群智协同 **基于群体智能的车联网服务支撑技术** >车联网与智能驾驶方向主要围绕多车、多车路协同的新型网络互联与服务，利用大数据、人工智能等新兴技术与手段，研发新型融合网络与服务体系、群体智能服务模型、智能驾驶与智慧城市领域应用新技术。 # 方向简介 车联网中的多车、车路协同控制问题是融合网络控制技术的延伸，其核心关键技术是物理空间中的车辆实体与信息空间中的认知、决策计算功能之间的协同控制问题。 我们于2012年开始，将融合网络协同控制技术扩展到车辆群体协同、车路协同、智能化协同驾驶服务场景。先承担了2012年国家863项目课题“面向新型商业模式的电动汽车技术支撑体系支撑设备研发及示范”（2012AA111601），解决了电动汽车有序充电的协同路线规划与推荐问题。其后，开始基于群体智能计算模型，对多车终端智能、多路侧边缘智能及云端智能构成的复杂群体智能计算模型进行了长期深入研究。 2014年，我们首次提出一种人车协同控制模型，基于信息空间群智协同的虚拟车（VV：Virtual Vehicle）概念，建立了“端-边缘-云”的群体智能计算框架，并通过多虚拟车的群体协同完成环境信息采集、数据卸载等车联网服务。在此基础上，我们承担了2016年国家科技重大专项“5G 支持ICT 融合自动驾驶的关键技术研发与验证”（2016ZX03001025-003），基于群体智能计算模式实现路网中群体车辆的行驶状态、路网状态的认知与重建工作。 针对以5G为基础的未来C-V2X网络，我们进一步针对“端-边-云”框架中的交通资源、通信资源、计算资源的联合认知、调度、决策关键技术展开研究。包括，在5G I2V环境下，基于改进的深度学习模型进行交通态势和负载态势的联合认知，并在态势认知基础上平衡5G C-V2X网络负载。考虑5G C-V2X支持下的交通环境中，车辆个体的动态选路决策与交通状态变化存在的复杂耦合，及传统多智能代理自组织演化博弈方法难以考虑个体差异和调度目标，难以获得较优解的问题，进一步扩展群体智能的计算模型，通过建立一种基于博弈深度强化学习的多智能体协同演化方法，实现多智能体群体决策与全局态势的均衡，以满足跨层协同控制，并获得了2018年度国家自然科学基金面上项目“基于博弈强化学习的交通态势协同演化机制研究”（61876023）的资助。 # 承担的项目 - 智慧道路环境下信息域与交通域联合优化方法研究(61902035)，国家自然科学基金青年项目，2020~2022 - 基于博弈强化学习的交通态势协同演化机制研究(61876023)，国家自然科学基金面上项目，2019~2022 - 5G动态车联网环境下的网络资源优化调度与车辆移动优化方法(4181002)，北京市自然科学基金重点项目，2018~2020 - 5G支持ICT融合自动驾驶的关键技术研发与验证(2016ZX03001025-3)，国家科技重大专项课题，2016~2017 - 融合网络环境下实时与自适应的服务选择机制研究(61472047)，国家自然科学基金，2015~2018 - 北京市科学研究与研究生培养共建项目（车联网方向），北京市共建项目，2015~2018（PI） - 面向北斗的定位导航服务能力开放平台，北京市产学研转化项目，2014~2015 - 面向大规模服务系统的在线服务质量预测方法研究(61472338)，国家自然科学基金，2014~2017 - 基于TD-LTE的低空空地无线宽带通信系统总体技术研究(2013ZX03001028-002)，国家科技重大专项课题，2013~2014 - 面向新型商业模式的电动汽车技术支撑体系关键设备研发及示范(2012AA111601)，国家863课题，2012~2015 - 融合网络会话控制组网、业务生成、终端管理和业务性能监测关键技术研发(2011AA01A102)，国家863课题，2012~2014 - 国家863课题，2010~2011 - 国家863课题，2009~2010 # 主要学术成果 - **Luo Guiyang**, Wang Xiaodong, **Li Jinglin\***, **Yang Fangchun**. Coded Cooperative Data Exchange in Multi-channel Multi-hop Wireless Networks[J]. *IEEE Internet of Things Journal*， 2020. （DOI：[10.1109/JIOT.2020.2964595](http://dx.doi.org/10.1109/JIOT.2020.2964595))(Early Access)(<font color=red>中科院大一区</font>) - **Luo Guiyang**, Zhou Haibo, Cheng Nan, **Yuan Quan, Li Jinglin\***, et al. Software Defined Cooperative Data Sharing in Edge Computing Assisted 5G-VANET[J]. *IEEE Transactions on Mobile Computing*, 2019. ( DOI: [10.1109/TMC.2019.2953163](https://doi.org/10.1109/TMC.2019.2953163))(Early Access)(<font color=red>CCF-A刊</font>) - **Li Jinglin, Luo Guiyang**, Cheng Nan et et al. An End-to-End Load Balancer based on Deep Learning for Vehicular Network Traffic Control[J]. IEEE Internet of Things Journal, 2019, 1(6):953-966. ( DOI: [10.1109/JIOT.2018.2866435](https://doi.org/10.1109/JIOT.2018.2866435) )(WOS:000459709500081)(<font color=red>中科院大一区</font>) - **Quan Yuan**, Zhou Haibo, **Liu Zhihan\*, Li Jinglin** et al. CESense: Cost-Effective Urban Environment Sensing in Vehicular Sensor Networks[J]. *IEEE Transactions on Intelligent Transportation Systems*, 2019, 20(9):3235-3246. ( DOI: [10.1109/TITS.2018.2873112](https://doi.org/10.1109/TITS.2018.2873112) )(WOS:000484207200004)(<font color=red>中科院小一区</font>) - **Li Jinglin, Fu Dawei, Yuan Quan**, et al. A Traffic Prediction Enabled Double Rewarded Value Iteration Network for Route Planning[J]. IEEE Transactions on Vehicular Technology，2019, 68（5）: 4170-4181. ( DOI: [10.1109/TVT.2019.2893173](https://doi.org/10.1109/TVT.2019.2893173) )(WOS:000470017500008)(<font color=red>中科院大二区</font>) - **Yuan Quan**, Zhou Haibo, **Li Jinglin\*** et al. Toward Efficient Content Delivery for Automated Driving Services: An Edge Computing Solution[J]. *IEEE NETWORK*, 2018, 32（1）: 80-86.( DOI: [10.1109/MNET.2018.1700105](https://doi.org/10.1109/MNET.2018.1700105) )(WOS:000423572900012)(<font color=red>中科院大一区，ESI高被引</font>) [更多刊物论文...](http://iov.sicrc.cn/index.php/archives/49.html) [更多会议论文...](http://iov.sicrc.cn/index.php/archives/50.html) # 成果获奖 - 2019年中国产学研合作创新奖，中国产学研合作促进会，个人奖，2019 - 基于群体智能的车联网服务支撑平台，中国人工智能学会，科技进步奖，三等奖，2017 # 承担课程 车联网与智能驾驶，研究生课程 车联网导论，本科生课程
评论已关闭