车联网环境下基于不确定因素的事件监测算法研究

The scale of car ownership is increasing at a high speed, and preventing traffic accidents has received more worldwide attention. The event monitoring techniques for various kinds of safety warning in vehicle networks have been widely studied, which provide foundations for comfortable and safety driving service. However, the existing techniques for event monitoring are unable to adjust to the uncertain characteristics of vehicle networks, thus hard to be applied to various safety warning in vehicle networks. Especially the problems are more challenging in mobility uncertainty, communication uncertainty, and sensory data uncertainty. To solve these problems, this project aims to conduct a thorough study on the key techniques and theories of event monitoring in view of uncertainties. First, we focus on the technique of mobility models and describe kinds of uncertainty factors on vehicle movement. We provide various mobility models, which are foundations of data transmission and event monitoring. Second, we study the effect of communication uncertainty on transmission latency on the basis of mobility model and communication model. Reliable and optimal transmission algorithms are designed, which can effectively support event monitoring for uncertain sensory data. Finally, we analyze the impact of uncertain sensory data on the accuracy of event monitoring. And we propose efficient techniques and methods for safety driven event monitoring. This project also develops an experimental platform for event monitoring in vehicle networks, which is also used to confirm the effectiveness and efficiency of the proposed algorithms.

汽车保有量持续增长，防范交通事故已成为全球共同关注的交通安全问题。车联网环境下针对各类安全预警的事件监测技术被广泛研究，为优质安全的行车服务提供基础。然而，现有的事件监测技术无法适应车联网的各种不确定性特征，难以高效地应用于车联网的安全预警应用中，特别在移动不确定性、通信环境不确定性、感知数据不确定性方面带来的挑战尤为明显。为此，本课题拟对基于不确定因素的事件监测的关键技术和理论进行深入研究。首先，定量刻画多种不确定因素对车辆运动状态的影响，研究车辆的移动建模技术，为数据传输研究和事件监测研究奠定基础。其次，分析通信网络中的不确定性因素为数据传输延时带来的影响，设计可靠优化的数据传输算法，为事件监测提供有效支撑。最后，分析感知数据的不确定性对监测准确率的影响，研究安全驱动的高效事件监测技术和方法。本项目还将搭建车联网环境下事件监测实验平台，验证基础理论研究成果的有效性和可行性。

移动感知网络的应用背景广泛，可应用于公共安全、卫生健康、群智感知等多个领域。车辆网络是一种典型的移动感知网络，已成为新一代智能交通技术的核心。. 本项目对基于不确定因素的事件监测的关键技术和理论进行深入研究，分为基于感知模型的物理世界数据获取研究、时效性感知的动态数据收集与传输机制研究、以及基于移动边缘计算的数据处理机制研究三个层次。. 本项目的成果体现在以下几个方面：. (1) 数据获取机制是本项目研究的重要基础。本项目定量刻画多种不确定因素对感知数据采集的影响，通过概率分布描述物理世界状态的不确定性，解决支持分布式智能集群感知的数据收集问题。. (2) 数据收集与传输研究：提出具有统一框架的感知数据模型，证明模型参数渐进性，以及感知数据的(ɛ, δ)-近似性；分析节点动态性和通信链路不确定性对传输延时的影响；面向任务设计具有实时传输成功率保证的数据传输策略。. (3) 以最小化网络资源开销为目标设计任务卸载算法；分析异构基站以及异构任务的指标参数，基于激励机制、社会效用、以及公平性函数提出均衡的、优化的任务卸载方案。. (4) 基于已提出的算法，开发了3款移动端系统。. 本项目在解决数据获取、多模态数据收集与传输、以及数据处理的同时，将总结出移动感知网络中的共性问题和方法，成为相关工作的参考。针对不同的应用问题，我们证明了提出算法的理论下界。模拟实验分别考察了算法的实时性、准确性、近似比例等技术指标。因此，提出的算法为实际应用给出了良好的借鉴。. 由于仿真学习环境与现实世界存在一定差异，导致仿真学习环境下的结果无法直接用到现实世界。在现实世界中收集数据和训练模型，成本较高、耗时，并且存在一定风险。实际应用中的群体智能具有不确定性、安全约束、时空约束、资源受限等特点。基于系统角度，需要软硬件结合的群体智能协作系统。群体智能主要分为三个模块：感知，数据收集与传输，及计算任务。本项目研究成果为开放环境中的事件监测奠定了基础并提供了有效支撑。