[文献提炼] 车联网中资源分配的问题建模三篇

前言

摘录和分析看过的论文中 SYSTEM MODEL / PROBLEM FORMULATION 的部分，关注论文的关键词为 UUDN V2X RL。

Spectrum Sharing in Vehicular Networks Based on Multi-Agent Reinforcement Learning

本文是19年使用RL解决V2X资源分配问题的经典开源论文

链路的表示：考虑蜂窝车联网如上，在单一基站覆盖下存在 M 个 V2I 和 K 个 V2V，传输高数据率的娱乐数据和高可靠性的周期性安全数据，来自 3GPP Release 15 for cellular V2X enhancement [4]。V2I 用 Uu 接口，V2V用 PC5 接口进行 D2D 通信。假设均为单天线。V2I链路集记作记作 $\mathcal{M}$ ={1, ..., M}，V2V链路的集合记作 $\mathcal{K}$ = {1, ..., K}。

[4] Technical Specification Group Radio Access Network; Study enhance- ment 3GPP Support for 5G V2X Services; (Release 15), document 3GPP TR 22.886 V15.1.0, 3rd Generation Partnership Project, Mar. 2017.

V2V与V2V在资源分配中的关系：使用蜂窝V2X架构下的 Mode 4，车辆共享资源池以同时进行V2V通信，该资源池与V2I的重叠。假设M个V2I（上行）以固定的功率各占用一个正交的频谱子带。

使用OFDM，假设信道衰落在一个频谱子带内大致相同，不同子带间相互独立。在一个相干时段内，k 号V2V链路在 m号子带上的增益为： $g_k[m] = \alpha_kh_k[m]$ 。为频率相关的小尺度衰落成分（假设其服从单位均值的指数分布）， $\alpha$ 为大尺度衰落成分（包括路损和阴影）

k‘ 号 V2V 对 k 号 V2V 的干扰为（在 m 号子带上）： $g_{k',k}[m]$
k 号 V2V 对 BS 的干扰为（在 m 号子带上）： $g_{k,B}[m]$
m 号 V2I 对 BS 的干扰为（在 m 号子带上）： $\hat{g}_{m, B}[m]$
m 号 V2I 对 k 号 V2V 的干扰为（在 m 号子带上）： $\hat{g}_{m,k}[m]$

以上参量如何得到？

首先要提到这部分的计算过程在代码中 Environment_marl.py - Compute_Performance_Reward_Train 方法里，是用发射功率、大尺小尺算出来的，计算上述参量的时候

已知 V2V链路 (或者说V) 的发射功率 (由动作决定)、V2I损耗（包含大尺小尺和快衰） -> 可算 V2I 受到的干扰
已知 V2I发射功率(据前规定，是定值)、V2I损耗（包含大尺小尺和快衰） -> 可算 V2I 的信号功率
已知 V2V发射功率(由动作决定) 、V2V损耗（包含大尺小尺和快衰） -> 可算 V2V 的信号功率
已知V2I发射功率、V2V发射功率、V2V损耗（包含大尺小尺和快衰）、V2I损耗（包含大尺小尺和快衰） -> 可算V2V受到的干扰

SINR的表示：

m号V2I （在m号子带上）的SINR为 $\gamma_{m}^{c}[m]=\frac{P_{m}^{c} \hat{g}_{m, B}[m]}{\sigma^{2}+\sum_{k} \rho_{k}[m] P_{k}^{d}[m] g_{k, B}[m]}$

k号V2V（在m号子带上）的SINR为 $\gamma_{k}^{d}[m]=\frac{P_{k}^{d}[m] g_{k}[m]}{\sigma^{2}+I_{k}[m]}$

其中和分别是 m号V2I发射端和 k 号V2V发射端的发射功率， $\sigma^2$ 表示噪声功率，I 为干扰功率，如下： $I_{k}[m]=P_{m}^{c} \hat{g}_{m, k}[m]+\sum_{k^{\prime} \neq k} \rho_{k^{\prime}}[m] P_{k^{\prime}}^{d}[m] g_{k^{\prime}, k}[m]$

用户连接的表示：干扰中的 $\rho_k[m]$ 表示 k号V2V对m号子带的占用情况，假设单个V2V进展用一个子带，因此 $\sum_{m} \rho_{k}[m] \leq 1$

信道容量的表示（W为频谱子带的带宽）：

$C_{m}^{c}[m]=W \log \left(1+\gamma_{m}^{c}[m]\right)$ 表示m号V2I的容量（假设m号V2I链路必占用m号子带）
$C_{k}^{d}[m]=W \log \left(1+\gamma_{k}^{d}[m]\right)$ 表示k号V2V的容量（若其占用m号子带的话）

优化目标：

V2I链路的目标是优化总的V2I信道容量： $\sum_mC_m^c[m]$

V2V链路的目标是优化其可靠性： $\operatorname{Pr}\left\{\sum_{t=1}^{T} \sum_{m=1}^{M} \rho_{k}[m] C_{k}^{d}[m, t] \geq B / \Delta_{T}\right\}, \quad k \in \mathcal{K}$

（把大于号左边的和右边的分母互换位置可以看出其是在 $\Delta _T$ 成功传输B的包的概率）

其中B表示周期性V2V包的大小， $\Delta _T$ 为信道相干时间，C 是关于 t 的函数。

Eco-Vehicular Edge Networks for Connected Transportation: A Distributed Multi-Agent Reinforcement Learning Approach

本论文被 VTC2020-Fall接收，在UUDN架构下研究V2X资源分配

高速公路上的UUDN架构，核心思想为组织多个AP为单个UE服务

链路的表示：根据3GPP[14]的高速公路案例，考虑一个单向三车道的模型。VU ( vehicle users ) 集合为 $\mathcal{U} = \{u_1, u_2, ..., u_U\}$ ，AP的集合为 $\mathcal{A} = \{a_1, a_2, ..., a_A\}$ ，沿路侧部署。边缘节点用表示，由 AN ( Anchor Node ) 管理。AP通过有线连接到边缘服务器，其无线资源有限，为 Hz。假设AN处由完美的CSI，AN可调整波束赋形的权重。

[14] “3rd Generation Partnership Project; Technical Specification Group Radio Access Network; Study on LTE-based V2X Services,” 3GPP TR 36.885 V14.0.0, Release 14, Jun. 2016.

