移动定位的出租车管理系统通过使用基于位置的服务和区域排队在物联网技术

文摘

出租车在交通系统中扮演着关键角色,因为可以被方便的特点。大多数出租车司机通过打猎获得的乘客在路上或在一个固定的出租车排队点;然而这些方法表现不佳,高空置率和若干关键问题,如空气污染和交通犯规。本研究提出了一个出租车管理系统通过使用基于位置的服务和区域排队在物联网技术。该系统允许司机路上狩猎和排队区等。排队表用于控制中心和邻居表是用于限制区域排队。加入和离开发达区队列管理机制。提高服务效率和质量,我们提出一个计划,以防止乒乓效应基于基于位置的服务,狩猎率计算方案和路径规划服务,出租车司机根据历史记录。棱镜是用来模拟该系统,结果表明,我们的方案优于等待和狩猎模型数量的客户而言,空置率,和利润。

1。介绍

互联网的车辆(IoV)是近年来一个新兴的研究问题。它是一个复杂的综合网络系统收敛移动互联网和物联网(物联网),包括各种车辆。它是聚合技术,包括信息沟通,环保、节能和安全。许多应用程序使用vehicle-to-vehicle [1],vehicle-to-sensor [2],vehicle-to-infrastructure [3IoV)通信,如交通事件报警、广播、广告和娱乐服务。因为IoV网络的特点,汽车可以方便地传播旅游信息和接收信息从其他车辆硬件和软件支持。

出租车交通的便利中起关键作用,它反映了一个城市的经济发展水平和文明。互联网的出租车是城市智能的一个重要组成部分。IoV帮助出租车司机的特点容易冰雹客户和减少空置率。目前,有三种常见的出租车带模型。第一个模型是狩猎,在这个模型中,一个出租车司机在街上发现乘客通过运气和经验。这消耗了大量的时间和汽油。第二个模型是固定的队列和队列等待出租车的乘客在特定的地方。这些地方大多在城市热点如火车站高对出租车服务的需求。在这个模型中,出租车司机可以接乘客而消耗大量的汽油。然而,等待时间增加当有大量的出租车在队列中。 The third model is dispatching, and this model comprises drivers who join a fleet, such as “Taiwan Taxi” or “M-Taxi.” A passenger can call the fleet for a taxi by phone or through the Internet, and the fleet dispatches a taxi to a specific place. This increases the opportunity for drivers to obtain passengers. However, the drivers must pay for each call of dispatching, even if the passenger does not show at the specified place.

这些传统的出租车携带模型都有自己的优点和缺点。等待模型的主要缺点是长等待时间和交通阻塞队列中当出租车的数量高于产能的等候区。是至关重要的区别的定点等待模型更大的面积减少等待时间和交通阻塞。然而,乒乓效应(4)是一种潜在的不良现象,系统需要执行交接频繁之间来回同一双划定区域,当司机闲逛的边界地区在很短时间内。乒乓效应会导致效率低下,排队区从队列中删除,系统性能的退化。覆盖参数、车辆的位置及其运动,是主要的考虑会导致乒乓效应。此外,狩猎模型比等待更有利的模型的平均数量的客户和空置率在街上因为司机积极寻找客户。等待模型比狩猎模式更有利的天然气消费直接影响一个出租车司机的利润。为了获得优势的狩猎和等待模型、混合模型应该研究和发展让司机路上狩猎和等待队列中。

解决上述问题,本研究提出并开发了一个移动定位的出租车携带管理系统通过使用基于位置的服务(LBS)和区排队技术在互联网上的车辆。这是一个分布式系统,在此系统中,基于位置的服务被用于区队列建立和服务区域划分基于土工格栅(5]。此外,在拟议的系统中,每个服务区域功能可以独立作为一个排队区。这项研究还实现了一个系统原型与车辆环境中无线访问/专用短程通信(波/ DSRC)提供通信和用户界面的控制中心和车辆验证该系统的可行性。在实验部分,我们模拟,证明了我们方案的效率比等待和狩猎方法通过棱镜(6)这是一个模块支持许多概率模型检查器。棱镜使用一个简单的和基于状态的语言表达概率模型和自动分析数据模式。它还包括一个离散事件仿真引擎,支持近似/统计模型检查,和各种分析技术的实现,如定量抽象精化和对称的减少。

