一、分布式智能网中一种实用的负载控制模型（论文文献综述）
《中国公路学报》编辑部[1]（2017）在《中国汽车工程学术研究综述·2017》文中进行了进一步梳理为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
尹泽明[2]（2008）在《基于服务组合、支持业务质量感知的电信业务提供若干关键问题研究》文中提出在融合网络为开放各种网络的业务能力提供可能和服务技术为软件复用问题提供很好的解决方案的背景下,电信业务提供领域更迫切地需要采用软件领域中的新科学方法和技术来改进其原有的业务提供方法与技术。随着Parlay等技术被成功地应用,基于“开放业务能力+协调框架”思想的架构被证实是融合网络环境下一种很好的电信业务提供架构。构件技术发展衍生出来的服务技术在继承了构件技术原有的解决软件复用的优点的基础上,为构建更加松耦合的系统提供了很好的支持。因此,采用服务来封装开放业务能力,以服务为元素进行组合来生成电信业务的方法被认为是一种灵活、有效的业务提供方法。而服务本身的合约性为基于服务组合方式提供满足一定程度下业务质量需求的业务提供了可能。目前关于服务组合技术已经展开了广泛的研究,本文立足于解决采用服务组合来提供电信业务的方法中有关业务质量的问题,进行了包括对业务提供系统架构、业务质量体系、服务发现、服务选择、服务组合执行中负载均衡这五个问题的研究。本文的结构安排如下,首先阐述了研究背景和意义并介绍了主要研究工作（第一章）,然后在研究综述中分析了基于服务组合来提供电信业务的方式是网络融合背景下的趋势并概述了当前服务组合研究的现状并对其进行了归纳,从而指出基于服务组合、支持业务质量感知的业务提供方法的研究方向（第二章）,接着提出了一种基于服务开放业务能力的业务提供系统架构,并基于服务的合约性构建了一种支持业务质量感知的增强架构（第三章）,结合面向融合网络的角色模型和支持业务质量感知的服务组合架构,提出了一种面向基于服务组合提供业务的业务质量体系架构,和相应的业务质量指标体系及业务综合质量评价方法（第四章）,针对该增强架构下如何有效发现可用服务实例的问题,提出一种基于语义的服务描述模型和基于此模型的服务匹配机制（第五章）,针对开放网络环境下每个服务请求可能发现多个满足其功能需求的服务实例时如何选择服务实例来满足业务质量约束的问题,根据服务组合特性构建了单目标优化的服务选择模型,并通过改进的遗传算法来求解该模型（第六章）,针对服务组合执行中的负载均衡问题,基于博弈论方法和相对负载测度方法提出了在服务叠加网中的有效的服务组合路由方法（第七章）,最后对论文研究工作进行了总结,并提出一些进一步研究的可能方向（第八章）。论文的主要工作和创新归纳如下:（1）在现有SDP（Service Delivery Platform）模型基础上,引入SOA（Service OrientedArchitecture）的概念,构建了一个在融合网络环境下以服务来开放业务能力进而通过服务组合方式来提供电信业务的基本业务提供模型;在基本模型的基础上,通过引入服务合约模型进而构建出支持业务质量感知的增强模型。基于此增强架构,可以基于封装了来自各种网络的业务能力、符合现有服务规范要求的服务通过组合的方式来提供满足特定业务质量需求的业务。（2）为支持上述业务提供模型,结合面向下一代网络的业务提供角色模型,提出了相应的业务质量体系结构,并使用Z语言对其进行形式化规约并验证该体系结构的有效性（对层内元素及层间映射关系的验证）,针对其业务层元素,提出了相应的业务质量指标体系和对业务质量进行综合评价的评价方法。（3）针对服务描述中语义信息不足的问题,通过应用领域本体实现了基于语义扩展的服务发现,在服务发现算法中进行了语义扩展,使得对服务语义的计算更加全面和准确;针对服务质量描述和匹配问题,本文在服务描述模型中加入了可扩展的服务质量描述,并给出了匹配计算的方法。（4）针对其它针对基于业务质量感知的服务选择问题研究的不足,提出了一种服务组合流程的表示方法,进而将服务选择全局优化问题建模为一个带有业务质量指标约束的组合优化问题,针对服务选择的特征来设计遗传算法的编码方法、适应度函数、交叉算子、变异算子、选择算子来执行基于组合流程信息的搜索,生成一组满足约束条件的服务组合流程集。在此遗传算法基础上,引入免疫学知识对该算法进行扩展来验证该遗传算法和给出改进方向。（5）针对分布式服务组合中服务路由和负载均衡问题,提出了一种自适应的分布式负载均衡算法。该算法基于非合作静态博弈方法和本地负载率测度来进行下一跳服务节点的选择,从而在服务叠加网中建立起一条合适的服务组合执行路径,达到负载均衡的效果以提高服务组合执行的性能。
王晓庆[3]（2006）在《面向智能网演进的异构网络中间件体系研究》文中指出下一代网络将是一种可以提供话音、数据和多媒体等各种业务的综合性开放式网络。本文以实现网络开放、智能网（IN）的在线演进为目标，研究异构网络中间件的原理及其实现技术问题。在对异构网络中间件的概念、原理进行详细定义的基础上，以OSA／Parlay的技术标准为背景，以独立于实现技术的MDA方法对异构网络中间件的体系结构进行了全面描述。之后详细研究了基于IN平台构建异构网络中间件的原理和实现方法，并提出了基于最小改变策略的增强IN模型以满足异构网络中间件平台的功能和性能新需求，为了应对开放环境下异构网络中间件平台的新挑战，将反射特征以业务的方式引入到中间件平台。 论文工作的主要创新点简要归纳如下： 1．建立了异构网络中间件的原理框架 首先从网络运营商的角度，以开放网络能力、支持第三方简捷制作业务为目标，提出在业务层和网络层之间引入异构网络的中间件层，以屏蔽网络的异构性，为基于异构网络中间件的业务开发人员提供了一个直观的、易于理解的基准模型。 2．分析了异构中间件平台体系结构的全貌 从全局的视点，以与具体实现技术无关的MDA模型，借助“4+1”多视点的方法，分析了中间件平台体系结构的全貌，为构造独立于实现技术的异构网络中间件平台提供了统一的理论模型。 3．提出了基于IN构造异构网络中间件平台的方法 深入研究了基于IN平台基本架构，用私有化的IN平台和制作业务的私有技术，构建开放式异构网络中间件平台的理论和实现技术，并以业务的方式实现了OSA GCC SCF原型系统。 4．提出了基于最小改变策略的增强IN平台功能模型 针对用IN平台直接构造异构网络中间件平台在许多功能和性能的支撑方面的不足，基于最小改变策略，将截取器的概念自然引入到异构网络中间件平台，作为增强IN功能的基本手段。 5．研究了基于IN业务特征的反射式异构网络中间件平台 以面向业务层的需求为导向，利用IN本身的特征，建立了基于
