车辆环境（精选6篇）
车辆环境 篇1
两栖装甲车是能在水中自身浮渡, 有水上推进装置, 水陆两用的装甲车辆, 一般能自行通过江河湖海等水障并在水上进行航行和射击。两栖装甲车作为装甲车辆的一种重要形式在联合作战中发挥着巨大作用。基于不同的作战使命, 两栖装甲车又分为两栖突击车、水陆坦克以及步兵战车和装甲输送车等轻型装甲车辆。两栖装甲车要在战场中发挥作用, 良好的机动性是关键。未来的两栖装甲车要能实现高速运行, 特别是较高的海上行驶速度, 才能抓住有利战机。高速两栖装甲车具有水上快速而隐蔽、陆上机动灵活, 以及在水陆交界处所具有的独特通行性能等特点。高速两栖装甲车的运行环境和运行工况不同于一般的陆地行驶装甲车, 需从高速两栖装甲车的作业特点研究其人-机-环境系统。本文提出高速两栖装甲车人-机-环境系统模拟仿真试验研究方法, 旨在探究提高高速两栖装甲车人-机-环境系统研制水平的方法途径。
高速两栖装甲车作业环境及作业工况分析
两栖装甲车的作训环境多为沿海湿热地区, 作业环境受外界气候环境影响较大, 高温、高湿环境下密闭舱室的空气环境相对较差。两栖装甲车作业工况包括水上航渡、抢滩登陆、陆地行驶等。对于高速两栖装甲车而言, 海上航渡必须具有很强的抗风浪能力、良好的水上行驶机动性以及较高的水中行驶速度。在高速行驶或浮渡状态下, 在高温、高湿环境中, 两栖装甲车内乘载员的体感舒适度较差。水中推进装置产生的持续噪声会在一定程度上对乘载员接收其他重要声音信号造成干扰, 浮渡状态下外界风浪、水流速度等因素会影响到两栖车水中速度的提升及运行稳定性, 容易引起乘载员呕吐等不良反应。高速两栖装甲车从海上行驶转为陆地行驶或由陆地行驶转为海上行驶时舱外环境发生变化, 车辆受力和运动状态随之改变, 舱内微小气候也会随之改变, 这就对舱内乘载员的环境适应性提出了较大考验。
高速两栖装甲车人机环境系统模拟仿真试验
人-机-环境系统模拟仿真技术
舱内乘载员对这种环境的适应能力如何, 舱内人-机-环境系统还能进行哪些设计改进, 设计改进后的效果如何, 除了进行实车的测试分析外, 还可通过模拟仿真进行研究分析。实车试验能较准确地反映两栖装甲车运行过程中的真实信息, 但在实际操作中由于受主客观因素限制, 存在多项目实车测试难度大, 实验过程数据实时监控难度大等问题。运用模拟仿真手段开展两栖车特别是高速两栖车人-机-环境系统仿真研究能在较大程度上弥补实车测试方法的不足。
通常意义上的模拟仿真技术有两种形式, 一是虚拟仿真, 需借助计算机仿真软件平台, 利用仿真软件建立实验对象的仿真模型 (数学模型) , 设定实验边界条件等, 开展虚拟仿真实验;二是半实物仿真, 将控制器 (实物) 与在计算机上实现的控制对象的仿真模型 (数学模型) 联接在一起进行试验的技术, 在这种半实物仿真试验中, 控制器的动态特性、静态特性和非线性因素等都能真实地反映出来, 因此它是一种更接近实际的仿真试验技术。人-机-环境系统的模拟仿真研究通常也是基于上述两种技术。
本文提出的高速两栖装甲车人-机-环境系统模拟仿真试验研究即是运用半实物仿真技术进行车辆人-机-环境系统研究方法, 以下提及的模拟仿真试验均指该种半实物仿真试验。该试验方法在目前军用装备研究发挥了重要作用, 该研究方法除可弥补实车测试试验的不足外, 还具有搭建的试验平台对单因素与多因素影响下的试验可自由切换, 测试精度高, 试验可重复性好等优点。
高速两栖车人-机-环境系统模拟仿真技术分析
车体运动状况受发动机工作状况、水域或陆地情况、乘载员操控等多因素的综合影响。要更好地仿真两栖装甲车辆人-机-环境系统, 模拟仿真技术需体现水面风速、水流速度、车体受到的浮力、海浪级数、地面附着力、车体受到的操控力和力矩等诸多参数对车体运动状态的影响, 需要在全面、系统、精确化的测试采集和模拟方案数据分析与验证基础上, 建立高速两栖装甲车辆动力学仿真模型、三维路面谱以及水流模拟, 在相应的计算机仿真分析软件中, 完成车辆动力学分析与仿真研究, 并在之后的车辆系统设计、实物试验、系统施工和系统试验中得到工程应用和试验验证, 进一步使车辆模型、计算方法和软件系统得到不断补充、修订和完善, 同时形成一个可不断补充更新的两栖装甲车辆运行工况相关参数数据库。高速两栖装甲车作训环境的多样化要求视景仿真应包括多种水上和陆上场景;车体姿态包括车体在水中旋转、前进、抢滩登陆及陆上行驶等多种姿态。对于海上和陆地上的多种视景仿真, 目前比较成熟的方法是运用视景生成软件等技术实现。要开展高速两栖装甲车的人-机-环境系统仿真试验, 还需基于多自由度运动平台、舱体实物模型以及虚拟现实技术, 对两栖装甲车在虚拟环境中的运动进行模拟。整个两栖装甲车的试验设计和控制以上述车体状态数据库为依据, 实现对两栖装甲车模拟舱运动状态和舱室微环境控制, 由软件和中央控制系统统一控制虚拟仿真模型和实物模型的各种运动学、动力学等边界参数, 最终实现高速两栖装甲车作训状态的半实物仿真。通过上述分析, 本文提出的对两栖装甲车的模拟仿真试验研究方法在技术上是可行的。
本文正是借助某人-机-环境实验室中现有的模拟实验系统, 基于半实物仿真技术, 结合两栖车的特点, 提出高速两栖装甲车人-机-环境系统模拟仿真试验研究。该模拟实验系统涉及的仿真主要包括动力学仿真、视景仿真和舱体仿真模型等, 模拟实验系统包括运动系统、实验舱、温湿度控制系统、舱室气压调节系统、配气系统、操控与视景音响系统、监测系统等。在该模拟实验系统的基础上, 需增加与两栖装甲车有关的场景模拟、相关路面谱等功能模块, 以匹配两栖车的运行环境。经补充的该实验室模拟实验系统可模拟高速两栖装甲车在多种环境下多个自由度的运动, 如前后、左右、上下、俯仰、侧倾、偏航等单自由度和多自由度运动;可对实验舱内的微小气候进行调节, 调控舱室的温湿度、气压等;可模拟实战航渡、抢滩登陆、陆地行驶等工况下的车体运动状态;可实现对两栖装甲车运行的外部视景环境的模拟, 以及多种形态的水域和陆地场景的三维地形仿真;可实现两栖装甲车在水上和陆地运行时, 对行驶或浮渡速度的控制;可实现在单个或多个环境因素同时存在时, 对舱内外环境的模拟仿真, 分析舱内乘载员处于作业状态时的适应性, 可用于评价车内微小气候包括有害气体、噪声、气压、温湿度等对乘员的影响, 评价车内操作界面设计合理与否, 研究高速两栖装甲车人-机-环境系统存在的问题、需要如何进行设计改进以及改进后的效果评价。
结语
运用模拟仿真试验手段分析装备人-机-环境系统性能将成为未来装备人-机-环境系统研究的重要途径, 可缩短装备人-机-环境系统的研究周期和人力物力投入。模拟仿真试验应用于高速两栖装甲车的人-机-环境系统研究将在很大程度上提升该型车的人-机-环境系统研制水平。今后可通过不断完善模拟试验条件对两栖装甲车在启动前、上下登陆舰、航渡、抢滩登陆及陆上行驶时乘员工效进行更加全面的模拟, 实现高速两栖装甲车舱室环境参数、炮击时冲击波对乘员危害、人机界面与操作空间等相关测试与评价, 为提升高速两栖装甲车适人性水平提供工效学评价和设计参考, 为提高高速两栖装甲车持续作战能力提供试验数据支撑, 最终改善高速两栖装甲车乘载员的作业环境。
摘要：目的:探究两栖装甲车人-机-环境系统模拟仿真试验技术途径。方法:提出对某模拟实验系统进行功能补充, 运用半实物仿真技术进行高速两栖装甲车人-机-环境系统模拟仿真。结果:通过分析高速两栖装甲车作训特点、可获取的实验室研究条件以及仿真试验技术途径, 得出该仿真试验方法在理论上是可行的。结论:半实物仿真将成为两栖装甲车人-机-环境系统研究的重要途径。
