经度坐标(B,l)可以转化为高斯平面坐标(x,y由坐标变换方程)。假设有两个点P₁和P₂对称的中央子午线。他们的大地坐标是(l,B)和(l,B),分别为,l点的经度经度差异吗P椭球和中央子午线l₀:l =l- - - - - -l₀,P关键是中央子午线以东l在西方是正,负;后的平面坐标投影必须 和 。坐标转换完成后,所有的坐标转化为积极的价值观,这有利于简化计算的相对距离和车辆模型的建立。的协调关系wgs - 84坐标变换高斯平面

目前,GPS系统提供的定位精度优于10米。获得更高的定位精度,我们通常用差分GPS技术。参考站的GPS接收器放在观察。基于已知的参考站的精确坐标,从参考站的距离修正计算卫星发出的实时参考站。GPS观测的同时,还用户接收机的接收发送的数量调整参考站和纠正定位的结果,从而提高定位精度。当转换精度需要0.00升米,使用以下方程:

4所示。模型建立

4.1。场景分析

正面碰撞,因为相对的两辆车驱动通常不在一条直线,当两辆车之间的水平距离大于平均宽度的两辆车,即使两辆车之间的距离已经很近,没有碰撞的可能性。因此,只有当两辆车之间的距离小于垂直于旅游方向的平均价值k两车的宽度(一个车辆宽度W_一个和B车辆宽度W_B),也就是说,当 ,就会发生正面碰撞。一般的车辆宽度是1.5米到1.8米,所以在这里k需要1.7米。的距离d两辆车可以从车辆之间的坐标收到专用短程通信(DSRC)模块米如下:

self-vehicle速度V_一个,邻车速度V_B,单位km / h。图所示的正面碰撞1所需的时间如下:

当和 ,碰撞的计算时间执行;如果它是和 ,处理不执行。追尾模型,大部分的追尾事故发生在同一车道。因此,当我们研究追尾模型,我们不再考虑航向角问题,但只考虑车辆的相对运动。在尾端的模型中,变量的相对速度和相对距离两辆车。

追尾模型如图2当车辆正在积极追尾,如果V_一个>V_B碰撞,所需要的时间如下:

如果V_一个<V_B避碰算法不处理。当汽车被动追尾的,如果V_一个>V_B所需的时间,碰撞是碰撞所需的时间如下:

如果V_一个<V_B避碰算法不处理。

通过上述场景的分析,可以看出碰撞发生时间的计算方法是相同的是否正面碰撞或追尾,并统一计算方法有利于提高算法的适应性在复杂的场景。

4.2。设计的安全避碰算法

安全避碰算法的关键是选择一个合理的预警距离阈值。如果警告距离太长,将会造成很大的干扰司机。安全驾驶系统会经常提醒,这将带来某些负面影响司机的心理。如果距离太短,警告警告效果更糟糕的和不可避免的危险,不利于行车安全。因此,我们需要选择一个合适的警告阈值,这将不仅干扰司机的驾驶,还帮助驾驶安全。此外,在不同天气条件下的安全避碰算法不能用于不同的司机。因此,本文提出一种基于不同的环境安全预警距离阈值方法和驱动程序的特点,可有效解决上述问题。

是非常重要的环境参数和驱动特性参数添加到算法。例如,对于一个年轻的司机很灵敏,警告在特定的时间为他还为时过早,但它会导致有害干扰他31日]。然而,对于老司机反应慢半拍,如果预警时间是一样的,年轻的司机,然后老司机的驾驶过程变得更加危险。同样,在不同天气条件下,的时间预警系统发出预警信号不应该是相同的。

当车辆正在驱动,如果司机发现早期的危险,安全预警系统不需要参与其中。一旦司机没有及时发现危险,安全碰撞时间发布的安全预警系统的最小时间司机采取措施反对危险,包括司机的反应时间和控制车辆所需的时间(11]。当安全碰撞警告系统表示危险,然后司机反应减速或避免以避免碰撞与相邻车。在这里,我们司机的反应时间t。目前,许多学者已经建立了三种驾驶模式根据司机的驾驶风格,建立安全预警算法,即外倾类型、介质类型、倾斜和向内倾斜式驱动方式(1]。这个算法本质上意味着驾驶员反应时间的预警算法根据相应不同的驾驶风格。表1显示相对应的平均反应时间驱动的三个不同的驾驶风格。