本文的其余部分组织如下。综述了相关工作2。节3,欧元区排队方案总结。部分4介绍了原型实现的用户界面和通信设置。部分5介绍了实验结果,部分6给出了结论和未来的工作。

2。相关工作

该部分提出了一些相关工作,包括移动定位服务的出租车和排队技术的研究。移动定位服务发达的现在和使用GPS来观察和收集信息。几项研究使用传感器和GPS监测环境的具体地方自然灾害预防和及时通知(7),提出更方便旅行方法在运输8]。因为快速发展的智能交通系统(ITS),许多应用程序提出了如交通管制(9,道路安全10),和路由路径规划(11,12]。提出了交通信息系统(13)使用限制收集每个路段车辆信息和交通流状态提供给司机安全距离最短的目的地。Tornell et al。14)提出了智能手机应用程序基于增强型消息传播基于路线图协议(eMDR)。应用程序集成了导航系统和无线通信设备和使用其信息来避免碰撞关键任务和实现安全驾驶。IoV也被认为是其结合车载Ad Hoc网络(VANet)技术提供车辆和基础设施之间的通信通过路边单元(限制)和车载单元(下文)通过网络环境(15]。

关于出租车有三个常见的研究问题。第一个问题涉及real-taxi环境建模。大多数研究使用了一个数量的real-taxi GPS追踪记录分析数据和模拟出租车模块,如出租车司机的行为(16和乘客发电机17]。下一个问题是设计一个协议实现的目标减少等待时间和节省汽油。陈等人。18)提出了一个动态的士共享协议利用交通信息及其技术,以避免交通堵塞。这项工作,虽然节能和污染减少当乘客愿意分享出租车的数量急剧增加,仍未达到业务效率高。张文雄et al。19)提出了一个分布式出租车将协议旨在计程车的时候用最短的距离道路签名的规则下,尽可能减少空置率。然而,这种方法计划和推荐路径不可能性最高的冰雹客户可能有助于增加一个出租车司机的收入。

最后一个问题涉及到为出租车实现应用系统环境。胡斯尼et al。20.)开发了一个共享的出租车服务系统,出租车司机和乘客的好处。在这些研究中,乘客可以在网上预订或服务中心打电话预定一辆出租车。出租车和乘客之间的通信系统实现了刘et al。21),乘客可以加入一个被占领的出租车在公路上,如果他们有相同的目的地。该系统还提供了访问历史模型分析乘客的行为在一个特定的地方,这个模型可以减少出租车的空置率。

关于调度方案、元等。22)提出了一个方法来保证严格公平和利用预测更好的并行作业调度。部(23]显示调度算法称为沿着纽约州。迭代,沿着纽约州循环算法,可以达到100%的吞吐量均匀流量,简单的实现在硬件和广泛用于各种应用程序。Gabale et al。24)的调度算法进行分类与问题设置,问题的目标,类型的输入,在无线网状网络技术和解决方案。风扇和全25]提出harmonic-aware多核调度基于单调速率调度(RMS)政策来保证实时任务的调度性。动态调度算法提出的任和van der沙尔26可用于无线云计算。

3所示。区排队方案

本节介绍了提出区排队方案,包括区排队,排队区管理和路径规划协议。

3.1。建立区域排队

的第一部分提出区域排队方案涉及区域排队,可分为区域划分,中心的选择,和重量计算公式。区域划分取决于整个地区的乘客数量;这是因为大多数现有的排队区域位于服务需求高的地区,如台北市。中心是排队的大脑区域和控制所有的行动排队区,为司机提供了路径规划服务。重量计算公式用于计算每个网格的重量,根据这个重量和路径规划。

3.1.1。区域划分和中心的选择

区域界定,建立了排队区在特定的地方,如百货商店、医院、车站、夜市或其他热点,有很高的服务对出租车的需求。因此,第一步建立队列包括定义排队区大小的基于服务的要求。边界确定使用全球定位系统(GPS)技术,这是重要的处理乒乓效应(见部分3所示。2更多的细节)。为了获得从控制中心排队信息,本研究认为,每个出租车配备无线通信设备。出租车也需要一个GPS传感器和数字地图来确定它的位置。

