91丨牛牛丨国产人妻,青青草视频色版,国产精品日产欧美,啪啪视频官网,亚洲另类色区欧美日韩,在线黄片视频,免费a级黄片,天天射天天搞天天干

點擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時間送達(dá)

本文轉(zhuǎn)自：計算機(jī)視覺聯(lián)盟

從自動駕駛的的單車（single agent）智能過渡到車輛/車路協(xié)同的多智體（multi-agent）智能，也是車聯(lián)網(wǎng)和智慧城市/交通的優(yōu)勢，下面列一些供閱讀的有關(guān)文獻(xiàn)。

網(wǎng)聯(lián)自動車形成了所謂的汽車互聯(lián)網(wǎng)（IOV），預(yù)計最早將在2021年改變世界范圍內(nèi)的交通運(yùn)輸方式，并改變城市生活，并在未來幾十年中普及。

網(wǎng)聯(lián)自動車經(jīng)常被吹捧為一項在不久的將來將在社會中普及的技術(shù)。人們可以將自動駕駛汽車視為具有人工智能（AI）功能，能夠自動駕駛、感知其周圍環(huán)境、識別其附近的物體并執(zhí)行推理和決策的功能。

它不是單獨運(yùn)行，而是研究了自動駕駛汽車在其社會網(wǎng)絡(luò)物理（socio-cyber-physical）環(huán)境中進(jìn)行合作和交互的必要性，包括合作將解決的問題以及議題和挑戰(zhàn)。

它根據(jù)選定的示例回顧了當(dāng)前在自動駕駛汽車方面的合作工作。其結(jié)論指出，除了感知直接環(huán)境和基礎(chǔ)網(wǎng)絡(luò)技術(shù)之外，作為自動駕駛汽車的社交人工智能（social-AI）功能的一種形式，還需要具有協(xié)作行動（behave cooperatively）的能力。

車輛需要通過專用短程距離聯(lián)網(wǎng)（DSRC）或5G-V2X網(wǎng)絡(luò)，采用IoT服務(wù)（包括通過路邊單元），不僅與其他車輛而且還可能與摩托車、自行車、行人和其他道路用戶進(jìn)行交互。

通過這樣的網(wǎng)絡(luò)協(xié)議，車輛有機(jī)會交換應(yīng)用層消息并進(jìn)行合作以提高安全性，并提高其有效性，從而在車輛網(wǎng)絡(luò)層（vehicular network layer）之上創(chuàng)建一個協(xié)作層（cooperation layer）。

社交車輛（Social vehicles）構(gòu)想了CAV的社交大腦（social brain），CAV被定義為一個軟件模塊，該軟件模塊確定車輛如何與其他車輛協(xié)作、車輛如何與車聯(lián)網(wǎng)絡(luò)上的行人和服務(wù)協(xié)作、車輛如何推理社交行為、車輛在收到特定消息時如何表現(xiàn)，以及在路況下如何利用車輛間的合作。

CAV的社交大腦可以針對道路上的其他車輛和行人推斷出社會狀況（social situations ），記住過去的互動以為將來的合作提供信息，在道路的社交規(guī)范內(nèi)工作，并具有上下文覺察（context-aware）的關(guān)注（類似于人類的社會認(rèn)知）。

社交大腦不僅在推理場景覺察（situation-awareness），而且還決定了車輛的行為-車輛在社交活動中相對其他車輛如何表現(xiàn)，以及車輛與其他實體的互動方式（例如，要發(fā)送哪些消息）。

CAV的社交大腦可以預(yù)測或建模其他車輛和人員將要做什么，了解其他車輛和人員的意圖，并表現(xiàn)出對各種情況都能理解的方式。

車輛的社交大腦可以針對不同的路況實施多種合作協(xié)議，例如用于交叉路口的碰撞警告協(xié)議、用于回旋路（roundabouts）的移動協(xié)議、用于交通合并的協(xié)議、用于在高速公路通行的協(xié)議、用于超車的協(xié)議和用于交叉路口的汽車讓路協(xié)議等等，這些協(xié)議都集成到了車輛的社交大腦模塊中。

