一、智能网的9种服务功能（论文文献综述）
刘焰,张懿[1]（2021）在《信息安全风险评估在智能网联汽车领域的应用》文中指出随着汽车工业的不断发展,智能网联汽车的功能安全及信息安全问题逐渐凸显。特别是智能网联汽车的信息安全危机目前已经上升为国家公共安全问题,而全生命周期的信息安全风险评估不仅是智能网联汽车信息安全的基础,也是安全保障。智能网联汽车生命周期在传统汽车向智能网联汽车改革的时代,整车厂与终端消费者之间转变成一个长期且持续的覆盖到产品整个生命周期的服务过程。
雷鹏[2]（2021）在《基于信道模拟的车联网通信系统在环测试方法研究》文中认为智能网联汽车的测试与评价是车辆智能化研究的关键技术,传统的道路测试方法需要大量的行驶里程进行验证,既耗费时间和物力,又存在一定的事故风险,因此开展基于硬件在环的仿真测试是一种高效、安全的测试方法。智能车辆的环境感知层包含雷达、视觉和车联网三大模块,其中车联网是利用车间自组网或蜂窝网络实现车-车、车-路、车-人通信的无线信息交互系统。区别于另两个传感器,车联网的应用场景考虑了无线信号的收发过程,所以车联网系统在环测试的重点和难点是模拟真实环境的信道情况进行无线通信,因此搭建具有信道模拟功能的硬件在环测试平台,并研究可信度高、可靠性强的仿真测试方法,是车联网系统设计和开发的基础,也是智能网联汽车蓬勃发展的重要前提。本文依托国家重点研发计划课题自动驾驶电动汽车硬件在环测试环境构建与模拟测试技术研究（编号:2018YFB0105103）,开展基于信道模拟的车联网通信系统在环测试方法研究。分析车联网信道特征,建立基于场景要素提取的信道模型;设计测试系统框架,搭建车联网在环测试平台;研究无线通信性能和自动驾驶算法性能的测试方法;最后选取被测系统进行测试试验,验证测试方法的可行性。本文主要研究内容包括以下四部分:（1）基于场景要素提取的车联网无线通信信道模拟全面分析无线信号的传播原理和车联网信道的特征,建立车联网通信信道模型,从仿真场景中实时提取通信相关的要素,并动态更新信道模型的多径效应、多普勒效应、衰落效应等特征参数。（2）车联网无线通信系统在环测试平台根据车联网在环测试平台的测试原理和结构框架,选取NI平台的模块化控制系统及软硬件工具链,解决通信硬件的时钟同步、GNSS定位、数据传输等问题,完成测试平台搭建,并利用测试平台软件系统构建车联网信道模型。（3）车联网无线通信系统通信性能测试方法考虑车联网应用场景中的远距离通信和高速移动通信的情况,选取包括延迟、丢包率和信噪比等评价指标,对被测设备的静态和动态通信条件下性能表现进行测试方法研究,最后通过测试试验和对测试结果的分析,验证测试方法的可行性。（4）基于车联网的自动驾驶算法性能测试方法针对基于车联网的自动驾驶算法设计基于仿真场景的闭环测试方法,通过向车联网设备注入仿真场景中产生的虚拟信号,同时调整信号源功率和传播路径增益参数,测试算法在不同场景下的性能,最后进行测试试验,验证测试方法的可行性。
张庆阳[3]（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。
张四海[4]（2020）在《海信|智能网联领域的探索》文中研究指明智能网联在目前的发展态势下,如何引领和创造一种新形态?智能网联如何与智能交通相结合,与传统政策相结合,去真正实现商业化和落地?本文根据第九届（2020）中国智能交通市场年会上,海信网络科技公司总裁张四海以《智能网联引领出行新生态》为主题的演讲整理成文。行业发展现状回顾最近几年,国家各部委出台政策,鼓励产业发展,推动大规模验证与商用部署,智能网联行业发展迅速:2019年国务院出台《交通强国建设纲要》,
丛森森[5]（2020）在《面向车联网的行车主动服务系统关键技术研究》文中研究指明随着智能化、网联化、电动化和共享化“新四化”技术飞速发展,行车服务系统已逐步成为智能车辆与智能交通领域的重要研究方向。近年来,能够对行车用户的服务需求进行主动、有效的感知与辨识,实现向行车用户主动推送服务并对服务质量提供有效保障的行车主动服务系统（Driving Active Service System,DASS）正成为研究热点。智能车辆作为行车过程的执行载体,可以更充分地掌握行车信息,通过服务平台提高行车安全,对促进无人驾驶技术发展具有重要应用价值。主要研究内容有:（1）针对DASS多设备多车辆协同推理、信息处理和分层集中控制需求,以多智能体协同控制框架为基础,构建了分层集中式协同DASS体系结构与服务流程。DASS中各层级感知与决策能力,为DASS的服务流程及其关键算法的设计奠定了基础。（2）针对传统行车服务方法无法满足自动化需求,提出了一种基于多智能体的服务生成平台。该框架通过行车环境建模、服务需求模型化、可执行能力匹配和服务评价的流程,使得DASS具有需求匹配和服务生成能力。在混行交通仿真场景中,一方面,以服务匹配度验证服务生成准确性和及时性;另一方面,通过特定行车场景,以不同策略连续的车流量变化特征验证了服务生成算法的主动性。（3）针对DASS在服务“自动生成-主动推送”过程中忽视服务推送与行车用户的相互影响,设计了基于用户特征行为的服务推送平台,包括存储层、应用层和评价层。在应用层基于用户操作行为预测设计了B-Num.BT算法,提高了服务推送用户接受度;在评价层基于推送流程设计性能评价指标;最后通过PreScan/Simulink验证了主动推送功能,并探讨了其对行车用户分类作用。（4）针对行车过程中面向突发场景主动控制需求,设计了面向危险并道场景的智能车避让控制模型,并且应用DASS验证了该突发场景下的主动干预控制性能。首先,以BP神经网络模拟驾驶人的紧急避让行为,同时增加高斯混合隐马尔科夫概率因子预测侧方车辆并道概率。最后,以车速差实验和网联车渗透率实验验证了避让模型对危险并道场景的适用性,以干预时机性验证了DASS的服务能力。综上,针对传统行车服务系统在行车过程中被动式服务请求模式、服务耗时长和安全性低等不足,本文从“模型设计-核心算法-平台搭建-典型应用”四个层面进一步突破和提升DASS的智能化、个性化以及接受度等性能,形成了更为细致的DASS实现方案,进一步丰富了智能交通系统理论方法及应用途径。
