面向网联自动驾驶的无缝切换云接入关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61801047
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    19.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0105.移动通信
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Network assisted automatic driving technology can overcome the perception limitation and weak decision-making ability of traditional automatic driving efficiently. Network assisted automatic driving has rigorous requirements on network bandwidth and seamless handover. Through deploying RRH, cloud radio access network (C-RAN) can support efficient and high -density radio coverage at a low cost as well as improve network access rate. However, connected cars will experience frequent handover among the dense deployed RRH in C-RAN. Aiming to improve the reliability and efficiency of seamless handover of connected cars, in this proposal, distributed massive MIMO system will be constructed in C-RAN, and the seamless handover mechanism will be investigated. The major studies include 1) Research on constructive mechanism of vehicular dynamic clustering model based on similarity principle to improve the efficiency of communication and guarantee the stability of clustering model. 2) Research on prediction model of channel state information(CSI) with the purpose of enhancing the accuracy of prediction and reducing the prediction latency. 3) Research on constructing algorithm of cooperative cluster based on merge and split operations and theory of precoder in C-RAN to realize dependable and efficient seamless handover of connected cars. Based on these studies, we will make a series of innovative achievements in the theory and methods related to the C-RAN seamless handover of connected cars in automatic driving system.
网联自动驾驶技术能够有效克服传统单车自动驾驶感知局限、决策能力弱的问题。网联自动驾驶对网络带宽、切换无缝性提出了非常高的要求。云无线接入网络(C-RAN)通过部署射频拉远,可实现高效低成本的高密度射频覆盖,提升网络接入速率。然而C-RAN中RRH的密集部署会给高速行驶的车辆带来切换过于频繁的问题。本课题从提高网联车无缝切换可靠性与效率出发,构建基于C-RAN的分布式多天线系统,研究网联车辆无缝切换机理。研究基于相似性原理的车辆动态聚类模型的构建机制,保证聚类结构的稳定性并提高通信效率。研究信道状态信息(CSI)实时预测模型,提高CSI预测准确性。研究基于裂并操作的协作簇构建算法以及C-RAN无缝切换预编码器设计原理,实现可靠高效的无缝切换。项目预期在相关机理研究和方法创新方面取得突破,形成自动驾驶场景下的无缝切换云接入理论与机制,提高车辆无缝切换可靠性,从而取得相应的自主知识产权。

结项摘要

网联自动驾驶技术能够有效克服传统单车自动驾驶感知局限、决策能力弱的问题,然而由于需要传输大量的传感数据、高精度地图数据、控制数据等,网联自动驾驶技术对网络带宽的稳定性、切换的无缝性提出了严格的要求。云无线接入网络(C-RAN)通过部署射频拉远,可实现高效低成本的高密度射频覆盖,且在5G网络中得到了广泛应用。.本项目针对云无线接入网架构中高速移动场景下车辆所面临的频繁切换的问题,设计了基于C-RAN分布式RRU多天线的无缝切换机制,并对相关关键技术进行了深入研究。项目组首先针对路测RRU单元及车辆动态分布特性,研究了车辆动态聚类模型的构建机制,设计了基于运动相似性度量的车辆分簇算法,保障了聚类结构的稳定性并提高通信效率;然后重点研究了毫米波场景下信道实时状态信息测量机制,设计了高效初始接入和波束追踪方案,降低波束搜索空间,为车辆终端切换提供高效的波束管理机制;同时,研究了基于无线信号的车辆位置感知技术,能够为车辆终端网络切换提供先验位置信息;最后,项目组设计了面向网联自动驾驶的无缝切换机制,提出了以用户为中心的动态协作簇更新算法,并采用网络用户联合选择框架,该机制能够有效解决切换引起的连接中断问题。.在项目研究过程中,建立了半实物C-RAN验证系统,并结合大量仿真实验,对关键算法进行了验证,本项目所研究机制和方法,能够实现车辆在云接入网中的无缝切换能力,保障车辆数据高效无中断传输。通过本项目研究的开展,掌握了相关领域知识产权,共发表SCI检索论文6篇,EI检索论文11篇,申请国家发明专利3项。

项目成果

期刊论文数量(7)
专著数量(0)
科研奖励数量(0)
会议论文数量(10)
专利数量(3)
Large-volume data dissemination for cellular-assisted automated driving with edge intelligence
具有边缘智能的蜂窝辅助自动驾驶的大量数据传播
  • DOI:
    10.1016/j.jnca.2020.102535
  • 发表时间:
    2020-04-01
  • 期刊:
    JOURNAL OF NETWORK AND COMPUTER APPLICATIONS
  • 影响因子:
    8.7
  • 作者:
    Liu, Luning;Lu, Zhaoming;Wen, Xiangming
  • 通讯作者:
    Wen, Xiangming
Optimal Multi-User Computation Offloading Strategy for Wireless Powered Sensor Networks
无线供电传感器网络的最佳多用户计算卸载策略
  • DOI:
    10.1109/access.2020.2967559
  • 发表时间:
    2020
  • 期刊:
    IEEE Access
  • 影响因子:
    3.9
  • 作者:
    Luhan Wang;Hua Shao;Jingjing Li;Xiangming Wen;Zhaoming Lu
  • 通讯作者:
    Zhaoming Lu
多径信号辅助的网联车辆无线协作定位
  • DOI:
    10.13190/j.jbupt.2020-191
  • 发表时间:
    2021
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    初星河;路兆铭;王鲁晗;武穆清;温向明
  • 通讯作者:
    温向明
Vehicle Localization via Cooperative Channel Mapping
通过协作通道映射进行车辆定位
  • DOI:
    10.1109/tvt.2021.3073682
  • 发表时间:
    2021-06-01
  • 期刊:
    IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY
  • 影响因子:
    6.8
  • 作者:
    Chu, Xinghe;Lu, Zhaoming;Wen, Xiangming
  • 通讯作者:
    Wen, Xiangming
An Artificial Intelligence Enabled F-RAN Testbed
支持人工智能的 F-RAN 测试台
  • DOI:
    10.1109/mwc.001.1900386
  • 发表时间:
    2020-04-01
  • 期刊:
    IEEE WIRELESS COMMUNICATIONS
  • 影响因子:
    12.9
  • 作者:
    Lu, Zhaoming;Hu, Zhiqun;Zhang, Yuheng
  • 通讯作者:
    Zhang, Yuheng

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

基于Sumtree DDPG的智能交通信号控制算法
  • DOI:
    10.13190/j.jbupt.2020-006
  • 发表时间:
    2021
  • 期刊:
    北京邮电大学学报
  • 影响因子:
    --
  • 作者:
    黄浩;胡智群;王鲁晗;路兆铭;温向明
  • 通讯作者:
    温向明

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

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