同時，不僅需要規(guī)則政策和機(jī)器人法律來治理一般的道路交通，還需要確保CAV之間以及CAV與人之間的可信賴的和道德的互動。

車輛的“social-AI”是支持各種合作行為的主要組成部分。

車輛協(xié)同和推理的應(yīng)用包括：

Parking （泊車）and Routing（路徑）;
Swarm Behaviors （群行為）for Dynamic Traffic Flows;
Platooning（車隊）, Intersections （路口）and Safety（安全）;
Cooperative awareness（協(xié)同覺察）;
Long Term Cooperation （長期合作）- Social Networks and Social Memory;

挑戰(zhàn)：

Scales （尺度規(guī)模）;
Trusted communication and deception proofing （可信通信和欺詐確認(rèn)）;
Standards（標(biāo)準(zhǔn)）;
How Should Vehicles Talk to Each Other and with the Infrastructure（交談）?
Context-Aware Decision-Making and Regulations（決策和規(guī)章）;
Lawful interaction （合法的交互）。

傳統(tǒng)上，道路或交通信號燈上的標(biāo)記用于協(xié)調(diào)車輛，使它們有條不紊地行駛，但它們可能會導(dǎo)致延誤或減少道路使用率。通過合作與協(xié)調(diào)，可以在沒有物理信號的情況下協(xié)調(diào)交通流。車輛之間的合作也可形成靈活的集體車輛行為。例如，在高速公路上，車道在兩側(cè)均等地固定（例如，每個方向上有五個車道）-而在某些時候，一個方向的交通可能會比另一方向大。借助CAV，當(dāng)一個方向的交通流量很高時，車輛可以大規(guī)模協(xié)作并通知其他車輛，允許現(xiàn)在一個方向有8條車道，而相反方向有2條車道。然后，在其他時間重新平衡車道。另外，某些“車道”在某些時候可能會變窄（汽車相互靠近但速度較慢），而在其他時候，車道會變寬（汽車運(yùn)動較快但彼此相距較遠(yuǎn)）。這個想法被稱為“交通整形（traffic shaping）”。

無人駕駛/無人駕駛是當(dāng)前最新技術(shù)，有可能從根本上改變個人和貨物的流動性。目前，大多數(shù)開發(fā)都針對獨立自動駕駛汽車，這些汽車可以感知周圍環(huán)境并基于這種感知來控制車輛，而駕駛員的干預(yù)很少或根本沒有。

這里著重于自動駕駛汽車研究的下一步，即自動駕駛汽車之間的協(xié)作，主要是車輛編隊控制（formation control）或車輛成排（vehicle platooning）。為了對這一領(lǐng)域有更深入的了解，該文對許多現(xiàn)有的發(fā)表論文進(jìn)行了系統(tǒng)的綜述。換句話說，其研究了許多分布式的和分散的車輛編隊控制方法，并討論了它們的實現(xiàn)。最后，總結(jié)了編隊控制的技術(shù)和實施面臨的挑戰(zhàn)。

為了實現(xiàn)編隊控制，與其他機(jī)器人共享信息是多機(jī)器人系統(tǒng)中的關(guān)鍵任務(wù)。因此，在車輛組排中拓?fù)鋵崿F(xiàn)以解決信息共享問題。這些拓?fù)湄?fù)責(zé)信息交換流程，該流程描述了組排中的車輛如何相互交換信息。

如上圖，拓?fù)銩是前繼跟隨（PF，predecessor following）拓?fù)?，拓?fù)銪是前繼-領(lǐng)導(dǎo)跟隨（PLF，predecessor–leader following）拓?fù)洌負(fù)銫是雙向（BD，bidirectional）拓?fù)?，拓?fù)銬是雙向領(lǐng)導(dǎo)（BDL，bidirectional-leader）拓?fù)洌負(fù)銭是雙前繼跟隨（TPF，two-predecessor following）拓?fù)洌負(fù)銯是雙前繼-領(lǐng)導(dǎo)跟隨（TPFL，two-predecessor–leader following）拓?fù)洹Ｕ堊⒁?，這些拓?fù)溽槍蝹€排而言。在組排操作期間，可能會發(fā)生多種情況，例如多個排之間的交互或現(xiàn)有拓?fù)湎碌耐ㄐ胖袛?。為了排的穩(wěn)定性和移動性，應(yīng)考慮動態(tài)的或交換拓?fù)?。動態(tài)或交換拓?fù)湟馕吨S時間推移，排編隊的拓?fù)鋾袚Q為不同拓?fù)洹?/span>