确保出租车和中心之间的通信,第二步,本研究利用土工格栅,排队区切成几个网格;网格的大小是基于传输范围的设备。在每个网格,RSU是网格中心开发的。通常,每个RSU可以交流服务中心通过有线网络和其他限制。这个模型是用来收集信息从出租车和作为代表乘客可以使用无线通信,如wi - fi、3 g或4 g,拦出租车。

第三步是确定的控制中心排队区。控制中心在这个计划起着至关重要的作用,因为它管理排队过程,如加入队列,队列,计算的平均等待时间。确保有效的数据收集,节点位于中心排队区作为控制中心,因为距离这个节点到每个其他节点略相似。

3.1.2。在控制中心排队表

控制中心管理所有进程在排队区。因此,它必须维护一个队列表来管理这些过程。方程(1)显示了队列表。排队号码是序列号,和更低的价值意味着更高的优先级。车辆的ID是一个独特的塔板数。RSU RSU记录数量,使出租车来传送消息。时间戳是用来确定哪些信息必须被更新或者删除。因为只有最新的消息队列表中记录,控制中心可以通过RSU数量与出租车。

在控制中心排队表

邻居表RSU

基本上,一辆出租车基本上定期发送“你好”消息的RSU网格更新它的位置在队列中。当RSU收到你好消息,比较相邻表中消息内容的信息。如果出租车信息不在桌上,RSU传达一个更新的信息控制中心和更新它的邻居表。否则,它只更新其相邻表。除了定期更新队列的状态,当RSU传达广告信息接收将请求从乘客。每个出租车可以发送一个响应接收消息时,即使它不是在队列中。方程(2)说明了邻居RSU表格格式;在这个表中,状态表示出租车是否在队列中。乒乓球生存时间(TTL)表示时间用于出租车防止乒乓效应。

3.2。区队列管理

该方案的第二部分是区排队管理,包括加入和离开机制,提供了一个方案防止乒乓效应。加入和离开机制的工作流出租车加入或离开队列详细介绍。乒乓效应是一个普遍的问题在无线通信和讨论部分3.2。2。

3.2.1之上。加入和离开机制

当出租车进入等候区,加入消息传送到控制中心通过RSU网格,和控制中心返回队列数量和规划路径出租车后加入消息。出租车加入队列成功接收到响应消息时,它开始发送定期更新消息。图1显示了加入或离开一个工作流队列。

当出租车司机打算获得乘客的狩猎或因个人原因离开队列,司机可以通过使用控制台传输离开消息排队功能。当控制中心接收到消息,留下它删除信息的出租车排队表和响应消息确认离开的完成过程。如果一辆出租车离开不离开消息传输,控制中心时从队列表的删除时间戳不更新在一个特定的时期。

因为出租车定期发送更新消息RSU成功加入队列后,控制中心可以准确定位根据RSU出租车数量。当控制中心接收到从一辆出租车离开消息,它检查RSU数量,以确保信息是否合法。如果有人试图传递一个假离开信息,控制中心忽略了消息如果RSU数量不匹配。

3.2.2。乒乓球的预防效果

乒乓效应是一个普遍的问题在蜂窝网络系统。它发生在用户位于两个基站的边界,和它需要频繁的交接服务操作,从而导致很长的延迟时间和不利的性能。在拟议的系统中,遇到这个问题当出租车排队区域的边界漫游。如果边界问题不处理,出租车从队列中删除如果控制中心无法定位,和出租车必须加入队列,等待更长一段。以确保出租车和控制中心之间的联系,出租车必须决定是否准备离开队列;第一步是定义一个边界区域。

因此,边界区域包含两个域:预警域和切换域。

这两个域的公式定义如下。

预警域:出租车RSU网格的边界和它的位置

切换域:

是最小和最大经度,是最小和是排队的最大纬度地带,是灵活的边界的阈值区域。在这项研究中,我们建议在一个范围从来的,而是一个偏移量之间和最近的边界RSU经度值。

如果在队列中的出租车预警域的边界区域,司机警告离开排队区通过一个图形用户界面。所示的警告不断,直到出租车的边界区域。如果出租车继续移动到交换领域的预警领域,你好消息发送到RSU null TTL值,和TTL排队信息更新到表的控制中心。如果控制中心没有收到任何更新从出租车经过一段时间或新的时间戳和旧的时间戳之间的差异大于TTL值,控制中心删除出租车排队表。图2说明了边界区域图。