根据上述表,不同的驾驶风格的司机可以表达的不同的反应时间。根据(10),预警算法考虑到司机的驾驶风格可以适应不同的司机的驾驶需求在某种程度上,在驾驶过程中,驾驶员可根据自己的身体状况和执行驾驶环境。

根据大量的理论和实验研究驾驶员的驾驶倾向(11)的因素影响司机的驾驶倾向主要包括生理特征(性别、年龄、身体健康等)、心理特征(能力,性格,情感,等等),以及其他因素,如司机的职业和教育水平。在这里,我们选择司机的年龄,开年,视力、身体状况和精神状态的六个因素。

我们将不同的权重分配给上述因素的影响来确定司机的个人因素对安全警告。我们设置了司机的年龄X₁(重量ω₁),开车的年龄X₂(重量ω₂),健康指数X₃(X₃= 1,2,3,4,5)(重量ω₃),精神状态指数X₄(X₄= 1,2,3,4,5)(重量ω₄),视力X₅(重量ω₅)。的因素和权重得分的熵方法(16),假设每个影响因素的决策矩阵和反应时间如下:

P_ij代表的贡献i属性的因素X_ij。E_j可以用来代表所有方案属性的总贡献X_j: 的常数 。因此,我们可以保证 。从公式可以看出,当每个方案在某个属性的贡献往往是相同的,E往往一个。特别是当都是平等的,属性的作用可以忽略目标的决定,也就是说,属性的权重为零。我们可以看到,不同的属性值是由所有的计划。因此,d_j可以被定义为每个因素下的一致性程度的贡献j属性:

然后,体重因素

然后,反应时间修改

制动系统响应时间包括反应时间的制动系统,制动协调时间,时间的连续制动(32]。在这里,制动系统的反应时间t₁刹车动作时间t₂,连续制动时间设置为t₃。在连续制动时间,我们假设减速是常数,计算公式如下: 在哪里车辆速度,车辆的行驶速度;重力加速度,值是9.8 m / s²;μ路面附着系数;和一个是环境系数。根据(12),雨天一个的值为0.5,结冰的路面是0.1,0.3雪表面,干燥的路面是1。连续制动时间随车辆速度,和最大制动减速度。附着系数的路面与制动距离负相关:

TTC的定义如下: 在哪里D两辆车之间的距离,两车的相对速度,TTC参数的维数秒。TTC算法,最短的时间计算两辆车之间的距离比两车的相对速度。当碰撞时间大于预警时间,早期预警系统不会报警,当碰撞时间小于预警时间,早期预警系统将报警33]。

根据上述分析,从安全防撞系统风险预警的最小时间,司机反应停止车辆或避免危险,也就是说,安全避碰时间阈值TTC计算如下:

替换t₄和τ_博士如下:

的价值X_我根据实际情况输入的司机。

由于车载系统获得的数据的相对速度和相对车辆的距离,方程(22)用于避碰时间转换成相应的车辆距离和规范变量,以避免的步骤相对车辆距离变量转换成相应的时间再次通过计算,可以减少算法的时间和空间复杂性。相应的安全警告/制动算法如下所示: 在哪里是警告的距离;D_b制动距离;是相对速度;t₁是刹车反应时间;t₂是刹车动作时间;t₃是连续制动时间;重力加速度;一个是环境系数;μ路面附着系数;和X_我和ω_我司机的特点和他们的重量。

从上述方程可以看出,我们避碰时间转换成相应的预警距离和提供必要的提醒司机在驾驶过程中通过输入相应的速度和环境特征和驾驶员特征算法。在驾驶过程中,我们可以解决这两个值在制动反应时间和制动动作时间。连续制动时间的主要影响因素是当前速度和减速。减速的影响因素是道路附着系数和环境系数。路面附着系数在不同的环境中是不可避免的不同,所以我们增加了环境改变减速系数在不同的天气条件。不同的驱动程序有不同的反应时间为危险。