在多機(jī)器人系統(tǒng)中，達(dá)成共識（consensus）可以被認(rèn)為是重要的要求之一，在這種情況下，自動駕駛汽車可以通過與其鄰居車輛在本地共享信息達(dá)成協(xié)議以形成陣型（formation）。

通常，收斂到一個共同的價值被稱為共識，這取決于自動駕駛汽車之間的溝通。

根據(jù)一些設(shè)計的分布式協(xié)議，對與鄰居共享信息的移動代理之間局部交互導(dǎo)致的共識行為（consensus behavior ）分析，是一個關(guān)鍵問題。

共識可以以多種方式提供幫助，例如：

Alignment 對齊（指向同一方向）；
Synchronization 同步（同一個時間）；
Distributed Estimation 分布式估計（同一個估計/測量分配量）；
Rendezvous 會合（在同一個點碰頭）。

領(lǐng)導(dǎo)-跟隨者控制（leader–follower control）是一種廣泛采用的編隊方法。在這種方法中，可以通過三種方式實現(xiàn)領(lǐng)導(dǎo)機(jī)器人：靜態(tài)領(lǐng)導(dǎo)（領(lǐng)導(dǎo)機(jī)器人不變），虛擬領(lǐng)導(dǎo)（使用軟件領(lǐng)導(dǎo)）和動態(tài)領(lǐng)導(dǎo)（根據(jù)情況而改變）。此外，負(fù)責(zé)機(jī)器人之間信息交換的通信拓?fù)浣Y(jié)構(gòu)在領(lǐng)導(dǎo)-跟從者方法中起著至關(guān)重要的作用。對于控制器設(shè)計，大多數(shù)文獻(xiàn)都討論了縱向控制。然而，橫向控制對于在結(jié)構(gòu)化環(huán)境中的自動駕駛車輛導(dǎo)航同樣重要。一旦編排形成，就使用弦穩(wěn)定性分析（string stability analysis）來進(jìn)行編排的穩(wěn)定性分析。在領(lǐng)導(dǎo)-跟從者方法中，每個位置向量和車輛分離向量之和達(dá)成共識，信息流（information flow）本身就是一個有向生成樹（spanning tree）。

行為控制（Behavioral control）用于在未知或動態(tài)環(huán)境中實現(xiàn)多機(jī)器人系統(tǒng)的協(xié)調(diào)控制。當(dāng)無法準(zhǔn)確地建?；虮碚髡鎸嵤澜鐣r，基于行為的方法最為有效。通過避免離線路徑規(guī)劃（offline path planning）并使用傳感器來獲取環(huán)境的即時信息，該方法為系統(tǒng)提供了在復(fù)雜或混亂環(huán)境中導(dǎo)航的自主權(quán)。

自動駕駛汽車的環(huán)境充滿不確定性，并且也是不可預(yù)測的、嘈雜的和動態(tài)的?；谛袨榈捏w系結(jié)構(gòu)啟用實時處理、嚴(yán)重依賴感知（sensing）和無需構(gòu)建潛在錯誤的全局世界模型等提供克服這些困難的答案。基于行為的機(jī)器人具有高度自治性和機(jī)械精確性，幾乎沒有計算資源，可以通過學(xué)習(xí)進(jìn)行改進(jìn)，可以通過軟件重用（software re-use）編程并環(huán)境集成。

用于移動機(jī)器人的電機(jī)模式（Motor schemas ）是完成目標(biāo)導(dǎo)向行為（goal-directed behavior）的一系列動作。模式和運(yùn)動單元不是代表機(jī)器人可用的最簡單的基本動作（例如，對機(jī)器人執(zhí)行器的簡單命令），而是代表了機(jī)器人動作的更高層次的抽象，例如避開障礙物、避開機(jī)器人、保持編隊并移向目標(biāo)（goal）。這些模式和運(yùn)動單元定義僅用少量參數(shù)編碼的控制策略，并用作機(jī)器人的基礎(chǔ)集或運(yùn)動詞匯。這樣的單元足以通過模式（schemas）或單元（primitive）的組合生成機(jī)器人的全部動作。通過實施幾種運(yùn)動模式，例如移動到目標(biāo)（move-to-goal），避開靜態(tài)障礙物，避開機(jī)器人和編排保持，考慮了許多編排形狀，例如直線、圓柱、菱形和楔形。