张珂[6]（2020）在《车联网移动边缘计算中的任务排队建模与调度研究》文中研究表明针对车联网移动边缘计算资源部署不均衡、服务密度小、任务分配不均衡、实时调度计算压力大的问题,对移动边缘计算的计算资源调度问题与任务分配问题进行了研究,并创新性提出一种基于智能车移动边缘计算的任务排队建模与调度算法,将具备感知、计算、控制功能的智能车作为移动边缘计算服务器,完成了智能车计算资源的虚拟化抽象、任务排队模型的建立、仿真验证、模型驱动MEC实验等工作,旨在提供弹性的计算服务,达到计算资源负载任务均衡。首先报告了车联网与移动边缘计算资源调度分配的研究现状,介绍了车联网的技术、架构与应用,移动边缘计算的概念、基础架构、虚拟化技术与应用,并针对车联网环境下的移动边缘计算架构进行了设计,一种是基于路侧单元的MEC架构,一种是基于智能车的MEC架构。并针对两种不同的架构讨论了这两种不同模式中的研究难点。其次针对路侧计算资源进行了调度策略研究。将排队论中的M/M/1排队模型应用于路侧计算资源调度中。构建了包括了输入任务、调度决策与任务执行三部分组成的调度模型,在计算资源虚拟化的情况下提出了基于AIMD算法模型的均衡分配方案,使得进入该路侧计算单元覆盖范围的网联车辆能够动态均衡的共享计算资源,提高计算资源得利用率,提供优质高效且稳定的服务,并且针对AIMD算法模型的收敛性进行了分析,并进行了仿真说明。然后对于路侧单元固定的分布式部署并不均衡,不能够覆盖全部区域的问题,依据智能车的MEC体系架构,采用了虚拟化技术对智能车计算资源进行了虚拟化抽象,构建了虚拟车服务任务GI/GI/1排队模型,同时基于云控制平台Voronoi分配算法将智能车拓扑结构进行划分,根据任务地点完成智能车计算资源调度,对虚拟车任务进行了分配绑定,进而完成了智能车的优化调度与分布式弹性服务。最后提出VSP模型驱动车联网移动边缘计算作为一种服务,在Aimsun交通仿真软件中利用API接口模块,构建了Client-Sever通信架构,完成了Aimsun实验流程的开发与交通仿真平台路网的部署,将智能车移动边缘计算应用于仿真路网中,并且对实时获得的交通污染数据并进行处理,进行结果分析,为模型驱动车联网移动边缘计算作为服务提供了理论支撑与应用基础。
周凌玥[7]（2020）在《基于服务化的装备制造企业价值链整合模式研究》文中研究说明作为国民经济发展的战略支撑,中国装备制造企业在参与全球价值链分工过程中获得了长足的发展,但受限于劳动力工资成本增加、原材料价格上涨、发达国家技术封锁等因素,中国装备制造企业陷入价值链高端升级被锁定、低端市场竞争激烈且利润被压缩的双重困境,面临着价值增值能力提升及价值链升级的迫切需求。随着服务经济的发展,服务与制造出现了明显的融合和相互增强作用,服务化普遍被认为是实现企业转型升级的有效途径。但随着服务化程度的不断提高,装备制造企业原有的价值来源、价值主体等价值逻辑发生变化,而新的价值逻辑尚处于摸索阶段,中国管理情景下,企业如何通过服务化优化、重构自身价值体系尚缺乏成熟的、可供借鉴的方式、方法。基于服务化的装备制造企业价值链整合处于“盲人摸象”的状态,导致部分装备制造企业出现了以服务化无法提升企业绩效为表征的“服务化困境”。因此,探究中国管理情景下,装备制造企业如何通过服务化重新优化、重构企业价值体系,有哪些成熟的、可供借鉴的方式、方法可以遵循,对促进我国装备制造企业价值链向良性方向演化,实现企业价值链升级具有重要意义。对基于服务化的装备制造企业价值链整合机理进行分析,并对整合模式的架构进行设计。在相关概念界定的基础上,对基于服务化的价值链整合的核心动力及过程进行分析,并运用数值仿真分析揭示了装备制造企业通过基于服务化的价值链整合,实现企业价值增值能力提升的过程。运用扎根理论与结构方程模型识别并验证了服务整合能力、企业网络资本、价值主张契合、企业资源编排是基于服务化的价值链整合过程中装备制造企业价值增值能力的驱动要素。在此基础上,基于“驱动要素结构—价值链演化状态—价值链整合模式”这一理论框架,设计了基于服务化的装备制造企业价值流程延展式、战略环节辐射式、价值模块凝聚式、价值网络集成式四种价值链整合模式,并对四种模式间的关系进行了分析。从模式分析、模式构建、模式运行三个方面分别对四种整合模式进行了具体设计。首先,揭示了四种整合模式的内涵与特征、模式框架、模式的价值增值过程;其次,分别设计了四种整合模式的构建过程。从用户需求分析、产品服务方案设计、价值流程延展策略三个方面设计了价值流程延展式整合模式的构建过程;从战略环节识别、不同战略环节的整合模式构成、整合模式实现策略三个方面设计了战略环节辐射式整合模式的构建过程;从价值模块分工、价值模块集成、界面规则构建三个方面设计了价值网络集成式整合模式的构建过程。从价值单元析出、价值单元协同与整合机制的构建、价值网络形成三个方面设计了价值网络集成式整合模式的构建过程。最后,对四种模式的运行进行分析。在模式运行过程分析的基础上,建立相应的数理模型并求解,分别对模式运行稳定性及影响因素进行了分析。构建了基于服务化的装备制造企业价值链整合的模式选择机制及保障策略。在设计价值链整合模式选择流程的基础上,从价值增值能力驱动要素评价指标体系、驱动要素结构判定、价值链整合模式选择三个方面构建基于服务化的装备制造企业价值链整合模式的选择机制;并从环境保障、组织保障两个方面提出基于服务化的装备制造企业价值链整合的保障策略;并以YQHQ公司为例,对基于服务化的装备制造企业价值链整合模式进行实例研究,验证本文研究结论的合理性与可行性,并提出相应的策略建议。本文在服务化理论与价值理论的支撑下,依据中国装备制造企业缺乏行之有效的基于服务化的价值链整合模式这一现状,探究装备制造企业如何通过服务化优化、重构企业价值体系,实现企业价值增值能力提升,对装备制造企业实现基于服务化的转型升级具有重要意义。