算法的流程图如图3。最后,每个参数是输入算法找到的预警距离D_W。当两辆车之间的距离D_W一个预警,预警系统问题。D_B刹车距离,两辆车之间的最短制动距离以避免碰撞。它指的是最短的制动距离,司机反应采取制动措施,车辆制动系统已经开始刹车。

算法的伪代码所示算法1。

5。仿真实验

理解工作原理和施工后的算法,该算法由MATLAB模拟,比较了努力和三个经典安全距离算法。VISSUM是用来模拟碰撞,效果与三个经典算法。这三个经典算法是马自达算法,伯克利算法,和本田的算法。本文算法的有效性判断通过比较safe-braking距离取决于三个经典算法和该算法在不同的相对速度。

安全距离模型的仿真可以分为三种情况:前面车辆紧急制动状态,前面车辆静止状态,和前面车辆匀速状态。

为了促进与其他安全距离模型的比较,汽车本身的速度和加速度以及车辆的速度和加速度在前面设置以同样的方式,也就是说,相对速度汽车是唯一的变量之间在这个环境中,和制动响应时间t₁= 0.1 s,刹车动作时间t₂= 0.1秒,连续制动时间t₃= 2 s,和道路附着系数μ= 1。在这种模拟环境,两个司机的特点如表所示2。

5.1。前面车辆紧急制动状态模型的仿真

图4分别显示算法的比较和分析图表与阳光,雾蒙蒙的,下雨,下雪的在前面的车辆紧急制动条件下环境特征。

从图可以看出4(一)不同的车辆速度下,司机的预警距离计算模型建立在本文中是保守的速度低,再当速度高的时候,对速度变化更敏感。司机B的预警距离由该算法比由其他算法由于年龄因素。对图的分析4 (b)表明,在模糊环境下,司机B的预警距离计算该算法总是大于计算出的预警距离其他算法在多雾的环境中。司机的预警距离这个算法也增加了更多的计算,比在阳光明媚的日子。

它可以看到从数据的分析4 (c)和4 (d)警告的距离司机和司机的预警距离B在多雨的环境和雪环境比晴天的保守环境图4(一),这是考虑到环境特征的结果。

5.2。前面车辆静止状态模型的仿真

图5分别显示算法的比较和分析图表与阳光,雾蒙蒙的,下雨的,和前面的车辆静态条件下的环境特征。

从图可以看出5(一个)距离比较的警告,警告司机的距离计算,本文建立的模型匹配计算的预警距离高度伯克利模型,这是稍微比伯克利保守模型在低速环境。的预警距离计算模型建立了本文是马自达模型计算的接近,两者都提供一个相对保守的预警距离和早期预警时间。与加州大学伯克利分校和马自达算法相比,本文建立的模型调整距离在低速和高速的警告信息,提供一个更合适的预警时间。

从数据可以看出5 (b)- - - - - -5 (d)同一速度变化的趋势下,警告司机的距离的计算模型建立提出了几乎相同的趋势,伯克利模型计算。司机B的预警距离计算,本文建立的模型,计算了马自达模型还显示趋势几乎相同,但它们之间的差异与提高自己的速度逐渐增加,也就是说,速度越快,差异越大。因此,可以得出结论,在雾蒙蒙的,下雨,下雪的环境本文建立的模型更适应环境,可以有效地改善交通安全。

5.3。前面车辆匀速条件模型的仿真

图6分别显示算法的比较和分析图表与阳光,雾蒙蒙的,下雨,下雪的在前面车辆匀速条件下环境特征。

从图可以看出6(一),距离比较的警告,警告的距离由伯克利与相对速度模型变更小。此外,相对速度很高时,预警不及时,当相对速度较低,假警报很容易引起。然而,警告司机的距离的计算模型建立了本文对相对速度的变化更敏感,从而确保车辆的安全在不同的相对速度。

