Deep Reinforcement Learning for Intelligent Transportation Systems: A Survey
最新的技术改进提高了运输质量。新的数据驱动方法为所有基于控制的系统带来了新的研究方向,例如,在交通、机器人、物联网和电力系统中。将数据驱动的应用程序与交通系统相结合在最近的交通应用中起着关键作用。在本文中,最新的深度强化学习(RL)为基础的交通控制应用进行了调查。具体而言,交通信号控制(TSC)的应用程序的基础上(深)RL,这已被广泛研究的文献中,详细讨论。不同的问题配方,RL参数,和仿真环境的TSC进行了全面讨论。在文献中,也有一些使用深度RL模型研究的自动驾驶应用。我们的调查广泛总结了现有的作品在这一领域进行分类,它们与应用类型,控制模型和研究算法。最后,我们讨论了基于深度RL的交通应用的挑战和开放性问题。
2020-05-02 cs.LG cs.MA cs.SY
Optimal Parameter Inflation to Enhance the Availability of Single-Frequency GBAS for Intelligent Air Transportation
地基增强系统(GBAS)增强了全球导航卫星系统(GNSS),以支持飞机的精确进场和着陆。为了保证完整性,现有的单频GBAS利用位置域几何形状筛选来通过增大一个或多个广播GBAS参数来消除潜在的不安全卫星几何形状。然而,在观测到严重电离层条件的低纬度地区,GBAS的可用性可能受到严重影响。因此,我们在这项研究中开发了一种新的几何筛选算法,以提高低纬度地区的GBAS可用性。仿真结果表明,该方法可以提供5-8个百分点的可用性提高GBAS在里约热内卢附近的Galeão机场,巴西,与现有的方法相比。
2022-04-23 cs.SY eess.SP eess.SY
Caching and Computation Offloading in High Altitude Platform Station (HAPS) Assisted Intelligent Transportation Systems
边缘智能是一种通过利用网络边缘上的计算资源来加速人工智能(AI)应用的新范式,可用于改善智能交通系统(ITS)。然而,由于物理限制和能源供应限制,边缘设备的计算能力通常是有限的。高空平台站(HAPS)计算可以被认为是边缘计算的一个有前途的扩展。HAPS部署在平流层,提供广泛的覆盖范围和强大的计算能力。它适用于协调陆地资源和存储与基于ITS的应用相关的基础数据。在这项工作中,三个计算层,即,交通工具、地面网络边缘和HAPS被集成以构建ITS的计算框架,其中HAPS数据库存储应用所需的基础数据。此外,高速缓存技术被引入到网络边缘,以存储来自HAPS的一些基本数据,从而可以减少大的传播延迟。我们的目标是通过优化计算卸载和缓存决策以及带宽和计算资源分配来最大限度地减少系统的延迟。模拟结果强调了HAPS计算在减轻延迟方面的优势以及网络边缘缓存的重要性。
2022-01-13 cs.NI cs.SY eess.SY
Strategic Information Attacks on Incentive-Compatible Navigational Recommendations in Intelligent Transportation Systems
本研究聚焦智能交通系统中导航推荐系统的局部定向信息攻击漏洞,提出引导用户达混合纳什均衡的协同激励兼容推荐系统,经Stackelberg博弈分析与数值案例验证其易受信息攻击,强调需考虑信息攻击以提升系统韧性。
2023-10-02 cs.GT cs.SY eess.SY
Optimal Control Theory in Intelligent Transportation Systems Research - A Review
Department of Information Systems, City University of Hong Kong(香港城市大学信息系统系)
本文综述了最优控制理论在智能交通系统中的应用,分析了其对交通管理问题的贡献及未来研究方向。
2013-04-13 cs.NI cs.SY eess.SY
A Trust Management and Misbehaviour Detection Mechanism for Multi-Agent Systems and its Application to Intelligent Transportation Systems
Ulm University(乌尔姆大学);Technische Universität Darmstadt(达姆施塔特工业大学)
本文提出了一种基于主观逻辑的信任管理机制,用于多智能体系统中数据共享的可靠性增强和恶意行为检测,该机制在智能交通系统中得到了验证,证明其在系统规模扩大时仍能有效检测和隔离恶意代理。
