123,123

数据主体主导的数据流通逻辑与实现路径研究[通信与网络][数据中心]

数据上升为全新的生产要素，发展数据要素市场、激活数据要素潜能成为全球各国在数字时代抢占竞争优势的关键抓手，但数据资源分散、流通壁垒林立，共享、开放以及交易等流通路径面临诸多困境难以破题，数据流通的长效机制研究亟待建立。通过深度剖析数据控制主体主导的数据流通体系，分析其面临的困境及内在原因，充分借鉴全球各国对数据流通新路径的探索与实践经验，提出了数据主体主导的数据流通新路径，包括设计思路、基础与支撑、实施路径以及效益分析，为数据流通机制探索与模式创新提供参考。

發(fā)表于：2022/7/20 下午3:57:25

基于交叉口多维状态评估的信号配时优化研究[其他][其他]

交叉口运行状态的准确评估能够为交通管理系统提供可量化的交叉口信息，为优化交叉口信号控制提供依据。针对当前交叉口运行状态评估侧重行车感受，客观性不强，确定了结合机动车和行人需求的多维评估指标体系，利用AHP-变异系数双层集成赋权模型确定各指标权重，得到交叉口运行评估模型。基于评估模型采用含噪声的深度Q学习（NoisyNet DQN）算法进行信号配时优化研究。以合肥市某交叉口为例，基于交通仿真软件证明了该方法能有效减缓交通拥堵，提高行人感受，具备较高的应用拓展性。

發(fā)表于：2022/7/5 下午6:25:40

基于缓存机制的Hyperledger Fabric并发冲突检测方法[其他][其他]

Hyperledger Fabric(Fabric)是一个受关注度较高的许可链平台，具有高度模块化、可定制化和可插拔的特点。针对Fabric在高并发的场景下会出现并发冲突导致交易无效的问题，提出一种冲突检测与处理的方法,即利用缓存交易写集的方式在执行阶段检测交易是否冲突，最大程度减小冲突交易在Fabric系统的资源消耗。实验结果表明，在具有冲突交易的场景下，提出的方法能降低平均交易时延，提高系统有效交易吞吐量；并且在没有冲突交易的情况下，不会明显降低性能。

發(fā)表于：2022/7/5 下午6:19:58

分布式VANETs中车流自适应的低冲突TDMA-MAC协议[通信与网络][汽车电子]

在分布式车载自组织网络中，动态变化的双向车流会严重影响基于slot分组的TDMA-MAC协议降低冲突的效果以及整体协议的安全性与可靠性，对此设计一种车流自适应的低冲突TDMA-MAC协议TALC-MAC。采用slot占用率作为分组调整的判断依据，设计详细的分组扩展与收缩策略以适应车流实际分布。同时优化帧内slot分组方案与节点预约slot的策略，进一步降低网络中发生冲突的概率。仿真实验结果表明TALC-MAC能有效适应双向车流的动态变化，保持协议整体低冲突的特性。

發(fā)表于：2022/7/5 下午6:11:14

基于凸优化的FSO/RF自动请求重传协议方案[其他][其他]

针对FSO/RF混合链路的高效可靠数据传输问题,研究系统在二进制相移键控（BPSK）调制与ARQ差错控制模式下双链路重传协作的优化设计方法。基于FSO信道双伽马（Gamma-Gamma）分布的湍流模型和RF信道Nakagami-m分布的衰落模型,推导得出混合链路平均包错误率与吞吐量的解析表达式,并运用凸优化求解方法得出吞吐量最优解时的数据重传协作比例系数。在不同大气湍流强度与衰落因子条件下,计算分析了FSO/RF混合链路ARQ数传方案的平均包错误率与吞吐量性能。数值结果表明,采用优化后的ARQ双链路重传比例策略,可有效提高混合链路传输的可靠性与数据吞吐量性能。

發(fā)表于：2022/7/5 下午6:05:00

基于直接高阶注意力和多尺度路由的图神经网络[通信与网络][通信网络]