从数据可以看出6 (b)- - - - - -6 (d)你可以看到,在雾蒙蒙的,下雨,下雪的环境中,我们比较了警告司机的距离计算,本文建立的模型,计算了伯克利的模型。速度缓慢时,预警距离这个算法很接近计算,计算了伯克利的算法。当速度增加时,警告司机的距离之差的计算模型建立了本文和伯克利的预警距离计算模型也增加,和司机的预警距离之间的区别和伯克利模型速度正相关。

本田模型有一个相对较晚报警时间在三个条件下,短的预警距离和过于激进,这有很大的劣势相比之下,本文建立的模型。

5.4。基于VISSUM碰撞仿真

VISSIM可以模拟车辆、道路和信号灯的变化直观地和细致,能准确地反映交通操作(33]。VISSIM包括道路网络、车辆、信号光,和其他组件,它可以满足仿真要求的避碰算法(34]。为了验证算法的效率,我们将选择伯克利算法,本田算法,和马自达算法和该算法相比。

在仿真过程中,两辆车的相对速度设置作为唯一变量,设置相对速度为10公里/小时,30公里/小时,50公里/小时,70公里/小时。有两个实验场景,设置如表所示3。

车辆的位置坐标是VISSUM通过调用封装函数,和避碰算法处理。模拟运行后,车辆运行参数输入到碰撞仿真分析软件SSAM车辆事故统计数据。每组实验进行了100次,共15组。为了保证实验结果的准确性,我们分析了实验结果的误差。实验的误差场景如图7。

蓝色列的平均每组实验中,红线是每组实验的标准偏差。计算平均值和标准偏差的方程如下:

从图可以看出7实验的误差范围并不大,误差在可接受的范围之内的。分析后,我们选择了数据与最小的实验误差,如表所示4和5。

两种算法的性能比较表中的数据4和5。

误警率的方程

失踪报警率的方程

在方程(25),是碰撞条件下的数量警告显示和是警告显示的数量。在方程(26),没有警告显示,是碰撞的数量是碰撞的数量没有警告显示。

与伯克利算法相比,本田(Honda)算法,马自达算法,本文方法的误警率减少了5%,4%,14%。失踪报警的方法在本文中下降了3%,6%,1%。所以,本文的方法可以更好地进行车辆碰撞预防和算法更准确。因此,本文提出的算法比伯克利算法更有效,更有利于行车安全。

6。结论

在本文中,我们提出一个新颖的车辆避碰算法。通过分析碰撞避免时间和环境之间的关系特点和驱动特性,建立相应的预警算法。算法不仅考虑车辆之间的相对位置关系,还考虑了不同天气条件下影响安全驾驶。不同天气条件下会有不同的道路附着系数和可见性,因此有必要添加天气因素避碰算法。因为不同的驱动程序有不同的驾驶习惯和反应时间,避碰算法必须考虑适应不同的驱动特性。因此,有必要添加驱动特征。最后,我们模拟了使用MATLAB和VISSUM算法。MATLAB仿真后,我们发现,该算法更能适应不同的天气和不同的司机比经典的避碰算法,可有效提高驾驶的安全性。VISSUM仿真后,该算法减少了误警率和失踪报警率与经典的伯克利算法。本文提出的算法通过严格的设计和实验证明了其合理性和可行性。 Still more experimental data are required to improve and optimize. With the advent of the era of big data and the popularity of the Internet of Vehicles, more weather characteristics and driver characteristics will be counted at the big data level to obtain a more accurate collision avoidance warning threshold, thereby setting a more dynamic safety warning distance for different drivers in different weather conditions.

