车联网内海量数据收集与并行处理的通用平台技术研究

Nowadays, cities all around the world are getting more and more overcrowded with vehicles, which has a negative impact on our society, economy and environment because of the growing traffic congestions, accidents, air pollution and etc. Vehicular Sensor Networks (VSNs) have received increasing research interests in view of its ability to improve safety and efficiency of contemporary transportation systems. With advancements in big data, human intelligence and etc., a new big data era of VSNs is coming. VSNs in big data era are able to get a global view of the status of the road by making use of data fusing or machine learning techniques to analyze the huge data collected from vehicles and provide valuable services. However, how to efficiently collect the huge amount of data from vehicles poses great challenges to VSNs, specifically, the huge amount of collected data not only consumes a lot of bandwidth resources, but also overloads the cloud server. In this work, we aim to build a platform to support data collection and in-network parallel processing in VSNs. By utilizing the computation resources of modern vehicles to process the collected data in parallel during data collection, the platform is able to not only reduce the bandwidth consumption, but also alleviate the workload of the cloud server.

近年来，全球汽车数量迅速增长，造成了交通拥堵、交通事故和空气污染等负面影响。为了建立绿色、高效和可持续发展的现代交通系统，车联网受到了广泛的重视。随着大数据和人工智能等技术的发展，车联网技术进入了大数据时代。大数据时代的车联网技术能够基于车辆收集到的海量数据，采用人工智能和数据融合等技术对数据进行分析，实现对道路状态的全局掌控，从而提供多样化的高质量的服务。然而，海量数据的收集也对车辆网带来了新的挑战，具体为海量数据的收集对车联网内的数据传输造成了严重的负担，同时也加重了云端服务器的工作负荷。因此，本研究致力于建立一个面向车联网的海量数据收集与并行处理的通用平台。该平台能够支持多样化的数据收集，利用车载的计算资源，在数据收集的过程中对数据进行并行传输与处理, 在减少数据收集所需要的带宽消耗的同时，减轻云端分析处理平台的负担。

近年来，车联网在智能交通的应用中得到了广泛的重视和利用。以车联网为基础的数据收集和传输，可以为多样化的智能交通应用提供高质量的数据，实现对道路状态的全面掌控，从而提供多样化的高质量的服务。本项目主要围绕智能交通场景下，以车联网为基础的数据感知、瓶颈区可变限速交通策略以及任务卸载调度等三方面来开展研究。主要研究成果包括：1）面向多元多样异构终端设备的普适位置感知策略。该策略在能够在精确感知车载无线终端设备位置的同时，有效的避免了繁琐的对多元多样的异构终端设备的适配操作；2）基于车联网的混合交通下瓶颈区可变限速交通策略。该策略以车联网为基础，当交通路网瓶颈处车流量超过瓶颈区的最大容量的时候，通过对路网中的车辆调整最大限速的方式，保证道路瓶颈区的通行能力，最大限度地减少因车辆拥堵导致瓶颈区通行能力下降的问题；3）基于车联网的任务卸载调度策略，该策略考虑了车联网中车辆移动对于数据传输链路的影响，提出了考虑自适应传输速率的车联网内任务卸载调度策略。本项目的研究成果有助于推动以车联网为基础的智能交通应用的发展，对当前我国智能交通系统的发展具有理论指导意义和实际应用价值。