目标是提升网络的可靠性下限。

用户连接的表示： $a_{i}^{j}(t)$ 表示 j 号AP是否与 i 号VU 相连； $u_{i}^{j}(t)$ 表示 i号VU 是否与 j号AP相连。所以 $\mathcal{A}_i(t)$ 表示与i号VU相连的所有AP的集合， $\mathcal{U}_j(t)$ 表示为 j号VU 所在的虚拟小区。

信道模型的表示：考虑多入单出的通信模型，VU单天线，AP有个天线。无线信道在一个基础 time block 服从 quasi-static flat fading (准静态平稳衰落)，i号VU 和 AP 的信道为： $\textbf{h}_i(t) = [\textbf{h}_{a_1^i}, \textbf{h}_{a_2^i}, ..., \textbf{h}_{a_A^i}]=D_i(t)\rho_i(t)\xi _i(t)\in\mathbb{C}^{N\times1}$ ，其中方括号中的每个元素表示一个AP，具体来讲是 $\mathbf{h}_{a_{j}^{i}}(t)=\left[h_{i j_{1}}(t), h_{i j_{2}}(t), \ldots, h_{i j_{N_{j}}}(t)\right]^{T}$ 表示一个AP的多天线的信道，其他符号 $D_i(t),\rho_i(t), \xi_i(t)\sim CN(0, I_N)$ 分别表示大尺度衰落、log-Normal阴影和快衰落。

i号VU的波束赋形向量表示为 $\mathbf{w}_{i}(t) \triangleq\left[\mathbf{w}_{a_{1}^{i}}^{T}(t), \ldots, \mathbf{w}_{a_{A}^{i}}^{T}(t)\right]^{T}$ ，其中 $\mathbf{w}_{a_{j}^{i}}(t)$ 表示 j号AP和i号VU的波束赋形权重。到这里，终于可以得到j号AP的发送信号功率： $\mathbf{s}_{j}(t)=\sum_{i=1}^{U} \mathbf{w}_{a_{j}^{i}}(t) x_{i}(t)$ ，x是单位功率信号。下行接收信号为：

其中 $\eta$ 是接收信号噪声，设其是0均值 $\sigma^2$ 方差的高斯圆对称复高斯分布。

车辆网络工作在时分双工模式，i号VU的可达吞吐量为

其中 $\kappa$ 为AP的信号带来的频谱效率损失， $\left|\mathbf{h}_{i}^{H}(t) \mathbf{w}_{i}(t)\right|^{2} /\left(\sigma^{2}+\sum_{u_{i} ; \epsilon \mathscr{U} \backslash u_{i}}\left|\mathbf{h}_{i}^{H}(t) \mathbf{w}_{i^{\prime}}(t)\right|^{2}\right)=\gamma^t_i(W(t))$ 为SINR。此外，因为有多个AP连接一个VU，因此 backhaul link consumption 为 $\mathrm{C}_{i}(t)=\left\|\left[\left\|\mathbf{w}_{a_{1}^{i}}(t)\right\|_{2}, \ldots,\left\|\mathbf{w}_{a_{A}^{i}}(t)\right\|_{2}\right]\right\|_{0} R_{i}^{t}(\mathbf{W}(t))$ ，||0表示非零元素的个数。当在 time slot 中调度了用户时，对于该VU所连接的所有AP的预编码向量（j比如权重）非零，所以可达数据率也非零。

手段：找到最优的用户连接和波束赋形权重。目标：最大化网络的最大吞吐量，为保证用户公平性，我们定义EE如下

其含义为，用户总速率 / 网络的总功耗。

问题建模

约束于：7b：确保每个VC内的AP数大于一； 7c：确保SINR大于阈值；7d：总功率有限; 7e：用户连接是bool量。

目前而言，对于每个AP有种V2I连接方式，对每种连接方式还需要计算其功率分配。

简化：将AP的传输功率分成 K 个离散数值。

波束赋形向量表示为：

其中h是j号AP到i号VU的信道信息，P是其功率分配。

Age of Information Aware Radio Resource Management in Vehicular Networks: A Proactive Deep Reinforcement Learning Perspective

2020，本文来自于IEEE TRANSACTIONS ON WIRELESS COMMUNICATIONS，结合 AoI 进行资源分配

链路表示：选取曼哈顿网格模型中的V2V链路研究，如上图所示，车密度恒定，被单个RSU覆盖。V2V链路集合： $\kappa = \{1, ..., K\}$ ，正交频谱子带集合表示为： $\mathcal{B} = \{1, ..., B\}$ ，每个时隙长 $\tau$ ，V2V的两辆车的曼哈顿距离恒定，其坐标分别表示为 $\mathbf{y}_{k,(v T x)}^{j}=\left(y_{k,(v T x)}^{j, 1}, y_{k,(v T x)}^{j, 2}\right)$ 和 $\mathbf{y}_{k,(v R x)}^{j}=\left(y_{k,(v R x)}^{j, 1}, y_{k,(v R x)}^{j, 2}\right)$ 。