3.3。路径规划协议

的最后一部分区排队方案路径规划。为了实现路径规划,出租车载着历史的信息必须被记录和定期记录信息必须保密。计划可以根据记录的路径在任何时间和任何地方。在本节中,提出了账面记录的数据结构。接下来,携带记录参与收集和整合的方法。最后,讨论了路径规划机制。

3.3.1。收集和管理的记录

收集运送记录,每个RSU维护一个携带记录表如表所示1。当出租车获得客户,它RSU传输携带信息,在其电网通知乘客的位置和时间信息。因为账面记录的数量非常大,记录必须有效地管理获得有用的信息。因此,携带记录被分成七组根据一周的日子,和每组分为24槽。

携带记录进行分类时,狩猎的乘客在每个时间段的星期的每一天都必须计算。每个RSU然后传送的一组定期计算值来控制中心,控制中心计划路径对出租车司机根据传播。以下假设定义来解释计算有效:(1) 表明携带星期;(2) 显示的时间间隔进行记录;(3) 表示一组携带记录一周的一天和时间槽收到轴显示星期的招聘行动的一天和时间槽;(4) 显示星期的打猎的一天和时间槽;(5) 天的星期显示历史狩猎率和时间槽。

下面的算法将周结束的一天和时间槽计算狩猎,这是用于路径规划阶段和操作如下。

狩猎率计算算法(1) (2) (3) (4)做 (5) (6) (7) (8) (9)返回

(1)(1)(行)首先,变量初始化。它是用来存储每个时间段的数量的记录和星期。在一开始,每个人的价值交办为零。

(2)((2)-(3)行)第二,阅读前一交易日狩猎率的历史数据。

(3)((4)行)第三,我们统计的总数记录在数据库中。在过程的结束,总数出租车乘客欢呼的时间段和星期是派生的。

(4)((5)-(9)行)最后,该算法用来计算狩猎率网格的时间槽和星期。时间段的平均数量的客户吗和星期当前的会话和历史会话。这个过程的最后,狩猎的价值率和历史率将被存储到数据库中寻找下一个会话狩猎率计算。

3.3.2。路径规划机制

当出租车司机请求路径规划服务,控制中心确定从每个RSU根据请求的日期和时间。然后,控制中心计划的优先级。例如,如图3排队区区域包括网格,Y,和控制中心位于网格。

当控制中心接收到路径规划要求从一辆出租车在网格C,它广播收集记录收集所有的消息在这一领域。接下来,最高的价值用于选择目的地路径的机会最高的乘客。在这种情况下,最高这一地区电网的Q,表明该路径从C到Q和方向是下来了。因此,道路总是选为下或左网格。例如,网格相邻网格C是B, D, D和H,尽管电网拥有更高的价值比网格系统B和H .不会选择网格D作为路径,因为这个网格是在右边。

4所示。系统实现和原型

为出租车司机提供服务,本研究设计并实现了一个简单的原型系统。我们在本节描述此原型的框架。

4.1。系统概述

图4是我们的系统概述,出租车配备车载智能设备和通讯设备(IWCU)。RSU配备嵌入式平台和通信设备,提供了两种类型的通信接口。乘客一个是无线通信是RSU附近,另一个是802.11便士为出租车司机无线通信。乘客可以使用智能手机与RSU拦出租车通过wi - fi的沟通。

4.2。系统实现

此原型可以分为三个部分。在第一部分中,一个应用程序是专为车载设备驱动程序,和简单的功能区域排队。在第二部分中,RSU在嵌入式设备上实现。这个RSU执行两种类型的功能,中心和正常的限制。在最后一部分,通信设备配置。必须设置和设备必须执行一些配置。

车载设备,iOS设备用于实现该服务,因为这些设备是目前流行和广泛使用。此外,智能设备提供了GPS的基本单元和无线网络通信,提出应用程序可以很容易地激活;它也有一个良好的用户界面,可以使该应用程序对用户更友好。设计和实现该系统,本研究使用Xcode 4.4版本的集成开发环境(IDE)和objective - c编程语言。值得注意的是,Xcode IDE和objective - c是原始和编程语言在iOS平台。

处理出租车和乘客之间的通信,本研究使用IWCU,一波/ DSRC通信设备由台湾工研院提供的端到端通信。目前这个设备只能传输UDP数据包的UDP端口号在同一个子网。因为它是一个原型,它就像一个货代,不是路由器;因此,必须实现两个端口在不同设备在启动前一对包传输。原型为用户提供了一个Web界面来设置每个设备的关系。