崔志斌[8]（2020）在《面向智能网联汽车的云数据平台的设计与实现》文中研究说明随着自动驾驶技术的发展,智能车的单车智能化水平也变得越来越高。但是在智能车自动驾驶等级提升的过程中,单车智能化的提升仍不能有效解决诸如全局交通智能规划调度、超视距感知等一系列高阶自动驾驶过程中需要实现的功能。将智能车与云计算技术相结合研发云控平台是发展高阶自动驾驶技术切实可行的方案。因此,本文对智能网联汽车云平台的开发展开了深入的研究与探索。本文依托智能网联实验室重点项目,针对小型标准化智能网联汽车边缘云平台的快速落地方案展开研究,结合智能网联汽车当前的具体需求和云平台的构建方案进行相关的系统开发和与实验验证,主要的工作内容如下:1.首先分析了智能车在网联化方面的发展态势与智能网联汽车云平台的应用现状。针对智能网联汽车在低时延和高安全性方面的需求,本文提出了一种智能车边缘云平台架构,并在此基础上实现了相应的落地方案——面向智能网联汽车的云数据平台。2.在此基础上,根据车联网场景中边缘云平台的功能需求,针对目前车联网领域中基于边缘云的标准化解决方案较少的情况。本文希望从构建云平台的底层技术入手实现自主可控且可灵活部署的边缘云落地方案。利用主流开源的硬件虚拟化软件Docker与Kubernetes集群管理引擎将实验室的服务器资源进行容器化与有效整合,并在此基础上部署了后续开发所用到的基础容器化软件,为云数据平台具体功能的实现提供了相应的支持,最终构建起边缘云的PaaS层云基础平台。3.针对智能车端数据实时上云、存储和可视化的功能需求在云基础平台中搭建车云通信、云端存储和云端数据可视化三大子系统从而实现边缘云的SaaS功能应用层。其中针对由于网络带宽不足而无法实现视频实时传输与显示的问题,本论文的边缘云方案中采用双通道车云数据传输方案分别将车端的消息数据和图像数据实时回传,经实验验证云端实时视频显示的帧率可达5帧/s以上。相比于中心云车联网方案,本论文提出的边缘云方案在实时性方面有了较大的性能提升。本文设计与实现的智能网联汽车云数据平台是所提出的智能网联汽车边缘云平台架构的可行落地方案。该方案不同于以中心云为核心的车联网解决方案,其更加注重在智能车和中心云之间构建起一个低延迟、高可靠的边缘云平台,为车联网技术在边缘场景中的落地提供了切实可行的方案。
本刊编辑部[9]（2020）在《智能网联正在不断重塑整个汽车产业的生态》文中研究指明2019年12月3日,工信部装备工业司发布《新能源汽车产业发展规划（2021-2035年）》（征求意见稿）,再度从顶层设计角度对智能网联汽车下一阶段的发展目标进行了明确。征求意见稿提出,到2025年,智能网联汽车新车销量占比要达到30%,并实现高度自动驾驶智能网联汽车在限定区域和特定场景的商业化应用。不仅如此,为助力智能汽车进行关键零部件技术突破,征求意见稿还提出了一系列与智能网联汽车相关的核心技术攻关工程作为指引。重重利好之下,智能网联汽车正迎来最好的时代。
缪鸿志[10]（2019）在《技术融合情况下共享出行系统的建模与优化》文中指出在当前汽车产业智能化、网联化、电气化、共享化的趋势下,通过自动驾驶技术、电动汽车技术、物联网技术、共享出行系统的技术融合,实现智能网联电动汽车共享出行系统对于解决当前传统汽车的“交通拥堵、环境污染、事故频发、能源短缺”等问题,提升交通运输系统的安全性、移动性、可达性、环保性具有巨大的潜力。然而,目前技术水平的智能网联汽车共享出行系统的现实应用仍然存在诸多问题,需要进一步研究。鉴于此,本文首先对这种技术融合情况下共享出行系统应用研究的关键问题进行详细的总结和分析,然后对系统中服务车辆设计运行域的确定问题,技术融合情况下共享出行系统的模型表示问题,共享出行系统的规划问题,共享出行系统的运营问题,分别给出了模型表示或优化方法,最后对构建的共享出行系统进行了囊括多个方面的综合实验分析。（1）服务车辆设计运行域的模型表示与复杂度量化为了准确描述和衡量服务车辆的自动驾驶系统在特定时间和特定空间所处于的运行环境,在充分考虑实际道路交通环境的不确定性、复杂性和动态性特征的基础上,提出了一个基于规范空间方法的设计运行域模型表示方法,并研究和推导了基于交通场景的设计运行域驾驶复杂度的量化方法。最后对提出的设计运行域模型表示方法和复杂度分析方法以长春净月国家高新技术产业开发区为研究区域进行了应用验证,将其划分成了五个复杂度水平的设计运行域。（2）技术融合情况下共享出行系统模型表示在引入自动驾驶技术、V2X技术和电动汽车技术后,共享出行系统的多个主要组成部分的属性特征,以及整体的运营过程都将发生变化。而且,在考虑自动驾驶系统设计运行域的情况下,需要增加共享出行系统中服务车辆的运营约束条件。因此,为了准确描述本文考虑的SAE L4智能网联电动汽车共享出行系统,需要对系统中变化的关键属性特征及运营过程进行建模分析。