车辆环境 篇2
（1991年1月7日建设部城建[1991]8号发布）
发布部门: 建设部
发布文号: 建设部建城字第8号文发布
为加强城市环境卫生专用车辆管理工作，提高车辆的完好率和利用率，促进城市环境卫生事业的发展，我部制订了《城市环境卫生专用车辆管理规定》，现印发你们，请遵照执行。执行中，有何问题和意见，请报部城建司。
第一章 总则
第一条 为加强城市环境卫生专用车辆的管理，保证城市道路清扫和垃圾、粪便清运的正常进行，制定本规定。
第二条 本规定适用于城市环境卫生专用车辆的管理。
第三条 本规定所称城市环境卫生专用车辆，是指城市环境卫生单位用于城市垃圾、粪便清运和道路清扫、冲洗、洒水、除雪以及其它配套使用的车辆。
第四条 城市环境卫生专用车辆的使用、保养、维修所需资金，按照国家规定的资金渠道列支，专款专用。资金的数额，应当按照技术经济定额指标核定；流动资金额的核定，按照《国营工商企业流动资金管理暂行办法》执行。
第五条 城市环境卫生专用车辆一般应当由市集中管理，大城市可以实行市、区两级分管。
第六条 城市环境卫生专用车辆的发展，应当纳入国家和地方专用车辆的发展计划。属于国家和地方计划分配的环境卫生专用车辆，由省、自治区、直辖市和计划单列市人民政府环境卫生行政主管部门按照现行的物资管理渠道，申请平衡安排。
第二章 管理机构和职责
第七条 国务院建设行政主管部门归口负责全国城市环境卫生专用车辆的管理工作。其主要职责是：
(一)编制全国城市环境卫生专用车辆的发展规划；
(二)起草或制定城市环境卫生专用车辆管理法规、标准；
(三)组织研究、开发、鉴定和推广环境卫生专用车辆系列产品；
(四)组织环境卫生专用车辆的技术引进和消化吸收工作；
(五)归口管理环境卫生专用车辆生产企业的产品质量的标准化工作，办理环境卫生专用车辆的产品生产许可证。
第八条 省、自治区人民政府建设行政主管部门和直辖市人民政府环境卫生行政主管部门负责本行政区域城市环境卫生专用车辆的管理工作。其主要职责是：
(一)编制本行政区域城市环境卫生专用车辆的发展规划；
(二)根据国家和地方的有关法规、标准制定城市环境卫生专用车辆管理的规章制度、标准(包括环境卫生专用车辆主要总成的报废标准)、安全技术操作规程及技术经济定额；
(三)统一管理本行政区域城市环境卫生专用车辆的技术工作，指导机关、企业、事业单位内部使用的环境卫生车辆的技术工作。
其他城市人民政府环境卫生行政主管部门的职责，由省、自治区人民政府制定。
第九条 城市环境卫生专用车辆场(队)具体负责环境卫生专用车辆的运营和日常管理工作。其主要职责是：
(一)贯彻执行国家和地方的有关法规、规章制度、标准、安全技术操作规程及技术经济定额，制定本场(队)各类工种人员的岗位责任制；
(二)建立和完善城市环境卫生专用车辆的使用、保养、修理及检验、监督、安全、节油、备品备件等各项内部制度，保持车辆的完好状态，完成各项技术经济定额；
(三)编制并组织实施车辆运营计划，负责统计、考核和评比检查工作；
(四)建立车辆的使用、保养、修理档案；
(五)采用先进科技成果，改进机具和工艺，提高车辆保养、修理的机械化水平；
(六)组织开展职工的技术培训、岗位培训工作。
第三章 车场设置和车辆配备
第十条 城市环境卫生专用车辆场(队)的设置应按照城市规划选择适当位置，减少空驶里程。
第十一条 在城市环境卫生专用车辆场(队)内，应当设有车库(停车场)、油库、车辆通道、试车站、汽车胎库、配件库、洗车台、修理车间、办公室及职工福利等设施。寒冷地区应当有暖车库及配套的锅炉房。
城市环境卫生专用车辆场(队)的占地面积根据《城市环境卫生设置标准》确定。
第十二条 垃圾、粪便清运车辆的配备，可以参照下列因素确定：
(一)垃圾、粪便年平均日产量及高峰期日产量；
(二)垃圾、粪便清运方式；
(三)车辆定额吨位；
(四)单班日清运次数；
(五)车辆完好率。
道路清扫、冲洗、洒水、除雪及其他配套使用的车辆，可根据实际需要配备。
第十三条 购置城市环境卫生专用车辆，应当根据技术服务和配件供应的情况，并符合技术先进、经济合理、使用方便、坚固耐用、便于维修的原则。
第十四条 城市环境卫生专用车辆场(队)的驾驶员可以按照每辆车一点三至一点六人配备。
第十五条 城市环境卫生专用车辆场(队)应当根据所承担的保养、修理任务，配备车辆保养、修理的设备机具。修理工人(含辆助工种)可以按照下列标准配备：
(一)承担全部车辆修理任务的，按照每辆车一点二至二人配备；
(二)不承担车辆大修和三级保养的，按照每辆车零点七至一点三人配备。
第四章 车辆的使用、保养、修理和产权转移
第十六条 城市环境卫生专用车辆场(队)购置新车后，应当进行一次保养调整，并组织技术人员、驾驶人员、修理人员学习掌握新车的性能及安全技术操作规程，并建立车辆技术档案。
第十七条 城市环境卫生专用车辆应当设有明显的专用标志，持城市环境卫生专用车辆场(队)签发的行车路单执行任务。
城市环境卫生专用车辆的运营，应当遵守道路交通管理的有关规定。
第十八条 城市环境卫生专用车辆投入使用，必须外观整洁、装备齐全，并符合国家规定的安全技术标准。
第十九条 城市环境卫生专用车辆的使用，应当做到定车、定人。任何人不得擅自改变车辆的使用规定。
第二十条 城市环境卫生专用车辆场(队)应当建立健全车辆保养和修理质量保证体系。
车辆驾驶人员应当认真执行出车前、行驶途中和收车后的保养检查制度。车辆发生故障后，修理人员应当及时进行修理；检验人员应当认真进行修理检验，并填写检验记录。
第二十一条 垃圾、粪便清运车辆与洒水车辆的报废，应当在运营四十万公里以上，或者使用十年以上。
第二十二条 城市环境卫生专用车辆的产权转移，应当按照固定资产转移的有关规定执行。原车的附件、工具、档案等应当随车转移。
第五章 附则
第二十三条 未设镇建制的工矿区和城市中各机关、企业、事业单位内部的环境卫生专用车辆管理，可以参照本规定执行。
第二十四条 本规定由建设部负责解释。
附：城市环境卫生专用车辆管理技术经济定额的主要内容：
一、行车燃料消耗定额，百车公里或完成百吨公里周转量所消耗燃料的限额：
二、轮胎行驶里程定额；
三、保养、小修费定额；
四、车辆大修费用定额；
五、车辆大修间隔里程；
六、发动机大修间隔里程；
七、车辆大修工时，在场车日定额；
八、三级保养在场日(车时定额)；
九、轮胎翻新率；
十、完好车率；
十一、车辆利用率；
十二、车辆有效利用率；
十三、保养返修率；
十四、大修返修率；
十五、机件事故频率；
十六、交通事故频率；
十七、小修频率；
车辆环境 篇3
传感器是一种变换器,可以将来自外界的各种信号转变成计算机能够识别的电信号[1]。已经广泛地应用于能源、交通、通信、家电、金融、钢铁、化工、商业、农业和机械制造等行业。在智能车辆 (Intelligent Vehicles,IV) 技术中,传感器负责采集车辆所需要的信息,包括感知汽车自身、汽车行驶的周围环境及驾驶员本身的状态等,为智能车的安全行驶提供及时、准确、可靠的决策依据。因此,在智能车辆技术中,传感器就相当于系统的感受器官,快速、精确地获取信息,是实现车辆安全行驶的保证。传感器技术作为促进汽车智能化发展的关键技术之一,承担着重要的角色,已被广泛用于智能车的防碰撞、车道保持、自巡航等系统中。各种传感器都有其特有的性质,它们的局限性决定了在实际应用中不能满足系统的某些需求。为此,研究人员利用多传感器信息融合技术,将不同传感器的信号相互融合形成对同一个目标的映射,通过处理来自不同传感器的冗余、互补的信息提高传感器系统的能力。随着对智能车辆技术研究的深入以及智能车辆应用的范围多样化,多传感器信息融合技术在智能车辆技术中有着广泛的应用前景。
