编辑推荐
本书致力于车辆移动感知网络的若干技术难点，从道路交通监测应用的角度出发，针对车辆联网感知架构、感知方法、数据收集与获取等展开探讨，提出了新方法并进行了分析和评估。
作者简介
作者：曾园园
曾园园，女，1980年10月出生，湖北武汉市人，工学博士/博士后，现为武汉大学电子信息学院副教授。主要研究方向为：城市感知、无线网络、无线通信。 先后主持和参与了国家973计划课题、国家自然科学基金项目在内的国家和省部级项目10余项。在移动感知数据通信、车辆组网和道路监测应用领域进行了多方面的研究，已经取得了初步成果，相关成果在国内外知名期刊和会议上发表。已在国内外期刊会议上发表论文40余篇，出版国际学术著作章节1篇次，独立撰写学术著作1部，主编教材1部……。现担任国际期刊International Journal of Design, Analysis and Tools for Integrated Circuits and Systems(ISSN 2071-2987),International Journal on Advances in Networks and Services (ISSN 1942-2644) 编委；担任ICEE, ICWMC, ICIS, DATICS-ISPA, DATICS-NESEA， DATICS-IMECS等多个国际会议的大会组委会委员；多次参加国际学术交流和参加学术会议并作大会论文报告。
目录
第1章无线传感器网络到移动感知网络1
1.1无线传感器网络2
1.1.1无线传感器网络概述2
1.1.2无线传感器网络的机遇与挑战4
1.2基于移动性的无线传感器网络6
1.2.1移动传感器网络6
1.2.2车辆传感器网络7
1.3移动感知网络10
1.3.1移动感知技术10
1.3.2以人为中心的移动感知网络12
1.3.3车辆移动感知网络14
1.4本章小结16
参考文献16
第2章面向路面监测的车辆移动感知网络21
2.1智能车辆路面监测应用概述22
2.1.1路面监测技术的发展22
2.1.2相关代表性系统24
2.1.3面向路面监测应用的车辆移动感知27
2.2面向路面监测的车辆移动感知模型28
2.2.1相关研究28
2.2.2基于行为分析的感知监测模型29
2.2.3实验与性能分析312.3本章小结36
参考文献37
第3章面向路面监测的车辆协作感知39
3.1智慧车辆的协作技术39
3.1.1智慧车辆协作应用系统39
3.1.2车辆协作通信技术40
3.1.3车辆协作感知技术41
3.2基于车辆协作感知的路面事件监测43
3.2.1一种车辆协作路面监测方法43
3.2.2模拟测试47
3.3基于车辆协作感知的路面事件区域判定51
3.3.1一种车辆协作事件区域判定51
3.3.2模拟测试53
3.4本章小结60
参考文献60
第4章车辆移动网络路由机制63
4.1车辆移动网络路由63
4.1.1概述63
4.1.2相关研究现状64
4.2一种绿色的车辆网络路由和调度算法66
4.2.1系统模型66
4.2.2路由和调度算法设计70
4.3模拟与性能分析75
4.4本章小结78
参考文献79
第5章动态车队机会式数据收集81
5.1路面监测与车辆机会式数据收集81
5.2相关研究82
5.3系统架构84
5.3.1网络架构84
5.3.2机会式车队85
5.4行为感知的动态车队数据收集机制86
5.4.1车队拓扑的度量方法86
5.4.2状态机和消息机制88
5.4.3车队的构建89
5.4.4车队的维护92
5.4.5面向道路监测应用的机会式车队97
5.5模拟与性能评估98
5.6本章小结104
参考文献105
第6章参与式移动车辆的招募与激励107
6.1概述107
6.2参与式的移动车辆的招募方法109
6.2.1相关研究109
6.2.2行为建模110
6.2.3一种自适应的行为感知的车辆招募方法113
6.2.4模拟与性能评估114
6.3参与式的移动车辆的激励方法118
6.3.1相关研究118
6.3.2一种基于信息质量的激励方法119
6.3.3模拟测试121
6.4本章小结124
参考文献124
第7章车辆移动感知网络发展愿景127
7.1车辆移动感知网络与大数据127
7.1.1车辆移动感知产生的数据及特点127
7.1.2数据分析方法概述129
7.1.3大数据分析工具131
7.1.4大数据分析方法132
7.1.5车辆移动感知网络的数据处理135
7.2人机智慧相结合的车辆移动感知网络139
7.3本章小结141
参考文献141
第1章制造业外部环境的变化
1.1全球制造业环境的变化
1.1.1经济的全球化
1.1.2科学技术的新发展
1.1.3资源与环境挑战
1.1.4顾客需求的变化
1.1.5服务经济的快速发展
1.1.6企业竞争模式的进化
1.1.7新制造模式的涌现
1.2中国制造业面临的挑战与机遇
1.2.1资源与环境压力
1.2.2劳动力减少与劳动成本上升
1.2.3产业发展方式亟待升级
1.2.4我国制造业面临的机遇与挑战
1.2.5《中国制造2025》
1.3世界制造业发展的新趋势
1.3.1新兴信息技术与制造技术的融合
1.3.2制造业与服务业的交叉融合
1.3.3绿色、低碳发展
1.3.4资源配置全球化
1.3.5组织方式开放化、扁平化
1.3.6发达国家的制造业创新发展
第2章“互联网+”与制造业变革
2.1互联网与制造业变革
2.1.1互联网技术的演进
2.1.2互联网驱动的制造业变革
2.2物联网与制造业变革
2.2.1物联网
2.2.2物联网与制造业变革
2.3社会化网络与制造业变革
2.3.1社会化网络
2.3.2社交网络对制造业的启示
2.4云计算与制造业变革
2.4.1云计算
2.4.2云制造
2.5大数据与制造业变革
2.5.1大数据
2.5.2基于大数据的制造业创新
2.6“工业4.0”与制造业变革
2.6.1CPS与智能生产
2.6.2智能制造
2.7“互联网+”与制造业变革
2.7.1“互联网+”技术的演进
2.7.2“互联网+”模式
2.7.3“互联网+”驱动的制造业变革
第3章服务型制造模式
3.1服务的概念与内涵
3.1.1服务的概念
3.1.2服务的内涵与特征
3.1.3服务经济的发展
3.2制造业服务拓展
3.2.1制造业服务拓展
3.2.2制造与服务的融合
3.2.3制造业服务拓展的维度
3.2.4制造业服务拓展的分类
3.3“互联网+”驱动的服务型制造模式
3.3.1服务型制造的概念界定
3.3.2服务型制造的内涵与特征
3.3.3服务型制造的体系结构
3.3.4“互联网+”时代服务型制造的新特性
3.4服务型制造的生产组织
3.4.1产品内分工与服务过程内分工
3.4.2顾客的主动参与
3.4.3“互联网+”驱动的业务协同
3.5服务型制造的实施
3.5.1需求管理
3.5.2能力管理
3.5.3价值网络
3.5.4风险管理
3.5.5企业管理变革
3.5.6企业基础设施升级
3.6迈向服务型制造的障碍
3.6.1服务悖论现象的挑战
3.6.2行业特征的影响
3.6.3战略变革的阻力
3.6.4产品与服务整合障碍
3.6.5观念转变的挑战
3.6.6组织变革的挑战
3.6.7流程变革的挑战
3.6.8人员的变革
3.6.9激励制度的变革
3.6.10文化惯性
第4章服务型制造的经济学分析
4.1基于交易成本的服务型制造分析
4.1.1交易成本的概念和内涵
4.1.2交易成本理论的发展
4.1.3服务型制造的交易成本理论分析
4.2服务型制造的资源基础观
4.2.1概念以及内涵
4.2.2起源与发展
4.2.3RBV对服务型制造的解释
4.3服务型制造的价值链——延伸与整合
4.3.1概念及内涵
4.3.2起源与发展
4.3.3服务型制造——价值链延伸与整合
4.4基于竞争战略理论的服务型制造模式
4.4.1概念
4.4.2竞争战略理论的发展
4.4.3竞争战略和制造企业服务化
第5章服务型制造的商业模式
5.1商业模式
5.1.1商业模式的概念与内涵
5.1.2商业模式的系统架构
5.2制造业商业模式的演进历史
5.2.1手工作坊式生产（craft production）
5.2.2大批量生产方式（mass production）
5.2.3大规模定制（mass customization）
5.2.4制造业商业模式演进趋势
5.3新经济技术环境下的制造业商业模式创新（跨界融合）
5.3.1基于核心产品服务拓展的商业模式创新
5.3.2基于一体化解决方案的商业模式创新
5.3.3基于客户共同参与创造的商业模式创新
5.3.4基于个性化定制的商业模式创新
5.3.5新兴产业对传统制造业进行渗透和改造
5.4服务型制造的商业模式
5.4.1价值主张