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作是支持部分由中国国家自然科学基金资助下11862006和11862006,江西省自然科学基金资助下2018 acb21032和20181 bab211016,教育部科学技术研究项目资助下江西省GJJ170381 GJJ170383,交通部门和研究项目在江西省2018 x0016格兰特。第一作者也是金融支持的中国学术委员会在授予201808360320。

引用

1. d . g . Yu Tan, f·马”相关的问题分析和研究汽车防撞系统警告/碰撞算法,”山东科技大学学报(自然科学版),28卷,不。6、1 - 5,2014页。视图:谷歌学术搜索
2. a·沙玛,z, a . Bhaskar和m . m . Haque”造型连接车辆的车辆行为关注驱动程序合规,”交通研究B部分:方法论,卷126,不。12日,第279 - 256页,2019年。视图:出版商的网站|谷歌学术搜索
3. 江n、f .田j .李et al。”男人:共同关注SIot aspect-level情绪分类的神经网络模型,”IEEE物联网,15卷,不。3、1054 - 1065年,2019页。视图:谷歌学术搜索
4. f . l . Zhang腾,z彭et al .,“基于伯克利的车辆防撞预警算法模型,”航空航天工程机械科学与技术,37卷,不。7,1082 - 1088年,2018页。视图:谷歌学术搜索
5. 沙玛和b Kaushik”,网上调查的车辆:应用,安全问题&解决方案”车辆通信,20卷,不。5,725 - 729年,2019页。视图:出版商的网站|谷歌学术搜索
6. l . Le梁h . Peng x沈,和g . y . Li”车载通信:网络层的角度来看,“IEEE车辆技术,卷68,不。2、1064 - 1078年,2019页。视图:出版商的网站|谷歌学术搜索
7. r . Molina-Masegosa和j . Gozalvez LTE-V sidelink 5 g V2X车载通信:一个新的5 g技术短程vehicle-to-everything通信、”Ieee车辆技术杂志,12卷,不。4 - 39,2017页。视图:出版商的网站|谷歌学术搜索
8. d . g . Yu Tan, h .田,“警告/制动算法基于时间的纵向防撞,”河南科技大学学报(自然科学版),36卷,不。2 - 35,2015页。视图:谷歌学术搜索
9. a . Thakur和r . Malekian互联网通信技术的车辆交通管理和道路安全的应用程序,“无线个人通信,卷109,不。1,31-49,2019页。视图:出版商的网站|谷歌学术搜索
10. m·a·霍克x,和m . s . Ahmed”并行模拟器闭环连接汽车大规模交通网络管理:挑战,问题,和解决方法,”IEEE智能交通系统杂志,11卷,不。4、62 - 77年,2019页。视图:出版商的网站|谷歌学术搜索
11. x裴”,安全距离模型和障碍检测算法的碰撞预警和防撞系统,”汽车安全与能源,3卷,不。1,26-33,2012页。视图:谷歌学术搜索
12. 美国宋、o·西蒙尼和j .康”移动边缘计算通过UAV-mounted薄云:优化分配和路径规划,“IEEE车辆技术,卷67,不。3、2049 - 2063年,2018页。视图:出版商的网站|谷歌学术搜索
13. 王x、z Ning和l .王”卸载在互联网的车辆:fog-enabled实时交通管理系统中,“IEEE工业信息,14卷,不。10日,4568 - 4578年,2018页。视图:出版商的网站|谷歌学术搜索
14. m·陈,y, g . Fortino j . Zhang和缘分,“认知网络的车辆,”计算机通信卷。120年,58 - 70、2018页。视图:出版商的网站|谷歌学术搜索
15. z, c .高c .徐张y,爱,和j·罗德里格斯,“社会当今的基于大数据的内容传播在互联网的汽车,”IEEE工业信息,14卷,不。2、768 - 777年,2018页。视图:出版商的网站|谷歌学术搜索
16. e·阿瓦德s Dsouza r . Kim et al .,“道德机实验,”自然,卷563,不。7729年,59 - 64年,2018页。视图:出版商的网站|谷歌学术搜索