图1所示为2007年在北京展览馆举行的第十四届智能交通世界大会上参展的凌志展示车以及该车所安装的传感器系统。由图可以看到该系统用到了多种环境感知传感器,例如雷达、超声波传感器、立体摄像头等实现了道路的识别和障碍物的检测等功能。本文首先介绍几种环境感知传感器以及它们在智能车辆技术中的应用现状,接着叙述了多传感器信息融合技术的应用现状,最后总结了传感器技术和传感器信息融合技术的发展趋势。
2 环境感知传感器的应用现状
智能车辆系统主要有环境感知模块、分析模块、控制模块等部分组成[1],其中环境感知模块是利用各种传感器对本车所处的周边环境进行数据采集,获取道路环境信息,再处理所得环境信息,从而得到本车和周围障碍物所处的位置信息以及周围车辆等障碍物的距离、速度等信息,进而为各种控制决策提供信息依据。该模块中所用到的环境感知传感器主要有机器视觉、雷达传感器、超声波传感器、红外线传感器等。
2.1 机器视觉
虽然机器视觉受天气状况和光照条件变化的影响很大并且无法直接得到检测对象的深度信息,但是它具有检测范围广、信息容量大、成本低等优点,并且通过对其所得的图像进行处理可以识别、检测对象,所以越来越多的人对利用机器视觉感知车辆行驶环境产生很大的兴趣,以致使机器视觉在智能车辆研究领域得到广泛的应用,成为最受欢迎的传感器之一。机器视觉主要用于车道线的识别、障碍物的检测与跟踪与驾驶员状态监测等。近些年来,随着许多国家的政府机构、汽车制造商和供应商都积极投身于智能车辆的研究,机器视觉的应用也相应的取得了令人瞩目的成果,例如由德国UBM大学Dickmans教授的智能车辆研究小组研制的EMS-Vision (Expectation-based Multi-focal Saccadic Vision System)视觉系统[2],该系统能随车速的变化自动调节摄像机的焦距;具有较宽的感知范围;能适应颠簸的路径环境;能够获得立体视觉的解释信息。该视觉系统已经应用于德国UBM大学和奔驰汽车公司联合研制的VaMoRs和VaMoRs-P两种实验车中,试验车的传感器系统由3个惯性线性加速计和角速度变化传感器、测速表、发动机状态测量仪以及4个小型彩色CCD摄像机,其中4个小型彩色CCD摄像机构成两组双目视觉系统,一组安装在车体后视镜附近特制的平台上,另一组固定在车体后部挡风板的上方,主要实现车道线的识别与跟踪和障碍物的检测与跟踪。意大利MOB-LAB研究所研制的GOLD(Generic Obstacle and Lane Detection)系统[3],它利用立体视觉同时进行车道线的识别和障碍物的检测,并已经应用到意大利University of Parma大学研制的ARGO试验车中,该实验车装有两个摄像机,利用模式匹配技术实现车道线的识别,为了降低搜索前方车辆的时间,采用立体图像对技术完成障碍物的检测,并利用车辆左右边缘灰度值和边缘结构对称的特征确定车辆位置。法国的Romuald Aufrere提出的一种视觉方法[4],该方法使用一台摄像机得到路面信息,采用车道的统计模型进行匹配;利用三个模型实现有路标和无路标两种情况下的道路跟踪,此三个模型实现的功能分别是:一个从图像中提取道路的边缘特征,另一个用于定位车辆所在车道的位置,第三个用于提供可靠的时间间隔。
2.2 雷达
虽然到目前为止,雷达传感器在检测远距离的小障碍物时有一些不足之处,但是它具有远距离测距能力,能提供本车前方道路和目标车辆的方位和速度信息,同时还能够可靠地提供本车周围障碍物的深度信息,易于解决机器视觉技术在深度信息方面的难题,而且不受天气、阳光等影响,可以准确地发现本车周围存在的障碍物以及前方车辆和行人。由于雷达在准确提供远距离的车辆和障碍物信息方面有着得天独厚的优势,因此在车辆的防碰撞系统中有着广阔的应用前景。目前应用于环境感知模块中的雷达主要有微波雷达、毫米波雷达、激光雷达和电波雷达。
2.2.1 微波雷达
微波雷达能够直接获得被测物体的距离、速度信息,比红外线或激光雷达传感器气象适应性好,并且具有探测距离远、技术成熟等优点,一些系统利用微波雷达实现车辆和盲区的检测。例如Valeo Raytheon系统[5]利用24 GHz的微波雷达探测本车两侧的盲区,它的检测范围是150°,测检距离为40 m。该系统将微波雷达安装在后部的保险杠上,如果有车辆进入盲区,视觉警告信号将会提醒驾驶员。Visteon系统[6]也利用24 GHz的微波雷达探测本车两侧的盲区,它的检测距离是可编程的,当检测到静止物体时该系统不发出警告。美国TRW公司研制的车载防撞微波雷达已投入应用到货车和公共汽车上[7]。
2.2.2 毫米波雷达
与微波雷达相比,毫米波雷达波束窄,分辨率高,抗干扰能力强,具有较好的环境适应性,下雨、大雾或黑夜等天气状况对毫米波的传输几乎没有影响,因此可在各种环境下可靠地工作。随着单片微波集成电路技术的发展,毫米波雷达的价格和外型尺寸都有很大的下降。因此,近年来国外一些公司对毫米波雷达在智能车上的应用表现出了极大的兴趣。像日本丰田公司使用毫米波雷达和机器视觉共同探测前方障碍物。该系统中毫米波雷达用于探测障碍物的距离和相对速度,CCD摄像头实现车道线识别和车道上前行车辆的检测,同时完成对雷达方向的控制。三菱汽车ASV-2所安装的传感器系统包括前后视觉摄像机,能探测前方车辆的距离和相对速度的微波雷达,具有高分析能力的激光雷达以及其他检测道路环境的传感器[7]。毫米波雷达的不足是进行目标识别时,一般不能识别出正在转弯与正在换道的车辆。
2.2.3 激光雷达
与机器视觉相比,激光雷达能解决图像模糊问题,通过激光雷达技术可以跟踪目标,获得周围环境的深度信息;再者激光雷达方向性好、波束窄、无电磁干扰、获得距离及位置探测精度高,因此它广泛应用于障碍物检测、环境三维信息的获取、车距保持、车辆避障中。
由于光学系统的脆弱性,激光雷达在智能车辆系统的应用受到了限制,但是从激光雷达所得的测距图像中可以直接获取环境的三维信息,因此激光距离成像的研究受到重视。被广泛的应用于机器人领域,而且已被应用到智能车辆领域,例如文献[8,9]均用激光雷达实现障碍物的检测,再如日本马自达公司研制的行人避撞系统将激光雷达安装于汽车前部,利用发射垂直的激光带来实现路上行人的检测,根据行人衣服颜色和布料的不同,该系统的探测距离范围是35～60 m,还能检测到直道和弯道上行人,能够计算出本车与行人的距离以及行人的行走方向。德国大众汽车公司研制的“特定车道障碍物预警系统[1]”利用多光束激光测距传感器扫描汽车前部至障碍物的距离,同时,利用一种影像处理系统监视前方道路。该系统能够识别本车道及相邻车道上的车辆及障碍物,并能根据相应的多光束测距雷达测得的距离及其相对变化得到接近车辆的行驶速度。
2.2.4 电波雷达
电波雷达兼有超声波传感器的波动特征和激光雷达的快速传输特性,并且与激光雷达一样,与障碍物之间的距离可以用反射时间进行计算。由于电波雷达的波长约几毫米左右,因此不容易受到雾等反射的影响。另外,它不以空气作为传播媒体,所以不太受风的影响,这一点比激光雷达和超声波传感器都优越。再者,利用从反射接收波和发送波之间的频率差能直接测定相对速度,这是电波雷达的一个很大优点。因为树脂等难以反射电波,所以电波雷达对由树脂等构成的对象物不能检测,这也是电波雷达的缺点。但由于电波雷达抗环境性好,距离信息和相对速度信息能同时测出,结合上述优点,价格低廉的电波雷达传感器的开发对智能车辆系统的研究有着重要的意义。