V2V链路分为三类：LOS，WLOS（两车在临近交叉口l内的垂直道上），NLOS。

用 $H_{k}^{j}=\psi \cdot h\left(\mathbf{y}_{k,(v T x)}^{j}, \mathbf{y}_{k,(v R x)}^{j}\right)$ 表示信道状态， $\psi$ 表示快衰落成分，h表示路损，由坐标可计算（如下图所示）。

城镇模型中载波一般选用5.9GHz。

V2V传递时间敏感的信息，假设一个V2V只占用一个频谱子带，子带分配向量表示为 $f_{k, b}^j$ ( b号子带在 slot j 分配给 k号V2V )，因此， $F_{k}^{j}=\sum_{b \in \mathcal{B}} f_{k, b}^{j}$ 表示在 j号slot 内 k号V2V对是否分配到子带 (是个布尔量) 。

数据包表示：假设其在每个slot的开端生成，生成时间独立于V2V对并均匀分布在slot上（以 $\lambda$ 为均值）。每个在slot内未完成传递的包，会被丢弃。表示 slot j 内 k号V2V 生成的包的数量，其期望为 $\lambda$ 。

VUE对调度个数据包的功率消耗为：

C为其他V2V对的干扰，W为频带带宽， $\mu$ 为包的尺寸。由上式可得：

因为时间限制丢失数据包的个数为：

AoI表示：在j号slot的开端 or j-1号slot 的末尾，用表示k号VUE对的AoI：

若当前时隙无数据包传输，则将VUE对的AoI在下一个时隙设置为 $\tau$ 。

V2V对聚簇：为减轻传输中 V2V对间的干扰，根据地理位置将其聚簇，共有G簇。将B个频带在不同簇中的VUE复用。频带分配需服从以下约束（表征一簇中，一个频带上最多有一个链路）：

聚簇的依据是V2V对的位置，使用基于距离的高斯相似度矩阵 $\mathbf{D}^{j}=\left[d_{k, k^{\prime}}^{j}\right]_{k \in \mathcal{K}, k^{\prime} \in \mathcal{K}}$ 来表示位置信息 $d_{k, k'}^j$

其中的 $\xi$ 和 $\varrho$ 时表示簇尺寸的参数，分别表示簇大小和簇大小的影响。

（4）式的发送功率现在可写为：

整理一下到目前为止的状态量： $\mathbf{S}_{k}^{j}=\left(\left(\mathbf{y}_{k,(v T x)}^{j}, \mathbf{y}_{k,(v R x)}^{j}\right)\right,\left.H_{k}^{j}, X_{k}^{j}, A_{k}^{j}\right) \in \mathcal{S} \triangleq \mathcal{Y} \times \mathcal{H} \times \mathcal{X} \times \mathcal{A}$ ，其中y是发射端接收端的坐标，H为信道状态，X为包到达数，A为信息年龄。用 $\pi = (\pi_{(F)}, \pi_{(R)})$ 表示稳态策略，其中成员分别是频带分配policy和包调度policy。

k号 V2V对在slot j 的效用函数为（其中三项分别为发送功率损耗、丢包率、AoI）：

$\begin{aligned} U_{k}\left(\mathbf{S}^{j}, F_{k}^{j}, R_{k}^{j}\right) &=\exp \left(-P_{k}^{j}\right)+\vartheta \cdot \exp \left(-L_{k}^{j}\right) \\ &+\xi \cdot \exp \left(-A_{k}^{j}\right) \end{aligned}$

总结

论文	论文1	论文2	论文3
资源分配的对象	V2V发射功率 V2V链路的频谱子带分配	用户与AP的连接方案 AP与用户的连接方案 AP与多个VU的波束赋形权重	频带分配包调度
优化目标	V2I链路的目标是优化总的V2I信道容量： $\sum_mC_m^c[m]$ V2V链路的目标是优化其可靠性： $\operatorname{Pr}\left\{\sum_{t=1}^{T} \sum_{m=1}^{M} \rho_{k}[m] C_{k}^{d}[m, t] \geq B / \Delta_{T}\right\}, \quad k \in \mathcal{K}$	EE： $E E(t)=\frac{\sum \mathrm{C}_{i}(t)} {\sum \sum\left\\|\mathbf{w}_{a_{j}^{i}}(t)\right\\|_{2}^{2}}$	一个结合功率、丢包率、AoI的效用函数： $\begin{aligned} U_{k}\left(\mathbf{S}^{j}, F_{k}^{j}, R_{k}^{j}\right) &=\exp \left(-P_{k}^{j}\right)+\vartheta \cdot \exp \left(-L_{k}^{j}\right) \\ &+\xi \cdot \exp \left(-A_{k}^{j}\right) \end{aligned}$
信道容量	$C_{k}^{d}[m]=W \log \left(1+\frac{P_{k}^{d}[m] g_{k}[m]}{\sigma^{2}+P_{m}^{c} \hat{g}_{m, k}[m]+\sum_{k^{\prime} \neq k} \rho_{k^{\prime}}[m] P_{k^{\prime}}^{d}[m] g_{k^{\prime}, k}[m]}\right)$	$R_{i}^{t}(\mathbf{W}(\mathbf{t}))=(1-\kappa) \log_2(1+\frac{\|\mathbf{h}_{i}^{H}(t) \mathbf{w}_{i}(t)\|^2}{\sigma^{2}+\sum\|\mathbf{h}_{i}^{H}(t) \mathbf{w}_{i'}(t)\|^2 } )$	$P_{k}^{j}=\sum_{b \in \mathcal{B}} f_{k, b}^{j} \cdot \frac{C_{k, b}^{j}+W \cdot \sigma^{2}}{H_{k}^{j}} \cdot\left(2^{\frac{\mu \cdot R_{k}^{j}}{W \cdot \tau}}-1\right)$
约束		7b：确保每个VC内的AP数大于一； 7c：确保SINR大于阈值； 7d：总功率有限; 7e：用户连接是bool量。