刘彦明[4]（2003）在《智能网关键技术研究》文中指出随着智能网技术及其业务开发技术的日趋成熟，越来越多的、各种类型的智能网业务须通过电信运营商提供给广大用户，其中业务质量（QoS）保证问题是一个严峻的挑战。事实上，智能网应用的关键问题就是如何提高系统的QoS，包括智能网业务的管理和提供。 本文研究了提高智能网服务质量的两个关键技术：能力件交互处理技术与智能网的负载控制技术。根据业务开发过程的阶段划分，我们将处理能力件交互的技术分为四个阶段的处理方法，即需求阶段、设计阶段、测试阶段和运行阶段的能力件交互处理技术。 所谓需求阶段能力件交互处理方法，是从用户可觉察的业务行为特性来研究能力件的交互问题，提出能力件交互检测方法，该方法采用URN（User Requirements Notation）作为业务／能力件的需求规范和用户可觉察的业务行为的模型。本文根据这个原理提出了一种能力件组合模型，定义了能力件交互检测的规则，给出了能力件交互检测定理，进而提出了一种需求分析阶段的能力件交互检测方法。同时，利用能力件的行为模型，提出了基于情节（Scenario）的能力件交互检测规则及其检测方法，以便动态地检测能力件交互。 设计阶段能力件交互处理方法，是基于设计者可观察的能力件行为研究能力件交互检测的，即以能力件的内部状态和所具有的性质作为出发点研究能力件交互检测。能力件模型采用有限状态机和时序逻辑分别表示能力件的内部状态及其转移关系和能力件所具有的不变性。本文根据能力件的行为模型，提出了能力件组合的基本原理和能力件交互模型，给出了一个能力件交互检测定理和相应的能力件交互检测算法。考虑到能力件交互的特殊性，本文提出了一种实用的方法以避免因状态爆炸而引起检测算法不可用的现象。 测试阶段能力件交互处理方法，是以测试角度作为研究能力件交互检测的出发点。本文在讨论单能力件测试方法的基础上，提出了基于测试技术的多能力件交互检测方法，并根据能力件交互的特殊要求给出了面向交互检测的测试序列生成算法，即基于UIO的叠加回路测试序列生成算法。 运行阶段能力件交互处理方法研究在实际运行环境中处理能力件交互的问题。该方法以能力件在运行环境中的事件（消息）树作为研究处理运行时能力件交互的出发点，通过构造迹空间、裁剪迹空间和提取正确解，建立处理能力件交互方法。本文提出了一种运行阶段的学习机制，改善正确解的性能。智能网关键技术研究 影响智能网服务质量的另一个关键技术是负载控制技术。由于传统的智能网采用集中式（单业务控制点）方式控制业务，随着业务数量的不断增加，业务控制点将会成为制约智能网应用的主要“瓶颈”，因此本文针对这一问题提出了多SCP的智能网模型和相应的负载控制算法。 该模型是通过深入分析多SCP智能网排队模型、多SCP智能网呼叫模型和典型的呼叫处理过程的基础上得出的，其负载控制算法包括过载控制和路由控制两部分，融合了集中式和分布式智能网的优点。此外，本文还提出了一种基于负载信息回带技术和最小运行代价准则的负载控制方法，并分析了该算法的公平性。 上面所提出的方法已经通过仿真实验和理论推导进行了验证，将在智能网方面得到很好的应用。
刘彦明,马玉祥,易克初,柯国富[5]（2002）在《分布式智能网中一种实用的负载控制模型》文中进行了进一步梳理 1.引言市场竞争的因素使得电信运营商的联合将会进一步加强,同时业务控制点应用软件的复杂性会进一步提高。这就要求智能网应能同时满足不同业务控制点的合作和降低业务控制点的复杂性。例如,假设在同一个业务控制点上同时有成千上万个进程/线程,并提供业务控制,这时的业务控制点的复杂性和控制难度将会如何? 因此,需要有相应的技术支持来满足上述需求,而智能网正是实现和满足该需求的较好途径。但是,传统智能网的业务控制方式采用集中控制,该控制方式使得业务控制点（SCPs）成为业务逻辑的唯一控制者。但是随着智能网业务的不断增加,业务控制点的业务处理能力和业务控制点与业务交换点之间的通信能力将会成为制约智能网业务发展的主要障碍,即瓶颈。为此研究人员提出了负载
林韬[6]（2021）在《车路协同环境下的边缘计算资源优化方法研究与实现》文中研究说明随着5G技术与智能化技术的不断发展,智能网联汽车能够依靠车路协同技术,通过路边基础设施的边缘缓存、边缘计算服务对交通态势形成更具体的认知,以保障行车安全,提高交通效率。由于交通系统情况复杂且车辆需求多样,路边基础设施所能够提供的通信、缓存、计算资源为智能网联汽车提供服务时通常会出现需求时空分布不均衡、资源供需不平衡的情况,从而影响服务质量。交通系统中车辆的行车路线分布与边缘资源的区域性请求存在着复杂的耦合关系,仅通过服务放置与迁移均衡边缘资源负载的效果有限,且集中式调度策略通常会因交通系统问题规模庞大而遭遇计算瓶颈。为应对以上问题,本文利用多智能体深度强化学习来解决车路协同场景下的“道路-边缘服务”资源资源联合优化问题。本文对于车路协同环境下车辆行车与服务迁移场景中的道路资源、通信资源、网络资源、计算资源建模并定义了优化目标,然后基于MADRL方法提出一种双通道的网络模型为智能网联汽车提供行车规划与服务迁移的联合优化决策来实现道路资源与边缘计算信息资源的联合优化调度。并设计仿真实验证明本文算法能够均衡地利用道路资源与边缘资源从而保证车辆应用满足服务时延要求且保证车辆行车效率。车路协同场景中,车辆的移动模式不仅影响连接基站序列,还会影响所连接基站的通信质量,这些因素会影响缓存资源的调度决策。且基于状态快照的缓存调度方法难以保证长期效用的最优化。为了解决这一问题,本文对于车路协同场景中利用微基站为车辆提供缓存服务的问题进行研究。本文对此场景的通信资源、缓存资源建模并定义缓存内容分发开销,最后立足于边缘缓存资源的长期效用优化,利用深度强化学习思想提出一种缓存内容分发决策算法,该算法通过评估系统状态值与采取的不同的动作优势函数值决定输出决策动作。并设计仿真实验,证明本文算法在保证车辆及时获取目标内容的同时,提高了缓存资源的利用效率。
张庆阳[7]（2021）在《基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究》文中认为近年来基于云计算的物联网行业蓬勃发展,物联网的应用、单节点数据、总数据量均呈爆炸式增长,海量设备产生的数据给云中心带来了巨大的负担。基于边缘计算的物联网采用云边端协同的方式将计算推至靠近数据产生的地方,就近完成数据处理,降低了云中心的数据通信和计算代价,带来了更高质量的服务。然而边缘计算也给物联网应用带来了诸多安全问题。边缘协同中边缘节点和物联网设备具有高度异构性,无法获得同云中心相同等级的安全防护,易受攻击,应用数据的安全无法得到保障。如何保障边缘协同中物联网应用数据的安全是基于边缘计算的物联网发展必须要解决的问题。为此,本文提出基于虚拟边缘节点的数据协同计算架构（Virtual Edge based Collaborative Architecture,VECA）。该架构利用虚拟边缘节点建立对物联网节点在数据访问管理层、数据安全传输层、数据协同计算层统一的抽象规则,进而实现一个贯穿数据访问、数据计算和数据传输三个维度的物联网应用数据防护体系,为解决物联网异构节点数据交互及数据计算中的安全问题提供统一的架构基础。基于该体系架构,本文在数据访问安全管理、数据传输安全高效、数据计算安全协同等三个方面提出解决方案:（1）提出基于虚拟边缘节点的数据访问管理框架（Virtual Edge based Data Access Management Framework,VEDAM）,为物联网中异构节点间数据访问提供一致性的安全管理方案。VEDAM框架利用虚拟边缘节点管理物联网节点上的数据访问。通过对访问请求、访问鉴权和控制模型进行分层抽象,提出新颖的三层抽象法则,将管理规则层建立于虚拟边缘节点的请求窗口层和请求鉴权层之外,从而解决不同访问模式和不同访问控制模型的支持问题,同时支持访问控制模型和策略的动态调整。此外,所提出的VEDAM框架通过拓展接口可应用于不同的物联网场景实例,实现大规模物联网中多数据访问模式、多访问控制模型和动态访问控制需求下数据访问的安全管理。（2）提出VECA下数据端到端安全传输方案（Virtual Edge based Secure End-to-end Data Transmission Scheme,VESET）,有效解决节点半可信和数据传输模式不一导致的数据传输方案无法兼顾高效性和安全性的问题。对符合VEDAM管理规则的数据,首先基于广播加密技术,VESET方案兼容单播、多播、组播等多种数据传输模式。其次,在广播加密的基础上,设计基于代理重加密技术的安全数据转发方法,让具有好奇心的半可信节点在转发消息时,无法获得加密数据的信息内容,从而保证传输过程中的数据安全性。最后,VESET方案支持密文的多次重加密和双向转换,提高方案在复杂边缘协同场景下的普适性和密钥管理的效率。（3）提出基于虚拟边缘架构的动态协同计算安全支撑方法（Virtual Edge based Dynamic Collaborative Computing,VEDCC）,为跨安全域物联网数据的协同计算的可靠可信提供具有普适性的解决方案。VEDCC在可信执行环境技术的支持下,设计基于函数即服务架构的安全协同计算方法,其利用虚拟边缘节点管理数据计算服务及基于函数的通信,从而实现动态、多维的边缘协同,有效解决物联网数据计算中节点之间的资源协同及可信支撑问题。此外,VEDAM和VESET为VEDCC提供数据访问与数据迁移安全问题的解决方案,从而实现VECA下物联网数据的多维安全防护。