17. C.-M。陈,b,刘y, K.-H。王”,互联网的车辆安全认证协议”,IEEE访问7卷,第12057 - 12047页,2019年。视图:出版商的网站|谷歌学术搜索
18. 答:已经受理,g·斯利瓦斯塔瓦、美国达和r·辛格“物联网医疗区块链分散保护隐私,”传感器,19卷,不。2,p。326年,2019年。视图:出版商的网站|谷歌学术搜索
19. n .江y Cheng j .周t·周w·徐,徐d,“对与生物学相关的解决方案与移动无线传感器网络的路由问题,“软计算,22卷,不。23日,第7855 - 7847页,2018年。视图:出版商的网站|谷歌学术搜索
20. t . n .江b . Li Wan, l .刘”C-POEM:综合性能优化评价模型对无线传感器网络来说,“软计算,21卷,不。12日,第3385 - 3377页,2017年。视图:出版商的网站|谷歌学术搜索
21. z钟和j·李”,管理的有效性巷的短期部署策略合作自适应巡航控制,”交通研究部分:政策和实践,卷129,不。1,第270 - 257页,2019。视图:出版商的网站|谷歌学术搜索
22. n .江、肖x和l .刘“本地化方案基于无线传感器网络的“捷径”约束。”特设&传感器无线网络,26卷,不。4 - 2015页。视图:谷歌学术搜索
23. x赵,s,回族,r . Liu和a·j·Khattak”DSRC-based追尾预警系统一个错误组件安全距离模型和现场试验,”交通研究部分C:新兴技术,卷107,不。1,第104 - 92页,2019。视图:出版商的网站|谷歌学术搜索
24. p, l . Hu j .江x切,t·李和k .赵”副本放置在合作网络边缘,框架”环境智能和人性化计算杂志》上,10卷,不。8,3011 - 3021年,2018页。视图:出版商的网站|谷歌学术搜索
25. 瞿x, r·刘曹l . et al .,“5.8 GHz数字化可配置DSRC RF-SoC发射机对中国等系统中,“集成,卷68,不。1,第107 - 99页,2019。视图:出版商的网站|谷歌学术搜索
26. n .江“WDEM:加权动态和演化为能源贫瘠的无线传感器网络模型,”自然史答:统计力学及其应用,卷404,不。15日,第331 - 323页,2014年。视图:出版商的网站|谷歌学术搜索
27. 严和h k .利雅得r·哈姆扎,“敏感和充满活力的物联网云电子健康记录的访问控制来管理,“IEEE访问,7卷,不。1109年,第86393 - 86384页,2019年。视图:出版商的网站|谷歌学术搜索
28. c·l·杨j . Wang高,t·李”危机信息传播模型基于竞争关系,“环境智能和人性化计算杂志》上,10卷,不。8,2999 - 3009年,2018页。视图:出版商的网站|谷歌学术搜索
29. w . Si, h . v . Gupta, w·鲍,p .江和w·王,“改善动态系统响应曲线实时洪水预报方法更新”水资源研究,55卷,不。9日,第7519 - 7493页,2019年。视图:出版商的网站|谷歌学术搜索
30. 郭江n, s, y, y,“基于遗传算法的无线传感器网络定位,“国际计算机通信与控制杂志》上,8卷,不。6,825 - 837年,2013页。视图:出版商的网站|谷歌学术搜索
31. j·j·h·周:Cheng Wang Chen Yu, x沈,“向动态链接利用率为有效的车辆边缘内容分布、”IEEE车辆技术,卷68,不。9日,第8313 - 8301页,2019年。视图:出版商的网站|谷歌学术搜索
32. l·金,b .应接不暇,杨,“MAC协议的性能分析和提高车辆的网络,”IEEE车辆技术,卷68,不。9日,第8728 - 8721页,2019年。视图:谷歌学术搜索
33. p . m . Zhang Chong, b .可爱,“防撞预警时间算法根据车辆的行驶速度,”中国农业工程学会的事务,33卷,不。12日,第106 - 99页,2017年。视图:谷歌学术搜索
34. 江n、d .徐j .周h .严t .广域网和j .郑”向最优决策参与者voting-based人群传感、激励模型”信息科学卷。512年,1卷,2020页。视图:谷歌学术搜索

版权

版权©2020 y . j . Zhang et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。