5.4.2目标客户
5.4.3分销渠道
5.4.4客户关系
5.4.5收入模式
5.4.6核心能力
5.4.7价值配置
5.4.8成本结构
5.4.9合作伙伴网络
第6章服务型制造的企业变革
6.1战略管理的SCP范式
6.2服务型制造的产品模式创新——产品服务系统
6.3服务型制造的管理模式变革
6.3.1组织变革
6.3.2流程变革
6.3.3人力资源变革
6.3.4文化变革
6.4服务型制造的技术变革
6.4.1制造技术变革——智能制造
6.4.2运作支持技术变革——智能连接，智能感知
6.4.3客户支持技术变革——主动响应
6.5服务型制造企业的演进路径
6.5.1企业产品模式的演进
6.5.2企业的组织模式演进
6.5.3企业的运营模式演进
6.5.4迈向服务型制造的阶段性
第7章服务型制造的“产品模式”
7.1产品服务系统
7.1.1产品
7.1.2智能产品
7.1.3产品服务系统
7.1.4产品服务系统的分类
7.2基于客户价值创造网络
7.2.1客户价值创造网络图
7.2.2客户价值创造的七个效用杠杆
7.3基于IT和服务深度融合的产品服务系统模式创新
7.3.1基于IT和服务深度融合的PSS创新
7.3.2PSS创新模式1——物理产品+售后服务
7.3.2PSS创新模式2——PSS集成
7.3.4PSS创新模式3——PSS效用服务
7.3.5PSS创新模式4——基于IT的新功能产品（服务）
7.3.6PSS创新模式5——智能产品（服务）
7.3.7PSS创新模式6——客户价值创造整体解决方案
7.3.8PSS创新模式7——智能产品服务系统
7.3.9PSS创新模式8——价值网络智能整合系统
7.3.10PSS创新模式9——智能化产品服务系统运营平台
第8章“互联网+”驱动的产品服务系统开发
8.1基于客户参与的产品服务系统开发
8.1.1客户参与的概念与内涵
8.1.2客户参与的动机
8.1.3客户参与PSS创新的循环模式
8.1.4支持客户参与的组织变革——营销与制造整合
8.1.5营销—制造整合促进PSS开发绩效的理论分析
8.1.6营销—制造整合与PSS开发绩效的概念模型［223］
8.1.7数据收集与分析
8.1.8企业营销—制造整合与新产品创新绩效的实证分析
8.1.9营销—制造整合促进PSS开发绩效的管理启示
8.1.10客户参与PSS开发的实践
8.2基于供应商参与的PSS价值共创
8.2.1供应商参与的概念
8.2.2供应商参与对产品服务系统开发的作用机制
8.2.3供应商参与对企业绩效的影响
8.3基于众包的产品服务系统开发
8.3.1信息技术与众包模式
8.3.2基于众包的产品服务系统开发
第9章服务型制造的生产组织模式
9.1服务型制造网络
9.1.1价值链
9.1.2工艺内分工与价值模块
9.1.3服务型制造网络
9.2“互联网+”驱动的服务型制造组织
9.2.1去中间化
9.2.2小微化
9.2.3平台化
9.2.4服务型制造组织变革实践
9.3产业互联网
9.3.1工业互联网
9.3.2产业互联网
第10章服务型制造的营销模式
10.1营销理论的演进
10.1.14P营销
10.1.24C营销
10.1.34R营销
10.1.4服务营销理论
10.2基于营销视角的产品服务系统规划
10.3产品服务系统的定价
10.3.1面向产品的PSS定价
10.3.2面向方案的PSS定价
10.3.3面向效用的PSS定价
10.3.4产品服务系统的收益管理
10.4产品服务系统的渠道管理
10.4.1传统渠道
10.4.2全渠道
10.5产品服务系统的促销
10.5.1人员推销
10.5.2广告促销
10.5.3公共关系
10.5.4销售促进
第11章服务型制造的企业文化
11.1制造企业的文化
11.1.1技术导向型文化
11.1.2规模经济导向文化
11.2服务企业的文化
11.2.1市场导向型服务文化
11.2.2创新型服务文化
11.2.3家族型服务文化
11.2.4等级型服务文化
11.3服务型制造企业的文化
11.3.1服务型制造企业的文化理念
11.3.2服务导向文化
11.3.3开放文化
11.3.4柔性文化
11.3.5知识文化
11.3.6创新文化
第12章服务型制造与企业绩效
12.1引言
12.1.1服务型制造战略
12.1.2服务型制造战略的结果变量
12.2概念模型及假设
12.3研究方法
12.3.1现有量表选择
12.3.2量表内容效度检验
12.3.3数据采集
12.3.4信效度分析
12.4检验结果与结论
12.4.1检验结果
12.4.2结果讨论
第13章陕汽集团服务型制造实践
13.1陕汽集团概况
13.2陕汽集团经营环境分析
13.3重卡产业链分析
13.4陕汽集团服务型制造战略
13.5面向客户价值创造的产品服务系统开发
13.5.1重卡客户价值公式
13.5.2将发展车联网作为产品服务系统开发的切入点
13.6生产系统优化——打造协同制造模式
13.7营销系统转型——为客户提供全面解决方案
13.8组织体系再造——德银平台建设
13.9陕汽集团实施服务型制造的绩效
13.10陕汽集团运营模式和商业模式的转型
13.10.1运营模式转型
13.10.2商业模式转型
参考文献
序言
近20年来，我国城市化获得了前所未有的发展，然而相应的道路交通问题也成为我国社会的难点和热点问题。道路交通问题已经引起全国各省市政府的高度重视，并成为民众关心的焦点。随着现代城市交通的爆炸式发展，传统的交通控制及道路监测方法已不能满足复杂多变的道路环境和城市交通的高速发展要求。车辆联网用于道路交通相关的监测应用具有灵活便捷、低成本代价、信息采集及时等诸多优点。随着无线技术领域无线传感器网络到移动感知网络的技术演进，车辆联网也从“车辆传感器网络”进阶到“以人为中心的车辆移动感知网络”，以人为中心的移动车辆网络赋予了随人的驾驶活动产生的移动性和灵活的组网方式，使得感知网络的覆盖度大大加强，数据采集更为灵活，在面向城市感知的道路行车相关的应用中极具优势，应用前景广泛。然而，车辆移动感知网络也因车辆的高动态性和数据可能存在的稀疏性问题，面临着一些开放性的技术难题，车辆感知网络的感知能力是否与应用相匹配，感知数据的质量问题以及相应的道路行车监测应用的数据处理和获取问题等。本书应对这些问题，从道路交通监测应用的角度出发，以路面监测应用为实例，针对车辆移动感知网络的感知模型、协作感知方法、机会式和参与式的数据收集与获取等内容展开了探讨，提出了新方法并进行分析和评估。
本书内容组织如下： 第1章为无线传感器网络到移动感知网络的概述，包括从“无线传感器网络概念与特点”到“基于移动性的无线传感器网络”，再到“以人为中心的移动感知网络”的演进过程，旨在让读者对近10年来移动感知领域的技术发展过程有一个基本的认识和了解。第2章、第3章以路面监测应用为例，阐述了车辆移动感知网络的感知模型和感知方法，主要内容包括基于行为分析的感知监测模型，以及基于车辆协作感知的路面事件区域判定方法。第4章阐述了车辆移动网络路由机制，讨论了一种绿色的车辆网络路由和调度算法。第5章阐述了车辆移动网络机会式数据收集方法，通过构建车队拓扑结构，设计了一种行为感知的动态车队数据收集机制。第6章着眼于参与式的车辆移动网络数据收集方法，提出了基于一种自适应的行为感知的车辆招募方法。第7章对未来车辆移动感知网络技术的发展愿景作出了描述，针对结合大数据处理的车辆移动感知网络列举了关键技术难点，以及给出了人机智慧相结合的车辆移动感知网络的参考架构。我负责了全书的第2章到第6章，项慨老师负责了本书的第5、6章部分内容和第1章、第7章的写作撰稿工作。
本书是对我获得国家自然科学基金青年科学基金项目（61103218）、江苏省自然科学基金青年科学基金项目（BK2012200）、湖北省自然科学基金（2011CDB446）以来相关项目工作关键部分的总结，旨在通过本书与更多科研工作者和同学们分享、交流和共勉。项慨老师参与了上述项目相关工作，并对本书的写作提供了许多宝贵意见。
本书的出版得到了清华大学出版社大力支持，在此表示诚挚的谢意。在本书写作过程中感谢地球空间信息技术协同创新中心通信分中心以及武汉大学电子信息学院先进网络与智能系统研究团队老师和同学们的帮助，在此表示衷心的感谢！
本书的出版和部分研究工作也得到了湖北省教育厅重点基金项目（D20162201）的资助，在此表示感谢！
我还要感谢我的家人，特别是我的父母，在任何时候总是给予我最无私的关爱和无条件的支持，谨以此书献给他们。本书的写作期间正好跨度了我的宝贝出生以来的这段日子，在这里谨以此书献给我的宝贝，愿他茁壮成长！
由于时间仓促和水平有限，书中难免存在缺点和疏漏之处，敬请各位专家以及广大读者批评指正。