潘映林[8]（2021）在《区域级智能车辆风险分析系统的研究与实现》文中认为随着通信技术和软件技术的不断成熟,车联网的发展也越来越迅速,同样,车联网平台的风险也引起了越来越多人的关注。本文正是在车联网平台的基础上,使用大数据收集和分析技术以及相应的风险分析模型,并结合实际的车联网背景,基于《智能网联汽车产品测试评价白皮书》中的分析准则,建立了一套用于分析和评估车联网平台中不同对象风险信息的系统。整个系统包含了车载端和服务端,车载端包含视镜网、数据采集模块、消息中间件和数据传输模块,采集的数据包括通过视镜网采集的驾驶员不安全驾驶行为、道路交通标志、车辆驾驶状态等,服务端负责对车载端传输过来的数据进行存储和分析,主要包括基于LEC方法对驾驶员风险行为的5级风险划分、基于AHP方法对区域的3级风险划分、基于KMEANS算法对驾驶员等数据对象进行大数据画像等。本系统包括以下几个方面:1、车载端的传输子系统。车载端通过视镜网采集驾驶员不安全驾驶行为、交通标志、车辆驾驶状态等信息,通过消息中间件和数据传输模块,将数据发送至服务端。2、服务端数据分析子系统。该子系统对车载端发送过来的数据进行数据分析,分析内容包括:评估驾驶员的百分制风险分值、驾驶员5级风险行为划分、区域3级风险划分、基于《智能网联汽车产品测试评价白皮书》分析准则评估汽车安全风险等,并根据以上信息形成对不同对象的风险描述。3、使用KMEANS对驾驶员、区域数据对象进行标签分类和大数据画像,生成车联网中不同对象的风险特征标签,如驾驶员的标签描述:容易走神、开车玩手机等风险标签;区域的标签描述:事故多、网络差、道路拥挤等风险标签。4、基于容器化的分布式架构。将服务端的不同功能抽象成独立的业务模块,通过容器进行部署和运维,以此来保证系统的高可用性和高稳定性,同时也保证了系统的可扩展性。
邓戬[9]（2020）在《智能网联汽车电子电气架构设计与试验研究》文中研究表明汽车电动化、智能化、网联化、共享化需求不断增长,自主可控的智能网联汽车的电子电气架构的研发需求已经提升到国家战略层面。基于整车层面对智能网联汽车电子电气架构需求,提出基于域控制器的功能架构方案,设计通信协议,开展智能网联汽车电子电气架构测试验证,具有重要的工程应用价值。本论文主要研究内容如下:1、提出智能网联汽车电子电气架构的开发流程,分析智能化和网联化的功能特征,并通过对典型自主品牌智能网联汽车进行配置对比,归纳提出智能网联汽车电子电气架构开发需求。2、基于域控制器的智能网联汽车电子电气架构设计。完成基于域控制器的功能架构总体设计,其中重点阐述了自动驾驶域控制器、通信域控制器和智能座舱域控制器的硬件方案;完成双供电系统设计、接地点和整车电平衡分析。3、开展智能网联汽车车载网络协议研究,分析实时同步机制的TSN协议机制,设计了面向服务调用的架构（SOA）通信方法,实现域控制器之间服务调用。4、智能网联汽车电子电气架构测试验证。搭建智能网联汽车电子电气架构平台,制定测试标准和测试方法。对整车网络、自动驾驶域控制器、通信域控制器和电机控制器进行了功能测试,并分析了测试结果。
徐鹏[10]（2020）在《智能网联汽车混行环境下鸣笛意图识别关键技术研究》文中研究指明近年来,随着智能网联汽车（Intelligent Connected Vehicles,ICV）的飞速发展,ICV正大量涌入人工驾驶车（Manual Vehicle,MV）车流之中,交通流混行态势逐渐成形。混行环境下异构车辆之间的交互意图识别已成为当前智能交通领域的研究热点。ICV如何准确、快捷识别MV的鸣笛成为混行交通流中异构车辆交互意图识别的难点,目前学者对于异构车辆交互意图的研究尚未形成完整有效的方法论,往往都忽略了驾驶环境中的听觉信息,论文针对ICV严苛的准确性、时效安全性要求,建立了ICV鸣笛意图“感知-定位-识别”模型（Perception-Location-Recognition model,PLR）,与雾计算的混行车辆雾模型（Mixed Vehicle Fog,MVF）。论文主要研究工作如下:（1）针对ICV混行环境下对MV的鸣笛意图感知需求,从“感知-定位-识别”三个角度分析鸣笛特征,通过结合深度卷积循环神经网络算法、到达时差声源定位法和基于运动时窗的支持向量机算法,建立ICV鸣笛意图PLR模型。实验可得鸣笛声感知平均准确率达90.4%、定位角度估计误差小于5°、识别率达82.5%,基本满足ICV鸣笛意图识别需求。（2）针对PLR模型定向数据采集与传输的底层通讯能力不足,建立MVF模型并提出分簇组雾算法（Clustering Fog Algorithm,CF）,将响应鸣笛的相关ICV整合成一个车辆雾,为实现雾内任务卸载与资源互补提供可靠的局部通讯网络。实验可得在70%90%渗透率下,MVF模型效果明显,能够保持各簇4个左右的簇内成员,并在路网内保持数量相对固定但分布灵活的雾群,有效覆盖全部鸣笛事件,实现路网信息整合。（3）针对MVF模型如何完成鸣笛事件计算任务卸载和资源合理分配,提出基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm,FNCRSA）,通过研判任务量与周边空闲资源的大小,合理划分相关节点的功能职责,约束传输跳数。实验可得FNC-RSA算法比低能耗自适应分簇路由算法降低55.17%的平均跳数,缩短45.40%的平均任务完成时间,且在时延干扰下,仍保持较高混行交通流稳定性与行车时效安全性,为PLR模型的资源分配与计算负载均衡提供底层计算架构支持。综上,本文针对MV鸣笛意图识别从微观层面提出PLR模型,通过“感知-定位-识别”实现鸣笛意图精准识别;从中宏观层面提出MVF模型作为PLR模型底层通讯计算架构,通过建立响应鸣笛事件的协同计算雾群,弥补PLR模型在复杂计算过程中的时效性;形成了“微-中-宏”观的ICV鸣笛意图识别解决方案,进一步丰富了混行交通流下异构车辆交互理论与方法。
二、分布式智能网中一种实用的负载控制模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、分布式智能网中一种实用的负载控制模型（论文提纲范文）
（1）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
（2）基于服务组合、支持业务质量感知的电信业务提供若干关键问题研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 主要缩略语及中英文对照 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 主要研究工作 |
| 1.3 论文内容和结构 |
| 第二章 研究综述 |
| 2.1 概述 |
| 2.2 网络的演进 |
| 2.2.1 下一代网络体系结构 |
| 2.2.2 下一代网络角色模型 |
| 2.3 业务提供与业务开发技术发展 |
| 2.3.1 业务提供技术发展 |
| 2.3.2 业务开发方法发展 |
| 2.4 基于组合方法开发电信业务 |
| 2.4.1 基于管道-过滤器架构、组合业务特征的电信业务提供 |