2019-05-22 cs.MA cs.SY eess.SP
Survey of Spectrum Regulation for Intelligent Transportation Systems
随着5G通信技术的发展,要求高可靠性、低延迟和大规模连接的车辆通信引起了学术界和工业界越来越多的兴趣。由于这些发展中的技术,车辆通信不仅限于车辆到车辆(V2 V)或车辆到基础设施(V2 I)网络形式的车辆组件,而且还扩展到与其他人(例如行人和蜂窝用户)的连接。专用短程通信(DSRC)是智能交通系统(ITS)的传统车载通信标准。最近,第三代合作伙伴计划推出了DSRC的竞争对手Cellular-Vehicle-to-Everything(C-V2X)。与此同时,美国联邦通信委员会(FCC)发布了一份建议规则制定通知(NPRM),考虑在ITS频段部署未经许可的国家信息基础设施(U-NII)设备,并采用两种干扰缓解方法:检测并空出(DAV)和重新信道化(Re-CH)。通过多种标准选项和干扰缓解方法,可以确定许多监管分类,并发布相关技术挑战的通知。然而,这些挑战比所涉不同国家目前和未来所追求的监管分类要广泛得多。由于他们的计划不同,技术和监管挑战也各不相同。本文介绍了一个文献调查的技术挑战,目前和未来的ITS频段使用计划,以及主要的研究试验台,为美国,欧洲、中国、韩国和日本。这项调查显示,最有可能的部署分类是(1)DSRC,C-V2X和Wi-Fi与Re-CH;(2)DSRC和C-V2X与互操作,以及(3)仅C-V2X。最困难的技术挑战是类似Wi-Fi的DSRC和类似4G LTE的C-V2X之…
2020-08-04 cs.NI cs.SY eess.SY
Interdependence-Aware Game-Theoretic Framework for Secure Intelligent Transportation Systems
未来智能交通系统(ITS)、通信基础设施(CI)和电网(PG)的运营将高度相互依赖。特别是,自主连接车辆需要CI资源来运行,因此,通信故障可能导致ITS流在交通堵塞和燃料消耗方面的非最优性。类似地,CI组件,例如,基站(BS)可能受到为其供电的电网中的故障的影响。因此,对PG的恶意攻击可能导致CI和ITS两者中的故障。为此,在本文中,对间接攻击的ITS通过PG进行的安全性研究在一个相互依赖的PG-CI-ITS的情况。为了防御这种攻击,相互依赖的关键基础设施的管理员可以在每个BS处分配备用电源(BPS)以补偿由攻击者引起的功率损失。然而,由于预算限制,管理员在分配BPS时必须根据PG故障风险考虑每个BS的重要性。在这方面,提出了一个严格的分析框架来模拟ITS,CI和PG之间的相互依赖关系。接下来,一个一对一的PG组件和ITS街道之间的关系,以捕捉PG组件的故障对最优的街道上的交通流的影响。利用Stackelberg博弈框架对BPS分配问题进行了研究,并对博弈的Stackelberg均衡进行了刻画。仿真结果表明,派生的SE优于任何其他BPS分配策略,并可以在线性时间内可扩展的相互依赖的基础设施的大小。
2020-07-12 cs.GT cs.SY eess.SY
Multi-Antenna Configuration with Reduced Passive Self-Interference for Full-Duplex Intelligent Transportation System
在本文中,我们提出了一个密集的多天线系统与\textit{passive}自干扰消除(\textit{p} -SIC)之间的发射机和接收机天线的$\approx 90$ dB的全双工应用。\textit{p} -SIC通过使用短金属通孔和在接地平面中应用U形扰动的单个天线附近的场限制来实现。\textit{p} -SIC技术最初在1-Tx和1-Rx天线系统中实现,并使用基于传输线的理论进行解释。此外,它被扩展到1-Tx和2-Rx配置。这里,所提出的全双工天线系统被设计在$5.9$ GHz($5.855-5.925$ GHz,IEEE 802.11 p/ WAVE技术)智能交通系统(ITS)应用频带处,使用微带贴片配置。单个天线的阻抗带宽为$93$ MHz($5.850-5.944$ GHz),$5.9$ GHz工作频率下的$5.63$ dBi增益,宽边方向上的X-pol电平小于$20$ dB。所提出的FD配置在整个工作频带上表现出小于$-50$ dB的$|S_{ij}|$,并且在Tx和Rx之间的工作频率处实现了$\approx -90$ dB。类似地,对于三元件FD配置,在2-Rx天线之间实现小于$-30$ dB的$|S_{ij}|$。建议FD配置的设计过程进行解释和验证,使用制造和测量。还提供了使用所提出的\textit{p} -SIC技术的自干扰信道及其抑制的实验演示。此外,为…
