应用电子的论文「论文集锦」当人工智能走进生活——《电子技术应用》优秀论文集锦|上海羊羽卓进出口贸易有限公司

「论文集锦」当人工智能走进生活——《电子技术应用》优秀论文集锦

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

人工智能之父 John McCarthy说：人工智能就是制造智能的机器，更特指制作人工智能的程序。人工智能模仿人类的思考方式使计算机能智能的思考问题，人工智能通过研究人类大脑的思考、学习和工作方式，然后将研究结果作为开发智能软件和系统的基础。

人工智能历史

1940-1950：一帮来自数学，心理学，工程学，经济学和政治学领域的科学家在一起讨论人工智能的可能性，当时已经研究出了人脑的工作原理是神经元电脉冲工作。

1950-1956：伦·图灵（Alan Turing）发表了一篇具有里程碑意义的论文，其中他预见了创造思考机器的可能性。重要事件：曼彻斯特大学的Christopher Strachey使用Ferranti Mark 1 机器写了一个跳棋程序， Dietrich Prinz写了一个国际象棋程序。

1956：达特茅斯会议，人工智能诞生。约翰麦卡锡创造了人工智能一词并且演示了卡内基梅隆大学首个人工智能程序。

1956-1974：推理研究，主要使用推理算法，应用在棋类等游戏中。自然语言研究，目的是让计算机能够理解人的语言。日本，早稻田大学于1967年启动了WABOT项目，并于1972年完成了世界上第一个全尺寸智能人形机器人 WABOT-1 。

1974-1980：由于当时的计算机技术限制，很多研究迟迟不能得到预期的成就，这时候AI处于研究低潮。

1980-1987：在20世纪80年代，世界各地的企业采用了一种称为“ 专家系统 ” 的人工智能程序，知识表达系统成为主流人工智能研究的焦点。在同一年，日本政府通过其第五代计算机项目积极资助人工智能。1982年，物理学家John Hopfield发明了一种神经网络可以以全新的方式学习和处理信息。

1987-1993：第二次AI研究低潮。

1993-2011 ：出现了智能代理，它是感知周围环境，并采取最大限度提高成功的机会的系统。这个时期自然语言理解和翻译，数据挖掘，Web爬虫出现了较大的发展。里程碑的事件：1997年深蓝击败了当时的世界象棋冠军Garry Kasparov。2005年，斯坦福大学的机器人在一条没有走过的沙漠小路上自动驾驶131英里。

2011年至今：在深度学习，大数据和强人工智能的发展迅速。

小编整理了《电子技术应用》近年刊登的与人工智能相关的最新研究成果及其应用实例，欢迎相关领域研究者参考借鉴！

1.基于深度学习的美国媒体“一带一路”舆情的情感分析

摘要： 分析美国主流新闻媒体针对“一带一路”倡议的关注热点，研究相关舆情的情感倾向。用网络爬虫自动采集相关新闻，筛选高频词获得媒体关注热点。提出一种自动摘要-卷积神经网络（Convolutional Neural Network，CNN）的集成式模型进行文档级情感分析。该模型首先提取摘要去除原始文档中非重要数据的干扰，再利用卷积神经网络进行句子级情感分析，通过基于语义指向的方法获得文档级的情感分数，并对情感波动异常文章二次分析。在真实数据上的对比实验表明，自动摘要-CNN的集成式文档级情感分析模型在情感分析方面优于单一CNN的方法。

全文链接： http://www.chinaaet.com/article/3000094112

中文引用格式： 王洁，乔艺璇，彭岩，等. 基于深度学习的美国媒体“一带一路”舆情的情感分析[J].电子技术应用，2018，44(11)：102-106，110.

英文引用格式： Wang Jie，Qiao Yixuan，Peng Yan，et al. Sentiment analysis about “One Belt, One Road” public opinion of American media based on deep learning[J]. Application of Electronic Technique，2018，44(11)：102-106，110.

2.基于深度学习的人体行为识别算法

摘要： 为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。

全文链接： http://www.chinaaet.com/article/3000091469

中文引用格式： 黄友文，万超伦. 基于深度学习的人体行为识别算法[J].电子技术应用，2018，44(10)：1-5，10.

英文引用格式： Huang Youwen，Wan Chaolun. Human behavior recognition algorithm based on deep learning[J]. Application of Electronic Technique，2018，44(10)：1-5，10.