曾园园2017年10月23日于武汉珞珈山麓东湖之滨
文摘
第3章面向路面监测的车辆协作感知车辆协作感知是通过挖掘智慧车辆采集数据的相关性，进行有效的信息协同处理、数据融合及智能信息决策等，从而有效服务于各类型智能交通应用。道路路面路况监测是智慧车辆联网的网络面向智能交通系统的重要应用之一。面向路面监测的智慧车辆之间的协作感知技术是借助车辆移动感知网络的技术手段、实现准确有效的路面事件监测的关键技术。面向路面监测的车辆移动感知过程主要通过机动的自组织的车辆网络技术、传感器等技术，对采集的数据进行处理，从而监测出道路环境中影响道路交通的路面事件。相比单一来源车辆数据提供的有限监测能力和噪声等问题，车辆间的协作感知能有效提高监测准确性。
本章首先对智慧车辆的协作技术相关研究进行了分析和阐述。在此基础上，提出了一种车辆协作事件推荐方法，用于高移动性车辆在面临“稀疏数据”时的道路路面事件诊断。针对车辆移动网络的感知过程中可能存在的“噪声”问题，提出了一种车辆协作信息过滤方法，用于监测事件的过滤，提高监测结果的准确性。
3.1智慧车辆的协作技术〖1*2〗3.1.1智慧车辆协作应用系统随着智慧交通技术的发展，智慧车辆技术研究得到广泛关注。通过智慧车辆间协同协作，共享环境和交通信息，完成典型交通场景下车与车的协作，如车队、路口和超车协作，用于提高道路交通的安全性和运行效率。一些发达国家率先开展了智慧车辆的协作研究，研发了相关应用系统。20世纪90年代和21世纪初，日本的协同驾驶系统Demo2000［1］演示系统给出了协作驾驶辅助系统的设计构想。随后，欧美等发达国家也相继启动了相关研究项目。美国加州智能交通研究计划PATH(California Partners for Advanced Transit and Highways) ［4］旨在通过智慧车辆组网的协作通信，利用车间协作，改善加州公路的交通效率，增加行驶安全性。法国国家资讯与自动化研究所的欧盟第五框架CyberCars和欧盟第六框架多智能车协作CyberCars2项目［2］旨在城市范围内的多智慧车辆跟随、车队管理、智能车协作通信和多车交互等，通过对不同类型智能车辆在多种路况下进行大量实验，实现了复杂路口的多车协作控制。德国INTERSAFE项目［3］致力于交叉路口的车辆防撞，通过协作通信手段，预估车辆碰撞可能，进行车辆防撞的安全预警。车间通信是车辆协作的关键技术之一，旨在通过实现车间通信协议，保障多车协作的实时、可靠和分布式等特性。其相关的系统有基于车辆组网的车载通信系统FleetNet项目［5］、辅助驾驶系统CarTalk2000［6］和Network on Wheels［7］等。
近十年来，国内相关研究也受到了广泛关注和重视。众多车联网研究联盟纷纷建立，如上汽、长安等汽车企业纷纷开展车联网技术的探究，并与高校、研究机构等建立长期联盟合作。国内许多高校开展了智能车的研发，多种实验车型不断涌现，如国防科技大学的CITAVT系列、吉林大学JUTIV智能车、浙江大学ALVLAB系列智能车、西安交通大学“夸父一号”智能车等。清华大学智能技术与系统国家重点实验室研制和独立开发了具有自主驾驶和遥控驾驶功能的智能车辆THMRV［8］，配备GPS、激光雷达等多类型传感器，并可应用于车辆车道线自动跟踪、道路跟踪，复杂环境下的主动避障等。由上海交通大学智能车实验室与法国国家信息与自动化研究所、葡萄牙科因布拉大学机器人系统研究所等联合开展的中欧合作CyberC3［9］智能车系统，开展了智能车辆队列启停、超车，以及通过车辆联网实现路口协作等系列研究和实验。
3.1.2车辆协作通信技术
车辆协作通信技术是车辆组网中用于数据传输和信息交换的重要手段，通过车辆之间的协作式通信机制，使得无线资源、感知资源等得到共享，提升网络性能和效率。考虑到车辆联网和道路交通应用的复杂环境，适应车辆网络的无线通信技术一般要具有低延时、低功耗和高速率等特点，且通信技术还要能够较好地适应于高移动性的环境。根据车辆网络的通信需求划分，可分为车内通信、车间通信、车路通信和车外通信。车辆间的协作通信技术关注的是车间通信，主要应用于多个车辆之间进行有效的通信、传输数据，实现各类型道路交通相关的应用，具有一定实时性等要求。其传输距离通常在数百米到1km的范围，适用技术包括红外技术、微波技术、专用短距离无线通信技术等。目前的智能交通领域主要采用的是专用短距离无线通信DSRC技术进行车辆间通信。DSRC技术载波频率为5.9GHz，通信速率可达4Mbit/s，通信有效距离接近100m，抗干扰性能优于无线局域网技术。
车辆移动感知网络中的车间通信具有车辆高速移动所造成的网络稀疏性和不连通性等，目前研究工作中普遍采用了容断容延迟网络中所使用的“存储—转发”(carry and forward)的数据通信机制，即当车辆之间无法找到直接路径时，车辆节点将本地先存储数据，当发现有新的车辆接近通信路由接收方时，将新的车辆节点作为数据转发节点，帮助信息传输。这种车间通信方式引发的车辆节点间的两种协作模式。一种是： 遵照传统的自组织组网方式，对节点的移动性没有人为控制［10,11］。这种类型的协作通信，主要是利用车辆随移动性产生的“碰面”，并利用“碰面”来交换彼此没有的数据信息。为了避免数据包交换过程可能带来的冲突、过多冗余数据包交换导致的严重拥塞等问题，在车辆网络中可以考虑车辆的历史移动轨迹并用于通信。但这种方法通常假设在过去“碰面”的车辆将来也有较大可能“碰面”。事实上，车辆网络中这种假设常常不存在，即许多车辆只“碰面”一次。另一种则是： 考虑车辆节点的可控性，并利用可控的移动性用于数据传输和交换。Li等人［12］提出通过主动的修改移动节点的轨迹用于协作的通信过程。Zhao等人［13］提出增加消息“摆渡”的方式，来用于协作和数据的传递。
3.1.3车辆协作感知技术
车辆协作感知主要是通过综合各种类型、来源的多源车辆采集的感知数据，利用车辆节点所提供的传感、存储和处理能力，提取相较单一车辆更多的感知数据信息，并将这些数据信息进行整合和分析处理，提取更为有效的处理信息。车辆协作感知技术突破了单一车辆对于信息获取的局限性，避免了单一车辆在获取信息上可能存在的信息缺失、盲区等问题，提高对于应用任务的有效性和准确性。车辆协作感知过程中，将协同协作方式使用各车辆节点的传感器资源，获取相较于单一车辆节点的更为全面和完整的城市道路交通相关的环境信息。车辆协作感知过程中有不同的车辆协作方式。一些协作方式要求特定用户的干预和互动，其他一些协作方式则不需要，而在不经意间自动完成协作过程。如在文献［14、15］中提出的方法，不需要车辆驾驶人员的直接参与行为即可自动完成车辆的环境监测活动。车辆协作感知往往涉及上下文监测的相关内容，如自动驾驶模式监测［16］和行为识别［17］，这些可被利用于协作的道路交通应用而最小化驾驶人的参与。
协作感知技术相关的关键技术还有数据融合和数据分析。通常采用的手段有使用基于语义的手段进行数据融合，包括使用本体［18］和推理器［19］，可实现不同设备和传感器数据的较高层次的信息融合。Ilarri等人［20］提出了对于移动对象，如车辆进行语义融合的分布式架构。数据分析则涉及城市范围的道路交通相关大数据的空时分析，并从其中提取有用信息服务于感知应用。此外，车辆协作感知中可能涉及人员轨迹等数据的收集和存储，因此应当考虑驾驶人用户信任和私有性的问题。例如，恶意用户可能提供假的信息扰乱应用系统目标或获取收益等。一些研究也开展了智能交通相关感知应用的信任度管理研究［21］。
车辆协作感知技术的实现方法与具体应用相关，无线传感器网络的传感器节点协作方法无法很好地适应于车辆移动感知应用环境。在车辆移动感知环境下，由于车辆的高移动性、城市道路交通路况环境的复杂性，导致机动网络的拓扑变化较快。此外，道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，车辆节点采集信息存在噪声和稀疏数据等问题，从而易出现误检(false alarm)，导致监测准确性低。
一些研究者针对移动自组织网络、无线传感器网络的感知应用，提出了基于人工智能的方法，通过本地节点协同协作，利用机器学习、支持向量机、贝叶斯神经网络，或运用隐马尔可夫模型等，进行事件特征提取和分类判断事件产生的概率，实现事件监测；这些事件监测方法［2225］用于车辆移动感知应用环境时，需要事先对道路车辆特定环境下的数据集进行训练，由于道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，实时数据集的训练有一定困难，并直接影响感知监测应用系统性能；这些方法计算复杂度高，不能很好地适应于车辆移动感知自组织机动的分布式网络环境。如果使用了不适当的车辆传感器数据进行协同，或在其性能、误差统计等方面给出错误的先验信息，都很难准确有效地监测事件。面向具体监测应用的车辆协作感知方法应当保证事件监测的准确性、低代价以及易于实现，根据模型和感知数据选择合适的车辆节点数据进行协同协作，用于提高事件监测性能，同时满足操作简单性。
