城市场景中车联网时空数据分析及其通达性方法

TP391.9; 为了解决城市场景中车联网时空数据异构以及单个基础设施范围内存在连通效率低下的问题,提出一种车联网时空数据分析及其通达性方法.首先,给出基于噪声去除和数据填充的时空数据分析方法,构建基于张量因子聚合的神经网络预测车辆之间的连通强度;然后,基于车联网连通强度给出有基础设施车联网的通达性方法.仿真实验结果表明,基于张量因子聚合的神经网络可以有效预测车辆之间的连通强度,所提方法可以有效减少连通冗余和路边基础设施负载....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 42; no. 6; pp. 52 - 61
Main Authors 程久军, 原桂远, 崔杰, 周爱国, 吕博, 李光耀
Format Journal Article
LanguageChinese
Published 同济大学嵌入式系统与服务计算教育部重点实验室,上海 200092%安徽大学计算机科学与技术学院,安徽 合肥 230601%同济大学机械与能源工程学院,上海 200092%上海师范大学天华学院,上海 201815%同济大学电子与信息工程学院,上海 200092 25.06.2021
Subjects
车联网
时空数据分析
城市场景
通达性
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2021110

Cover

More Information
Summary:TP391.9; 为了解决城市场景中车联网时空数据异构以及单个基础设施范围内存在连通效率低下的问题,提出一种车联网时空数据分析及其通达性方法.首先,给出基于噪声去除和数据填充的时空数据分析方法,构建基于张量因子聚合的神经网络预测车辆之间的连通强度;然后,基于车联网连通强度给出有基础设施车联网的通达性方法.仿真实验结果表明,基于张量因子聚合的神经网络可以有效预测车辆之间的连通强度,所提方法可以有效减少连通冗余和路边基础设施负载.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2021110