| 2.4.2 基于Parlay X业务能力组合的电信业务提供 |
| 2.5 服务组合的研究现状 |
| 2.5.1 服务组合 |
| 2.5.2 服务组合典型方法 |
| 2.5.3 基于服务组合、支持业务质量感知的电信业务提供方法 |
| 2.6 结束语 |
| 参考文献 |
| 第三章 基于服务组合、支持业务质量感知的电信业务提供模型 |
| 3.1 问题简介及相关研究 |
| 3.2 基于服务组合的电信业务提供基本模型 |
| 3.2.1 模型描述 |
| 3.2.2 应用场景及特征分析 |
| 3.2.3 模型能力验证 |
| 3.3 支持业务质量感知的增强模型 |
| 3.3.1 服务合约模型 |
| 3.3.2 支持合约模型的业务提供模型 |
| 3.3.3 增强模型的连接机制 |
| 3.4 小结 |
| 参考文献 |
| 第四章 业务质量体系研究 |
| 4.1 问题阐述及相关研究 |
| 4.2 角色模型 |
| 4.2.1 角色模型的研究现状 |
| 4.2.2 SCBSQAS模型的角色模型 |
| 4.3 业务质量体系结构 |
| 4.3.1 分层的业务质量体系 |
| 4.3.2 基于Z语言的形式化描述与验证 |
| 4.3.3 业务质量体系结构总结 |
| 4.4 业务质量指标 |
| 4.4.1 业务质量指标设定原则 |
| 4.4.2 面向用户感知的业务质量指标及其物理意义 |
| 4.4.3 业务质量指标量化 |
| 4.5 业务质量综合评价方法 |
| 4.5.1 层次分析模型 |
| 4.5.2 模糊层次分析模型 |
| 4.6 小结 |
| 参考文献 |
| 第五章 基于语义的服务发现机制研究 |
| 5.1 问题阐述及相关研究 |
| 5.2 服务描述模型 |
| 5.2.1 基于UML的领域本体模型 |
| 5.2.2 基于语义的服务描述语言 |
| 5.3 基于语义扩展的服务匹配 |
| 5.3.1 服务匹配模型 |
| 5.3.2 服务功能匹配 |
| 5.3.3 服务质量匹配 |
| 5.3.4 服务匹配实例 |
| 5.3.5 服务匹配算法及复杂度分析 |
| 5.4 基于组合方式的服务发现 |
| 5.5 实验 |
| 5.6 小结 |
| 参考文献 |
| 第六章 基于业务质量感知的服务选择问题研究 |
| 6.1 问题阐述及相关研究 |
| 6.2 服务组合流程 |
| 6.2.1 服务组合流程特性 |
| 6.2.2 服务组合流程中任务分类 |
| 6.2.3 服务组合流程执行描述 |
| 6.3 服务选择模型 |
| 6.3.1 功能需求约束 |
| 6.3.2 业务质量需求约束 |
| 6.3.3 目标函数 |
| 6.4 基于改进遗传算法的服务选择算法 |
| 6.4.1 改进的遗传算法(Enhanced GA，EGA) |
| 6.4.2 引入免疫学知识的遗传算法(Immune GA，IGA) |
| 6.5 模拟实验 |
| 6.5.1 实验1 |
| 6.5.2 实验2 |
| 6.5.3 实验3 |
| 6.6 小结 |
| 参考文献 |
| 第七章 服务组合中的负载均衡问题研究 |
| 7.1 问题简介 |
| 7.2 相关研究 |
| 7.3 负载均衡基本概念 |
| 7.3.1 负载均衡算法的Casavant分类法 |
| 7.3.2 实现层次分类法 |
| 7.3.3 动态负载均衡算法的组成 |
| 7.3.4 分布式服务组合负载均衡算法要素 |
| 7.4 服务叠加网中动态负载均衡转移策略的博弈论建模 |
| 7.4.1 博弈论基本概念 |
| 7.4.2 转移策略的博弈模型 |
| 7.5 LCR测度 |
| 7.6 支持负载均衡的分布式服务路由方法 |
| 7.6.1 分布式服务路由算法 |
| 7.6.2 实现负载均衡的分布式服务路由算法 |
| 7.7 模拟实验 |
| 7.7.1 同构服务节点环境下负载均衡效果比较 |
| 7.7.2 异构服务节点环境下几种ADLB算法负载均衡效果比较 |
| 7.8 小结 |
| 参考文献 |
| 第八章 结束语 |
| 8.1 论文总结和创新点 |
| 8.2 进一步的研究工作与问题思考 |
| 攻读博士学位期间录用或发表的论文 |
| 致谢 |
（3）面向智能网演进的异构网络中间件体系研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 引言 |
| 1.1 研究背景介绍 |
| 1.2 本文的宗旨 |
| 1.3 本文的组织 |
| 第二章 异构网络中间件原理框架 |
| 2.1 中间件的概念 |
| 2.1.1 中间件技术的产生背景 |
| 2.1.2 中间件概念及现状 |
| 2.1.3 中间件的发展趋势 |
| 2.2 电信领域的中间件系统 |
| 2.2.1 业务与应用及服务的概念 |
| 2.2.2 业务驱动的概念 |
| 2.2.3 业务平台的演进 |
| 2.2.3.1 基于SPC的业务提供 |
| 2.2.3.2 基于传统智能网的业务提供 |
| 2.2.3.2.1 智能网概念模型 |
| 2.2.3.2.2 智能网体系结构 |
| 2.2.3.3 基于API的业务提供 |
| 2.2.3.3.1 Parlay API技术 |
| 2.2.3.3.2 JAIN API技术 |
| 2.2.3.3.3 Web Service技术 |
| 2.2.3.3.4 SIP技术 |
| 2.2.4 业务平台的特征分析 |
| 2.3 下一代网络的业务提供 |
| 2.3.1 下一代网络的概念 |
| 2.3.2 下一代网络的特征 |
| 2.3.3 下一代网络的业务提供 |
| 2.3.3.1 下一代网络的业务特点 |
| 2.3.3.2 下一代网络的业务提供方式 |
| 2.4 实现开放的业务体系 |
| 2.4.1 实现开放业务体系的需求 |
| 2.4.2 目前网络的现状 |
| 2.4.2.1 异构的网络 |
| 2.4.2.2 异构的业务平台 |
| 2.4.2.3 异构的开放API技术 |
| 2.4.3 异构网络中间件 |
| 2.4.3.1 异构网络中间件概念 |
| 2.4.3.2 异构网络中间件功能框架 |
| 2.4.4 异构网络中间件的外延 |
| 2.4.4.1 异构网络中间件和OSA |
| 2.4.4.2 异构网络中间件和智能网 |
| 2.4.5 研究异构网络中间件的意义 |
| 2.5 传统智能网的演进 |
| 2.5.1 传统智能网的缺陷 |
| 2.5.2 针对智能网演进的研究 |
| 2.5.3 智能网的演进目标 |
| 2.6 面向智能网演进的异构网络中间件体系 |
| 2.6.1 针对智能网演进研究的不足 |
| 2.6.2 针对开放业务体系研究的不足 |
| 2.6.3 解决方案概述 |
| 2.7 本章小结 |
| 2.8 本章参考文献 |
| 第三章 异构网络中间件体系结构的复合视点分析 |
| 3.1 对异构网络中间件体系的分析应具有的特征 |
| 3.2 分析方法选择 |
| 3.2.1 模型的概念 |
| 3.2.2 模型的作用 |
| 3.2.2.1 从系统分析与开发过程角度 |
| 3.2.2.2 从系统分析与开发方法角度 |
| 3.2.3 MDA方法 |
| 3.2.4 API规范的模板选取 |
| 3.3 异构网络中间件体系结构的复合视点研究 |
| 3.3.1 视点和平面的概念 |
| 3.3.2 基于异构网络中间件的网络模型 |
| 3.3.3 异构网络中间件的复合视点研究 |
| 3.3.3.1 可借鉴的多视点模型 |
| 3.3.3.2 “5+1”复合视点的形成 |
| 3.3.3.3 中间件平台的逻辑视点模型 |