2.3 超声波传感器
超声波传感器的数据处理简单、快速,主要用于近距离障碍物检测,一般能检测到的距离大约为1～5 m,但检测不出来详细的位置信息。超声波停车装置[10]已经在欧洲销售的BMW车上使用,这种系统利用一片单片机进行控制,在车的前、后保险杠上安装上超声波传感器,前部传感器的探测距离为0.6 m,后面的探测距离达到1.5 m,当倒车进入要停放的位置时,在后面的汽车约1.5 m时,停车装置将会发出连续而缓慢的警告声,倒车越接近停放的车辆,警告声就越急促,当距离为几厘米时,警告声变为沉稳,此时向前开车时警告声会变得急促。
2.4 红外线传感器
红外线传感器的情况与超声波传感器相仿,只是红外传感器不受黑暗、风、沙、雨、雪、雾的阻挡,因此它的环境适应性好,且功耗低,与超声波传感器相比,其探测视角小,方向性和测量精度有所提高。红外线传感器可以增强机器视觉识别的可靠性,因此常被用于智能汽车中的夜视系统中,美国通用汽车公司利用红外技术相继研制成了供汽车司机在夜间行驶用的第一代和第二代夜视系统,系统中的红外传感器通过感知及记录物体间温度的差别进行区分物体,该夜视系统的显示屏幕的亮度可调,所研制的第二代夜视系统为彩色显示。美国美洲虎公司同样利用红外技术实现了夜视系统的研制。
3 多传感器信息融合的应用现状
为了克服传感器的数据可靠性低、有效探测范围小等局限性,保证在任何时刻都能为车辆运行提供完全可靠的环境信息,在智能车辆的研究中使用多个传感器进行数据采集,利用传感器信息融合技术对检测到的数据进行分析、综合、平衡,根据各个传感器信息在时间或空间的冗余或互补特性进行容错处理,扩大系统的时频覆盖范围,增加信息维数,避免单个传感器的工作盲区,从而得到所需要的环境信息。因此,随着智能车的研究和应用领域逐步地深入和多样化,传感器信息融合技术在智能车辆技术的研究领域应用倍受欢迎。近年来,智能车辆技术研究中多传感器信息融合技术的应用取得了许多令人振奋的成果,如美国卡内基·梅隆大学机器人研究所研制的Navlab-II智能车,它利用激光雷达和视觉传感器进行道路、车辆、行人等目标的检测[11]。德国Braunschweig科技大学研制的智能车[12]采用的传感器系统由1个立体视觉传感器、4个激光扫描器、1个雷达传感器组成,这些传感器的探测范围在车辆前面有很大的重叠。立体视觉传感器安装在后视镜后面,主要实现对中远距离障碍物探测和路径识别功能;在前保险杠上安装有1个长距离、小角度雷达传感器;并在前保险杠的左右两端分别安装1个激光扫描器,每个扫描器的覆盖范围为270°,它们对车辆正前方进行扫描;在前后保险杠的中间位置分别安装1个激光扫描器,这个扫描器能够发射出3个不同角度的激光束,因此比单激光束的传感器具有更强的抗干扰能力,主要用于短、中、远的障碍物目标探测。德国大众公司最新研究的智能车辆系统装有雷达、机器视觉,激光扫描等传感器,利用传感器之间的数据互补及冗余得到车辆所需要的可靠、稳定的全方位信息。美国国防部最新研制的智能车辆Demo系列,目的是用于危险地段的军事侦察。Demo系列采用的关键技术有:感知系统、计算机处理器、导航系统、路径规划、车辆控制、立体视觉、地形理解以及传感器等技术。Demo-III[13]智能汽车采用了雷达与机器视觉融合技术用于障碍物的探测。该车中所用的立体视觉系统包括彩色摄像机、单色摄像机和红外摄像机,并且装有两种雷达,一种是77 GHz的毫米雷达主要用于远距离障碍物的探测,其有效感应距离可达128 m,角度范围可达64°,另一种是可以发现隐藏在植物中障碍物的2 GHz的LADAR雷达。
与发达国家相比,我国对智能车辆技术领域的研究起步较晚,目前主要为一些高等院校和科研机构,他们相继开展了对智能车辆的研究,并在智能车辆的视觉导航、多传感器信息融合、路径规划与控制、自主驾驶等方面取得了一些积极的成果,例如清华大学的汽车安全与节能国家重点实验室研究的汽车主动碰撞系统,该系统采用了激光雷达和毫米波雷达实现了对本车前方车辆的探测;吉林大学所研制的JUTIV-II试验车所使用的传感器有CCD摄像机、三维激光测距仪、GPS定位系统等,它利用视觉信息和激光雷达信息融合技术实现路径识别与跟踪、前方车辆的探测与跟踪、保持本车与前方车辆安全车距等功能;西安交通大学人工智能与机器人研究所的Spring robot智能汽车[14]安装了毫米波雷达、SICK激光雷达、GPS和摄像机等感知传感器,所安装的毫米波雷达工作范围可达120 m,扫描角度为12°,扫描目标最多可达20个,测量距离精度可达5%,速度精度可达1%,角度分辨率精度可达± 0.2°,实现动态目标的检测,激光雷达扫描角度达到180°,角度分辨率为0.25°,距离分辨率为10 mm,实现前方静止障碍物的检测。该车可以实现手动驾驶和自动驾驶两种方式,能够实时检测道路、行人、车辆等障碍物。
4 发展方向
近年来,在环境感知模块中CCD摄像机是最常用的传感器。但是,由于障碍物本身的特征和光照条件的影响,在复杂的光照条件下,传统的CCD摄像机不能满足实际操作中系统对传感器动态范围的要求。因此,传统的基于机器视觉的障碍物检测过程具有一定的局限性,为此,人们开始研究不用任何辅助照明的前提下能够全天候正常工作并具有大动态范围的摄像机并取得了一定的成功,例如由福特研究实验室和SENTECH联合研制的低光(low-light)摄像机[15],它通过对Sony X-view阵列进行特殊的设计,扩大了摄像机的动态范围。近年来,研究者提出许多能在弱光照条件下正常工作的算法,使得传统的基于机器视觉的障碍物检测系统的性能得到很大的提高,同时,人们也致力于利用COMS传感器动态范围大,鲁棒性较高等优点,提高摄像机的动态范围,降低传感器数据采集时间和传输时间。
虽然低光摄像机已经被应用到许多研究中,但是它不能够得到可见光谱之外的重要信息和检测目标的距离信息,相反地对光照和天气状况的改变不敏感的外线传感器和雷达传感器等却可以,因此,基于红外线传感器、超声波传感器和雷达传感器的智能车辆系统得到人们的关注,研究者逐步地将它们应用到智能车辆环境感知模块中。例如Dirk Linzmeir 和他的同事们利用行人的温度比周围环境的温度要高很多的原理,将温度传感器用于行人的检测。利用同样的原理,Massimo Bertozzi, Alberto Broggi和A.Lasagni 利用红外线传感器进行行人检测[15]。虽然红外线传感器、超声波传感器和雷达等受光照条件和天气变化的影响不大,有着较强的抗环境变化的能力,但是当有多辆车一起沿同方向行驶时,同种传感器之间的干扰是个严重的问题,并且他们的分辨率和精度都不能满足智能车辆对传感器性能的要求。
在智能车辆技术研究中,传感器作为控制系统的信息源,是智能车辆控制系统的关键。在环境感知模块中,所用传感器的动态范围、对光的敏感性、空间分辨率、相互融合能力等性能在很大程度上影响到系统的性能。但是由于目前传感器的局限性使其不能满足研究和实际应用的需要,因此研制高性能和高可靠性的智能传感器将成为传感器技术研究领域的一个发展方向。
传感器的特性表明每种传感器仅仅能得到特定的环境信息,因此单一的传感器不能为系统提供足够的广泛的环境信息,为了克服单一传感器的局限性,促进智能车的深入研究,扩大智能车的应用领域,需要研制一种能够有效地利用来自多种传感器包括主动传感器和被动传感器信息的系统,多传感器信息融合在解决这方面的问题上有着巨大的潜力。目前多传感器信息融合使用的方法主要有加权平均法、卡尔曼滤波法、贝叶斯估计法、统计决策理论方法、D-S 证据推理法、模糊逻辑法和人工神经网络方法等[16]。