美团自动配送车2024春季招聘 | 社招专场美团技术团队
关于美团自动配送团队美团自动配送以自研L4级自动驾驶软硬件技术为核心，与美团即时零售业务结合，形成满足公开道路、校园、社区、工业园区等室外全场景下的自动配送整体解决方案。美团自动配送团队成立于2016年，团队成员来自于Waymo、Cruise、Pony.ai、泛亚等自动驾驶行业头部公司，自动驾驶技术团队博士占比高达30%，依靠视觉、激光等传感器，实时感知预测周围环境，通过高精地图定位和智能决策规划
2020-07-27 伙瓣课堂
HR创造价值的出路——三大方向HR的成长路径大概可以分为两条：一是科班出生，接受过人力资源管理系统教育，而后顺理成章走向HR岗位；二是半路出家，并无扎实的人力资源管理专业知识，但有过业务部门工作经验，因为某种原因转型为HR。两种路径形成了两种先天不足，前者缺对于业务的理解，后者缺对于专业的理解。即使懂一些业务，有一些专业，HR们的发展还有一层天花板——对于生意的理解。这又源自于一个业界陋习——故步
深度分析 | 2024年四川大学信息资源管理考研初试成绩数据分析是希望川大667信息管理导论川大972信息检索信息资源管理复试数据分析 667 972 四川大学考研复试考研成绩
摘要本文深入分析了2024年四川大学信息资源管理考研复试成绩，提供了关于考生成绩分布、各科目成绩表现以及科目成绩与总分之间的相关性的详细见解。分析显示，复试考生的平均总分为380.63分，标准差为12分，反映出成绩分布相对集中且波动适中。特别地，专业课972与总分的相关性最高，达到了0.82，明显影响了考生的总分表现。此外，通过比较高分组和低分组的表现，我们发现专业课成绩是区分高低分考生的关键因素
关于车路协同的几个观点 chenmingdai
关于车路协同现在有三个说法，第一个说法就是谷歌公司、苹果公司和特斯拉公司认为的所有的自动驾驶车辆在路上行驶的时候仅依赖于车自身的传感器和智能去行驶。第二个观点就是微软公司和国内的一些公司推动车联网C-V2X。也就是说车在路上行驶的时候依赖于网络为车车之间提供一些信息，为车辆行驶提供一些调度和服务信息。第三个观点就是现在大家通常说的车路要协同。也就是说车辆在行驶过程中不但要网络通信，而且还要与路直接
看见光，追逐光，成为光~ 默涵在当下
高屋建瓴的人，散发着高贵气质，周遭牛人很多，咬紧他们~杜总，从看网知网背景出发，讲到发现流量痛点，讲到站点布局，讲到下一步机会，从而又契合到自动驾驶网络。从如何构建五级驾驶，到如何结合现状落地~研究字节跳动对神经网络的改造，注入人的干预分类，优化再到聚类，让算法匹配人的干预能力~基础操作效能提升达到90%，告警防护率达到90%，两者交叉防护有效率达到多少？99%一切皆可AI~一切皆可AI~优秀自觉
Windows系统python程序开机自启 bicart 人工智能 python
本文使用创作助手。在Windows操作系统中，你可以通过将Python程序添加到系统的启动文件夹来实现开机自启动。以下是一种常见的方法：打开文件资源管理器，并转到以下目录：%AppData%\Microsoft\Windows\StartMenu\Programs\Startup打开另一个文件资源管理器窗口，并找到你的Python程序文件（比如my_program.py）。将Python程序文件拖
Java面试题总结18之springcloud四种分布式事务解决方案陈平安＂ Java面试分布式 spring cloud java
XA规范：分布式事务规范，规定了分布式事务模型四个角色：事务管理器（协调者TM），资源管理器（参与者RM），应用程序AP，通信资源管理器CRM全局事务：一个横跨多个数据库的事务，要么全部提交，要么全部回滚JTA事务时Java对XA规范的实现，对应JDBC的单库事务两阶段协议第一阶段（prepare）：每个参与者执行本地但不提交，进入ready状态，并通知协调者已经准备就绪。第二阶段（commit）
新质生产力关注哪些领域安全方案新质生产力
新质生产力关注多个前沿领域，旨在通过科技创新推动生产力的发展，为经济社会的持续繁荣做出贡献。人工智能与算力：这是新质生产力的核心领域之一。人工智能技术的快速发展和应用，正在改变各行各业的运行方式，提高生产效率和服务质量。而算力作为支撑人工智能发展的重要基础，也在不断提升，以满足更复杂、更高精度的计算需求。智能驾驶与机器人：这一领域关注自动驾驶汽车、无人机以及各类智能机器人的研发和应用。随着传感器、
ElementUI图标少，引入阿里矢量图标 zoukangdlut elementui 前端 javascript
原文链接：https://blog.csdn.net/u012820292/article/details/130853248记录一下自己成功的步骤，很多是从网上找的，但是网上的写的很散，看一个成功不了，我综合了两篇文章写的。传送门：阿里矢量图标1、按步骤：注册>登录>资源管理>我的项目2、新建项目3、项目名称随便写，但是不要写el-icon开头，因为和ElementUI内的图标重名，可能导致用不
从新能源汽车行业自动驾驶技术去看AI的发展未来趋势 DUT_LYH 人工智能自动驾驶机器学习
摘要：本文主要从新能源汽车行业自动驾驶技术的角度，探讨了人工智能的发展未来趋势。文章首先回顾了自动驾驶技术的基本概念和核心组件，然后详细介绍了自动驾驶系统的设计方案和实现步骤。最后，文章探讨了自动驾驶技术的性能优化和测试方法，并展望了自动驾驶技术的未来发展。阅读时长：约60分钟关键词：自动驾驶,人工智能,新能源汽车,性能优化引言背景介绍新能源汽车行业的发展促进了自动驾驶技术的进步，而自动驾驶技术又
自动驾驶功能场景逻辑场景具体场景解释蒲公英smile 自动驾驶 linux 人工智能
一.自动驾驶场景抽象分级为了描述交通事件的演变，我们需要考虑环境的快照，称之为Scene（即情景）。Scene包含环境、静态和动态交通要素、所有行动者和观察者的表现，以及这些实体之间的关系。与Scene不同，Scenario（即场景）描述的是时间跨度。场景是对一系列情景随着时间推移的演变的描述。为了描述场景的时间发展，我们使用了行动和事件以及相关参与者的目的地和对应的参数值，而场景的描述也可以根据
会议活动如何高效地执行？邀请媒体到场报道的注意点 meitiyaoyue 媒体