| 3.3.3.3.1 异构网络中间件构造的商业角色及其关系 |
| 3.3.3.3.2 基于异构网络中间件的商业模型研究 |
| 3.3.3.4 异构网络中间件平台的开发视点模型 |
| 3.3.3.4.1 异构网络中间件平台上的功能组件以及关系 |
| 3.3.3.4.2 协议适配中的关键问题 |
| 3.3.3.5 异构网络中间件平台的进程视点模型 |
| 3.3.3.6 异构网络中间件平台的部署视点模型 |
| 3.3.3.7 异构网络中间件平台的物理视点模型 |
| 3.3.3.8 异构网络中间件平台的场景视点模型 |
| 3.3.3.8.1 异构网络中间件服务的基本机制 |
| 3.3.3.8.2 异构网络中间件平台实现应用的主要步骤 |
| 3.3.3.8.3 场景视点模型实例 |
| 3.4 本章小结 |
| 3.5 本章参考文献 |
| 第四章 基于IN的异构网络中间件平台实现方法研究 |
| 4.1 智能网模型的演进 |
| 4.1.1 智能网模型与异构网络中间件模型 |
| 4.1.2 基于IN的异构网络中间件体系参考模型 |
| 4.2 基于IN构建异构网络中间件的可行性分析 |
| 4.2.1 基于API抽象网络能力的可行性 |
| 4.2.2 功能上的相似性 |
| 4.3 智能网相关技术 |
| 4.3.1 智能网的平台特性 |
| 4.3.2 基于SIB的业务 |
| 4.3.2.1 SIB和SLPL介绍 |
| 4.3.2.2 业务的生命周期管理 |
| 4.3.2.3 业务(SLP)之间的交互 |
| 4.4 基于IN的异构网络中间件平台的实现 |
| 4.4.1 从IN_SCP到异构网络中间件平台 |
| 4.4.2 基于IN的异构网络中间件实现原理 |
| 4.4.3 基于IN的异构网络中间件平台软件体系结构 |
| 4.4.3.1 通信服务功能的增强 |
| 4.4.3.2 中间件平台的协议栈 |
| 4.4.3.3 SCE开发环境的增强 |
| 4.4.3.4 其它需要考虑的问题 |
| 4.4.3.4.1 安全保障机制的增加 |
| 4.4.3.4.2 过载控制和优先级调度功能的增加 |
| 4.4.4 异构网络中间件平台功能集的实现 |
| 4.4.4.1 Framework功能集的实现 |
| 4.4.4.2 SCS功能集的实现 |
| 4.4.4.3 协议适配器功能集的实现 |
| 4.4.5 基于业务的中间件平台服务过程 |
| 4.4.5.1 服务对象的标识和触发条件的设置 |
| 4.4.5.2 基于业务的中间件平台服务实例 |
| 4.4.5.2.1 网络触发服务逻辑 |
| 4.4.5.2.2 应用触发服务逻辑 |
| 4.4.6 基于IN的异构网络中间件平台原型系统的实现 |
| 4.4.6.1 原型系统设计与实现 |
| 4.4.6.2 连通性测试 |
| 4.4.7 基于IN构建异构网络中间件平台的优势 |
| 4.5 本章小结 |
| 4.6 本章参考文献 |
| 第五章 基于截取器原理增强IN的异构网络中间件平台研究 |
| 5.1 引言 |
| 5.2 基于IN的异构网络中间件平台关键问题 |
| 5.2.1 集中式到分布式的转变 |
| 5.2.1.1 IN_SCP平台中的ORB |
| 5.2.1.2 IN_ORB的不足 |
| 5.2.2 为应用提供不同的Qos |
| 5.3 增强IN的异构网络中间件平台 |
| 5.3.1 增强IN_ORB的平台功能 |
| 5.3.1.1 IN平台对CORBA的支持机制 |
| 5.3.1.2 IN平台对Web Service的支持机制 |
| 5.3.2 基于截取器原理增强IN_ORB的服务功能 |
| 5.3.2.1 对象的生命周期 |
| 5.3.2.2 截取器的工作原理 |
| 5.3.2.3 截取器的种类 |
| 5.3.2.3.1 请求级截取器 |
| 5.3.2.3.2 消息级截取器 |
| 5.3.2.4 增强IN平台中的截取器 |
| 5.3.2.4.1 安全截取器 |
| 5.3.2.4.2 服务调度截取器 |
| 5.3.2.4.3 命名服务截取器 |
| 5.3.2.5 截取器的顺序问题 |
| 5.3.2.6 截取器的效率问题 |
| 5.3.2.7 截取器的实现 |
| 5.3.3 截取器中的计算 |
| 5.3.3.1 一种复合的优先级排队模型及过载控制算法 |
| 5.3.3.1.1 优先级排队模型 |
| 5.3.3.1.2 过载控制 |
| 5.3.3.1.3 低时延、自适应负载控制算法 |
| 5.3.3.2 系统仿真 |
| 5.3.3.3 仿真结果分析 |
| 5.4 本章小结 |
| 5.5 本章参考文献 |
| 第六章 基于反射的异构网络中间件平台研究 |
| 6.1 软件系统的可靠性 |
| 6.2 IN系统中的高可靠性设备 |
| 6.2.1 IN_SCP系统自维护 |
| 6.2.1.1 单机监控技术 |
| 6.2.1.2 异机监控技术 |
| 6.2.1.3 基于监控技术实现系统维护的弊端 |
| 6.3 异构网络中间件面向的应用环境 |
| 6.4 需要解决的关键技术问题 |
| 6.5 可用技术分析 |
| 6.5.1 反射系统 |
| 6.5.2 自治系统 |
| 6.5.3 基于反射的系统自治 |
| 6.6 开放网络环境下的SLA |
| 6.6.1 SLA的概念 |
| 6.6.2 中间件平台上的SLA |
| 6.6.3 SLA与QoS |
| 6.7 IN_SCP反射机制 |
| 6.7.1 反射策略 |
| 6.7.2 元层实体的引入 |
| 6.7.3 元层实体的命名 |
| 6.7.4 元层实体和基层实体之间的耦合关系 |
| 6.7.4.1 元层实体的构成 |
| 6.7.4.2 建立元层实体与基层实体的关联 |
| 6.7.4.3 反射三元素 |
| 6.7.5 平台的反射 |
| 6.7.5.1 平台反射接口的增加 |
| 6.7.5.2 平台反射机制 |
| 6.7.5.3 反射运行时 |
| 6.7.5.4 平台的反射计算 |
| 6.7.6 服务的反射 |
| 6.7.6.1 应用执行空间的概念 |
| 6.7.6.2 服务反射的元层实体的引入 |
| 6.7.6.3 元层实体和基层实体的映射 |
| 6.7.6.4 服务的反射计算 |
| 6.8 反射的正确性保证 |
| 6.9 反射性的不足 |
| 6.10 本章小结 |
| 6.11 本章参考文献 |
| 第七章 结束语 |
| 7.1 本文工作总结 |
| 7.2 进一步研究工作 |
| 附录 |
| 致谢 |
| 攻读博士学位期间发表的论文 |
（4）智能网关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 基本术语 |
| 1.4 能力件交互研究的发展与现状 |
| 1.4.1 能力件交互问题 |
| 1.4.2 能力件交互的分类 |
| 1.4.3 处理能力件交互问题的途径 |
| 1.4.4 当前研究存在的问题 |
| 1.5 智能网的负载控制 |
| 1.5.1 研究背景 |
| 1.5.2 智能网负载控制问题 |
| 1.5.3 智能网负载控制研究的现状 |
| 1.5.4 当前研究存在的问题 |
| 1.6 本文的研究方法 |
| 1.6.1 研究能力件交互的方法 |
| 1.6.2 研究负载控制的方法 |
| 1.7 论文主要内容组织 |
| 1.8 论文的主要创新 |
| 第二章 需求阶段能力件交互 |
| 2.1 引言 |
| 2.2 业务和能力件需求表示 |
| 2.2.1 URN语言规范 |