4.3。系统原型

监控系统可以显示所有对队列出租车在数字地图上,它也可以显示左边排队序列。虽然控制中心自动操作,管理员可以管理和调度使用该监测系统如果需要出租车。

图5说明了用户界面设计的出租车司机。当一个出租车进入等候区,它可以加入队列,如果在服务。驱动程序可以使用导航按钮请求控制中心规划路径。此外,司机可以看到数字地图上的边界线,和一个警告消息是如果他们太接近开关提供的域。这可以防止出租车被删除,因为他们跨越域。司机还可以调整等个人设置的优先级模式或启动导航设置窗口。当出租车收到调度控制中心(图的消息5),乘客的位置,出租车和乘客之间的距离,估计到达时间提供了一个符合窗口。司机可以决定是否接乘客。关于目的地的信息没有提供防止司机拒绝接受短途骑。如果司机接受了任务,一个导航服务也提供给司机如果它是必需的。

5。实验结果

本节介绍了实验结果。野外调查结果包括real-taxi行为与调查统计数据和仿真结果。在这一部分中,我们使用棱镜来模拟,并证明该模型的效率比等待模型出租车司机在一个固定的出租车排队等待点和出租车司机狩猎模型通过打猎获得的乘客在路上。

5.1。现场调查

获得合理的实验数据,本研究设计了一个问卷调查的出租车司机和调查Wuri站台湾高速铁路,台中。大约30有效问卷检索。如表所示2一个司机的平均等待时间,Wuri站大约是60分钟,顾客的平均数量是8集,平均工作时间是将近10个小时。平均收入可以计算出顾客的平均数量乘以平均距离产生的收入。根据收费标准在台中,成立和平均距离的统计数据由交通部通信。

5.2。仿真结果的平均数量的客户,等待时间,空置率

在本节中,我们模拟等待,打猎,我们建议区队列模型通过棱镜来评估模型的性能。模拟环境更实用,我们设置仿真的实验环境和参数值等于通过现场调查获得的值在表2。

图6(一)描述客户的平均数量的结果。区排队模型可以获得更多的顾客比等待和狩猎模式,因为这种模式结合了等待和狩猎模式。当司机开车在排队区,他们可以获得客户从街上也可以获得调度中心的客户如果他们等待队列中。狩猎模型比等待更有利的模型因为出租车消费很少的气体时,以固定排队等待点。因此,大多数出租车司机去排队点固定,即使他们必须花更长的时间等待客户;这是因为司机认为这个模型是一个稳定的业务方法。

图6 (b)显示了一个出租车司机的平均等待时间的结果。司机在区排队模式下获得更多的顾客比等待和狩猎模式。平均等待时间为每一个出租车司机在区排队模式是狩猎和低于等待模式。他们可能会获得一个客户约20到25分钟。然而,狩猎模式演示了比等待更有利的表现模式,因为司机可以在街上漫游根据他们的经验和他们可能支持他们的公司来帮助他们更容易获得客户。相比之下,在等待模式中,出租车司机持有仓位,等待客户;他们唯一的选择是选择一个固定的排队,等待更多的服务请求和更少的出租车。司机在狩猎模式获得客户平均每30分钟,而他们获得顾客在等待模式平均每1小时。

空置率是一个重要的指标,每种模式的性能。图6 (c)显示了出租车的平均空置率。区排队模型的空置率大约是53%。虽然大于一半,根据调查,在台湾出租车的平均空置率几乎是65%;因此,欧元区排队模型可以减少10%以上空置的出租车司机。关于狩猎模式下,空置率大约是60%,这个速度是更符合调查;然而,等待模型有一个空置率约为80%。这就表明一个司机浪费相当多的时间在一个固定的排队点再次等待客户。

5.3。仿真结果的平均利润

通过分析推导得到了平均利润的平均等待时间和运送时间。最受欢迎的品牌,丰田,一辆出租车业务品牌,被用来模拟车辆。出租车司机的平均收入和平均成本值计算根据每个客户的平均距离和平均燃料消耗量。收入和成本的平均利润从而可以派生。

图7(一)显示了出租车司机的平均收入。正如所料,等待模型有较低的收入比狩猎和区排队模式,因为收入是直接与客户的数量成正比。图7(一)说明了时间和平均收入之间的关系。