在人工勢場（APF，artificial potential field）方法中，移動機(jī)器人在搜索空間中具有由目標(biāo)和障礙物生成的兩個場。這兩個場是障礙物產(chǎn)生的排斥力場和目標(biāo)產(chǎn)生的吸引力場。這些力量在靠近障礙物或目標(biāo)時會更強(qiáng)，在遠(yuǎn)處的影響較小。在這種方法中，目標(biāo)位置獲得了吸引力，而障礙物則對機(jī)器人產(chǎn)生了排斥力。機(jī)器人上合力（所有力的總和）用于確定機(jī)器人的運(yùn)動和速度以及行進(jìn)方向，同時避免碰撞。事實證明，APF是一種很好的避障算法，可用于編排問題。

聚合（Flocking）描述了飛鳥的行為、魚類的放養(yǎng)或昆蟲的蜂群行為。聚合控制主要包括三種行為：避免碰撞（也稱為分離），速度匹配（也稱為對齊）和聚合居中（也稱為內(nèi)聚）。速度匹配是矢量，是指航向和速度的組合。避免碰撞是一種分離行為，可以避免過度擁擠和彼此碰撞，聚合居中使機(jī)器人位于聚合中心或附近聚合伴侶附近。

聚合問題可以看作是編隊控制問題的一個子案例，它要求機(jī)器人沿著聚合體的某些路徑一起移動，但對特定機(jī)器人所采用的路徑要求卻很小。與聚合相比，編隊更加嚴(yán)格，要求機(jī)器人在環(huán)境中移動時保持一定的相對位置。因此，多個移動機(jī)器人系統(tǒng)同時考慮聚合和編隊控制。

一種虛擬結(jié)構(gòu)（virtual structure ）方法旨在解決協(xié)作機(jī)器人運(yùn)動過程中維持幾何配置（geometric configuration）的問題。虛擬結(jié)構(gòu)是機(jī)器人元素的集合，這些元素彼此之間以及與參照系之間保持（半）剛性幾何關(guān)系。

虛擬結(jié)構(gòu)方法的優(yōu)點可以描述如下：

實現(xiàn)高精度控制的能力；
通過保持編隊，在機(jī)器人故障期間具有固有的容錯能力；
無需選舉領(lǐng)導(dǎo)機(jī)器人；
無需修改即可針對不同種類的虛擬結(jié)構(gòu)進(jìn)行重新配置；
可以以分布式方式實施，而不會如集中式實施那樣增加通信開銷。
沒有明確的功能分解。

擁堵是駕駛員對各種干擾的響應(yīng)造成的。行動不便也會導(dǎo)致駕駛員沮喪、煩惱和壓力，這可能會鼓勵激進(jìn)的駕駛行為并減慢恢復(fù)自由交通流的過程。網(wǎng)聯(lián)自動駕駛汽車（CAV）可以通過減少和減輕交通事故來提高安全性。它們還可以通過改善交通流提供減少運(yùn)輸能耗和排放的機(jī)會。車輛與交通結(jié)構(gòu)和交通信號燈之間的通信可以使單車優(yōu)化其運(yùn)行并應(yīng)對不可預(yù)測的變化。本文總結(jié)了迄今為止文獻(xiàn)中報道的CAV協(xié)調(diào)領(lǐng)域的發(fā)展和研究趨勢，還討論了其他挑戰(zhàn)和潛在的未來研究方向。