传媒如春雨，润物细无声，大家好，我是51媒体网胡老师。会议活动高效执行要点与媒体邀请注意事项一、会议活动高效执行要点：明确目标：确立清晰、具体的会议目的和预期成果。详细规划：制定详尽的活动流程、时间表和分工。有效沟通：确保所有参与者了解各自职责，信息流通无阻。资源管理：合理分配人力、物力和财力，避免浪费。灵活应变：预备应对突发状况的方案，及时调整计划。后续跟进：活动结束后总结评估，收集反馈，持续改
什么是IP白名单？为什么要设置IP白名单？小熊HTTP 网络 tcp/ip 网络协议
在互联网的世界里，IP地址是每个设备与网络进行通信的关键标识。然而，并不是所有的IP地址都可以无限制地访问所有网络资源。为了保障网络安全和资源管理，很多网站和服务会设置IP白名单。本文将详细介绍IP白名单的定义、作用以及为什么要设置IP白名单。1、IP白名单的定义IP白名单是指将一些特定的IP地址列入允许访问的名单中，这些IP地址被视为可信的来源。当来自这些IP地址的请求访问某个网站或服务时，系统
【Eclipse插件开发】5JFace UI框架-中 Wumbuk Eclipse 技术栈 eclipse ui java
【Eclipse插件开发】5JFaceUI框架-下文章目录【Eclipse插件开发】5JFaceUI框架-下三、用户接口资源3.1ImagedescriptorsandtheregistryImagedescriptor图像注册表3.2使用图像的插件模式在plugin.xml中指明图像显式的创建图像注册标签提供插件中的图像类3.3资源管理者3.4字体注册表
行业杂谈---人形机器人的未来智能汽车人人工智能行业杂谈机器人人工智能
人形机器人，作为机器人技术的一个重要分支，近年来得到了广泛的关注和研究。它们的设计初衷是模仿人类的动作和形态，以执行复杂的任务，与人类进行交互，甚至在某些方面超越人类的能力。在之前的文章《自动驾驶---行业发展及就业环境杂谈》中笔者也提到了人形机器人的方向，同智能汽车一样，也会是未来机器人领域的一个重要分支，本篇博客对其作简单介绍，让读者有一个概念。（1）人形机器人的发展历史人形机器人的发展历史可
闰年导致的哪些 Bug 伍六七AI编程 JAVA 日常 bug java 程序人生
每次闰年对程序员们都是一个挑战，平时运行好好的系统，在02-29这一天，好像就会有各种毛病。虽然，提前一天，领导们都会提前给下面打招呼。但是，不可避免的，今天公司因为闰年还是有一些小故障。就连大家熟知的一些大公司，也不可避免的因为闰年导致大大小小的故障。闰年导致的哪些Bug1、2月29日下午，有消息称禾赛科技激光雷达存在固件bug，致使凡是用了禾赛激光雷达的车，自动驾驶功能全部歇菜。2、OpenA
Python——with语句奔强的程序网络
with语句在Python中是一个上下文管理协议的实现，它用于简化资源管理，并确保资源在使用后被正确、及时地清理。这个语句对于处理那些需要显式打开和关闭的资源特别有用，如文件、网络连接、数据库连接等。以下是with语句的详细作用介绍：资源管理：在编程过程中，经常需要处理各种资源，如文件、网络连接等。这些资源在使用完毕后需要被正确关闭，以释放系统资源，避免资源泄漏。with语句提供了一种方便的方式来
CMDB对企业和IT管理员有什么用？运维
CMDB这个词在ITSM相关文档和IT管理领域经常遇到，但鲜有人能解释什么是CMDB，CMDB是怎么帮助到企业的？如果这些问题也困扰着您，那让我们来聊一聊CMDB，为什么需要CMDB，以及如何设置自己的CMDB。1.资源管理：CMDB能够提供清晰的资源库，帮助IT人员了解整个IT基础架构的各个组件及其关系。通过CMDB，IT人员可以查看和管理硬件、软件、网络设备等资源的详细信息，包括配置、关联关系
三家分晋：历史案例中的管理智慧 yangqinglei26 管理职场和发展
摘要本文通过对春秋战国时期“三家分晋”这一历史事件进行深入剖析，探讨了其中蕴含的管理智慧。我们将从领导风格、团队协作、企业文化、人力资源管理等方面分析三家分晋的成因，并从中提炼出对现代企业管理具有实践指导价值的经验教训。一、引言“三家分晋”是中国历史上春秋战国时期的一个重要事件，发生在公元前403年至前376年之间。这一时期，晋国的大夫家族韩、赵、魏联合起来，共同推翻了晋国的国君，最终将晋国瓜分为
SQL server创建数据库 Dust_SongYunfei
一.图形化界面创建数据库1.启动SQLServerManagementStudio，并连接到SQLServer2012中的数据库，在“对象资源管理器”中展开“数据库”节点。2.鼠标右键单击选择"新建数据库"在这里插入图片描述3.数据库的默认所有者为“sa”,选择数据文件和日志文件的路径,点击确定后在这里插入图片描述在这里插入图片描述[图片上传失败...(image-91b35f-158166658
OpenCV：开源计算机视觉的魔力之门 mikes zhang 计算机视觉
在当今这个信息爆炸的时代，图像和视频已经成为我们获取和传递信息的主要方式之一。从社交媒体上的照片分享，到安防监控、自动驾驶等领域的图像识别与处理，计算机视觉技术正日益改变着我们的生活。而在这场技术革命中，OpenCV（OpenSourceComputerVisionLibrary）这一开源计算机视觉库扮演着举足轻重的角色。本文将带你走进OpenCV的世界，一探其究竟。一、OpenCV简介OpenC
Unity常用设计模式-单例模式：游戏中的独一无二挽风于你设计模式单例模式
一、简介当谈到Unity游戏开发时，设计模式是一个非常重要的主题，其中之一就是单例模式。单例模式是一种创建模式，它确保一个类只有一个实例，并提供一个全局访问点来获取该实例。在Unity中，单例模式经常用于管理全局游戏状态、资源管理、对象池等方面。在本文中，我们将探讨Unity中如何实现单例模式以及其优势。二、单例模式的优势单例模式有许多优势，特别适用于Unity游戏开发：全局访问：单例模式提供了一
【自动驾驶】自动驾驶地图构建方法与工具小结 CS_Zero 自动驾驶人工智能
自动驾驶地图构建小结概述制作流程主要利用定位与建图算法（组合导航，视觉、激光SLAM等），融合多种传感器数据，构建高精度、高分辨率的三维语义地图，将要素矢量化，构建要素间的关联关系，通过质检确保质量可靠，形成地图引擎（服务、API）以满足自动驾驶系统的需求。底图构建底图构建存在两大类方法，点云建图与视觉建图。点云建图一般面向高精度采集设备，采用高线束激光雷达，硬件成本高。一般使用高精度组合导航进行