3.2基于车辆协作感知的路面事件监测〖1*2〗3.2.1一种车辆协作路面监测方法本节提出一种车辆协作路面监测方法。通过提取位置相关、时间相关和行驶行为相关的多车辆、多传感器的数据，进行协作信息融合和事件决策处理，用于判定路况事件，从而提高道路路面事件监测的准确性。在方法实施前，需要进行一些网络和应用的初始工作。将待应用系统的道路监测区域近似为一个矩形区域，并提取待监测区域的城市道路地形图。在此基础上，根据道路路面监测应用的需求，例如，监测精度要求，将待监测区域划分为许多个监测子小区，分别对这些子小区执行道路路面的监测。道路路面监测系统初始化如图3.1所示。车辆移动感知过程中车辆联网示意图如图3.2所示。
图3.1道路路面监测系统初始化
图3.2车辆联网
车辆协作路面监测方法的执行流程如下： 首先，所有监测子小区都处于初始状态,即尚未启动协作路面监测的状态。应用过程中，携带各类型传感器节点并具有无线通信和处理能力的智能车辆，随行驶过程、周期性的采集待监测道路区域的道路交通环境数据，并进行车辆节点的本地数据融合，得到本地融合数据。这些融合的本地数据将通过车辆到路侧基站的通信方式，传递到路侧基站接收并进行存储。由路侧基站收集其覆盖范围内多个车辆节点的本地数据，并根据收集的多源数据，开展协作处理，试图挖掘不同车辆、不同传感器采集数据的相关性，包括位置相关性、时间相关性和车辆行驶行为相关性。在此基础上，通过信息处理技术，进行道路行车相关的事件预测。当发现有影响道路安全的事件时，由路侧基站向其覆盖区域内的车辆节点发布该事件进行预警。其过程如图3.3所示。
图3.3车辆协作路面监测流程图
根据上述流程图，设计车辆协作路面监测方法如下所述。
步骤1： 在收到车辆节点发送的周期性融合数据后，路侧基站存储该观察数据，设在时刻τ车辆节点nj的观察数据为O(nj，τ)，车辆节点nj当前位置落在子小区ci内，根据协作感知条件进行处理，所述协同监测条件为车辆节点nj的观察数据O(nj，τ)大于等于预设的阈值；如果满足协作感知条件且子小区ci尚未启动协作感知，则进入步骤2。
步骤2： 由路侧基站启动子小区ci的协作感知过程，提取位置相关、时间相关和行驶行为相关的数据并进行处理，包括提取τ时刻与子小区ci位置相关的车辆节点数据并处理得到车辆节点nj的监测可信度，提取子小区ci在时间间隔［τ-T,τ］ 内时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，以及提取与子小区ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区ci车辆节点的行为改变度。
提取τ时刻与子小区ci位置相关的车辆节点数据并处理得到车辆节点nj的监测可信度，采用以下方法。
（1） 将满足d(nj′，ci)≤r的车辆节点nj′作为位置相关的协作车辆节点，计算车辆节点nj′到子小区ci的监测能力a(nj′，ci)，如式（31）所示：a(nj′,ci)=1-d(nj′,ci)rd(nj′,ci)≤r
0d(nj′,ci)>r（31）其中，从路侧基站覆盖的某个车辆节点nj′的坐标(xn j′，yn j′)到所在子小区ci的中心点坐标 (xci，yci)的几何距离d(n j′，ci)=||(xn j′，yn j′) -(xci，yci) ||，r为感知距离参数，取值为车载传感器的最大感知距离。
（2） 根据所有位置相关的协作车辆节点在τ时刻的数据，得到τ时刻子小区ci的加权平均监测数据O(ci，τ)如式（32）所示：O(ci,τ)=1∑Kj′=1a(nj′,ci)∑Kj′=1a(nj′,ci)×O(nj′,τ)（32）式中： K为所有位置相关的协作车辆节点的数目。
（3） 由所有位置相关的协作感知车辆节点的加权平均监测数据O(ci，τ)，得到τ时刻车辆节点nj的监测可信度 f(nj，τ) 如式（33）所示：f(nj,τ)=1－|O(nj,τ)－O(ci,τ)|max (|O(nj,τ)－O(ci,τ)|,O(ci,τ)) （33）式中： O(nj，τ)为τ时刻车辆节点nj的观察数据。
提取子小区ci在时间间隔［τ-T,τ］时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，采用如下方法： 用ω1表示事件数据类别，用ω0表示非事件数据类别，每个类别发生概率分别为P(ω1)和P(ω0)；对于τ时刻车辆节点nj未知类别的样本观察数据O(nj，τ)记为Onj，τ，得到基于事件的历史数据相关度gm(Onj,τ)如式（34）所示：gm(Onj,τ)=exp －(Onj,τ－μm)H(Onj,τ－μm)2Dm－λ2ln 2π－12ln |Dm|+ln P(ωm)（34）式中： λ为维度；m=0，1；μm为ωm类样本的均值；Dm为ωm类多维样本数据的方差矩阵。
提取与子小区ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区ci车辆节点的行为改变度。根据预设的距离阈值dth，提取满足条件为τ时刻落在子小区ci质心(xci，yci)的距离范围dth内的所有车辆节点数据，满足条件的所有车辆节点数目记为L，设满足条件的任一车辆节点为nl，计算车辆节点nl在一个最近时间间隔T′ 的行为改变度h(ci，τ)如式（35）所示：h(ci,τ)=1L∑Ll=1ξ1-cosθ( 瘙 經 l1, 瘙 經 l2)2+(1-ξ)| 瘙 經 l1- 瘙 經 l2|max( 瘙 經 l1- 瘙 經 l2)（35）式中： 车辆节点nl在时刻τ - T′的速率为vl1，车辆节点nl在时刻τ的速率为vl2，max(vl1，vl2)为速率vl1和vl2中的较大值，ξ为权重参数，θ( 瘙 經 l1- 瘙 經 l2)为速率vl1的矢量变化到速率vl2的矢量的方向夹角，l的取值为1,2,…,L。
步骤3： 由路侧基站根据步骤2所得车辆节点nj的监测可信度、基于事件的历史数据相关度和子小区ci车辆节点的行为改变度，采用加权投票的方法，得到在τ时刻子小区ci路况事件产生概率PE(ci ,τ)，如式（36）所示： PE(ci,τ)=α·1K′∑K′j=1f(nj,τ)+β·1K′∑k′j=1g1(Onj,τ)+(1－α－β)·h(ci,τ)（36）式中： α、β为权重参数且满足0≤α≤1，0≤β≤1；K′为路侧基站记录的所有针对子小区ci报道疑似事件数据的车辆节点的最大数目。
步骤4： 由路侧基站进行判定，若由步骤3所得概率PE(ci ,τ)大于或等于预设阈值Pth，则判定τ时刻子小区ci有道路路面事件产生，路侧基站记录该路况事件并向其覆盖范围内车辆节点和其他路侧基站广播该事件；子小区ci初始状态恢复为尚未启动协作监测状态，协作感知流程回到步骤1处继续执行。
3.2.2模拟测试
模拟场景考虑在某特定道路监测区域的20个自由行驶的车辆节点机动组网。各车辆装载有一个类型相同的加速度传感器，用于测量z轴方向加速度。区域内有多个水平和垂直方向的平行车行道，车辆可沿着与车行道平行的两个方向行驶，道路交叉口的车辆可沿着水平和垂直的4个方向行驶，最大行驶速率30m/s。道路区域中心位置部署一个路侧基站，该基站可覆盖整个道路监测区域。路侧基站可向覆盖范围内的车辆节点和其他路侧基站发送广播消息，包括周期性的网络维护消息、发布道路事件消息、数据请求消息和参数阈值调整消息等。路侧基站可通过互联网连接到智能交通路况监测中心，向监测中心提交事件数据并由监测中心对实时路况监测进行全局管理。
图3.320个车辆的道路监测场景应用系统和网络初始化过程将待监测的城市道路区域近似为500×500平面矩形区域、监测区域划分为规模相同的5×5的网格状的子小区，分别按行和列位置索引号来标记各子小区，即c1(0,0),c2(0,1),…，c5(0,4),c6(1,0),c7(1,1),…，c10(1,4)，…，c21(4,0),c22(4,1)，…，c25(4,4)。提取主干车行道路地形图如图3.3中粗实线标记所示，该粗实线标记的是多车行道的城市道路，车辆在该区域各自车道上沿与车道平行的两个方向行驶，主干道路交界处车辆可以沿着水平和垂直的4个方向即+x，-x，+y，-y行驶。各车辆节点在网络初始化时被分配了仅有ID号，车辆节点标记为N={n1,n2，…，n20}，道路中央的路侧基站ID号为0，该基站可覆盖整个道路区域。上述网络示意图如图3.3所示。取车辆携带的同类型传感