為了實現(xiàn)這些目標(biāo)，即減輕擁堵、減少能源消耗和排放并提高安全性，車輛需要能夠相互通信并交換信息；也就是說，它們需要聯(lián)接。解決交通擁堵問題的一種流行的系統(tǒng)級方法是形成高速行駛、同時加速或制動的車輛編組排（Forming platoons）。多年來，CAV的需求已變得流行。許多利益相關(guān)者直觀地看到了多尺度車輛控制系統(tǒng)的好處，并已開始在各自領(lǐng)域開發(fā)業(yè)務(wù)案例，包括汽車和保險業(yè)，政府和服務(wù)提供商。顯然，車對車（V2V）通信有潛力使車輛能夠更快地考慮其相互環(huán)境的變化，減少交通事故并緩解交通擁堵。同樣，車輛到基礎(chǔ)設(shè)施（V2I）的通信，例如與交通結(jié)構(gòu)、附近建筑物和交通信號燈的通信，允許各個車輛控制系統(tǒng)考慮到本地基礎(chǔ)設(shè)施中不可預(yù)測的變化。

使用集中式或分散式協(xié)同方法的大量研究工作都集中在協(xié)調(diào)交叉路口的CAV和在高速公路匝道上合并。如果系統(tǒng)中至少有一項任務(wù)是由單個中央控制器為所有車輛全局決定的，則它將方法分類為集中式。在分散式方法中，將車輛視為自主代理，它們試圖通過戰(zhàn)略互動（strategic interaction）來最大化其協(xié)作效率。在這種框架下，每輛車都從其他車輛和路邊基礎(chǔ)設(shè)施獲取信息，優(yōu)化特定的性能標(biāo)準(zhǔn)（例如，效率和行駛時間），同時滿足運(yùn)輸系統(tǒng)的物理約束（例如，停車標(biāo)志和交通信號）。匝道計表（Ramp metering）是用于調(diào)節(jié)匯聚入高速公路的車輛流量以減少交通擁堵的常用方法。盡管已經(jīng)表明它可以幫助改善高速公路的總體交通流量和安全性，但由于匝道長度較短，可能會出現(xiàn)一些問題，例如對相鄰道路上的交通產(chǎn)生干擾。以前已經(jīng)探索了解決這些挑戰(zhàn)的不同策略，包括反饋控制理論、最優(yōu)控制和啟發(fā)式算法。

鑒于最近的技術(shù)發(fā)展，一些努力考慮解決匯聚道路而引起的交通擁堵的幾種路徑。在這些努力中，假設(shè)道路上的車輛已連接并具有一定程度的自主權(quán)。該假設(shè)有助于設(shè)計策略，以實現(xiàn)合并動作的安全和有效協(xié)調(diào)，從而避免車輛不必要的走走停停（stop-and-go）操作。另一方面，對于十字路口，交通信號燈被認(rèn)為是控制交通的最有效方法之一，并且仍在進(jìn)行嘗試以提高其有效性。據(jù)報導(dǎo)，使用集中式和分散式控制算法可通過交叉路口實現(xiàn)安全有效的交通自主控制的方法很多。請注意，交叉路口控制問題和合并控制問題本質(zhì)上非常相似，為交叉路口控制提出的大多數(shù)方法都可以輕松地用于合并協(xié)調(diào)，反之亦然。

數(shù)字設(shè)備正變得越來越普遍并且相互聯(lián)系。它們向數(shù)字生態(tài)系統(tǒng)智能部分的演進(jìn)創(chuàng)造了迄今為止尚未解決安全問題的新穎應(yīng)用。一個特定的例子是車輛，隨著車輛從簡單的交通方式發(fā)展到具有新的感知和通訊功能的智能實體，它們成為智能城市的活躍成員。車聯(lián)網(wǎng)（IoV）包括通過V2V（車對車），V2I（車對基礎(chǔ)設(shè)施）和V2P（車對行人）交互而與公共網(wǎng)絡(luò)進(jìn)行通信的車輛，其收集和實時共享有關(guān)路網(wǎng)狀況的關(guān)鍵信息。社交物聯(lián)網(wǎng)（SIoT）引入目標(biāo)（objects）之間的社交關(guān)系，創(chuàng)建了一個參與者不是人類而是智能目標(biāo)的社交網(wǎng)絡(luò)。該文探討了車輛社交網(wǎng)絡(luò)（SIoV，Social Internet of Things）的概念，該網(wǎng)絡(luò)使車輛之間和駕駛員之間的社交互動成為可能。本文還討論了SIoV的技術(shù)和組件，可能的應(yīng)用以及可能出現(xiàn)的安全性，隱私和信任問題。