图7 (b)显示了出租车司机的平均成本。狩猎的值模型和区域排队模型模拟中是相似的,因为这项研究认为,司机总是为客户漫游在狩猎模型或区排队模式。然而,等待模型的最大优点是,司机不需要漫游客户因为他们已经等在一个热点。因此,他们可以减少天然气消费。

图7 (c)显示了评估司机的平均利润。平均利润代表了司机一天挣的钱。区排队模型演示了最高的利润在所有模式,因为司机在这个模型可以狩猎在路上或等待队列。

6。结论

本研究设计了一种移动定位的出租车管理系统通过使用磅和区排队技术在互联网上的车辆,包括区排队,排队区管理和路径规划协议。系统可以提供出租车司机一个新的风格冰雹的客户。在此系统中,出租车司机可以打猎或者等待乘客排队区,它提供了一个磅在一个特定的地方,高对出租车的需求服务。这项研究还提出了一种路径规划服务,出租车司机根据历史记录,提高捕猎效率和改善服务质量。棱镜是用于执行我们的仿真,结果表明,该系统比现有系统良好的性能。在未来,区排队和巡航机制将根据热点信息开发,网格的重量值,众包的信息和一个原型区域排队和巡航系统将实现向出租车司机提供建议和指导。也,我们将使用大数据资源由台湾提供出租车公司,在台湾最大的出租车公司,分析磅数据并计算每个队列的平均等待时间区,然后自适应地指导出租车不同的热点。

利益冲突

作者宣称没有利益冲突有关的出版。

承认

作者要感谢共和国科技部中国号合同下的财务支持这项研究。most103 - 2221 - e - 035 - 057和most104 - 2221 - e - 035 - 021。