基于单片机的企业指纹考勤系统设计电气_空空单片机毕业设计单片机嵌入式硬件
摘要:考勤系统是企业人力资源管理的重要依据，传统的考勤系统不能保证准确性，也存在地域局限，不能满足一些跨区域集团公司的考勤要求。文章以单片机技术以及生物特征识别技术为基础，分析企业单片机智能化指纹考勤系统的设计思路，从硬件设备的选型和配置、软件系统的开发、程序实现流程等方面提出单片机指纹考勤系统的设计策略。关键词:单片机技术;指纹考勤系统;设计思路0引言企业智能化管理是当前企业现代化发展的必经之路
VSCode设置左侧资源管理器字体大小
1.进入安装目录MicrosoftVSCode\resources\app\out\vs\workbench2.打开文件workbench.desktop.main.css3.搜索.monaco-workbench.part>.content4.修改font-size的值，默认是13px，我改为15px5.保存，重启VSCodeps：想调整行间距，但是不知道怎么改
基于单片机的企业指纹考勤系统设计电气_空空单片机毕业设计单片机嵌入式硬件
摘要:考勤系统是企业人力资源管理的重要依据，传统的考勤系统不能保证准确性，也存在地域局限，不能满足一些跨区域集团公司的考勤要求。文章以单片机技术以及生物特征识别技术为基础，分析企业单片机智能化指纹考勤系统的设计思路，从硬件设备的选型和配置、软件系统的开发、程序实现流程等方面提出单片机指纹考勤系统的设计策略。关键词:单片机技术;指纹考勤系统;设计思路0引言企业智能化管理是当前企业现代化发展的必经之路
云计算拼的是运维吗 ddddwd--1 云计算运维
云计算拼的是运维吗？云计算并不仅仅是拼运维，还有其他方面也很重要。在云计算中，运维确实是一个重要的方面。运维涉及管理和维护云基础设施、服务器、网络和存储等组件，以确保它们的正常运行、高可用性和安全性。运维人员负责监控、维护、更新和修复云基础设施，以满足用户的需求并确保服务的可靠性。然而，云计算不仅仅依赖于运维，还包括其他重要的方面，如：资源管理和调度：云计算平台需要有效地管理和调度计算资源，以满足
Rust核心：【所有权】相关知识点 MetaverseMan Rust rust 开发语言后端
rust在内存资源管理上采用了（先进优秀？算吗）但特立独行的设计思路：所有权。这是rust的核心，贯穿在整个rust语言的方方面面，并以此为基点来重新思考和重构软件开发体系。涉及到的概念点：借用，引用，生命周期借用（borrowing）这里就要谈到这篇文章的主题，也是rust绕不开的主题：所有权。所有权模型：Rust的所有权模型允许值在内存中有唯一的所有者一开始我以为：引用就是其他语言（如go）里
自动驾驶---Motion Planning之Path Boundary 智能汽车人自动驾驶Planning模块自动驾驶人工智能
1背景在上文《自动驾驶---MotionPlanning之LaneChange》中，笔者提到过两种LaneChange的思路，这里再简单回顾一下：（1）利用Routing和周围环境的信息，决定是否进行换道的决策；（2）采用的博弈思想（蒙特卡洛树搜索---MCTS）决定是否进行换道的决策。不管是变道，避让还是借道等决策，如果后续采用优化的思想进行局部轨迹的求解，那么在求解之前需要确认boundary
java线程池云梦君 java 开发语言 spring 后端运维 redis
总述:Java线程池（JavaThreadPool）是Java中用于管理和执行多线程任务的对象池。它提供了一种机制，可以重复使用线程来执行任务，从而避免了频繁创建和销毁线程的开销。线程池中包含一组线程，它们可以并发地执行提交的任务，并且可以根据需要进行动态调整。优点:Java线程池的好处包括：提高性能：通过重复使用线程，线程池可以减少线程创建和销毁的开销，从而提高系统的性能。资源管理：线程池可以限
基本数据类型和引用类型的初始值 3213213333332132 java基础
package com.array; /** * @Description 测试初始值 * @author FuJianyong * 2015-1-22上午10:31:53 */ public class ArrayTest { ArrayTest at; String str; byte bt; short s; int i; long
摘抄笔记--《编写高质量代码：改善Java程序的151个建议》白糖_ 高质量代码
记得3年前刚到公司，同桌同事见我无事可做就借我看《编写高质量代码：改善Java程序的151个建议》这本书，当时看了几页没上心就没研究了。到上个月在公司偶然看到，于是乎又找来看看，我的天，真是非常多的干货，对于我这种静不下心的人真是帮助莫大呀。看完整本书，也记了不少笔记
【备忘】Django 常用命令及最佳实践 dongwei_6688 django
注意：本文基于 Django 1.8.2 版本生成数据库迁移脚本（python 脚本） python manage.py makemigrations polls 说明：polls 是你的应用名字，运行该命令时需要根据你的应用名字进行调整查看该次迁移需要执行的 SQL 语句（只查看语句，并不应用到数据库上）： python manage.p
阶乘算法之一N! 末尾有多少个零周凡杨 java 算法阶乘面试效率
&n
spring注入servlet g21121 Spring注入
传统的配置方法是无法将bean或属性直接注入到servlet中的，配置代理servlet亦比较麻烦，这里其实有比较简单的方法，其实就是在servlet的init()方法中加入要注入的内容： ServletContext application = getServletContext(); WebApplicationContext wac = WebApplicationContextUtil
Jenkins 命令行操作说明文档 510888780 centos