（3）技术融合情况下共享出行系统两阶段规划模型在技术融合情况下共享出行系统模型表示基础上,构建了一个共享出行系统的两阶段规划模型,规划模型阶段1针对无固定车站型管理运营模式共享出行系统存在的系统运营区域内服务车辆时空分布离散和不均衡问题,对共享出行系统的运营区域进行优化设置,以实现系统管理运营复杂度及运营成本与用户效益之间的平衡。规划模型阶段2针对当前电动汽车技术充电时间较长和续航里程较短的问题,对共享出行系统中的充电设施进行优化部署,以实现系统中车辆充电需求和基础建设成本的平衡。然后,根据共享出行系统两阶段规划模型的特点设计了基于NSGA-II的求解算法。最后,对规划模型进行了应用验证,该系统能够满足绝大部分的用户请求,但系统中服务车辆的空驶里程和用户的等待时间都较长。（4）技术融合情况下共享出行系统运营优化模型在智能网联电动汽车共享出行系统构建完成后,针对共享出行系统中用户需求和车辆充电需求的动态性与不确定性特征,考虑两种需求的密切关系,基于整数规划模型提出了一个针对用户需求的服务车辆分配问题,和车辆充电需求的充电站分配问题的联合优化模型,以提高共享出行系统的运营效率。然后,根据系统运营优化模型的特点设计了基于禁忌搜索的求解算法。最后,通过采用系统运营优化模型和未采用系统运营优化模型两种场景下的仿真实验分析发现,在采用需求分配优化模型后系统的用户服务表现和车辆充电表现都得到了明显提升。（5）综合实验分析在智能网联电动汽车共享出行系统的服务车辆自动驾驶系统的设计运行域,模型表示方法,运营范围和充电设施部署规划方案,以及运营优化方案确定后,对共享出行系统进行了综合仿真实验分析。仿真结果说明,服务车辆续航里程,充电设施充电速度,智能网联汽车技术,服务车辆车队规模,和用户需求规模都对系统的用户服务表现和车辆充电运营表现有显着的影响。特别是充电设施充电速度的提升能够有效提升系统的车辆充电运营效率。在环境影响方面,系统中智能网联电动汽车的采用相比传统燃油汽车可实现二氧化碳排放量减少约42.03%,能源消耗量减少约31.34%。最后,共享出行系统的设计运行域复杂度水平为5级时,其每公里的用户使用成本是设计运行域复杂度水平为1级时的约两倍。
二、智能网的9种服务功能（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、智能网的9种服务功能（论文提纲范文）
（1）信息安全风险评估在智能网联汽车领域的应用（论文提纲范文）
| 智能网联汽车生命周期 |
| 智能网联汽车与信息安全风险评估 |
| 信息安全风险评估要素之间的关系 |
| 信息安全风险计算过程 |
| 智能网联汽车风险评估依据 |
| 标准规范 |
| 政策法规 |
| 智能网联汽车风险评估流程 |
| 智能网联汽车生命周期的风险评估 |
| 开发阶段的风险评估 |
| 生产阶段的风险评估 |
| 运维阶段的风险评估 |
| 智能网联汽车信息安全风险评估与TISAX |
| 结语 |
（2）基于信道模拟的车联网通信系统在环测试方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网 |
| 1.2.2 车联网在环测试 |
| 1.2.3 信道模拟 |
| 1.3 本文主要研究内容 |
| 第2章 基于场景要素提取的车联网无线通信信道模拟 |
| 2.1 车联网无线通信信道特性分析 |
| 2.1.1 无线信号的传播原理 |
| 2.1.2 无线通信信道的特性 |
| 2.1.3 车联网通信信道的特性 |
| 2.2 测试场景的要素提取 |
| 2.3 车联网信道动态建模 |
| 2.4 本章小结 |
| 第3章 车联网无线通信系统在环测试平台 |
| 3.1 车联网在环测试平台原理 |
| 3.2 车联网在环测试平台构建 |
| 3.2.1 硬件系统 |
| 3.2.2 软件系统 |
| 3.3 构建车联网信道模型 |
| 3.4 本章小结 |
| 第4章 车联网无线通信系统通信性能测试方法 |
| 4.1 静态通信性能测试 |
| 4.1.1 测试方法 |
| 4.1.2 测试结果与分析 |
| 4.2 动态通信性能测试 |
| 4.2.1 远距离通信能力测试 |
| 4.2.2 高速移动通信能力测试 |
| 4.3 本章小结 |
| 第5章 基于车联网的自动驾驶算法性能测试方法 |
| 5.1 自动驾驶算法性能测试原理 |
| 5.2 自动驾驶算法测试方法 |
| 5.2.1 静态信道条件下算法功能测试 |
| 5.2.2 信道变化条件下算法性能测试 |
| 5.3 测试结果与分析 |
| 5.3.1 预警类算法 |
| 5.3.2 主动控制类算法 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）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 |
（4）海信|智能网联领域的探索（论文提纲范文）
| 行业发展现状回顾REVIEW OF DEVELOPMENT OF THE INDUSTRY |
| 海信智能网联方案HISENSE'S SOLUTION TO INTELLIGENT CONNECTED TRANSPORTATION |
| 云控中心 |
| 车端:联网联控、智能交互 |
| 路侧:车路互联、智能控制 |
| 智能网联赋能应用 · 信号控制 |
| 智能网联赋能应用 · 智慧公交 |
| 智能网联赋能应用 · 智慧高速 |
| 智能网联赋能应用 · 智慧停车 |
| 从测试服务到商用运营,长沙的智能网联之路FROM TESTING TO COMMERCIAL OPERATIONS:INTELLIGENT CONNECTED TRANSPORTATION IN CHANGSHA |