| 2.2.2 业务和能力件表示 |
| 2.3 能力件交互模型 |
| 2.3.1 桩基配置矩阵 |
| 2.3.2 能力件组合 |
| 2.4 能力件交互检测定理和检测方法 |
| 2.4.1 能力件交互检测定理 |
| 2.4.2 能力件检测方法 |
| 2.5 能力件交互检测方法的检测能力讨论 |
| 2.5.1 确定性结论 |
| 2.5.2 非确定性结论 |
| 2.6 能力件交互检测实例和分析 |
| 2.6.1 检测质量 |
| 2.6.2 情节覆盖 |
| 2.6.3 检测效率 |
| 2.7 小结 |
| 第三章 设计时能力件交互 |
| 3.1 引言 |
| 3.2 能力件的行为模型和时序性质 |
| 3.2.1 时序逻辑和有限状态机 |
| 3.2.2 能力件的行为 |
| 3.2.3 能力件的性质 |
| 3.3 能力件规范 |
| 3.3.1 能力件的有限状态机模型 |
| 3.3.2 能力件的性质表示 |
| 3.4 能力件的交互模型 |
| 3.4.1 能力件组合 |
| 3.4.2 能力件的有限状态机组合 |
| 3.4.3 能力件的性质组合 |
| 3.4.4 能力件交互模型 |
| 3.4.5 能力件交互定位 |
| 3.5 能力件交互检测方法 |
| 3.5.1 建立能力件的形式模型 |
| 3.5.2 基于有限状态机的能力件交互检测算法 |
| 3.5.3 基于性质的能力件交互检测算法 |
| 3.5.4 检测算法讨论 |
| 3.5.5 状态空间爆炸与算法实现考虑 |
| 3.6 能力件交互检测实验 |
| 3.7 小结 |
| 第四章 测试阶段能力件交互 |
| 4.1 引言 |
| 4.2 能力件的测试模型 |
| 4.2.1 能力件的表示 |
| 4.2.2 单独能力件的测试方法 |
| 4.2.3 能力件交互的测试方法 |
| 4.3 测试序列生成方法 |
| 4.3.1 基本术语定义 |
| 4.3.2 测试序列生成算法 |
| 4.4 能力件交互检测仿真 |
| 4.4.1 多能力件环境中的死环和死锁回避算法 |
| 4.4.2 能力件交互检测仿真实现 |
| 4.5 小结 |
| 第五章 运行时能力件交互 |
| 5.1 引言 |
| 5.2 运行时处理能力件交互的规范 |
| 5.2.1 构造基于消息的迹空间 |
| 5.2.2 构建基于状态的迹空间 |
| 5.3 裁剪迹空间和提取解 |
| 5.3.1 识别解 |
| 5.3.2 消息依赖规则 |
| 5.3.3 消息独立规则 |
| 5.3.4 选择最佳解 |
| 5.3.5 规则的使用顺序 |
| 5.4 学习机制 |
| 5.4.1 捕获能力件的行为--学习模式 |
| 5.4.2 提供学习能力 |
| 5.5 小结 |
| 第六章 智能网的负载控制 |
| 6.1 引言 |
| 6.1.1 智能网模型 |
| 6.1.2 多SCP智能网 |
| 6.1.3 智能网中的负载控制 |
| 6.2 多SCP智能网模型 |
| 6.2.1 多SCP智能网的排队模型 |
| 6.2.2 SS7的通信量分析 |
| 6.2.3 多SCP智能网的呼叫模型 |
| 6.2.4 典型的呼叫处理过程 |
| 6.3 多SCP智能网负载控制模型 |
| 6.3.1 负载控制的基本前提 |
| 6.3.2 路由控制 |
| 6.3.3 过载控制 |
| 6.3.4 公平性控制 |
| 6.4 负载控制算法 |
| 6.4.1 路由选择算法 |
| 6.4.2 过载控制算法 |
| 6.4.3 调节漏桶的令牌速率 |
| 6.4.4 完整负载控制算法 |
| 6.4.5 负载控制算法实现考虑 |
| 6.5 负载控制算法分析 |
| 6.5.1 获得上述优点的基本原理 |
| 6.5.2 负载控制算法的有效性 |
| 6.5.3 负载控制算法的公平性 |
| 6.6 负载控制算法仿真 |
| 6.6.1 负载控制算法的初始参数 |
| 6.6.2 负载控制算法的有效性实验 |
| 6.6.3 负载控制算法的公平性 |
| 6.7 小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.1.1 智能网能力件交互模型及其检测方法研究 |
| 7.1.2 多SCP智能网的负载控制研究 |
| 7.2 研究的起源与创新 |
| 7.2.1 智能网能力件交互研究的起源与创新 |
| 7.2.2 多SCP智能网的负载控制 |
| 7.2.3 本文的创新点 |
| 7.3 展望 |
| 附录 能力件的有限状态机模型 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的主要成果 |
（5）分布式智能网中一种实用的负载控制模型（论文提纲范文）
| 1. 引言 |
| 2. 基于代价的分布自适应负载控制模型 |
| 3. 基于代价的分布自适应负载控制算法 |
| 4. 仿真和结果分析 |
| 1.仿真 |
| 2.仿真结果分析 |
（6）车路协同环境下的边缘计算资源优化方法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 计算卸载与服务迁移优化 |
| 1.3.2 边缘缓存调度优化 |
| 1.4 论文研究内容 |
| 1.5 论文组织结构 |
| 第二章 车路协同环境边缘计算资源优化相关技术综述 |
| 2.1 车辆边缘缓存调度及相关技术 |
| 2.1.1 车辆边缘缓存资源调度方法相关综述 |
| 2.1.2 强化学习 |
| 2.1.3 深度强化学习 |
| 2.2 车辆边缘计算卸载与迁移及相关技术 |
| 2.2.1 车辆边缘计算资源优化相关综述 |
| 2.2.2 多智能体场景的学习方法 |
| 2.3 本章小结 |
| 第三章 智能车路协同系统模型 |
| 3.1 系统架构 |
| 3.2 车路协同环境下边缘计算资源层级结构 |
| 3.3 车路协同环境下边缘计算资源优化框架 |
| 3.4 本章小节 |
| 第四章 面向“道路-边缘服务”资源的联合优化调度策略 |
| 4.1 问题描述 |
| 4.2 场景模型构建 |
| 4.2.1 车辆网络环境结构 |
| 4.2.2 边缘资源虚拟化 |
| 4.2.3 车辆与基站无线通信模型 |
| 4.2.4 边缘服务器计算模型 |
| 4.2.5 车辆移动模型 |
| 4.2.6 场景相关时延定义 |
| 4.2.7 优化目标 |
| 4.3 多车的“道路-边缘服务”资源联合优化调度策略 |
| 4.3.1 边缘资源优化算法设计分析 |
| 4.3.2 Dec-POMDP建模分析 |
| 4.3.3 多动作决策输出的网络模型设计 |
| 4.3.4 多智能体决策算法的训练方式设计 |
| 4.3.5 多智能体联合训练算法 |
| 4.4 实验仿真与结果分析 |
| 4.4.1 仿真实验设计 |
| 4.4.2 仿真实验结果分析 |
| 4.5 本章小结 |
| 第五章 基于车辆移动性的边缘缓存资源调度策略 |
| 5.1 问题描述 |
| 5.2 场景模型构建 |
| 5.2.1 场景网络结构 |
| 5.2.2 通信模型 |
| 5.2.3 缓存模型 |
| 5.2.4 基于车辆移动的边缘缓存加载模型 |
| 5.3 DuelingStrategy边缘缓存资源调度算法 |
| 5.3.1 马尔科夫决策模型分析 |
| 5.3.2 基于深度强化学习的DuelingStrategy算法的设计与训练 |
| 5.3.3 训练算法 |
| 5.4 实验仿真与结果分析 |
| 5.4.1 仿真实验设计 |
| 5.4.2 仿真实验结果分析 |
| 5.5 本章小结 |