图神经网络中的注意力机制在处理图结构化数据方面表现出优异的性能。传统的图注意力计算直接连接的节点之间的注意力，并通过堆叠层数隐式获取高阶信息。尽管在图注意力机制方面目前已有广泛的研究，但用于注意力计算的堆叠范式在建模远程依赖方面效果较差。为了提高表达能力，设计了一种新颖的直接注意力机制，这一机制通过K阶邻接矩阵直接计算高阶邻居之间的注意力。通过自适应路由聚合过程进一步传播高阶信息，这使得聚合过程更灵活地适应不同图的特性。在引文网络上的节点分类任务上进行了大量的实验。实验表明，该方法优于最先进的基线模型。

發(fā)表于：2022/7/5 下午5:57:00

地铁运营岗位应急处置培训的语音识别研究[通信与网络][通信网络]

地铁交通运营是一种整体性活动，离不开各部门间的协调配合,地铁运营岗位应急处置培训系统应用于多个岗位的联合培训。该系统通过语音识别来实现模拟岗位间语音交互及对培训过程智能评价的功能。提出的语音识别方法可实现离线网络下对地铁培训专业术语的高识别精度，利用深度全序列卷积神经网络（DFCNN）和链接时序分类（CTC）构建声学模型，对应急处置培训用语进行整理并构建专业术语库，基于统计学构建语言模型。实验结果表明，该语音识别方法能够有效识别地铁应急处置培训用语，为地铁运营岗位人员的培训和考核提供更全面的评价指标。

發(fā)表于：2022/7/5 下午5:54:31

基于方向一致损失的轻量车道线检测[通信与网络][汽车电子]

目前，轻量型车道线检测网络存在弯道检测效果差、网络感受野不够与实时性受限等问题，故提出了一种改进的轻量型车道线检测网络模型。首先，为提高弯道检测效果，设计了一种方向一致损失，以使模型适用于弯道场景。其次，为在增强网络实时性的同时提高其感受野，提出将自注意力机制与RepVGG相融合的网络作为模型的主干网络。该模型在CULane测试集上测试的总F1-measure达到了70.7%，在Tusimple测试集上测试的准确率达到95.92%，其平均推断速度达到了408 FPS。实验结果表明，该模型相较于目前轻量型模型在性能上有一定的提升，尤其对弯道场景下的车道线检测效果提升明显。

發(fā)表于：2022/7/5 下午5:14:15

基于注意力机制的无监督单目标跟踪算法[其他][其他]

为提升目标跟踪精度，设计一种基于注意力机制的无监督单目标跟踪算法。该算法使用DCFNet网络作为基本网络，通过前向跟踪和后向验证实现无监督跟踪。为结合上下文信息，引入特征融合方法，且将DCFNet网络每一层所提取的特征通过双线性池化调整分辨率以便进行特征融合；为关注不同特征通道上的关系，引入通道注意力机制SENet模块；设计一个反向逐帧验证方法，在反向验证中间帧的基础上再预测第一帧，进而减少判别位置的误差。在公共数据集OTB-2015上的测试结果显示，本算法AUC分数达60.6%，速度达61FPS。与无监督单目标跟踪UDT算法相比，所设计算法取得了更优的目标跟踪性能。

發(fā)表于：2022/7/5 下午5:06:05

交通场景下基于深度强化学习的感知型路径分配算法[其他][其他]

路径分配问题是交通数字孪生系统的重要研究方向之一，其重点是综合考量行驶需求的动态变化以及路网信息的实时改变，实现高效合理的路径规划。现阶段一些经典的分配算法如粒子群、Dijkstra等算法及其优化模型仅能达到全局静态最优，忽略了现实交通中的复杂变化。而逐渐推出的各种深度学习算法虽能进行全面的时空预测，但受限于海量历史数据的归纳分析以及较高的运算成本，难以大规模应用。鉴于此，提出了一种静态分配算法与深度强化学习算法结合的感知型路径分配算法,在行驶中依据实时路网信息和车辆当前状态，实现全局路径动态再分配及更新，相关算法的精度和效率在仿真实验中得到验证。

發(fā)表于：2022/7/5 下午4:51:30