| 海信智能网联生态圈HISENSE'S ECOSYSTEM OF INTELLIGENT CONNECTED PRODUCTS |
（5）面向车联网的行车主动服务系统关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状与不足 |
| 1.2.1 车联网研究现状及分析 |
| 1.2.2 行车服务系统现状及分析 |
| 1.2.3 服务生成方法研究现状 |
| 1.2.4 主动推送方法研究现状 |
| 1.2.5 存在的不足之处 |
| 1.3 主要研究内容与技术路线 |
| 第二章 基于多智能体协同理论的DASS研究 |
| 2.1 MAHCCM框架研究 |
| 2.1.1 多智能体协同技术现状 |
| 2.1.2 MAHCCM高层架构 |
| 2.1.3 MAHCCM工作流程 |
| 2.2 基于MAHCCM的 DASS研究 |
| 2.2.1 DASS体系设计 |
| 2.2.2 DASS构件库设计 |
| 2.2.3 构件库应用策略 |
| 2.3 本章小结 |
| 第三章 DASS服务生成框架与算法研究 |
| 3.1 基于行车环境的主动生成框架 |
| 3.1.1 典型服务行车环境 |
| 3.1.2 行车环境实体及服务类 |
| 3.1.3 服务主动生成框架 |
| 3.2 DASS服务主动生成算法研究 |
| 3.2.1 行车环境实体与服务建模 |
| 3.2.2 行车服务需求建模 |
| 3.2.3 可执行能力匹配算法 |
| 3.2.4 服务生成与评价算法 |
| 3.3 DASS服务生成案例研究与验证 |
| 3.3.1 服务生成实验环境 |
| 3.3.2 实验设计与结果分析 |
| 3.4 本章小结 |
| 第四章 DASS推送平台及关键算法研究 |
| 4.1 服务主动推送平台 |
| 4.1.1 DPSP主动推送平台 |
| 4.1.2 服务推送流程 |
| 4.2 服务推送关键算法 |
| 4.2.1 服务预处理及关联分类 |
| 4.2.2 行为特征挖掘算法 |
| 4.2.3 服务规则匹配方法 |
| 4.2.4 推送时机选择算法 |
| 4.3 DASS推送实验验证及分析 |
| 4.3.1 验证指标 |
| 4.3.2 推送平台实验设计 |
| 4.3.3 实验结果分析 |
| 4.4 本章小结 |
| 第五章 面向危险并道控制场景的DASS应用验证 |
| 5.1 基于并道概率因子的避让模型构建 |
| 5.1.1 避让控制技术背景 |
| 5.1.2 BPNN避让模型 |
| 5.1.3 基于概率因子的避让模型 |
| 5.2 DASS场景匹配及应用评价 |
| 5.2.1 DASS场景匹配 |
| 5.2.2 DASS模型应用约束 |
| 5.3 DASS模型应用验证分析 |
| 5.3.1 数据来源 |
| 5.3.2 DASS避让模型应用验证 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间的科研成果 |
| 参加的科研项目 |
| 发表的学术论文 |
| 公开的相关专利 |
（6）车联网移动边缘计算中的任务排队建模与调度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车联网 |
| 1.2.2 移动边缘计算 |
| 1.2.3 资源调度分配 |
| 1.3 文章结构和主要研究内容 |
| 第2章 车联网移动边缘计算相关技术 |
| 2.1 引言 |
| 2.2 车联网技术与应用 |
| 2.2.1 车联网技术 |
| 2.2.2 车联网架构 |
| 2.2.3 车联网应用 |
| 2.3 移动边缘计算 |
| 2.3.1 移动边缘计算 |
| 2.3.2 基础架构 |
| 2.3.3 虚拟化技术 |
| 2.3.4 移动边缘计算应用 |
| 2.4 车联网移动边缘计算体系架构设计 |
| 2.4.1 基于基础设施的体系架构设计 |
| 2.4.2 基于智能车的体系架构设计 |
| 2.4.3 存在的问题及难点 |
| 2.5 本章小结 |
| 第3章 基于M/M/1排队模型的路侧计算资源调度策略 |
| 3.1 引言 |
| 3.2 M/M/1排队模型 |
| 3.3 基于M/M/1排队模型的路侧计算资源调度模型建立 |
| 3.3.1 路侧计算资源调度系统抽象描述 |
| 3.3.2 路侧计算资源调度系统模型建立 |
| 3.4 基于AIMD算法的计算资源动态均衡分配 |
| 3.4.1 动态分配算法模型 |
| 3.4.2 收敛性分析 |
| 3.4.3 仿真分析 |
| 3.5 本章小结 |
| 第4章 基于GI/GI/1排队模型的智能车计算资源调度策略 |
| 4.1 引言 |
| 4.2 基于GI/GI/1排队模型的虚拟车任务模型建立 |
| 4.2.1 智能车计算资源虚拟化抽象描述 |
| 4.2.2 时空推进模型 |
| 4.2.3 虚拟车任务排队模型建立 |
| 4.3 基于Voronoi分配算法的智能车计算资源调度 |
| 4.3.1 Voronoi分配算法 |
| 4.3.2 智能车局部任务排队模型建立 |
| 4.4 仿真评估 |
| 4.5 本章小结 |
| 第5章 VSP模型驱动车联网移动边缘计算 |
| 5.1 引言 |
| 5.2 交通污染排放模型 |
| 5.2.1 VSP排放模型 |
| 5.2.2 车联网下的交通污染排放移动边缘计算 |
| 5.3 Aimsun交通污染排放移动边缘计算仿真实验 |
| 5.3.1 Aimsun-Cloud通信架构设计 |
| 5.3.2 实验流程 |
| 5.3.3 仿真路网部署 |