尽管传感器融合技术在为智能车提供可靠的环境特征信息方面有很大的帮助,但是发展实际的多传感器信息融合平台需要处理一系列的问题,包括一些传感器融合的常规问题和存在系统设计中的特殊问题。多传感器信息融合需要所用到的环境感知传感器提供精确的环境信息,然而实际的应用中所得到信息大多数都是不确定信息。因此,研究多传感器信息融合的鲁棒性对于整个融合过程是很重要的,合理的描述并解决各传感器信号间的不确定性问题将是多传感器信息融合的一个发展方向。
多传感器信息融合通过处理来自不同传感器的冗余、互补的信息提高传感器系统的能力。这些不同的传感器共同工作,将不同传感器的信号相互融合形成对同一个目标的映射。例如考虑到单个传感器的可靠性和置信度,利用声学传感器和视觉传感器信息的互补性,将两种传感器共同用在障碍物的检测和道路的识别中能够获得比单个传感器更准确的环境特征和信息。常用的环境感知传感器有毫米波雷达、激光雷达和摄像机等。由于视觉技术具有不向外部环境发射信号、图像信息丰富、价格低、角度和方向分辨率较高,能够消除驾驶员的盲区等优势。因此,利用机器视觉的优势,结合由雷传感器达或超声波雷达传感器或红外线传感器等获取的距离信息实现对本车周围环境的感知成为各国学者研究的热点。由于各传感器采集信号和输出信号的方式不一样,要合理的利用各传感器的信息,就必须利用多传感器信息融合技术,研究利用多传感器信息融合技术获得具有丰富、鲁棒性及实时性高的信息,提出具有鲁棒性高的融合算法将是传感器信息融合技术的发展趋势。
传感器信息融合技术对智能车辆技术的发展有着巨大的潜力,自从传感器信息融合技术应用到智能车辆领域以来取得了一些令人瞩目的成果,但是,目前人们对多传感器信息融合方法的应用研究还不深入,多数是基于规则的专家系统进行信息融合,从而使多传感器信息融合的优势没有得到充分的发挥,因此,为了弥补单个传感器的不足之处,寻找新的融合策略或提出新的传感器融合方法,将是多传感器信息融合的一个发展方向。
5 结 语
车辆车辆转让协议书 篇4
出让人：（以下简称甲方）
受让人：（以下简称乙方）
经协商，乙方同意本人拥有产权的车辆转让给甲方，甲乙双方本着自愿的原则同意签订本协议，以资双方共同遵守执行。
第一条：甲方购买乙方的车辆：
汽车型号：_____________________________数量：____________________
颜色：_____________________________产地：____________________
备注：______________________________________________________
第二条：质量要求：
乙方向甲方出售的车，手续齐全且该车符合国家有关规定，能够依法办理过户，转籍手续。乙方向甲方出售的车无任何抵押、担保或贷款，过户前因该车产权引起或发生的债权债务、经济责任由甲方承担，车辆移交给乙方后该车发生的经济责任由乙方承担。在该车辆未过户之前乙方同样不得以该车作为任何形式的抵押或偿还任何债务。
第三条：付款方式
1.甲方的付款方式：车款为（不含税费）￥140000.00元；大写：壹拾肆万元整。甲方分
三期付款，第一次付款时间为2010年10月，￥70000.00元；大写：柒万元整。第二次付款时间为2011年02月，￥30000.00元；大写：叁万元整。第三次付款时间为2011年05月，￥40000.00元；大写：肆万元整。
2.乙方应在收到第一次付款后_30日内交付车辆及相关文件，并协助乙方在半年内办理完车辆过户手续。车辆过户费用由乙方支付。
第四条：甲乙方的权利义务
乙方权利义务
1.乙方应保证对出卖车辆享有所有权或处分权，且该车符合国家有关规定，能够依法办理过户、转籍手续。
2.乙方保证向甲方提供的相关文件真实有效及其对车辆状况的陈述完整、真实，不存在隐瞒或虚假成分。
3.乙方在甲方购买车辆时必须向甲方提供：
（1）销售发票；
（2）说明书；保修卡或保修手册；
（3）缴纳税费和车辆保险单等
4.乙方收取车款后，应开具合法、规范的收款凭证
甲方权利义务
1．甲方在购车时应认真检查出乙方所提供的车辆证件、手续是否齐全。
2．甲方在购车时应对所购车辆的功能及外观进行认真检查、确认。
3．甲方应按照约定的时间、地点与乙方当面验收车辆及审验相关文件，并按照约定支付车款。
4．乙方应持有效证件与甲方共同办理车辆过户、转籍手续。
5．如甲方使用、保管或保养不当造成的问题，由甲方自行负责
6.车辆交付后办理过户、转籍过程中，因车辆使用发生的问题由使用者负责
第五条：协议效力
本协议一式两份，甲方一份、乙方一份，自双方签字之日起生效。
甲方：_____________________乙方： ____________________
车辆环境 篇5
由于摄像机采集到的信息较为丰富, 车道只是图像信息中的一部分, 在实际环境中, 如高速公路上, 两旁的护栏、树木、道路边沿的白线、中间的行车标识, 由于阳光产生的影子等都会被摄像机采集到。因此我们有必要对所采集到的图像进行分割, 以此来区分车道、背景和道路标识等。尽管对图像的分割会造成信息的缺失, 但我们对这些不同的景物的关注度也是不一样的, 如车辆的影子、两旁的树木, 我们并不关注它们。因此我们希望在分割的过程中尽可能地将这些无用的信息过滤掉, 这样才能得到一幅相对完整的车道俯视图。
对于车道俯视图的处理, 曾有学者提出基于Hough变换定性的识别方法, 但是所能提取到的信息较为简单, 且没有考虑到光影等其他环境因素的影响, 不具备鲁棒性, 因此不足以对车辆的自主导航提出指导性的意见。
基于以上因素的综合考虑, 本文提出一种全新的处理算法, 不仅能对车道信息进行定量提取, 同时也能对车辆本身的姿态进行估计, 以此来实现车辆的自主导航。
1 车道分割
车辆在行驶的过程中, 周围的环境复杂多变, 用单一的阈值来对图像进行分割很难达到我们想要的效果。因此我们需要一种自适应的阈值分割方法, 通过图像的实时变化来对图像进行分割。
有关自适应的阈值算法, 日本学者大展津在1993年最先提出Otsu算法[2]。这种算法通过统计图像整体的灰度分布, 基于类间距离最大的考虑, 计算出统计意义上的最佳阈值。在此基础上, 又由一些国内学者进行改进, 提出了二维Otsu算法[5]。该算法通过统计图像整体的灰度分布以及灰度梯度的分布, 计算出最佳的二维阈值。后经过许多学者的改进[6], 该算法的性能大大提升, 成为现今自适应阈值分割的主流算法。这种算法最大的改进之处在于加入了灰度梯度的考虑, 使得图像中一些对比度较低的部分也能被区分出来。但是在道路的分割中, 由于光影、积水或者道路本身的原因导致错误分割。为了消除这种错误, 本文在基于Otsu算法的前提下, 提出一种新的分割方式:色差分割。
该算法的核心思想是基于路面的颜色特征进行分割。我国的车道颜色多为黑色或者灰色, 即使在较为明亮的强日光照射下, 也只是淡淡的泛有黄色, 在RGB空间内, 整体与灰色非常接近。为了强调灰色这一颜色特征, 我们在YUV空间对图像的像素进行统计。
接下来我们定义RGB空间内像素点与灰度点的色差g:
我们计算出每个像素点的 (Ui, Vi) , 并对 (Ui, Vi) 发生的概率进行统计, 得到关于UV空间的二维统计直方图p (U, V) 。