| 第六章 结束语 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
（7）基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 物联网的发展 |
| 1.2 物联网与边缘计算 |
| 1.2.1 边缘计算 |
| 1.2.2 基于边缘计算的物联网应用 |
| 1.2.3 物联网边缘计算中的安全问题 |
| 1.3 研究内容 |
| 1.4 论文组织结构 |
| 第二章 国内外研究现状 |
| 2.1 物联网数据应用 |
| 2.1.1 感知数据实时应用 |
| 2.1.2 外包数据与云应用 |
| 2.1.3 边缘计算模式下的数据应用 |
| 2.2 边缘计算体系下物联网数据的安全问题 |
| 2.2.1 数据访问安全需求 |
| 2.2.2 数据传输安全问题 |
| 2.2.3 数据计算的安全挑战 |
| 2.3 边缘计算体系下物联网数据的安全技术 |
| 2.3.1 数据访问的安全模型 |
| 2.3.2 数据安全传输技术 |
| 2.3.3 数据协同计算及其安全技术 |
| 2.4 研究现状总结 |
| 2.5 本章小结 |
| 第三章 基于虚拟边缘节点的数据协同计算架构 |
| 3.1 云边端协同物联网结构及其安全模型 |
| 3.2 基于虚拟边缘节点的物联网计算架构 |
| 3.2.1 物联网节点的新变化 |
| 3.2.2 物联网结构的新变化 |
| 3.2.3 面向边缘协同物联网的架构VECA及其形式化 |
| 3.3 VECA下数据安全立体防护及安全分析 |
| 3.3.1 VECA下数据安全防护 |
| 3.3.2 VECA下数据安全问题分析 |
| 3.4 本章小结 |
| 第四章 VECA下基于虚拟边缘节点的数据访问管理框架 |
| 4.1 VECA下数据访问管理模型 |
| 4.1.1 模型抽象 |
| 4.1.2 实例分析 |
| 4.2 VECA下数据访问管理的ROW架构 |
| 4.2.1 ROW架构 |
| 4.2.2 VEDAM框架 |
| 4.3 VECA下数据访问管理框架实现方法 |
| 4.3.1 数据及应用抽象方法 |
| 4.3.2 原型系统实现 |
| 4.3.3 访问控制模型 |
| 4.4 VEDAM框架性能分析 |
| 4.4.1 框架功能对比 |
| 4.4.2 实验设置 |
| 4.4.3 VEDAM框架性能测试 |
| 4.4.4 智能网联车视频分析案例性能测试 |
| 4.5 本章小结 |
| 第五章 VECA下基于代理广播重加密的数据安全传输方案 |
| 5.1 VECA下数据传输模型 |
| 5.1.1 数据传输模式抽象 |
| 5.1.2 实例分析 |
| 5.2 VECA下数据传输系统模型与安全假设 |
| 5.2.1 VECA下数据传输系统模型 |
| 5.2.2 安全假设与相关背景知识 |
| 5.3 VECA下数据端到端安全传输方案 |
| 5.3.1 VESET方案架构 |
| 5.3.2 VESET方案介绍 |
| 5.3.3 VESET方案优化 |
| 5.4 VESET方案安全性及性能分析 |
| 5.4.1 正确性和安全性分析 |
| 5.4.2 功能对比 |
| 5.4.3 实验设置 |
| 5.4.4 通信代价和存储代价分析 |
| 5.4.5 计算代价分析 |
| 5.5 本章小结 |
| 第六章 VECA下动态协同计算安全支撑方法 |
| 6.1 VECA下协同计算模式 |
| 6.1.1 VECA下协同计算抽象 |
| 6.1.2 实例分析 |
| 6.2 VECA下动态协同计算方法及其可信实现 |
| 6.2.1 VECA下动态协同计算方法 |
| 6.2.2 VECA下动态协同计算安全支撑框架 |
| 6.2.3 框架组件介绍 |
| 6.3 VEDCC方法实现实例 |
| 6.3.1 系统模块实现 |
| 6.3.2 数据安全传输方案集成及改进 |
| 6.3.3 访问控制框架集成 |
| 6.3.4 编程支持 |
| 6.4 安全性及性能分析 |
| 6.4.1 安全性分析 |
| 6.4.2 功能对比 |
| 6.4.3 实验设置 |
| 6.4.4 性能测试 |
| 6.4.5 智能网联车安全协同计算性能测试 |
| 6.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 攻读博士学位期间取得的学术成果 |
| 攻读博士学位期间参与的主要科研项目 |
| 致谢 |
| 作者简介 |
（8）区域级智能车辆风险分析系统的研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文主要工作 |
| 1.4 本文结构安排 |
| 第二章 相关技术及理论 |
| 2.1 车联网平台的组成 |
| 2.2 车联网风险评测技术研究 |
| 2.3 风险等级评估方法 |
| 2.4 区域风险偏好指标 |
| 2.4.1 层次分析法 |
| 2.4.2 层次分析法步骤 |
| 2.5 大数据画像 |
| 2.6 基于容器的分布式技术 |
| 2.7 本章小结 |
| 第三章 需求分析 |
| 3.1 需求概述 |
| 3.2 可行性分析 |
| 3.2.1 市场可行性分析 |
| 3.2.2 技术可行性分析 |
| 3.3 系统功能性需求分析 |
| 3.3.1 信息采集功能用例分析 |
| 3.3.2 信息传输功能用例分析 |
| 3.3.3 风险评估功能用例分析 |
| 3.3.4 大数据画像功能用例分析 |
| 3.3.5 大数据统计和分析功能 |
| 3.4 系统非功能性需求 |
| 3.5 本章小结 |
| 第四章 系统设计 |
| 4.1 系统架构设计 |
| 4.1.1 部署设计 |
| 4.1.2 模块划分 |
| 4.2 关键问题研究 |
| 4.2.1 风险评判指标研究 |
| 4.2.2 车载端消息传递问题研究 |
| 4.3 风险评估方法设计 |
| 4.3.1 风险行为等级评估设计 |
| 4.3.2 驾驶员风险分值评估设计 |
| 4.3.3 区域风险偏好指标评估设计 |
| 4.3.4 汽车风险评估设计 |
| 4.4 数据采集模块设计 |
| 4.5 数据传输模块设计 |
| 4.6 数据处理模块设计 |
| 4.7 数据存储模块设计 |
| 4.8 风险大数据分析模块设计 |
| 4.9 风险大数据展示模块设计 |
| 4.10 分布式后台设计 |
| 4.11 本章小结 |
| 第五章 系统实现和测试 |
| 5.1 系统环境 |
| 5.1.1 硬件环境 |
| 5.1.2 软件环境 |
| 5.2 系统实现 |
| 5.2.1 风险评估功能实现 |
| 5.2.2 收集和传输功能实现 |
| 5.2.3 数据处理功能实现 |
| 5.2.4 容器化实现和部署 |
| 5.3 功能界面展示 |
| 5.4 功能测试 |
| 5.4.1 消息中间件功能 |
| 5.4.2 风险评估功能 |
| 5.4.3 大数据画像功能 |
| 5.4.4 大数据分析统计功能 |
| 5.5 性能测试 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）智能网联汽车电子电气架构设计与试验研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究背景与研究意义 |
| 1.1.1 论文研究背景 |
| 1.1.2 论文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文的主要研究内容 |
| 第2章 基于域控制器的智能网联汽车电子电气架构需求分析 |