| 5.3.4 仿真实验过程 |
| 5.4 数据处理与结果分析 |
| 5.5 本章小结 |
| 总结与展望 |
| 论文研究总结 |
| 论文研究展望 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术成果 |
| 致谢 |
（7）基于服务化的装备制造企业价值链整合模式研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究的目的和意义 |
| 1.2.1 研究的目的 |
| 1.2.2 研究的意义 |
| 1.3 国内外研究现状及评述 |
| 1.3.1 装备制造企业价值链整合研究 |
| 1.3.2 服务化与装备制造企业转型升级研究 |
| 1.3.3 基于服务化的企业价值链整合研究 |
| 1.3.4 国内外研究现状评述 |
| 1.4 主要研究内容与研究方法 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 基于服务化的装备制造企业价值链整合机理分析 |
| 2.1 基于服务化的装备制造企业价值链整合模式相关概念界定 |
| 2.1.1 装备制造企业价值链整合内涵 |
| 2.1.2 装备制造企业服务化内涵及特征 |
| 2.1.3 基于服务化的装备制造企业价值链整合内涵及基本要素 |
| 2.2 基于服务化的装备制造企业价值链整合核心动力分析 |
| 2.2.1 装备制造企业服务化过程分析 |
| 2.2.2 服务化与装备制造企业价值逻辑 |
| 2.2.3 装备制造企业价值逻辑与价值链整合核心动力 |
| 2.3 基于服务化的装备制造企业价值链整合过程分析 |
| 2.3.1 基于服务化的装备制造企业价值链整合过程理论分析 |
| 2.3.2 基于服务化的装备制造企业价值链整合过程模型构建 |
| 2.3.3 装备制造企业价值链整合过程与价值增值能力变化仿真分析 |
| 2.4 基于服务化的装备制造企业价值增值能力影响因素分析 |
| 2.4.1 基于服务化的装备制造企业价值增值能力影响因素识别 |
| 2.4.2 基于服务化的装备制造企业价值增值能力影响因素模型构建 |
| 2.4.3 基于服务化的装备制造企业价值增值能力影响因素模型检验 |
| 2.4.4 基于服务化的装备制造企业价值增值能力影响因素作用强度分析 |
| 2.5 基于服务化的装备制造企业价值链整合机理模型 |
| 2.6 基于服务化的装备制造企业价值链整合模式架构设计 |
| 2.6.1 基于服务化的装备制造企业价值链整合模式设计思路 |
| 2.6.2 基于服务化的装备制造企业价值链整合模式构成 |
| 2.6.3 基于服务化的价值链整合模式间关系分析 |
| 2.7 本章小结 |
| 第3章 基于服务化的装备制造企业价值流程延展式整合模式 |
| 3.1 基于服务化的装备制造企业价值流程延展式整合模式分析 |
| 3.1.1 价值流程延展式整合模式内涵界定与特征 |
| 3.1.2 价值流程延展式整合模式框架 |
| 3.1.3 价值流程延展式整合模式价值增值过程 |
| 3.2 基于服务化的装备制造企业价值流程延展式整合模式构建 |
| 3.2.1 装备制造企业用户服务需求分析 |
| 3.2.2 基于用户服务需求的产品服务方案设计 |
| 3.2.3 基于产品服务方案的价值流程延展策略 |
| 3.3 基于服务化的装备制造企业价值流程延展式整合模式运行 |
| 3.3.1 价值流程延展式整合模式运行过程分析 |
| 3.3.2 价值流程延展式整合模式运行的网络均衡模型构建 |
| 3.3.3 价值流程延展式整合模式运行的模型求解及分析 |
| 3.4 本章小结 |
| 第4章 基于服务化的装备制造企业战略环节辐射式整合模式 |
| 4.1 基于服务化的装备制造企业战略环节辐射式整合模式分析 |
| 4.1.1 战略环节辐射式整合模式内涵界定与特征 |
| 4.1.2 战略环节辐射式整合模式框架 |
| 4.1.3 战略环节辐射式整合模式价值增值过程 |
| 4.2 基于服务化的装备制造企业战略环节辐射式整合模式构建 |
| 4.2.1 装备制造企业战略环节识别 |
| 4.2.2 基于不同战略环节的整合模式构成 |
| 4.2.3 战略环节辐射式整合模式实现策略 |
| 4.3 基于服务化的装备制造企业战略环节辐射式整合模式运行 |
| 4.3.1 战略环节辐射式整合模式运行过程分析 |
| 4.3.2 战略环节辐射式整合模式运行的演化博弈模型构建 |
| 4.3.3 战略环节辐射式整合模式运行的模型的求解及分析 |
| 4.4 本章小结 |
| 第5章 基于服务化的装备制造企业价值模块凝聚式整合模式 |
| 5.1 基于服务化的装备制造企业价值模块凝聚式整合模式分析 |
| 5.1.1 价值模块凝聚式整合模式内涵界定与特征 |
| 5.1.2 价值模块凝聚式整合模式框架 |
| 5.1.3 价值模块凝聚式整合模式价值增值过程 |
| 5.2 基于服务化的装备制造企业价值模块凝聚式整合模式构建 |
| 5.2.1 模块化分工 |
| 5.2.2 模块化集成 |
| 5.2.3 界面规则构建 |
| 5.3 基于服务化的装备制造企业价值模块凝聚式整合模式运行 |
| 5.3.1 价值模块凝聚式整合模式运行过程分析 |
| 5.3.2 价值模块凝聚式整合模式运行的三方演化博弈模型构建 |
| 5.3.3 价值模块凝聚式整合模式运行的模型求解及分析 |
| 5.4 本章小结 |
| 第6章 基于服务化的装备制造企业价值网络集成式整合模式 |
