intelligent transportation system
PulseAugur coverage of intelligent transportation system — every cluster mentioning intelligent transportation system across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新框架通过去中心化联邦学习增强电动汽车电池智能
一篇新研究论文介绍了一种名为ABC-DFL的去中心化联邦学习框架，该框架专为电动汽车（EV）电池智能设计。该系统旨在通过区块链和一种新颖的动态法定人数拜占庭容错（QBFT）协议取代传统的中心化聚合，从而增强安全性和信任度。该框架包括FLECA，一个分层聚合协议，用于过滤恶意更新，并使用鲁棒的集群化来聚合来自可信电动汽车群组的模型更新，在对抗性场景中展示了优于现有防御的性能。
-
综述探讨车辆边缘计算中用于智能卸载的DRL
本文全面综述了车辆边缘计算（VEC）中用于智能卸载的深度强化学习（DRL）方法。文章根据学习范式、系统架构以及延迟和能耗等优化目标对现有研究进行了分类。综述还考察了马尔可夫决策过程（MDP）的应用，并讨论了VEC系统的未来研究方向。
-
基于LLM的LIDSA系统将交叉口延误减少89%
研究人员开发了LIDSA，一个用于管理无传统信号交通交叉口的新框架。该系统利用大型语言模型实时推理车辆意图、优先级和能源偏好。评估表明，与现有方法相比，LIDSA显著减少了延误、等待时间和排队长度，同时提高了燃油效率和意图满意度。
-
智能停车系统利用动态缓冲区和声誉提高可靠性
研究人员开发了一种新颖的双机制架构，以提高智能停车预订系统的可靠性。该系统包含一个非预订车位的动态缓冲区，以确保停车位的可用性，以及一个基于声誉的奖励系统，该系统使用星级指标来激励准时离开。使用SUMO城市模拟器的模拟表明，这种方法有效地减少了预留车位被先前用户占用的情况，并提高了城市环境中整体资源的利用率。