上下文覺察技術(shù)和無線車輛通信技術(shù)，例如專用短距離通信（DSRC）、長期演進(jìn)（LTE）、IEEE 802.11p和用于微波訪問（WiMax）的全球互操作性，其最新發(fā)展推動了車輛網(wǎng)絡(luò)的設(shè)計、開發(fā)和部署。越來越多提議想把社交網(wǎng)絡(luò)應(yīng)用用于車載網(wǎng)絡(luò)，這導(dǎo)致傳統(tǒng)車載網(wǎng)絡(luò)向SIoV的轉(zhuǎn)變。

本文著重于三個主要方面：（1）下一代車輛； （2）車輛上下文覺察（3）SIoV上下文覺察應(yīng)用。車輛自組織網(wǎng)絡(luò)（VANET）是一種移動自組織網(wǎng)絡(luò)，已被提出來提高交通安全性并為駕駛員提供舒適的應(yīng)用程序。VANET的獨特功能包括遵循預(yù)定路徑（即道路）的快速行駛的車輛和具有不同優(yōu)先級的消息。

使用車載單元，車輛可以彼此（V2V）和與路邊單元（V2I）進(jìn)行通信。這可以實現(xiàn)多種其他形式的通信，例如車對寬帶云（V2B）（其中車與監(jiān)視數(shù)據(jù)中心進(jìn)行通信），車對人（V2H）這種脆弱的道路使用者即行人或自行車，進(jìn)行通信，或者車輛對傳感器（V2S）、車輛與環(huán)境中嵌入的傳感器進(jìn)行通信。

IoV的一個關(guān)鍵方面是使車輛具有上下文覺察能力，即了解周圍的情況，尤其是與之特別相關(guān)的情況。上下文覺察系統(tǒng)是那些能夠使其行為適應(yīng)其當(dāng)前上下文環(huán)境的系統(tǒng)。車輛的上下文感知可以通過三個主要子系統(tǒng)提供：感知，推理和行動。

感知子系統(tǒng)從與車輛OBU集成的不同傳感器收集上下文信息。這些傳感器的類型根據(jù)車輛的要求而有所不同，例如位置、紅外或超聲波。換句話說，此表示是收集上下文數(shù)據(jù)的方式。

推理子系統(tǒng)處理原始數(shù)據(jù)以提取高級上下文信息，例如駕駛員的情況?？梢詮亩x特定上下文信息的單個傳感器中提取上下文信息，也可以從定義不確定上下文信息的多個傳感器中提取上下文信息。

執(zhí)行子系統(tǒng)代表應(yīng)用程序執(zhí)行者，該執(zhí)行者為用戶或其他驅(qū)動程序提供服務(wù)、傳播警告消息、車載警報和智能停車輔助系統(tǒng)是部署高級應(yīng)用程序的示例，這些應(yīng)用程序可防止發(fā)生事故并減少道路擁堵。

出行（Mobility）是城市生活的支柱，也是世界發(fā)展的重要經(jīng)濟(jì)因素?？焖俚某鞘谢M(jìn)程和特大城市的發(fā)展正在帶來車輛能力的變化。自主性、電氣化和連接性等創(chuàng)新解決方案即將出現(xiàn)。那么，我們?nèi)绾尾拍芴峁┡c傳統(tǒng)和自動駕駛汽車的普遍連接？

本文試圖通過結(jié)合網(wǎng)絡(luò)虛擬化方面的最新創(chuàng)新飛躍與無線通信的壯舉來回答這個問題。為此，它提出了一種稱為自動駕駛汽車互聯(lián)網(wǎng)（IoAV）的范例。通過討論IoAV的顯著特征和應(yīng)用，它開始繪制IoAV這幅畫，然后詳細(xì)討論關(guān)鍵的啟用技術(shù)。接下來，本文描述了IoAV的分層體系結(jié)構(gòu)并揭示了每一層的關(guān)鍵功能。然后是IoAV的性能評估，該評估表明了所建議架構(gòu)在傳輸時間和能耗方面的顯著優(yōu)勢。最后，為了最好地把握IoAV的優(yōu)勢，該文列舉了一些社會和技術(shù)挑戰(zhàn)，并解釋了一些未解決的問題如何在未來擾亂自動駕駛汽車的廣泛使用。

自動駕駛中車輛和車路協(xié)同的具體技術(shù)