本书致力于车辆移动感知网络的若干技术难点，从道路交通监测应用的角度出发，针对车辆联网感知架构、感知方法、数据收集与获取等展开探讨，提出了新方法并进行了分析和评估。
作者简介
作者：曾园园
曾园园，女，1980年10月出生，湖北武汉市人，工学博士/博士后，现为武汉大学电子信息学院副教授。主要研究方向为：城市感知、无线网络、无线通信。 先后主持和参与了国家973计划课题、国家自然科学基金项目在内的国家和省部级项目10余项。在移动感知数据通信、车辆组网和道路监测应用领域进行了多方面的研究，已经取得了初步成果，相关成果在国内外知名期刊和会议上发表。已在国内外期刊会议上发表论文40余篇，出版国际学术著作章节1篇次，独立撰写学术著作1部，主编教材1部……。现担任国际期刊International Journal of Design, Analysis and Tools for Integrated Circuits and Systems(ISSN 2071-2987),International Journal on Advances in Networks and Services (ISSN 1942-2644) 编委；担任ICEE, ICWMC, ICIS, DATICS-ISPA, DATICS-NESEA， DATICS-IMECS等多个国际会议的大会组委会委员；多次参加国际学术交流和参加学术会议并作大会论文报告。
目录
第1章无线传感器网络到移动感知网络1
1.1无线传感器网络2
1.1.1无线传感器网络概述2
1.1.2无线传感器网络的机遇与挑战4
1.2基于移动性的无线传感器网络6
1.2.1移动传感器网络6
1.2.2车辆传感器网络7
1.3移动感知网络10
1.3.1移动感知技术10
1.3.2以人为中心的移动感知网络12
1.3.3车辆移动感知网络14
1.4本章小结16
参考文献16
第2章面向路面监测的车辆移动感知网络21
2.1智能车辆路面监测应用概述22
2.1.1路面监测技术的发展22
2.1.2相关代表性系统24
2.1.3面向路面监测应用的车辆移动感知27
2.2面向路面监测的车辆移动感知模型28
2.2.1相关研究28
2.2.2基于行为分析的感知监测模型29
2.2.3实验与性能分析312.3本章小结36
参考文献37
第3章面向路面监测的车辆协作感知39
3.1智慧车辆的协作技术39
3.1.1智慧车辆协作应用系统39
3.1.2车辆协作通信技术40
3.1.3车辆协作感知技术41
3.2基于车辆协作感知的路面事件监测43
3.2.1一种车辆协作路面监测方法43
3.2.2模拟测试47
3.3基于车辆协作感知的路面事件区域判定51
3.3.1一种车辆协作事件区域判定51
3.3.2模拟测试53
3.4本章小结60
参考文献60
第4章车辆移动网络路由机制63
4.1车辆移动网络路由63
4.1.1概述63
4.1.2相关研究现状64
4.2一种绿色的车辆网络路由和调度算法66
4.2.1系统模型66
4.2.2路由和调度算法设计70
4.3模拟与性能分析75
4.4本章小结78
参考文献79
第5章动态车队机会式数据收集81
5.1路面监测与车辆机会式数据收集81
5.2相关研究82
5.3系统架构84
5.3.1网络架构84
5.3.2机会式车队85
5.4行为感知的动态车队数据收集机制86
5.4.1车队拓扑的度量方法86
5.4.2状态机和消息机制88
5.4.3车队的构建89
5.4.4车队的维护92
5.4.5面向道路监测应用的机会式车队97
5.5模拟与性能评估98
5.6本章小结104
参考文献105
第6章参与式移动车辆的招募与激励107
6.1概述107
6.2参与式的移动车辆的招募方法109
6.2.1相关研究109
6.2.2行为建模110
6.2.3一种自适应的行为感知的车辆招募方法113
6.2.4模拟与性能评估114
6.3参与式的移动车辆的激励方法118
6.3.1相关研究118
6.3.2一种基于信息质量的激励方法119
6.3.3模拟测试121
6.4本章小结124
参考文献124
第7章车辆移动感知网络发展愿景127
7.1车辆移动感知网络与大数据127
7.1.1车辆移动感知产生的数据及特点127
7.1.2数据分析方法概述129
7.1.3大数据分析工具131
7.1.4大数据分析方法132
7.1.5车辆移动感知网络的数据处理135
7.2人机智慧相结合的车辆移动感知网络139
7.3本章小结141
参考文献141
第1章制造业外部环境的变化
1.1全球制造业环境的变化
1.1.1经济的全球化
1.1.2科学技术的新发展
1.1.3资源与环境挑战
1.1.4顾客需求的变化
1.1.5服务经济的快速发展
1.1.6企业竞争模式的进化
1.1.7新制造模式的涌现
1.2中国制造业面临的挑战与机遇
1.2.1资源与环境压力
1.2.2劳动力减少与劳动成本上升
1.2.3产业发展方式亟待升级
1.2.4我国制造业面临的机遇与挑战
1.2.5《中国制造2025》
1.3世界制造业发展的新趋势
1.3.1新兴信息技术与制造技术的融合
1.3.2制造业与服务业的交叉融合
1.3.3绿色、低碳发展
1.3.4资源配置全球化
1.3.5组织方式开放化、扁平化
1.3.6发达国家的制造业创新发展
第2章“互联网+”与制造业变革
2.1互联网与制造业变革
2.1.1互联网技术的演进
2.1.2互联网驱动的制造业变革
2.2物联网与制造业变革
2.2.1物联网
2.2.2物联网与制造业变革
2.3社会化网络与制造业变革
2.3.1社会化网络
2.3.2社交网络对制造业的启示
2.4云计算与制造业变革
2.4.1云计算
2.4.2云制造
2.5大数据与制造业变革
2.5.1大数据
2.5.2基于大数据的制造业创新
2.6“工业4.0”与制造业变革
2.6.1CPS与智能生产
2.6.2智能制造
2.7“互联网+”与制造业变革
2.7.1“互联网+”技术的演进
2.7.2“互联网+”模式
2.7.3“互联网+”驱动的制造业变革
第3章服务型制造模式
3.1服务的概念与内涵
3.1.1服务的概念
3.1.2服务的内涵与特征
3.1.3服务经济的发展
3.2制造业服务拓展
3.2.1制造业服务拓展
3.2.2制造与服务的融合
3.2.3制造业服务拓展的维度
3.2.4制造业服务拓展的分类
3.3“互联网+”驱动的服务型制造模式
3.3.1服务型制造的概念界定
3.3.2服务型制造的内涵与特征
3.3.3服务型制造的体系结构
3.3.4“互联网+”时代服务型制造的新特性
3.4服务型制造的生产组织
3.4.1产品内分工与服务过程内分工
3.4.2顾客的主动参与
3.4.3“互联网+”驱动的业务协同
3.5服务型制造的实施
3.5.1需求管理
3.5.2能力管理
3.5.3价值网络
3.5.4风险管理
3.5.5企业管理变革
3.5.6企业基础设施升级
3.6迈向服务型制造的障碍
3.6.1服务悖论现象的挑战
3.6.2行业特征的影响
3.6.3战略变革的阻力
3.6.4产品与服务整合障碍
3.6.5观念转变的挑战
3.6.6组织变革的挑战
3.6.7流程变革的挑战
3.6.8人员的变革
3.6.9激励制度的变革
3.6.10文化惯性
第4章服务型制造的经济学分析
4.1基于交易成本的服务型制造分析
4.1.1交易成本的概念和内涵
4.1.2交易成本理论的发展
4.1.3服务型制造的交易成本理论分析
4.2服务型制造的资源基础观
4.2.1概念以及内涵
4.2.2起源与发展
4.2.3RBV对服务型制造的解释
4.3服务型制造的价值链——延伸与整合
4.3.1概念及内涵
4.3.2起源与发展
4.3.3服务型制造——价值链延伸与整合
4.4基于竞争战略理论的服务型制造模式
4.4.1概念
4.4.2竞争战略理论的发展
4.4.3竞争战略和制造企业服务化
第5章服务型制造的商业模式
5.1商业模式
5.1.1商业模式的概念与内涵
5.1.2商业模式的系统架构
5.2制造业商业模式的演进历史
5.2.1手工作坊式生产（craft production）
5.2.2大批量生产方式（mass production）
5.2.3大规模定制（mass customization）
5.2.4制造业商业模式演进趋势
5.3新经济技术环境下的制造业商业模式创新（跨界融合）
5.3.1基于核心产品服务拓展的商业模式创新
5.3.2基于一体化解决方案的商业模式创新
5.3.3基于客户共同参与创造的商业模式创新
5.3.4基于个性化定制的商业模式创新
5.3.5新兴产业对传统制造业进行渗透和改造
5.4服务型制造的商业模式
5.4.1价值主张
5.4.2目标客户