| 6.1 基于服务化的装备制造企业价值网络集成式整合模式分析 |
| 6.1.1 价值网络集成式整合模式内涵界定与特征 |
| 6.1.2 价值网络集成式整合模式框架 |
| 6.1.3 价值网络集成式整合模式价值增值过程 |
| 6.2 基于服务化的装备制造企业价值网络集成式整合模式构建 |
| 6.2.1 价值单元析出 |
| 6.2.2 价值单元协同与整合机制构建 |
| 6.2.3 价值网络形成 |
| 6.3 基于服务化的装备制造企业价值网络整合模式运行 |
| 6.3.1 价值网络集成式整合模式运行过程分析 |
| 6.3.2 价值网络集成式整合模式运行的复杂网络模型构建 |
| 6.3.3 价值网络集成式整合模式运行的模型演化及分析 |
| 6.4 本章小结 |
| 第7章 基于服务化的装备制造企业价值链整合的模式选择及保障策略 |
| 7.1 基于服务化的装备制造企业价值链整合模式选择 |
| 7.1.1 基于服务化的装备制造企业价值链整合模式选择流程 |
| 7.1.2 价值增值能力驱动要素的指标体系构建 |
| 7.1.3 驱动要素结构判定及整合模式选择 |
| 7.2 基于服务化的装备制造企业价值链整合的保障策略 |
| 7.2.1 基于服务化的装备制造企业价值链整合的组织文化保障 |
| 7.2.2 基于服务化的装备制造企业价值链整合的人力资本保障 |
| 7.2.3 基于服务化的装备制造企业价值链整合的沟通协调保障 |
| 7.2.4 基于服务化的装备制造企业价值链整合的环境保障 |
| 7.3 本章小结 |
| 第8章 实例分析 |
| 8.1 YQHQ公司基于服务化的价值链整合行为分析 |
| 8.2 YQHQ公司基于服务化的价值链整合模式选择 |
| 8.2.1 评价指标权重确定与数据收集 |
| 8.2.2 驱动要素结构评定与整合模式选择 |
| 8.3 YQHQ公司价值模块凝聚式整合模式构建 |
| 8.3.1 YQHQ公司价值模块分工 |
| 8.3.2 YQHQ 公司价值模块集成 |
| 8.3.3 YQHQ公司界面规则构建 |
| 8.4 YQHQ公司价值模块凝聚式整合的模式运行与保障策略 |
| 8.4.1 YQHQ公司价值链整合存在的问题及改进策略 |
| 8.4.2 YQHQ公司价值模块凝聚式整合的模式运行策略 |
| 8.4.3 YQHQ公司价值模块凝聚式整合的保障策略 |
| 8.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（8）面向智能网联汽车的云数据平台的设计与实现（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 智能车网联化的发展趋势 |
| 1.2.2 车联网边缘云的研究现状 |
| 1.2.3 智能网联汽车云控平台的应用现状 |
| 1.3 研究内容 |
| 1.4 本文组织架构 |
| 第二章 智能车云数据平台相关技术 |
| 2.1 引言 |
| 2.2 云计算技术 |
| 2.3 智能网联车云平台 |
| 2.3.1 智能网联车云平台架构 |
| 2.3.2 智能网联云端数据处理架构 |
| 2.4 云计算技术与智能网联汽车的关系 |
| 2.5 本章小结 |
| 第三章 智能车云数据平台基础架构设计 |
| 3.1 引言 |
| 3.2 需求与可行性分析 |
| 3.2.1 云平台需求分析 |
| 3.2.2 构建云平台的可行性分析 |
| 3.3 云数据平台的总体架构设计 |
| 3.3.1 云数据平台的层次化网络架构 |
| 3.3.2 智能车端的任务需求与系统设计 |
| 3.3.3 云数据平台的任务需求与系统设计 |
| 3.3.4 智能网联汽车云数据平台的架构优势 |
| 3.4 私有云平台PAAS层环境的构建 |
| 3.4.1 基于Docker技术实现硬件平台的虚拟化 |
| 3.4.2 基于Kubernetes实现私有云集群 |
| 3.4.3 基础云平台中容器化应用的部署 |
| 3.5 私有云平台功能子系统的设计 |
| 3.5.1 车云通信子系统的设计 |
| 3.5.2 云端存储子系统的设计 |
| 3.5.3 云端数据可视化子系统的设计 |
| 3.6 本章小结 |
| 第四章 云数据平台SAAS功能应用层的实现 |
| 4.1 引言 |
| 4.2 智能车端上云数据分析 |
| 4.3 云数据平台的车云通信子系统的实现 |
| 4.3.1 车云通信子系统的实现难点 |
| 4.3.2 云数据平台车云通信子系统的实现 |
| 4.4 云数据平台的存储子系统的实现 |
| 4.4.1 智能车运行数据库的设计与实现 |
| 4.4.2 智能车端消息数据与图像数据的存储 |
| 4.5 云数据平台数据可视化子系统的实现 |
| 4.5.1 云端数据可视化子系统的实现难点 |
| 4.5.2 云端数据可视化实现原理 |
| 4.5.3 Web UI界面的前端实现 |
| 4.5.4 Web UI界面的后端实现 |
| 4.6 本章小结 |
| 第五章 云数据平台的实验验证 |
| 5.1 引言 |
| 5.2 智能车云数据实验平台介绍 |
| 5.2.1 实验场景设置 |
| 5.2.2 实验设备介绍 |
| 5.3 智能车云数据平台性能测试与功能验证 |
| 5.3.1 云数据平台连接压力性能测试 |
| 5.3.2 车云通信功能的验证 |
| 5.3.3 数据上云后处理功能的验证 |
| 5.3.4 数据云端可视化功能的验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）智能网联正在不断重塑整个汽车产业的生态（论文提纲范文）