假设Jenkins的URL为http://22.11.140.38:9080/jenkins/ 基本的格式为 java 基本的格式为 java -jar jenkins-cli.jar [-s JENKINS_URL] command [options][args] 下面具体介绍各个命令的作用及基本使用方法 1. &nb
UnicodeBlock检测中文用法布衣凌宇 UnicodeBlock
/** * 判断输入的是汉字 */ public static boolean isChinese(char c) { Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
java下实现调用oracle的存储过程和函数 aijuans java orale
1.创建表：STOCK_PRICES 2.插入测试数据： 3.建立一个返回游标： PKG_PUB_UTILS 4.创建和存储过程：P_GET_PRICE 5.创建函数： 6.JAVA调用存储过程返回结果集 JDBCoracle10G_INVO
Velocity Toolbox antlove 模板 tool box velocity
velocity.VelocityUtil package velocity; import org.apache.velocity.Template; import org.apache.velocity.app.Velocity; import org.apache.velocity.app.VelocityEngine; import org.apache.velocity.c
JAVA正则表达式匹配基础百合不是茶 java 正则表达式的匹配
正则表达式;提高程序的性能,简化代码,提高代码的可读性,简化对字符串的操作正则表达式的用途; 字符串的匹配字符串的分割字符串的查找字符串的替换正则表达式的验证语法 [a] //[]表示这个字符只出现一次 ,[a] 表示a只出现一
是否使用EL表达式的配置 bijian1013 jsp web.xml EL EasyTemplate
今天在开发过程中发现一个细节问题，由于前端采用EasyTemplate模板方法实现数据展示，但老是不能正常显示出来。后来发现竟是EL将我的EasyTemplate的${...}解释执行了，导致我的模板不能正常展示后台数据。网
精通Oracle10编程SQL(1-3)PLSQL基础 bijian1013 oracle 数据库 plsql
--只包含执行部分的PL/SQL块 --set serveroutput off begin dbms_output.put_line('Hello,everyone!'); end; select * from emp; --包含定义部分和执行部分的PL/SQL块 declare v_ename varchar2(5); begin select
【Nginx三】Nginx作为反向代理服务器 bit1129 nginx
Nginx一个常用的功能是作为代理服务器。代理服务器通常完成如下的功能：接受客户端请求将请求转发给被代理的服务器从被代理的服务器获得响应结果把响应结果返回给客户端实例本文把Nginx配置成一个简单的代理服务器对于静态的html和图片，直接从Nginx获取对于动态的页面，例如JSP或者Servlet，Nginx则将请求转发给Res
Plugin execution not covered by lifecycle configuration: org.apache.maven.plugin blackproof maven 报错
转：http://stackoverflow.com/questions/6352208/how-to-solve-plugin-execution-not-covered-by-lifecycle-configuration-for-sprin maven报错： Plugin execution not covered by lifecycle configuration:
发布docker程序到marathon ronin47 docker 发布应用
1 发布docker程序到marathon 1.1 搭建私有docker registry 1.1.1 安装docker regisry docker pull docker-registry docker run -t -p 5000:5000 docker-registry 下载docker镜像并发布到私有registry docker pull consol/tomcat-8.0
java-57-用两个栈实现队列&&用两个队列实现一个栈 bylijinnan java
import java.util.ArrayList; import java.util.List; import java.util.Stack; /* * Q 57 用两个栈实现队列 */ public class QueueImplementByTwoStacks { private Stack<Integer> stack1; pr
Nginx配置性能优化 cfyme nginx
转载地址：http://blog.csdn.net/xifeijian/article/details/20956605 大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装，修改这里或那里的几行配置，好了，你已经有了一个Web服务器了。而且，在大多数情况下，一个常规安装的nginx对你的网站来说已经能很好地工作了。然而，如果你真的想挤压出Nginx的性能，你必
[JAVA图形图像]JAVA体系需要稳扎稳打,逐步推进图像图形处理技术 comsci java
对图形图像进行精确处理，需要大量的数学工具，即使是从底层硬件模拟层开始设计，也离不开大量的数学工具包，因为我认为，JAVA语言体系在图形图像处理模块上面的研发工作，需要从开发一些基础的，类似实时数学函数构造器和解析器的软件包入手，而不是急于利用第三方代码工具来实现一个不严格的图形图像处理软件...... &nb
MonkeyRunner的使用 dai_lm android MonkeyRunner