5.4.3分销渠道
5.4.4客户关系
5.4.5收入模式
5.4.6核心能力
5.4.7价值配置
5.4.8成本结构
5.4.9合作伙伴网络
第6章服务型制造的企业变革
6.1战略管理的SCP范式
6.2服务型制造的产品模式创新——产品服务系统
6.3服务型制造的管理模式变革
6.3.1组织变革
6.3.2流程变革
6.3.3人力资源变革
6.3.4文化变革
6.4服务型制造的技术变革
6.4.1制造技术变革——智能制造
6.4.2运作支持技术变革——智能连接，智能感知
6.4.3客户支持技术变革——主动响应
6.5服务型制造企业的演进路径
6.5.1企业产品模式的演进
6.5.2企业的组织模式演进
6.5.3企业的运营模式演进
6.5.4迈向服务型制造的阶段性
第7章服务型制造的“产品模式”
7.1产品服务系统
7.1.1产品
7.1.2智能产品
7.1.3产品服务系统
7.1.4产品服务系统的分类
7.2基于客户价值创造网络
7.2.1客户价值创造网络图
7.2.2客户价值创造的七个效用杠杆
7.3基于IT和服务深度融合的产品服务系统模式创新
7.3.1基于IT和服务深度融合的PSS创新
7.3.2PSS创新模式1——物理产品+售后服务
7.3.2PSS创新模式2——PSS集成
7.3.4PSS创新模式3——PSS效用服务
7.3.5PSS创新模式4——基于IT的新功能产品（服务）
7.3.6PSS创新模式5——智能产品（服务）
7.3.7PSS创新模式6——客户价值创造整体解决方案
7.3.8PSS创新模式7——智能产品服务系统
7.3.9PSS创新模式8——价值网络智能整合系统
7.3.10PSS创新模式9——智能化产品服务系统运营平台
第8章“互联网+”驱动的产品服务系统开发
8.1基于客户参与的产品服务系统开发
8.1.1客户参与的概念与内涵
8.1.2客户参与的动机
8.1.3客户参与PSS创新的循环模式
8.1.4支持客户参与的组织变革——营销与制造整合
8.1.5营销—制造整合促进PSS开发绩效的理论分析
8.1.6营销—制造整合与PSS开发绩效的概念模型［223］
8.1.7数据收集与分析
8.1.8企业营销—制造整合与新产品创新绩效的实证分析
8.1.9营销—制造整合促进PSS开发绩效的管理启示
8.1.10客户参与PSS开发的实践
8.2基于供应商参与的PSS价值共创
8.2.1供应商参与的概念
8.2.2供应商参与对产品服务系统开发的作用机制
8.2.3供应商参与对企业绩效的影响
8.3基于众包的产品服务系统开发
8.3.1信息技术与众包模式
8.3.2基于众包的产品服务系统开发
第9章服务型制造的生产组织模式
9.1服务型制造网络
9.1.1价值链
9.1.2工艺内分工与价值模块
9.1.3服务型制造网络
9.2“互联网+”驱动的服务型制造组织
9.2.1去中间化
9.2.2小微化
9.2.3平台化
9.2.4服务型制造组织变革实践
9.3产业互联网
9.3.1工业互联网
9.3.2产业互联网
第10章服务型制造的营销模式
10.1营销理论的演进
10.1.14P营销
10.1.24C营销
10.1.34R营销
10.1.4服务营销理论
10.2基于营销视角的产品服务系统规划
10.3产品服务系统的定价
10.3.1面向产品的PSS定价
10.3.2面向方案的PSS定价
10.3.3面向效用的PSS定价
10.3.4产品服务系统的收益管理
10.4产品服务系统的渠道管理
10.4.1传统渠道
10.4.2全渠道
10.5产品服务系统的促销
10.5.1人员推销
10.5.2广告促销
10.5.3公共关系
10.5.4销售促进
第11章服务型制造的企业文化
11.1制造企业的文化
11.1.1技术导向型文化
11.1.2规模经济导向文化
11.2服务企业的文化
11.2.1市场导向型服务文化
11.2.2创新型服务文化
11.2.3家族型服务文化
11.2.4等级型服务文化
11.3服务型制造企业的文化
11.3.1服务型制造企业的文化理念
11.3.2服务导向文化
11.3.3开放文化
11.3.4柔性文化
11.3.5知识文化
11.3.6创新文化
第12章服务型制造与企业绩效
12.1引言
12.1.1服务型制造战略
12.1.2服务型制造战略的结果变量
12.2概念模型及假设
12.3研究方法
12.3.1现有量表选择
12.3.2量表内容效度检验
12.3.3数据采集
12.3.4信效度分析
12.4检验结果与结论
12.4.1检验结果
12.4.2结果讨论
第13章陕汽集团服务型制造实践
13.1陕汽集团概况
13.2陕汽集团经营环境分析
13.3重卡产业链分析
13.4陕汽集团服务型制造战略
13.5面向客户价值创造的产品服务系统开发
13.5.1重卡客户价值公式
13.5.2将发展车联网作为产品服务系统开发的切入点
13.6生产系统优化——打造协同制造模式
13.7营销系统转型——为客户提供全面解决方案
13.8组织体系再造——德银平台建设
13.9陕汽集团实施服务型制造的绩效
13.10陕汽集团运营模式和商业模式的转型
13.10.1运营模式转型
13.10.2商业模式转型
参考文献
序言
近20年来，我国城市化获得了前所未有的发展，然而相应的道路交通问题也成为我国社会的难点和热点问题。道路交通问题已经引起全国各省市政府的高度重视，并成为民众关心的焦点。随着现代城市交通的爆炸式发展，传统的交通控制及道路监测方法已不能满足复杂多变的道路环境和城市交通的高速发展要求。车辆联网用于道路交通相关的监测应用具有灵活便捷、低成本代价、信息采集及时等诸多优点。随着无线技术领域无线传感器网络到移动感知网络的技术演进，车辆联网也从“车辆传感器网络”进阶到“以人为中心的车辆移动感知网络”，以人为中心的移动车辆网络赋予了随人的驾驶活动产生的移动性和灵活的组网方式，使得感知网络的覆盖度大大加强，数据采集更为灵活，在面向城市感知的道路行车相关的应用中极具优势，应用前景广泛。然而，车辆移动感知网络也因车辆的高动态性和数据可能存在的稀疏性问题，面临着一些开放性的技术难题，车辆感知网络的感知能力是否与应用相匹配，感知数据的质量问题以及相应的道路行车监测应用的数据处理和获取问题等。本书应对这些问题，从道路交通监测应用的角度出发，以路面监测应用为实例，针对车辆移动感知网络的感知模型、协作感知方法、机会式和参与式的数据收集与获取等内容展开了探讨，提出了新方法并进行分析和评估。
本书内容组织如下： 第1章为无线传感器网络到移动感知网络的概述，包括从“无线传感器网络概念与特点”到“基于移动性的无线传感器网络”，再到“以人为中心的移动感知网络”的演进过程，旨在让读者对近10年来移动感知领域的技术发展过程有一个基本的认识和了解。第2章、第3章以路面监测应用为例，阐述了车辆移动感知网络的感知模型和感知方法，主要内容包括基于行为分析的感知监测模型，以及基于车辆协作感知的路面事件区域判定方法。第4章阐述了车辆移动网络路由机制，讨论了一种绿色的车辆网络路由和调度算法。第5章阐述了车辆移动网络机会式数据收集方法，通过构建车队拓扑结构，设计了一种行为感知的动态车队数据收集机制。第6章着眼于参与式的车辆移动网络数据收集方法，提出了基于一种自适应的行为感知的车辆招募方法。第7章对未来车辆移动感知网络技术的发展愿景作出了描述，针对结合大数据处理的车辆移动感知网络列举了关键技术难点，以及给出了人机智慧相结合的车辆移动感知网络的参考架构。我负责了全书的第2章到第6章，项慨老师负责了本书的第5、6章部分内容和第1章、第7章的写作撰稿工作。
本书是对我获得国家自然科学基金青年科学基金项目（61103218）、江苏省自然科学基金青年科学基金项目（BK2012200）、湖北省自然科学基金（2011CDB446）以来相关项目工作关键部分的总结，旨在通过本书与更多科研工作者和同学们分享、交流和共勉。项慨老师参与了上述项目相关工作，并对本书的写作提供了许多宝贵意见。
本书的出版得到了清华大学出版社大力支持，在此表示诚挚的谢意。在本书写作过程中感谢地球空间信息技术协同创新中心通信分中心以及武汉大学电子信息学院先进网络与智能系统研究团队老师和同学们的帮助，在此表示衷心的感谢！
本书的出版和部分研究工作也得到了湖北省教育厅重点基金项目（D20162201）的资助，在此表示感谢！
我还要感谢我的家人，特别是我的父母，在任何时候总是给予我最无私的关爱和无条件的支持，谨以此书献给他们。本书的写作期间正好跨度了我的宝贝出生以来的这段日子，在这里谨以此书献给我的宝贝，愿他茁壮成长！
由于时间仓促和水平有限，书中难免存在缺点和疏漏之处，敬请各位专家以及广大读者批评指正。
曾园园2017年10月23日于武汉珞珈山麓东湖之滨