现在我们来确定最佳的阈值分布。当 (蓝色色差, 红色色差) 为 (t, s) 的时候, 这组阈值将会把UV平面分成四个区域, Z0, Z1, Z2, Z3。根据色差UV的定义可知, UV都是较小的量, 因此Z3在整体空间所占比重可以忽略掉。我们只考虑将Z0, Z1进行区分 (我们认为在高值区域Z2和Z1是相似的, 因此我们选取区分Z0, Z1, 而实际上选择区分Z0, Z2所得到的结果也是相似的) 。
记在Z0, Z1中发生的概率分别为W0, W1。则
令Z0, Z1的均值向量为u0, u1。则:
二维直方图的总均值向量uz, 则:
在二维直方图的基础上我们定义目标类和背景类间的离散测度矩阵σb:
在二维Otsu中, 采用矩阵σb的迹trace (σb) 来描述目标类和背景类之间的距离测度:
我们统计每一组 (t, s) 所对应的trace值, 找到trace值最大的一组 (t, s) 作为最佳的分割阈值。
在具体计算的过程中, 需要反复计算w, u, v参数, 因此为了避免大量无效的重复计算, 采用查表的方法。先根据递推公式计算算出所有的w, u, v参数, 构成一张表。需要用到计算的时候直接从表中找到其对应的位置即可。其递推关系式如下:
具体实现步骤如下:
(1) 计算全部像素点的f, g, 得到p (f, g) 的二维统计分部直方图。
(2) 根据 (7) ~ (12) 式计算u, v, w参数, 建立查找边。
(3) 根据 (6) 式计算各个阈值对应的trace值, 并找出最大trace值对应的阈值。
(4) 根据所得阈值对图像进行分割。
2 逆透视映射 (IPM)
逆透视映射在计算时需要考虑相机本身的参数、姿态等许多因素, 导致计算十分复杂, 经过相关学者的一系列简化、优化, 最终得到一组切实可行、形式简洁的计算公式[3,4,7]。在这里我们先对参数作如下规定:
(1) 相机所处的高度为h。
(2) 相机的视场角为2α×2β, 其中2α为纵向视场角, 2β为横向视场角。
(3) 相机的横滚角γ=0。
(4) 相机的俯仰角为θ。
(5) 图像坐标系 (相机拍摄到图片的坐标系) 的原点为图像的左上角, XY轴的正方向如下图所标注。
(6) 世界坐标系中的原点为相机位置在地面上的纵向投影。XY轴的正方向如图4和图5所标注。
(7) 所拍摄到的图像分辨率为m×n, 其中m为纵向分辨率, n为横向分辨率。
(8) 图像坐标系中点的坐标为 (u, v) , 其在世界坐标系中的坐标为 (x, y) 。
根据以上定义, 我们可以得到如下变换:
考虑到从透视图变换中俯视图会产生一对多的映射, 而这种映射方式会使得转换后得到的俯视图呈现出明显的块状区域, 这对我们后续的识别工作会产生不利的影响。为了使图片能够尽可能真实地被还原, 我们采用从俯视图逆映射回透视图。即先寻找俯视图中点的坐标, 然后去寻找透视图中对应的坐标。根据 (13) ~ (16) 式, 我们可以确定所有的俯视图中的点经过以上变换, 对应到透视图中的坐标均是小数, 对像素点的确定就需要用到线性插值。如图6和图7所示, 我们采用对应点周围的4个点的像素的平均值来代替该点的真实像素值。
在本文叙述中, 由于已经对原图进行了阈值分割, 此时的透视图已经是一幅二值图像。因此对于逆透视映射后的图我们也希望是一幅二值图像。因此对俯视图中点的像素值我们做如下规定:如果俯视图中的点在透视图中所对应位置的4邻域中白色点的个数不少于2个, 那么该点的像素值为255 (这里灰度级数为256) , 否则该点的像素值为0。
3 车道信息提取
实际行车过程中, 车道的信息集中体现在直线、弯道两个方面。其中弯道又可细分为转弯的方向以及弯道的幅度 (曲率半径) 。本文主要针对弯道给出定量的提取弯道信息的方法。
3.1 车道边缘提取
根据以上处理得到的图像, 我们可以发现尽管道路大体上与背景分割开来, 但是图像并没有我们想象中的规整。首先, 在道路的中央、两旁以及道路与背景的边缘处仍然存在着部分噪点。其次, 道路的轮廓也没有呈现出规则的几何直线。我们试图通过其他图像处理的手段让图像变得更为规整, 但是毫无疑问这将耗费大量的计算资源, 而且对于边缘区域的修补将更加困难。为了避免高难度、烦琐的图像处理, 本文通过投影的方法来解决这一问题。
这种方法的核心思想是通过积分 (求和) 来减少背景噪声对图像的影响。将图像上白色的像素点向X轴上投影, 计算每一个X上投影点的个数White (X) 。尽管由于噪点的存在使得边缘并不规整, 但从整体的分布情形来看, 道路边缘的形状在投影图中很好地得到了体现。
3.2 弯道信息提取
首先是弯道的转向。对经过逆透射变换后所得的图像的左半部分 (右半部分亦可) 中黑色的点在Y轴上进行投影, 计算不同Y值处黑色点的个数Black (Y) 。比较图像顶部和图像底部的Black (Y) 值, 可以很快得到弯道的转向 (如图8~11所示) 。
要计算曲线的曲率半径, 我们要对弯道的边缘曲线进行建模。这里, 我们认为弯道的边缘曲线是一段圆弧。那么弯道的幅度 (曲率半径ρ) 即为该段圆弧所对应圆的半径R。根据几何关系, 我们很容易得到如下关系式:
其中L表示弧长, θ1和θ2分别表示弧的两端所对应切线与X轴的夹角。
由于我们实际得到的车道边缘线经过投影处理后转化为一串离散的点列, 因此我们用这些点列所连成折线的长度来估算弧长L, 即
实测结果与算法性能见表1。
4 结束语
本文引入逆透射变换, 通过该变换将世界坐标系与相机坐标系建立了联系, 使得我们可以自由地选取实施变换的范围, 省去了确定路面区间的步骤。在此基础之上引入了基于色差的二维Otsu算法以及投影降噪的方法, 即使在光影条件较为复杂的环境中也能对车道进行分割和提取, 并最终实现对车道参数的定量计算, 并且具有一定的实时性。
摘要：在智能车辆自主导航中, 对于复杂多变道路的识别和定向, 在机器视觉辅助的前提下, 往往需要借助许多其他复杂的传感器进行综合定位, 增加了车辆的制造成本。造成这一现状的一个重要原因, 是由于透视原理所引起的视觉畸变使得我们很难对当前的路面情形作出判断。提出了一种基于色差分割的阈值算法, 在此基础上使用IPM (逆透视映射) 算法, 将相机拍摄到的世界坐标系下的三维景物转换成其在二维平面上的投影图, 以此来修复由于透射原理所造成的视觉畸变。
关键词：阈值选择,色差分割,逆透视映射,车道识别
参考文献
[1]Bertozzi MA, FasciloiBroggi.Stereo inverse perspective mapping:theory and applications[J].Image and Vision Computing, 1997, 16 (8) :62-81.
[2]N.OTSU.A threshold selection method from gray-level histogram[J].IEEE Transactions on Systems, Man, and Cybernetics, 1979, 15:62-68.
[3]曹毓.逆透视映射公式的误差分析及准确度验证[J].光子学报, 2011 (12) :1833-1838.
[4]何援军.透视和逆透视映射[J].计算机辅助设计与图形学报, 2005 (4) :208-210.
[5]刘健庄, 粟文青.灰度图像的二维Otsu自动阈值分割法[J].电子工程师, 1993 (1) :60-63.
[6]吴一全.改进的二维Otsu法阈值分割快速迭代算法[J].电子测量与仪器学报, 2011 (3) :218-224.