要使用MonkeyRunner，就要学习使用Python，哎先抄一段官方doc里的代码作用是启动一个程序（应该是启动程序默认的Activity），然后按MENU键，并截屏 # Imports the monkeyrunner modules used by this program from com.android.monkeyrunner import MonkeyRun
Hadoop-- 海量文件的分布式计算处理方案 datamachine mapreduce hadoop 分布式计算
csdn的一个关于hadoop的分布式处理方案，存档。原帖：http://blog.csdn.net/calvinxiu/article/details/1506112。 Hadoop 是Google MapReduce的一个Java实现。MapReduce是一种简化的分布式编程模式，让程序自动分布到一个由普通机器组成的超大集群上并发执行。就如同ja
以資料庫驗證登入 dcj3sjt126com yii
以資料庫驗證登入由於 Yii 內定的原始框架程式, 採用綁定在UserIdentity.php 的 demo 與 admin 帳號密碼: public function authenticate() { $users=array( &nbs
github做webhooks：[2]php版本自动触发更新 dcj3sjt126com github git webhooks
上次已经说过了如何在github控制面板做查看url的返回信息了。这次就到了直接贴钩子代码的时候了。工具/原料 git github 方法/步骤在github的setting里面的webhooks里把我们的url地址填进去。钩子更新的代码如下： error_reportin
Eos开发常用表达式蕃薯耀 Eos开发 Eos入门 Eos开发常用表达式
Eos开发常用表达式 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2014年8月18日 15:03:35 星期一 &
SpringSecurity3.X--SpEL 表达式 hanqunfeng SpringSecurity
使用 Spring 表达式语言配置访问控制，要实现这一功能的直接方式是在<http>配置元素上添加 use-expressions 属性： <http auto-config="true" use-expressions="true"> 这样就会在投票器中自动增加一个投票器：org.springframework
Redis vs Memcache IXHONG redis
1. Redis中，并不是所有的数据都一直存储在内存中的，这是和Memcached相比一个最大的区别。 2. Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，hash等数据结构的存储。 3. Redis支持数据的备份，即master-slave模式的数据备份。 4. Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 Red
Python - 装饰器使用过程中的误区解读 kvhur JavaScript jquery html5 css
大家都知道装饰器是一个很著名的设计模式，经常被用于AOP(面向切面编程)的场景，较为经典的有插入日志，性能测试，事务处理，Web权限校验， Cache等。原文链接：http://www.gbtags.com/gb/share/5563.htm Python语言本身提供了装饰器语法（@），典型的装饰器实现如下： @function_wrapper de
架构师之mybatis-----update 带case when 针对多种情况更新 nannan408 case when
1.前言. 如题. 2. 代码. <update id="batchUpdate" parameterType="java.util.List"> <foreach collection="list" item="list" index=&
Algorithm算法视频教程栏目记者 Algorithm 算法
课程：Algorithm算法视频教程百度网盘下载地址： http://pan.baidu.com/s/1qWFjjQW 密码: 2mji 程序写的好不好,还得看算法屌不屌！Algorithm算法博大精深。一、课程内容：课时1、算法的基本概念 + Sequential search 课时2、Binary search 课时3、Hash table 课时4、Algor
C语言算法之冒泡排序 qiufeihu c 算法
任意输入10个数字由小到大进行排序。代码： #include <stdio.h> int main() { int i,j,t,a[11]; /*定义变量及数组为基本类型*/ for(i = 1;i < 11;i++){ scanf("%d",&a[i]); /*从键盘中输入10个数*/ } for
JSP异常处理 wyzuomumu Web jsp
1.在可能发生异常的网页中通过指令将HTTP请求转发给另一个专门处理异常的网页中: <%@ page errorPage="errors.jsp"%> 2.在处理异常的网页中做如下声明： errors.jsp: <%@ page isErrorPage="true"%>，这样设置完后就可以在网页中直接访问exc

[文献提炼] 车联网中资源分配的问题建模 三篇

前言

Spectrum Sharing in Vehicular Networks Based on Multi-Agent Reinforcement Learning

Eco-Vehicular Edge Networks for Connected Transportation: A Distributed Multi-Agent Reinforcement Learning Approach

Age of Information Aware Radio Resource Management in Vehicular Networks: A Proactive Deep Reinforcement Learning Perspective

总结

你可能感兴趣的:(V2X,自动驾驶,资源管理)

[文献提炼] 车联网中资源分配的问题建模三篇