文摘
第3章面向路面监测的车辆协作感知车辆协作感知是通过挖掘智慧车辆采集数据的相关性，进行有效的信息协同处理、数据融合及智能信息决策等，从而有效服务于各类型智能交通应用。道路路面路况监测是智慧车辆联网的网络面向智能交通系统的重要应用之一。面向路面监测的智慧车辆之间的协作感知技术是借助车辆移动感知网络的技术手段、实现准确有效的路面事件监测的关键技术。面向路面监测的车辆移动感知过程主要通过机动的自组织的车辆网络技术、传感器等技术，对采集的数据进行处理，从而监测出道路环境中影响道路交通的路面事件。相比单一来源车辆数据提供的有限监测能力和噪声等问题，车辆间的协作感知能有效提高监测准确性。
本章首先对智慧车辆的协作技术相关研究进行了分析和阐述。在此基础上，提出了一种车辆协作事件推荐方法，用于高移动性车辆在面临“稀疏数据”时的道路路面事件诊断。针对车辆移动网络的感知过程中可能存在的“噪声”问题，提出了一种车辆协作信息过滤方法，用于监测事件的过滤，提高监测结果的准确性。
3.1智慧车辆的协作技术〖1*2〗3.1.1智慧车辆协作应用系统随着智慧交通技术的发展，智慧车辆技术研究得到广泛关注。通过智慧车辆间协同协作，共享环境和交通信息，完成典型交通场景下车与车的协作，如车队、路口和超车协作，用于提高道路交通的安全性和运行效率。一些发达国家率先开展了智慧车辆的协作研究，研发了相关应用系统。20世纪90年代和21世纪初，日本的协同驾驶系统Demo2000［1］演示系统给出了协作驾驶辅助系统的设计构想。随后，欧美等发达国家也相继启动了相关研究项目。美国加州智能交通研究计划PATH(California Partners for Advanced Transit and Highways) ［4］旨在通过智慧车辆组网的协作通信，利用车间协作，改善加州公路的交通效率，增加行驶安全性。法国国家资讯与自动化研究所的欧盟第五框架CyberCars和欧盟第六框架多智能车协作CyberCars2项目［2］旨在城市范围内的多智慧车辆跟随、车队管理、智能车协作通信和多车交互等，通过对不同类型智能车辆在多种路况下进行大量实验，实现了复杂路口的多车协作控制。德国INTERSAFE项目［3］致力于交叉路口的车辆防撞，通过协作通信手段，预估车辆碰撞可能，进行车辆防撞的安全预警。车间通信是车辆协作的关键技术之一，旨在通过实现车间通信协议，保障多车协作的实时、可靠和分布式等特性。其相关的系统有基于车辆组网的车载通信系统FleetNet项目［5］、辅助驾驶系统CarTalk2000［6］和Network on Wheels［7］等。
近十年来，国内相关研究也受到了广泛关注和重视。众多车联网研究联盟纷纷建立，如上汽、长安等汽车企业纷纷开展车联网技术的探究，并与高校、研究机构等建立长期联盟合作。国内许多高校开展了智能车的研发，多种实验车型不断涌现，如国防科技大学的CITAVT系列、吉林大学JUTIV智能车、浙江大学ALVLAB系列智能车、西安交通大学“夸父一号”智能车等。清华大学智能技术与系统国家重点实验室研制和独立开发了具有自主驾驶和遥控驾驶功能的智能车辆THMRV［8］，配备GPS、激光雷达等多类型传感器，并可应用于车辆车道线自动跟踪、道路跟踪，复杂环境下的主动避障等。由上海交通大学智能车实验室与法国国家信息与自动化研究所、葡萄牙科因布拉大学机器人系统研究所等联合开展的中欧合作CyberC3［9］智能车系统，开展了智能车辆队列启停、超车，以及通过车辆联网实现路口协作等系列研究和实验。
3.1.2车辆协作通信技术
车辆协作通信技术是车辆组网中用于数据传输和信息交换的重要手段，通过车辆之间的协作式通信机制，使得无线资源、感知资源等得到共享，提升网络性能和效率。考虑到车辆联网和道路交通应用的复杂环境，适应车辆网络的无线通信技术一般要具有低延时、低功耗和高速率等特点，且通信技术还要能够较好地适应于高移动性的环境。根据车辆网络的通信需求划分，可分为车内通信、车间通信、车路通信和车外通信。车辆间的协作通信技术关注的是车间通信，主要应用于多个车辆之间进行有效的通信、传输数据，实现各类型道路交通相关的应用，具有一定实时性等要求。其传输距离通常在数百米到1km的范围，适用技术包括红外技术、微波技术、专用短距离无线通信技术等。目前的智能交通领域主要采用的是专用短距离无线通信DSRC技术进行车辆间通信。DSRC技术载波频率为5.9GHz，通信速率可达4Mbit/s，通信有效距离接近100m，抗干扰性能优于无线局域网技术。
车辆移动感知网络中的车间通信具有车辆高速移动所造成的网络稀疏性和不连通性等，目前研究工作中普遍采用了容断容延迟网络中所使用的“存储—转发”(carry and forward)的数据通信机制，即当车辆之间无法找到直接路径时，车辆节点将本地先存储数据，当发现有新的车辆接近通信路由接收方时，将新的车辆节点作为数据转发节点，帮助信息传输。这种车间通信方式引发的车辆节点间的两种协作模式。一种是： 遵照传统的自组织组网方式，对节点的移动性没有人为控制［10,11］。这种类型的协作通信，主要是利用车辆随移动性产生的“碰面”，并利用“碰面”来交换彼此没有的数据信息。为了避免数据包交换过程可能带来的冲突、过多冗余数据包交换导致的严重拥塞等问题，在车辆网络中可以考虑车辆的历史移动轨迹并用于通信。但这种方法通常假设在过去“碰面”的车辆将来也有较大可能“碰面”。事实上，车辆网络中这种假设常常不存在，即许多车辆只“碰面”一次。另一种则是： 考虑车辆节点的可控性，并利用可控的移动性用于数据传输和交换。Li等人［12］提出通过主动的修改移动节点的轨迹用于协作的通信过程。Zhao等人［13］提出增加消息“摆渡”的方式，来用于协作和数据的传递。
3.1.3车辆协作感知技术
车辆协作感知主要是通过综合各种类型、来源的多源车辆采集的感知数据，利用车辆节点所提供的传感、存储和处理能力，提取相较单一车辆更多的感知数据信息，并将这些数据信息进行整合和分析处理，提取更为有效的处理信息。车辆协作感知技术突破了单一车辆对于信息获取的局限性，避免了单一车辆在获取信息上可能存在的信息缺失、盲区等问题，提高对于应用任务的有效性和准确性。车辆协作感知过程中，将协同协作方式使用各车辆节点的传感器资源，获取相较于单一车辆节点的更为全面和完整的城市道路交通相关的环境信息。车辆协作感知过程中有不同的车辆协作方式。一些协作方式要求特定用户的干预和互动，其他一些协作方式则不需要，而在不经意间自动完成协作过程。如在文献［14、15］中提出的方法，不需要车辆驾驶人员的直接参与行为即可自动完成车辆的环境监测活动。车辆协作感知往往涉及上下文监测的相关内容，如自动驾驶模式监测［16］和行为识别［17］，这些可被利用于协作的道路交通应用而最小化驾驶人的参与。
协作感知技术相关的关键技术还有数据融合和数据分析。通常采用的手段有使用基于语义的手段进行数据融合，包括使用本体［18］和推理器［19］，可实现不同设备和传感器数据的较高层次的信息融合。Ilarri等人［20］提出了对于移动对象，如车辆进行语义融合的分布式架构。数据分析则涉及城市范围的道路交通相关大数据的空时分析，并从其中提取有用信息服务于感知应用。此外，车辆协作感知中可能涉及人员轨迹等数据的收集和存储，因此应当考虑驾驶人用户信任和私有性的问题。例如，恶意用户可能提供假的信息扰乱应用系统目标或获取收益等。一些研究也开展了智能交通相关感知应用的信任度管理研究［21］。
车辆协作感知技术的实现方法与具体应用相关，无线传感器网络的传感器节点协作方法无法很好地适应于车辆移动感知应用环境。在车辆移动感知环境下，由于车辆的高移动性、城市道路交通路况环境的复杂性，导致机动网络的拓扑变化较快。此外，道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，车辆节点采集信息存在噪声和稀疏数据等问题，从而易出现误检(false alarm)，导致监测准确性低。
一些研究者针对移动自组织网络、无线传感器网络的感知应用，提出了基于人工智能的方法，通过本地节点协同协作，利用机器学习、支持向量机、贝叶斯神经网络，或运用隐马尔可夫模型等，进行事件特征提取和分类判断事件产生的概率，实现事件监测；这些事件监测方法［2225］用于车辆移动感知应用环境时，需要事先对道路车辆特定环境下的数据集进行训练，由于道路交通和车辆行驶中受自然环境、道路地形特征和人为因素等影响较大，实时数据集的训练有一定困难，并直接影响感知监测应用系统性能；这些方法计算复杂度高，不能很好地适应于车辆移动感知自组织机动的分布式网络环境。如果使用了不适当的车辆传感器数据进行协同，或在其性能、误差统计等方面给出错误的先验信息，都很难准确有效地监测事件。面向具体监测应用的车辆协作感知方法应当保证事件监测的准确性、低代价以及易于实现，根据模型和感知数据选择合适的车辆节点数据进行协同协作，用于提高事件监测性能，同时满足操作简单性。