车辆环境 篇6
无线移动通信技术和互联网的发展, 使得集成了车辆间直接通信 (IVC) 系统和车与路边设施通信 (RVC) 系统的车辆网络成为一个新的研究热点[1]。车辆间通过IVC系统, 可以实现协助驾驶、协作驾驶、信息分发等应用;而通过RVC系统, 则可以让乘客享受各种娱乐, 例如, 在线游戏、视频点播、汽车会议、路边超市、快餐和Internet接入等[2]。为了给高速移动的车辆提供连续的Internet服务, 就需要移动IP技术的支持。支持IP移动性的协议Mobile IPv4 (MIPv4) [3]和Mobile IPv6 (MIPv6) [4]已被IETF工作组写入草案, 并且针对Mobile IPv6的三种改进协议 (分层Mobile IPv6 (HMIPv6) [5]、快速Mobile IPv6 (FMIPv6) [6]、快速分层Mobile IPv6 (F-HMIPv6) [7]) 也相继被公布。
车辆网络中高速行驶的车辆与路边网关频繁切换必然会对各类协议的性能产生影响, 这就对当前移动IP协议提出了新的挑战, 因此分析和评估各类协议在高速环境中所表现出的性能特征就非常必要。相比于MIPv4, MIPv6的优势已被文献[4]详细分析, 因此本文主要讨论四类移动IPv6协议。虽然对各类协议的性能评估在文献[8,9]中已作了研究, 但在文献[8]的研究工作中, 仅仅给出一种简单的移动模型, 并且只研究了一个移动节点在两个基站之间切换, 而节点的速度为1m/s。而在文献[9]的研究工作中, 最多有50个移动节点以Random Waypoint模型方式在矩形区域中移动, 节点速度为10m/s, 在该仿真中, 低速和Random Waypoint模型不能很好地反映车辆的移动。
本文给出移动IPv6协议在车辆网络中的应用需求和场景。为评估四类协议在车辆网络高速环境中的性能, 我们改进了基于胞元自动机 (cellular automaton) 的微观车辆移动模型为多车道高速公路模型, 并实现了车辆移动轨迹和四类协议的代码, 利用网络仿真器ns-2分别开发了配置四种移动IPv6协议的车辆网络仿真模型, 其中, 节点移动速度最大达到50m/s。最后利用切换时延、丢包数以及吞吐量等性能参数分析了高速环境对移动IPv6协议的影响, 为协议在高速环境下的改进提供了依据。
1背景知识
1.1车辆网络
除了辅助协作驾驶和交通管理等应用外, 高速公路上配备了无线移动通信设备的车辆能够随时随地接入Internet, 成为未来车辆网络的另一个重要应用。如图1所示, 车辆上的乘客方便地通过Internet查询机场、加油站以及商店等的信息, 或进行在线视频点播、汽车会议等等。
车辆网络的拓扑图如图2所示, 车辆网络是由车辆与车辆直接互连的无线自组网 (VANET) 和车辆与路边网关互连的无线移动网异构而成的。由于融合了两种不同类型网络结构, 使得车辆网络成为一种新的特殊的无线移动通信网络。车辆网络中无线自组网与无线移动网的结合既可以看作是扩展孤立的无线自组网到大规模互联网络;也可以看作无线自组网将蜂窝移动通信网络或无线局域网中的最后一跳扩展为多跳无线连接。通过车辆网络不仅可以实现位于不同自组网的移动终端之间的通信, 而且实现了与现有有线网络的互连。它具有如下特点: (1) 大规模异构网络的融合; (2) 终端 (车辆) 移动且沿着特定的轨迹移动; (3) 网络拓扑结构复杂多变; (4) 网络有了更强的可生存性和扩展性, 两种网络优势互补、相互延伸。
由于车辆网络是由两类网络混合而成, 从而其网络协议既要有无线自组网络协议的功能, 用以实现车辆节点之间直接通信 (IVC) , 同时也要具备无线移动网络协议的功能, 即在车辆网络中配置支持移动IP的切换协议, 以实现通过路边网关接入的Internet服务。
1.2Mobile IPv6及增强协议
Mobile IPv6允许移动节点 (MN) 从家乡网络中移动出去, 仍然透明地保持当前的所有连接以及同Internet的可达性。因此MN的移动对于传输层及其高层的协议和应用来说是透明的。当MN从家乡网络移动到外地网络中之后, MN会得到转交地址 (Care-of address) 。MN需要将该地址向家乡代理 (HA) 和通信节点CN (Correspondent Node) 进行注册。
Mobile IPv6工作过程可大致的分为如下几步 (如图3所示) :
(1) 当MN从家乡网络移动出去之后, 从外地网络中获得转交地址。
(2) MN向家乡代理发送绑定更新消息。
(3) 家乡代理向MN发送绑定应答消息。
(4) MN向CN发送Home Test Init和Care-of Test Init消息。
(5) CN向MN回复Home Test和Care-of Test消息。
(6) MN向CN发送绑定更新消息。
(7) CN向MN发送绑定应答消息。
(8) MN和CN之间可以通过隧道或者是路由优化方式来进行通信。
其中步 (4) 、 (5) 合称为Return Routability过程。该过程能够使CN能够得到一些合理的确认:MN所声称的家乡地址以及转交地址是可达的, 而不是伪造的。Home Test Init和Home Test是一对消息, 其目的使CN确信MN声称的家乡地址是真实的;Care-of Test Init和Care-of Test是一对消息, 其目的是使CN确信MN在它所声称的转交地址上。
切换过程中, MIPv6不仅可能导致高的信号负载而且可能产生高的切换时延和数据包丢失, 尤其是频繁切换中。针对MIPv6这些缺陷, 相继提出了几种改进协议。接下来分别简述HMIPv6、FMIPv6以及F-HMIPv6协议。
HMIPv6是针对MIPv6工作过程中MN向HA和CN注册的复杂过程提出的局部移动管理协议。该协议在局部域内通过MN向MAP (Mobility Anchor Point) 注册代替了MN向HA和CN的注册过程, 从而简化了注册过程, 减小了时延和数据包丢失。HMIPv6的其他工作过程类似于MIPv6。HMIPv6在局部减轻了信号负载、切换时延和丢包率, 当执行域间切换时, 仍旧和MIPv6的性能一样。
FMIPv6则是针对减小MIPv6注册前路由器公告、移动检测以及转交地址 (CoA) 配置等所造成的时延而提出的。FMIPv6与MIPv6不同之处在于, 在MN移入新网关的覆盖区域之前, 提前通过当前网关完成转交地址配置、重复检测等过程, 并在新旧网关之间建立专用通道, 直到MN移入新覆盖区域完成向HA和CN的注册过程, 从而达到减小切换时延和数据包丢失的目标, 但同时增加了附加信息, 如RtSolPr、PrRtAdv、HI以及HACK等, 详见文献[6]。
F-HMIPv6是HMIPv6和FMIPv6的结合, 从而更好地减轻了信号负载、切换时延以及丢包率, 关于F-HMIPv6详见文献[7]。
2仿真环境
下面介绍了评估移动IPv6协议在车辆网络中的性能时用到的仿真环境。
2.1车辆移动模型
Nagle等在1992年提出基于胞元自动机的微观车辆移动模型, 能够很好地反映了高速公路上车辆的移动特性[10,11]。该模型将一条环形高速路分割成L段, 每段的长度为lc=7.5m, 表示单辆汽车平均占据的路段长度, 即, 将路段分割成了多个长为7.5m的“蜂窝” (site) 。蜂窝可为空, 或可被一辆车占据。车辆在单车道上沿路行驶, 行驶速度为u site/s, 范围从0到Vmax, 表示车辆每秒移动的蜂窝数。车辆总数为N, 车辆在道路上的密度为Psys=N/L, 单位为veh/km。当最大速度Vmax=5sites/s时, 刚好与现实高速路上135km/h的车速一致。最大密度则为Pmax=1/7.5m≈133veh/km。所有车辆的移动参数依据一套算法规则每秒更新一次, 规则依据相邻车辆车距和它们的速度值来计算每辆车的新速度和新位置。
该模型限定车道为单车道且车辆最大速度为5sites/s, 我们对最大速度的范围 (1sites/s
假设1:所有车辆类型相同。
假设2:所有的车辆都遵守相同的行驶规则。
假设3:各个车道间的车辆是平均分配的。
对于任意两辆车i和j, 车i在车j的后面, Dt{i, j}表示t时刻两车间距离, Sd表示两车间的安全距离, Vt{i}和Vt-1{i}表示两车在t时刻的速度, 具体算法如下:
Input:L, V, T, N
While (t
{//each time step of 1s
if (Vt{i}
Vt{i}=Vt-1{i}+1;
else if (Vt{i}
{
while (Vt{i}<=Vt{j})
{
Vt{i}=Vt{i}-1;
}
}
}
2.2网络仿真模型
由于本文目的是评估四类移动IPv6协议在高速环境中的性能, 因此车辆网络仿真模型中只实现移动车辆通过路边网关对Internet接入技术, 而没有考虑车辆与车辆之间构成的无线自组网。对CMU/Monarch的无线模块作进一步扩展就支持无线和有线网络联合模拟移动IP切换协议。
假设在高速公路上的车辆节点和路边网关都配备有符合IEEE802.11b标准的无线收发机。本文采用IEEE802.11b协议作为路边网关和移动节点之间的无线通信协议, 并将该协议的广播模式改为基础设施模式。同时, 这些收发机上均实现了完整的IEEE802.11b的协议栈, 同时分别配置一种切换协议, 以无线局域网的基础设施模式实现移动节点对路边网关的Internet接入。车辆网络仿真模型的实现主要包括有线节点、无线节点、链路设置以及应用设置。其中路边网关的配置既要完成与移动节点的无线通信, 又要完成与上一级路由器的有线通信。路边网关参数配置如下:
-mobileIP ONadhocRouting NOAHllType LLmacType Mac/802_11ifqType Queue/DropTail/PriQueueifqLen 50antType Antenna/OmniAntennapropType Propagation/TwoRayGroundphyType Phy/WirelessPhychannel $chan_topoInstance topowiredRouting ONagentTrace ONrouterTrace OFFmacTrace ON.