| 智能网联汽车发展现状如何？ |
| 智能网联汽车还面临哪些瓶颈？ |
| 整车厂如何应对智能网联发展新趋势？ |
（10）技术融合情况下共享出行系统的建模与优化（论文提纲范文）
| 摘要 |
| abstract |
| 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动驾驶技术应用研究 |
| 1.2.2 技术融合情况下的共享出行系统规划研究 |
| 1.2.3 技术融合情况下的共享出行系统运营研究 |
| 1.2.4 国内外研究现状评述 |
| 1.3 主要研究内容 |
| 第2章 问题描述 |
| 2.1 非完全自动驾驶技术应用的关键问题 |
| 2.1.1 设计运行域模型表示的问题 |
| 2.1.2 设计运行域复杂度量化的问题 |
| 2.2 共享出行系统模型表示问题 |
| 2.2.1 自动驾驶环境下共享出行系统的变化 |
| 2.2.2 V2X环境下共享出行系统的变化 |
| 2.3 共享出行系统规划的关键问题 |
| 2.3.1 电动汽车技术的约束问题 |
| 2.3.2 交通网络上服务车辆空间分布不均衡问题 |
| 2.4 用户需求与车辆充电需求的不确定性和动态性特征 |
| 第3章 设计运行域模型表示与复杂度分析方法 |
| 3.1 设计运行域模型框架 |
| 3.1.1 具有特定属性的交通网络模型 |
| 3.1.2 交通网络上的交通参与者状态模型 |
| 3.1.3 设计运行域的数学描述 |
| 3.2 扩展的交通网络弧集合模型 |
| 3.2.1 扩展的交通网络弧向量表征 |
| 3.2.2 弧向量不同取值条件下驾驶复杂度分析 |
| 3.3 扩展的交通网络节点集合模型 |
| 3.3.1 扩展的交通网络节点向量的表征 |
| 3.3.2 节点向量不同取值条件下驾驶复杂度分析 |
| 3.4 交通网络中交通参与者状态模型 |
| 3.4.1 交通参与者状态向量的表征 |
| 3.4.2 交通参与者状态向量不同取值条件下驾驶复杂度分析 |
| 3.5 基于交通场景分析的设计运行域复杂度量化方法 |
| 3.5.1 设计运行域中包含的场景表示 |
| 3.5.2 交通场景的驾驶复杂度量化方法分析 |
| 3.6 实例分析 |
| 第4章 技术融合情况下共享出行系统模型表示 |
| 4.1 系统的关键属性特征 |
| 4.1.1 用户需求时空特性 |
| 4.1.2 运营车辆时空特性 |
| 4.1.3 电动汽车充电站时空特性 |
| 4.2 系统运营过程 |
| 4.2.1 用户需求的动态变化过程 |
| 4.2.2 车辆服务的动态变化过程 |
| 4.2.3 待充电车辆充电需求的动态变化过程 |
| 4.2.4 系统充电服务的动态变化过程 |
| 4.2.5 自动驾驶与V2X技术对系统运营环节的改变 |
| 第5章 技术融合情况下共享出行系统两阶段规划模型 |
| 5.1 系统运营区域优化设置模型 |
| 5.2 充电设施的优化部署模型 |
| 5.3 规划模型求解方法 |
| 5.3.1 基于NSGA-Ⅱ的规划模型求解算法 |
| 5.3.2 规划模型两个阶段染色体的编码方法 |
| 5.3.3 规划模型两个阶段适应度的评估方法 |
| 5.4 案例分析 |
| 5.4.1 仿真数据准备 |
| 5.4.2 仿真条件设置 |
| 5.4.3 结果分析 |
| 第6章 技术融合情况下共享出行系统运营优化模型 |
| 6.1 需求分配优化模型 |
| 6.2 模型求解算法 |
| 6.3 需求分配模型有效性分析 |
| 第7章 综合实验分析 |
| 7.1 共享出行系统的技术特性分析 |
| 7.1.1 电动汽车技术特性分析 |
| 7.1.2 充电设施特性分析 |
| 7.1.3 智能网联汽车技术特性分析 |
| 7.2 共享出行系统的运营参数敏感性分析 |
| 7.2.1 服务车辆车队规模分析 |
| 7.2.2 用户需求规模分析 |
| 7.3 不同服务车辆设置的环境影响分析 |
| 7.4 设计运行域复杂度变化时的边际用户效益影响分析 |
| 第8章 总结与展望 |
| 8.1 全文总结 |
| 8.2 研究展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 一、作者简介 |
| 二、科研成果 |
| 致谢 |
四、智能网的9种服务功能（论文参考文献）
- [1]信息安全风险评估在智能网联汽车领域的应用[J]. 刘焰,张懿. 中国科技信息, 2021(20)
- [2]基于信道模拟的车联网通信系统在环测试方法研究[D]. 雷鹏. 吉林大学, 2021(01)
- [3]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
- [4]海信|智能网联领域的探索[J]. 张四海. 大数据时代, 2020(09)
- [5]面向车联网的行车主动服务系统关键技术研究[D]. 丛森森. 江苏大学, 2020
- [6]车联网移动边缘计算中的任务排队建模与调度研究[D]. 张珂. 北京工业大学, 2020(06)
- [7]基于服务化的装备制造企业价值链整合模式研究[D]. 周凌玥. 哈尔滨理工大学, 2020(01)
- [8]面向智能网联汽车的云数据平台的设计与实现[D]. 崔志斌. 电子科技大学, 2020(07)
- [9]智能网联正在不断重塑整个汽车产业的生态[J]. 本刊编辑部. 河南科技, 2020(01)
- [10]技术融合情况下共享出行系统的建模与优化[D]. 缪鸿志. 吉林大学, 2019(02)