2022-09-30 cs.SY eess.SP eess.SY
Multi-agent Optimization of Non-cooperative Multimodal Mobility Systems
University of Central Florida(中佛罗里达大学);The University of Texas at Austin(德克萨斯大学奥斯汀分校)
本文提出了一种多智能体优化框架,用于分析非合作多模式移动系统中旅行者和司机的市场互动,通过均衡定价平衡供需并优化系统效率。
2026-01-07 cs.SY eess.SY stat.ME
Floating Car Observers in Intelligent Transportation Systems: Detection Modeling and Temporal Insights
Technische Hochschule Ingolstadt(英戈尔施塔特应用科技大学);Technical University Munich(慕尼黑工业大学)
本文研究智能交通系统中浮动车观察者(FCO)的检测建模方法,提出基于神经网络的仿真技术以近似高保真联合仿真,并在SUMO数字孪生中验证了FCO在低渗透率下结合时间洞察可有效恢复车辆、提升交通状态估计的潜力。
2025-04-29 cs.CV cs.SY eess.SY
Optical Characterization of Ultra-Low latency Visible Light Communication System for Intelligent Transportation Systems
本文报道了一个详细的实验表征的可见光通信(VLC)系统的光学性能,使用一个真正的交通灯的超低延迟,基础设施到车辆(I2 V)通信的智能交通系统(ITS)协议。尽管长期寻求ITS协议的实施提出了关键的需要,详细说明光学级的功能如何影响VLC系统在现实配置中的整体性能,这种表征目前很少得到解决。我们进行了实验研究,在一个现实的配置中,一个普通的交通灯(TX),使VLC传输,发送数字信息向接收阶段(RX),由一个光学聚光器和一个专用的放大光电二极管阶段组成。我们对VLC性能进行了详细的测量活动,包括广泛的光学聚光器,以及在3 - 50 m范围内的TX-RX距离,包括有效视场(EFOV)和误包率(PER)。结果显示了几个不平凡的行为,不同的镜头集作为测量网格上的位置的函数,突出关键方面,以及确定最合适的光学配置,这取决于特定的应用和所需的EFOV。在本文中,我们还提供了一个理论模型的信号强度和EFOV的函数的几个参数,如距离,RX方向和焦距的特定聚光镜。我们的研究结果可能是非常相关的,在不久的将来,以评估一个最合适的解决方案,在接收角方面,当设计一个VLC系统的实际应用中,角度相关的失调效应发挥不可忽视的作用,我们认为,它可能有更普遍的影响相对于原始的I2 V的情况下,这里提到的。
2020-03-31 cs.SY eess.SP eess.SY
Drive Safe: Cognitive-Behavioral Mining for Intelligent Transportation Cyber-Physical System
Kyung Hee University(庆熙大学);Mid Sweden University(中瑞典大学);BRAC University(孟加拉国布拉克大学)
本文提出了一种基于认知行为的驾驶员情绪修复平台的智能交通信息物理系统(IT-CPS)的道路安全。特别是,我们提出了一个驾驶安全平台分心的司机,即\emph{drive safe},在IT-CPS。拟议的平台认识到司机的分心活动以及他们的情绪修复。此外,我们开发了一个原型的建议驾驶安全平台,以建立概念验证(CNOD)的道路安全在IT-CPS。在开发的驾驶安全平台中,我们采用了五种基于AI和人工智能的模型来推断车辆驾驶员的认知行为挖掘,以确保驾驶过程中的安全驾驶。特别地,胶囊网络(CN)、最大似然(ML)、卷积神经网络(CNN)、Apriori算法和贝叶斯网络(BN)分别被部署用于驾驶员活动识别、环境特征提取、情绪识别、序列模式挖掘和用于驾驶员情感情绪修复的内容推荐。此外,我们还开发了一个通信模块,实现了与IT-CPS系统的异步交互。因此,所开发的驾驶安全系统可以在驾驶员因认知行为因素而分心时对驾驶员进行指导。最后,我们进行了定性评估,以衡量所开发的驱动器安全平台的可用性和有效性。我们观察到P值为0.0041(即,0.05)的方差分析。此外,置信区间分析还显示患病率值显著增加,在95%置信水平下约为0.93。上述统计结果表明,在驾驶员的安全性和精神状态方面具有很高的可靠性。
2020-08-24 cs.AI cs.HC cs.LG