移动节点配置时将参数wiredRouting 设置为OFF, 其他配置与网关配置一致。无线和有线节点的IP地址均采用分层地址类型。无线和有线链路都设置为双向链路, 主干网带宽设置为100Mb, 用100ms时延表示Internet时延, 各节点之间直接链路时延设置为5ms, 无线链路带宽设置为1Mb。另外, 通信对端CN和每个移动节点之间传输的数据包为TCP包, 每隔10ms传输512字节, 并绑定到FTP应用中。
2.3四类协议的实现
Robert在ns-allinone-2.1b7中添加J.Widmer's的ns 无线扩展模块[8], 并实现了如下功能:1) 绑定缓存和绑定更新机制;2) 实现了MAP;3) 路由广播信息中包括MAP的信息;4) ns中的Lucent WaveLan对象被修改为无线节点对网关的访问模式。然而, 像邻居发现协议等L2层的一些关键功能模块没有实现。文中四种切换协议的仿真代码是在Robert[9]所实现MIPv6、HMIPv6、FMIPv6以及F-HMIPv6的功能模块的基础上, 做了如下改进:1) 依据文献[12], 对已有协议未作的模块所产生的时延对L2层所产生的时延做了分析和评估, 并在模块中重新设置, 这样就能更准确地评估L3层的性能;2) 对模块中的无线覆盖范围进行了扩展, Robert所实现的模块中, 无线覆盖范围被固定为80m, 经改进, 可自由设置;3) 对其拓扑配置实现了改进, 原程序只能实现一个MAP, 经改进可任意生成网络拓扑。
2.4性能参数
定义1 切换时延是指经历切换过程的移动节点在收到先前基站最后一个数据包和收到新基站第一个数据报之间的时间间隔。切换时延是Mobile IPv6相关协议中一个非常重要的评估参数, 因为切换时延所造成的时间间隔将直接造成服务中断。
定义2 包丢失是指同样时间内同样场景下发生切换与不发生切换时, 移动节点所收到的数据包数量之差。
定义3 吞吐量是指有线节点或无线节点每秒钟传输数据的字节数。通过该参数不仅可以评估多个节点和频繁切换所造成的网络负载, 而且结合时延可以评估FMIPv6和F-HMIPv6中附加信息 (BUs, BAcks, PrRtAdv, PrRtSol, F-NA, F-BU, F-BAck, HI 和 Hack) 对系统的影响。
仿真模型中所需的节点移动轨迹由多车道车辆移动模型生成, 同时网络仿真模型又分别配备了各种移动IP切换协议, 这样就构建了高速公路上高速行驶车辆分别以每种切换协议对路边网关进行访问的仿真环境。在低速情形下, 单个和多个移动节点与CN之间通信时各种协议的性能已被评估, 这里我们采用和他们一致的仿真方法来评估高速环境下各协议的性能。
3仿真过程
仿真场景如图4所示, 路边网关所连接的有线网络采用两层路由器接入Internet, 分别有一个CN、一个HA与移动节点相关。这个仿真模型如图4所示。整个仿真拓扑在2000m×1000m的范围内实现, 仿真中建立有8个Wired Node (包括一个通讯对端CN、一个家乡代理HA、6个路由节点) 、2 个基站 (base1 和base2) 和11个移动节点 (MN) 的拓扑结构, 图中的Internet的实现我们用较大的时延实现。无线通讯采信仿真软件ns-2[13]支持的WLAN802.11b协议。每个路边网关的无线覆盖范围设置为300m, 且两覆盖之间叠加区域约为50m。干扰节点中随机选择一半节点与CN发生数据传输, 每次仿真过程进行200s并且有5s的初始化阶段。
为了得出高速公路行驶的移动节点场景中Mobile IPv6相关协议的性能, 我们分别设置了如下场景:移动节点的最大速度分别设置为10m/s, 20m/s, 30m/s, 40m/s和50m/s五个仿真场景, 每一场景中有11个节点, 只考虑随机选择一个移动节点作为性能评估对象, 其它节点是对该移动节点的干扰节点, 在每一场景中分别为车辆与路边网关配置MIPv6、HMIPv6、FMIPv6以及F-HMIPv6协议, 每种配置下仿真过程进行10次, 然后取平均值作为仿真结果。
4仿真结果分析
图5 (a, b, c, d) 分别表示了MIPv6, HMIPv6, FMIPv6以及F-HMIPv6协议在车辆节点分别为10m/s, 20m/s, 30m/s, 40m/s和50m/s的切换过程。从图中可以看出, 在200秒的时间内, 当节点以10m/s的速度移动时, 发生2次切换;当节点以20m/s的速度移动时, 发生4次切换;当节点以30m/s的速度移动时, 发生6次切换;当节点以40m/s的速度移动时, 发生8次切换;当节点以50m/s的速度移动时, 发生10次切换。每次切换造成了数据包传输中断。而且随着移动节点的速度的增加, 各种协议下移动节点接收到数据包的总数量在下降。
4.1时延分析
图6给出了每个协议在移动节点速度为10m/s, 20m/s, 30m/s, 40m/s和50m/s情形下的平均切换时延, 从图中可以看出, 移动节点速度对每个协议的每一次切换所产生的时延影响很小。图7给出了在200秒仿真时间内每个协议在移动节点最大速度为10-50m/s时分别产生的总时延, 并且列举了具体的实验数据。我们得出如下结论:
1) 移动节点速度对每个协议的切换时延不造成影响;
2) tBMIPv6handoff>tHMIPv6handoff>tFMIPv6handoff>tF-HMIPv6handoff;
3) F-HMIPv6和FMIPv6每次切换所产生时延几乎接近约为700ms, HMIPv6每次切换所产生的时延是它们的3.5倍, 而MIPv6所产生的时延为它们的6倍多。
4.2包丢失分析
图8给出了仿真时间内每个协议在移动节点速度为10m/s, 20m/s, 30m/s, 40m/s和50m/s情形下的数据包丢失总数。参照图7, 得出如下结论:
1) MIPv6丢包最多, HMIPv6次之, F-HMIPv6和FMIPv6接近, 而F-HMIPv6略少。
2) 丢包总数与时延总数并不成线形关系, 这是因为FMIPv6和F-HMIPv6为改善切换时延, 而增加了BUs, BAcks, PrRtAdv, PrRtSol, F-NA, F-BU, F-BAck, HI和Hack等附加信息。
3) 同时从接收的数据包中我们发现同一数据包在切换时有重复传送的情形。
4.3吞吐量分析
图9给出了仿真时间内每个协议在移动节点速度为10m/s, 20m/s, 30m/s, 40m/s和50m/s情形下的移动节点的吞吐量。从图中可以看出随着节点速度的增加, 节点的吞吐量在下降, 而且MIPv6协议下节点的吞吐量最低, HMIPv6次之, F-HMIPv6和FMIPv6接近, 且F-HMIPv6略高。同时还可以看出移动节点速度越高, MIPv6、HMIPv6与F-HMIPv6、FMIPv6之间的差距越大, 这是因为MIPv6和HMIPv6在高速时由于频繁切换造成的时延总数远远大于F-HMIPv6和FMIPv6。
5结论