引用

1. 他r ., a . f .莫氏利施f . Tufvesson z中,b . Ai和t .张”合作定位车辆网络:事实和未来,“IEEE智能交通系统,15卷,不。5,2237 - 2248年,2014页。视图:谷歌学术搜索
2. p . Papadimitratos a La Fortelle k . Evenssen r . Brignolo和美国科森扎,“车载通信系统:支持技术、应用程序和智能交通未来的前景,”IEEE通讯杂志卷,47号11日,第95 - 84页,2009年。视图:出版商的网站|谷歌学术搜索
3. j·李,t·罗和l .叮“基于位置感知的切换算法V2I铁路环境系统,”《全球信息基础设施和网络研讨会(GIIS 14),页1 - 6,IEEE,魁北克,加拿大,2014年9月。视图:出版商的网站|谷歌学术搜索
4. a . Singhrova和n .普拉卡什“垂直切换决策算法在异构无线网络,提高服务质量”专业的沟通》第六卷,没有。2、211 - 223年,2012页。视图:出版商的网站|谷歌学术搜索|Zentralblatt数学|MathSciNet
5. K.-H。陈,C.-R。陶氏,研究所。陈,Y.-S。李,S.-F。黄,“HarpiaGrid: geography-aware网格为车载Ad Hoc网络路由协议,”信息科学与工程》杂志上,26卷,不。3、817 - 832年,2010页。视图:谷歌学术搜索
6. 棱镜,http://www.prismmodelchecker.org。
7. j . y . j .李特瓦珊,阿特金森,w .阅读,t·迈尔斯和r·约翰斯通“胡萝卜传感器网络管理系统的发展,”学报》第七届国际会议上智能传感器,传感器网络和信息处理IEEE,页229 - 234年,2011年12月澳大利亚阿德莱德。视图:出版商的网站|谷歌学术搜索
8. n·阿拉姆和a . g .法官,”合作定位车辆网络:事实和未来,“IEEE智能交通系统,14卷,不。4、1708 - 1717年,2013页。视图:出版商的网站|谷歌学术搜索
9. p . j .曾c . c .挂t·h . Chang和黄懿慧涌,“实时的城市交通传感与装备GPS探测车辆,”学报》第12届国际会议在其电信(ITST 12),页306 - 310,台北,台湾,2012年11月。视图:出版商的网站|谷歌学术搜索
10. c . t .胡须,m·A。马特奥,p·r·索托a . m . Mezher和m . a . Igartua“智能城市VANETs使用警告消息,流量统计和智能交通信号灯,”《IEEE智能车辆研讨会(IV”12)IEEE,页902 - 907年,Alcala de Henares西班牙,2012年6月。视图:出版商的网站|谷歌学术搜索
11. A . Dua n . Kumar和s . Bawa”系统回顾对车载自组网路由协议,”车辆通信,1卷,不。1,33-52,2014页。视图:出版商的网站|谷歌学术搜索
12. 金·d·李,y, h·李”路线VANET的基于预测的车辆移动性管理方案,“国际期刊的分布式传感器网络ID 679780条,卷。2014年,9页,2014。视图:出版商的网站|谷歌学术搜索
13. X.-Y。巴姨,X.-M。你们h .江和j·李”,小说VANET基于位置服务,交通信息系统”学报》第16届国际会议上网络(图标08年),页1 - 6,新德里,印度,2008年12月。视图:出版商的网站|谷歌学术搜索
14. s . m . Tornell c·t·卡拉j·c·卡诺和p•曼卓尼”实现和测试驾驶安全智能手机应用程序基于此种疗法协议,”诉讼联合会无线天(WD的12),页1 - 3,爱尔兰都柏林,2012年11月。视图:出版商的网站|谷歌学术搜索
15. r .女子和n Kumar IVANET最小化查询延迟使用合作。”Procedia计算机科学57卷,第90 - 84页,2015年。视图:出版商的网站|谷歌学术搜索
16. d . c . Chen, n, l .太阳,s . Li和z . Wang“iBOAT: isolation-based在线异常轨迹检测,”IEEE智能交通系统,14卷,不。2、806 - 818年,2013页。视图:出版商的网站|谷歌学术搜索
17. S.-F。程和t·d·阮TaxiSim:可替换主体仿真平台评估出租车舰队行动,”学报IEEE /每各月ACM Web智能和智能代理技术国际会议(WI-IAT 11)IEEE,页14号至21号,里昂,法国,2011年8月。视图:出版商的网站|谷歌学术搜索
18. P.-Y。陈,J.-W。刘,W.-T。陈”,节能和减排动态的士共享协议VANETs,”第72届车辆技术研讨会论文集职业训练局下降(10)IEEE,页1 - 5,渥太华,加拿大,2010年9月。视图:出版商的网站|谷歌学术搜索
19. j。张文雄,G.-Y。Chang和学术界。陈,“分布式出租车将在车载自组网协议,”IEEE 71车辆技术研讨会论文集(职业训练局的10)IEEE,页1 - 5,台北,台湾,2010年5月。视图:出版商的网站|谷歌学术搜索
20. h·e·胡斯尼•n .高人气的r·尼姆et al .,”一文中针对客运出租车共享分配方法,”20国际会议的程序软件,电信和计算机网络(SoftCOM 12)IEEE,页1 - 7,分裂,克罗地亚,2012年9月。视图:谷歌学术搜索
21. j . m . n . Liu Liu曹,g . Chen和w·卢”当运输遇到交流:V2P VANETs,”学报30 IEEE国际会议分布式计算系统(ICDCS 10)热那亚,页567 - 576年,意大利,2010年6月。视图:出版商的网站|谷歌学术搜索
22. 吴y元,y, w .郑,k . Li”严格保证公平和utilizeprediction更好的并行作业调度,“IEEE并行和分布式系统,25卷,不。4、971 - 981年,2014页。视图:出版商的网站|谷歌学术搜索
23. n部”,沿着纽约州input-queued交换机调度算法,”IEEE / ACM交易网络,7卷,不。2、188 - 201年,1999页。视图:出版商的网站|谷歌学术搜索
24. 诉Gabale b·拉曼·杜塔和s . Kalyanraman”分类框架的调度算法在无线网状网络,”IEEE通信调查和教程,15卷,不。1,第222 - 199页,2013。视图:出版商的网站|谷歌学术搜索
25. m .风扇和g .全“Harmonic-aware多核为几个实时系统调度,”IEEE并行和分布式系统,25卷,不。6,1476 - 1488年,2014页。视图:出版商的网站|谷歌学术搜索
26. 任和m . van der夏尔”在无线云计算动态调度和定价,”IEEE移动计算,13卷,不。10日,2283 - 2292年,2014页。视图:出版商的网站|谷歌学术搜索

版权

版权©2016 Chyi-Ren陶氏等。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。