| 2.1 智能网联汽车电子电气架构开发需求 |
| 2.1.1 智能网联汽车电子电气架构开发流程 |
| 2.1.2 智能网联汽车电子电气架构开发需求定义 |
| 2.1.2.1 自动驾驶开发需求 |
| 2.1.2.2 车联网开发需求 |
| 2.1.2.3 车载网络通信开发需求 |
| 2.2 智能网联汽车电子电气架构功能需求目标定义 |
| 2.2.1 车道保持功能需求定义 |
| 2.2.2 主动回正功能需求定义 |
| 2.3 本章小结 |
| 第3章 基于域控制器的智能网联汽车电子电气架构设计 |
| 3.1 基于域控制器的功能架构总体设计 |
| 3.2 基于域控制器的功能域划分 |
| 3.3 域控制器硬件方案 |
| 3.3.1 自动驾驶域控制器方案 |
| 3.3.2 通信域控制器方案 |
| 3.3.3 智能座舱域控制器方案 |
| 3.4 电气系统硬件方案 |
| 3.4.1 双供电系统 |
| 3.4.2 接地点 |
| 3.4.3 整车电平衡 |
| 3.5 本章小结 |
| 第4章 面向调度服务的智能网联汽车网络通信协议设计 |
| 4.1 车载网络通信协议 |
| 4.1.1 CAN通信协议原理 |
| 4.1.2 LIN通信协议原理 |
| 4.1.3 车载Ethernet通信协议原理 |
| 4.2 高带宽实时通信网络系统设计 |
| 4.2.1 整车网络拓扑 |
| 4.2.2 基于CAN/LIN的域内通信控制 |
| 4.2.3 基于Ethernet服务的域外骨干网络控制 |
| 4.2.3.1 TSN协议组成 |
| 4.2.3.2 802.1AS-Rev时钟同步机制 |
| 4.2.3.3 802.1Qbv时间感知整形器TAS |
| 4.2.3.4 IEEE802.1 Qbr& IEEE802.3bu帧抢占机制 |
| 4.2.3.5 IEEE802.1CB可靠性传输机制 |
| 4.2.4 基于服务的SOC设计 |
| 4.2.4.1 SOA和 SOC定义 |
| 4.2.4.2 SOME/IP和 SOME/IP-SD协议 |
| 4.2.4.3 SOC设计方案 |
| 4.3 本章小结 |
| 第5章 智能网联汽车电子电气架构测试验证 |
| 5.1 智能网联汽车电子电气架构测试平台 |
| 5.1.1 域控制器测试平台 |
| 5.1.2 电子电气架构测试平台 |
| 5.1.3 目标样车测试平台 |
| 5.2 智能网联汽车电子电气架构测试标准和测试方法 |
| 5.2.1 测试标准 |
| 5.2.2 测试方法 |
| 5.3 智能网联汽车电子电气架构试验结果与分析 |
| 5.3.1 整车网络仿真 |
| 5.3.2 自动驾驶域控制器功能测试 |
| 5.3.3 通信域控制器功能测试 |
| 5.3.4 电机控制器功能测试 |
| 5.4 本章小结 |
| 第6章 全文总结及研究展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（10）智能网联汽车混行环境下鸣笛意图识别关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 混行交通流研究现状及分析 |
| 1.2.2 智能网联汽车驾驶意图识别研究现状及分析 |
| 1.2.3 智能网联汽车鸣笛意图识别研究现状及分析 |
| 1.3 现有研究存在的不足 |
| 1.3.1 智能网联汽车鸣笛意图识别精度不足 |
| 1.3.2 面向智能网联汽车鸣笛意图识别的底层通信能力不足 |
| 1.3.3 面向智能网联汽车鸣笛意图识别的底层计算能力不足 |
| 1.4 创新点与技术路线 |
| 1.4.1 论文创新点 |
| 1.4.2 论文研究内容与技术路线 |
| 第二章 混行环境下智能网联汽车鸣笛意图识别模型研究 |
| 2.0 引言 |
| 2.1 混行交通环境下鸣笛特征分析 |
| 2.1.1 鸣笛时空边界分析 |
| 2.1.2 鸣笛声音特点分析 |
| 2.2 鸣笛意图识别PLR模型 |
| 2.2.1 PLR模型架构 |
| 2.2.2 P模型及关键算法 |
| 2.2.3 L模型及关键算法 |
| 2.2.4 R模型及关键算法 |
| 2.3 鸣笛意图实验仿真验证 |
| 2.3.1 实验说明 |
| 2.3.2 实验一:鸣笛声感知与定位 |
| 2.3.3 实验二:鸣笛意图识别 |
| 2.3.4 实验三:计算时效性验证 |
| 2.4 本章小结 |
| 第三章 混行环境下鸣笛意图识别协同计算的分簇通讯架构研究 |
| 3.0 引言 |
| 3.1 智能网联汽车分簇算法研究 |
| 3.2 基于鸣笛意图识别的混行环境下车辆雾模型建模 |
| 3.3 基于鸣笛事件协同响应的分簇组雾算法 |
| 3.3.1 ICV分簇组雾算法数据包格式 |
| 3.3.2 ICV分簇组雾算法带宽分配 |
| 3.3.3 ICV簇头综合考量参数定义 |
| 3.3.4 车辆分簇组雾算法 |
| 3.4 车辆雾的维护 |
| 3.4.1 车辆雾合并机制 |
| 3.4.2 车辆雾分裂机制 |
| 3.4.3 车辆雾维护算法 |
| 3.5 基于车辆雾模型的通讯架构仿真验证 |
| 3.5.1 实验设置 |
| 3.5.2 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 混行环境下编排鸣笛意图识别资源的车辆雾计算架构研究 |
| 4.0 引言 |
| 4.1 VANET中的雾计算模型基本架构 |
| 4.1.1 雾计算模型通用架构 |
| 4.1.2 基于鸣笛意图识别的车辆雾基本系统模块架构 |
| 4.2 ICV车辆空闲资源FNC-RSA编排关键算法 |
| 4.2.1 FNC-RSA关键算法评价指标分析 |
| 4.2.2 FNCA容错节点分簇算法 |
| 4.2.3 RSA资源调度算法 |
| 4.3 实验验证 |
| 4.3.1 MVF模型效率对比实验 |
| 4.3.2 FNC-RSA算法效率对比结果及分析 |
| 4.3.3 基于MVF模型的鸣笛意图识别系统时效安全性实验 |
| 4.3.4 基于MVF模型的鸣笛意图识别系统时效安全性实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间的主要研究成果 |
四、分布式智能网中一种实用的负载控制模型（论文参考文献）
- [1]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)
- [2]基于服务组合、支持业务质量感知的电信业务提供若干关键问题研究[D]. 尹泽明. 北京邮电大学, 2008(11)
- [3]面向智能网演进的异构网络中间件体系研究[D]. 王晓庆. 北京邮电大学, 2006(11)
- [4]智能网关键技术研究[D]. 刘彦明. 西安电子科技大学, 2003(03)
- [5]分布式智能网中一种实用的负载控制模型[J]. 刘彦明,马玉祥,易克初,柯国富. 计算机科学, 2002(01)
- [6]车路协同环境下的边缘计算资源优化方法研究与实现[D]. 林韬. 北京邮电大学, 2021(01)
- [7]基于虚拟边缘节点的物联网数据协同计算体系及安全支撑方法研究[D]. 张庆阳. 安徽大学, 2021(02)
- [8]区域级智能车辆风险分析系统的研究与实现[D]. 潘映林. 电子科技大学, 2021(01)
- [9]智能网联汽车电子电气架构设计与试验研究[D]. 邓戬. 吉林大学, 2020(03)
- [10]智能网联汽车混行环境下鸣笛意图识别关键技术研究[D]. 徐鹏. 江苏大学, 2020(02)