3.2基于车辆协作感知的路面事件监测〖1*2〗3.2.1一种车辆协作路面监测方法本节提出一种车辆协作路面监测方法。通过提取位置相关、时间相关和行驶行为相关的多车辆、多传感器的数据，进行协作信息融合和事件决策处理，用于判定路况事件，从而提高道路路面事件监测的准确性。在方法实施前，需要进行一些网络和应用的初始工作。将待应用系统的道路监测区域近似为一个矩形区域，并提取待监测区域的城市道路地形图。在此基础上，根据道路路面监测应用的需求，例如，监测精度要求，将待监测区域划分为许多个监测子小区，分别对这些子小区执行道路路面的监测。道路路面监测系统初始化如图3.1所示。车辆移动感知过程中车辆联网示意图如图3.2所示。
图3.1道路路面监测系统初始化
图3.2车辆联网
车辆协作路面监测方法的执行流程如下： 首先，所有监测子小区都处于初始状态,即尚未启动协作路面监测的状态。应用过程中，携带各类型传感器节点并具有无线通信和处理能力的智能车辆，随行驶过程、周期性的采集待监测道路区域的道路交通环境数据，并进行车辆节点的本地数据融合，得到本地融合数据。这些融合的本地数据将通过车辆到路侧基站的通信方式，传递到路侧基站接收并进行存储。由路侧基站收集其覆盖范围内多个车辆节点的本地数据，并根据收集的多源数据，开展协作处理，试图挖掘不同车辆、不同传感器采集数据的相关性，包括位置相关性、时间相关性和车辆行驶行为相关性。在此基础上，通过信息处理技术，进行道路行车相关的事件预测。当发现有影响道路安全的事件时，由路侧基站向其覆盖区域内的车辆节点发布该事件进行预警。其过程如图3.3所示。
图3.3车辆协作路面监测流程图
根据上述流程图，设计车辆协作路面监测方法如下所述。
步骤1： 在收到车辆节点发送的周期性融合数据后，路侧基站存储该观察数据，设在时刻τ车辆节点nj的观察数据为O(nj，τ)，车辆节点nj当前位置落在子小区ci内，根据协作感知条件进行处理，所述协同监测条件为车辆节点nj的观察数据O(nj，τ)大于等于预设的阈值；如果满足协作感知条件且子小区ci尚未启动协作感知，则进入步骤2。
步骤2： 由路侧基站启动子小区ci的协作感知过程，提取位置相关、时间相关和行驶行为相关的数据并进行处理，包括提取τ时刻与子小区ci位置相关的车辆节点数据并处理得到车辆节点nj的监测可信度，提取子小区ci在时间间隔［τ-T,τ］ 内时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，以及提取与子小区ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区ci车辆节点的行为改变度。
提取τ时刻与子小区ci位置相关的车辆节点数据并处理得到车辆节点nj的监测可信度，采用以下方法。
（1） 将满足d(nj′，ci)≤r的车辆节点nj′作为位置相关的协作车辆节点，计算车辆节点nj′到子小区ci的监测能力a(nj′，ci)，如式（31）所示：a(nj′,ci)=1-d(nj′,ci)rd(nj′,ci)≤r
0d(nj′,ci)>r（31）其中，从路侧基站覆盖的某个车辆节点nj′的坐标(xn j′，yn j′)到所在子小区ci的中心点坐标 (xci，yci)的几何距离d(n j′，ci)=||(xn j′，yn j′) -(xci，yci) ||，r为感知距离参数，取值为车载传感器的最大感知距离。
（2） 根据所有位置相关的协作车辆节点在τ时刻的数据，得到τ时刻子小区ci的加权平均监测数据O(ci，τ)如式（32）所示：O(ci,τ)=1∑Kj′=1a(nj′,ci)∑Kj′=1a(nj′,ci)×O(nj′,τ)（32）式中： K为所有位置相关的协作车辆节点的数目。
（3） 由所有位置相关的协作感知车辆节点的加权平均监测数据O(ci，τ)，得到τ时刻车辆节点nj的监测可信度 f(nj，τ) 如式（33）所示：f(nj,τ)=1－|O(nj,τ)－O(ci,τ)|max (|O(nj,τ)－O(ci,τ)|,O(ci,τ)) （33）式中： O(nj，τ)为τ时刻车辆节点nj的观察数据。
提取子小区ci在时间间隔［τ-T,τ］时间相关的车辆节点数据并处理得到基于事件的历史数据相关度，采用如下方法： 用ω1表示事件数据类别，用ω0表示非事件数据类别，每个类别发生概率分别为P(ω1)和P(ω0)；对于τ时刻车辆节点nj未知类别的样本观察数据O(nj，τ)记为Onj，τ，得到基于事件的历史数据相关度gm(Onj,τ)如式（34）所示：gm(Onj,τ)=exp －(Onj,τ－μm)H(Onj,τ－μm)2Dm－λ2ln 2π－12ln |Dm|+ln P(ωm)（34）式中： λ为维度；m=0，1；μm为ωm类样本的均值；Dm为ωm类多维样本数据的方差矩阵。
提取与子小区ci中具有行驶行为相关度的所有车辆节点数据并处理得到子小区ci车辆节点的行为改变度。根据预设的距离阈值dth，提取满足条件为τ时刻落在子小区ci质心(xci，yci)的距离范围dth内的所有车辆节点数据，满足条件的所有车辆节点数目记为L，设满足条件的任一车辆节点为nl，计算车辆节点nl在一个最近时间间隔T′ 的行为改变度h(ci，τ)如式（35）所示：h(ci,τ)=1L∑Ll=1ξ1-cosθ( 瘙 經 l1, 瘙 經 l2)2+(1-ξ)| 瘙 經 l1- 瘙 經 l2|max( 瘙 經 l1- 瘙 經 l2)（35）式中： 车辆节点nl在时刻τ - T′的速率为vl1，车辆节点nl在时刻τ的速率为vl2，max(vl1，vl2)为速率vl1和vl2中的较大值，ξ为权重参数，θ( 瘙 經 l1- 瘙 經 l2)为速率vl1的矢量变化到速率vl2的矢量的方向夹角，l的取值为1,2,…,L。
步骤3： 由路侧基站根据步骤2所得车辆节点nj的监测可信度、基于事件的历史数据相关度和子小区ci车辆节点的行为改变度，采用加权投票的方法，得到在τ时刻子小区ci路况事件产生概率PE(ci ,τ)，如式（36）所示： PE(ci,τ)=α·1K′∑K′j=1f(nj,τ)+β·1K′∑k′j=1g1(Onj,τ)+(1－α－β)·h(ci,τ)（36）式中： α、β为权重参数且满足0≤α≤1，0≤β≤1；K′为路侧基站记录的所有针对子小区ci报道疑似事件数据的车辆节点的最大数目。
步骤4： 由路侧基站进行判定，若由步骤3所得概率PE(ci ,τ)大于或等于预设阈值Pth，则判定τ时刻子小区ci有道路路面事件产生，路侧基站记录该路况事件并向其覆盖范围内车辆节点和其他路侧基站广播该事件；子小区ci初始状态恢复为尚未启动协作监测状态，协作感知流程回到步骤1处继续执行。
3.2.2模拟测试
模拟场景考虑在某特定道路监测区域的20个自由行驶的车辆节点机动组网。各车辆装载有一个类型相同的加速度传感器，用于测量z轴方向加速度。区域内有多个水平和垂直方向的平行车行道，车辆可沿着与车行道平行的两个方向行驶，道路交叉口的车辆可沿着水平和垂直的4个方向行驶，最大行驶速率30m/s。道路区域中心位置部署一个路侧基站，该基站可覆盖整个道路监测区域。路侧基站可向覆盖范围内的车辆节点和其他路侧基站发送广播消息，包括周期性的网络维护消息、发布道路事件消息、数据请求消息和参数阈值调整消息等。路侧基站可通过互联网连接到智能交通路况监测中心，向监测中心提交事件数据并由监测中心对实时路况监测进行全局管理。
图3.320个车辆的道路监测场景应用系统和网络初始化过程将待监测的城市道路区域近似为500×500平面矩形区域、监测区域划分为规模相同的5×5的网格状的子小区，分别按行和列位置索引号来标记各子小区，即c1(0,0),c2(0,1),…，c5(0,4),c6(1,0),c7(1,1),…，c10(1,4)，…，c21(4,0),c22(4,1)，…，c25(4,4)。提取主干车行道路地形图如图3.3中粗实线标记所示，该粗实线标记的是多车行道的城市道路，车辆在该区域各自车道上沿与车道平行的两个方向行驶，主干道路交界处车辆可以沿着水平和垂直的4个方向即+x，-x，+y，-y行驶。各车辆节点在网络初始化时被分配了仅有ID号，车辆节点标记为N={n1,n2，…，n20}，道路中央的路侧基站ID号为0，该基站可覆盖整个道路区域。上述网络示意图如图3.3所示。取车辆携带的同类型传感
| ISBN | 9787302498568,7302498563 |
|---|---|
| 出版社 | 清华大学出版社 |
| 作者 | 曾园园 |
| 尺寸 | 16 |