3.基于TensorFlow深度学习手写体数字识别及应用

摘要： 手写体数字的识别是人工智能识别系统中的重要组成部分。因个体手写数字的差异，现有识别系统准确率较低。基于TensorFlow深度学习框架完成手写体数字的识别及应用，首先建立TensorFlow深度学习框架，并分析了Softmax、卷积神经网络(CNN)模型结构，再对手写体数据集MNIST的60 000个样本进行深度学习，然后进行10 000个样本的测试对比，最后移植最优模型到Android平台进行应用。实测数据验证，相对于传统的Softmax模型，基于TensorFlow深度学习CNN模型识别率高达99.17%，提升了7.6%，为人工智能识别系统的发展提供了一定的科研价值。

全文链接： http://www.chinaaet.com/article/3000091470

中文引用格式： 黄睿，陆许明，邬依林. 基于TensorFlow深度学习手写体数字识别及应用[J].电子技术应用，2018，44(10)：6-10.

英文引用格式： Huang Rui，Lu Xuming，Wu Yilin. Handwriting digital recognition and application based on TensorFlow deep learning[J]. Application of Electronic Technique，2018，44(10)：6-10.

4.基于深度学习的实时识别硬件系统框架设计

摘要： 设计了一种基于深度学习的实时识别硬件系统框架。该系统框架使用Keras完成卷积神经网络模型的训练并提取出网络的参数，利用ZYNQ器件的FPGA+ARM软硬件协同的方式，使用ARM完成对实时图像数据的采集、预处理及显示，通过FPGA实现卷积神经网络的硬化并对图像进行识别，再将识别结果发送至上位机进行实时显示。系统框架采用MNIST和Fashion MNIST数据集作为网络模型硬化试验样本，实验结果表明，在一般场景下该系统框架能够实时、准确地完成图像数据的获取、显示及识别，并且具有可移植性高、处理速度快、功耗低的特点。

全文链接： http://www.chinaaet.com/article/3000091553

中文引用格式： 王昆，周骅. 基于深度学习的实时识别硬件系统框架设计[J].电子技术应用，2018，44(10)：11-14.

英文引用格式： Wang Kun，Zhou Hua. Design of real-time recognition hardware system framework based on deep learning[J]. Application of Electronic Technique，2018，44(10)：11-14.

5.基于胶囊网络的指静脉识别研究

摘要： 针对卷积神经网络(CNN)中空间上的指静脉信息丢失的问题，提出了一种基于胶囊网络(Capsule Network，CapsNets)的指静脉识别算法。CapsNets在整个学习过程中以“胶囊”的形式从底层传递至高层，如此以向量的形式封装指静脉的多维特征，特征会在网络中被保存，而不是丢失后进行恢复。采用60 000张图像作为训练集，10 000张图为测试集，通过对图像增强、裁剪后进行网络学习。通过实验表明，CapsNets的网络结构特征相比CNN在处理脊线区域时效果更加明显，对比VGG精确度增加了13.6%，loss值也收敛到0.01。

全文链接： http://www.chinaaet.com/article/3000091554

中文引用格式： 余成波，熊递恩. 于胶囊网络的指静脉识别研究[J].电子技术应用，2018，44(10)：15-18.

英文引用格式： Yu Chengbo，Xiong Dien. Research on finger vein recognition based on capsule network[J]. Application of Electronic Technique，2018，44(10)：15-18.

6.基于卷积神经网络的图像着色

摘要： 图像着色的目标是为灰度图像的每一个像素分配颜色，它是图像处理领域的热点问题。以U-Net为主线网络，结合深度学习和卷积神经网络设计了一个全自动的着色网络模型。在该模型中，支线使用卷积神经网络SE-Inception-ResNet-v2作为高水平的特征提取器，提取图像的全局信息，同时在网络中使用PoLU(Power Linear Unit)函数替代线性整流函数(ReLU)。实验结果证明此着色网络模型能够对灰度图像进行有效的着色。

全文链接： http://www.chinaaet.com/article/3000091637

中文引用格式： 徐中辉，吕维帅. 基于卷积神经网络的图像着色[J].电子技术应用，2018，44(10)：19-22.

英文引用格式： Xu Zhonghui，Lv Weishuai. Image coloring based on convolution neural network[J]. Application of Electronic Technique，2018，44(10)：19-22.

7.深度学习中的卷积神经网络系统设计及硬件实现

摘要： 针对目前深度学习中的卷积神经网络（CNN）在CPU平台下训练速度慢、耗时长的问题，采用现场可编程门阵列（FPGA）硬件平台设计并实现了一种深度卷积神经网络系统。该系统采用修正线性单元（ReLU）作为特征输出的激活函数并使用Softmax函数作为输出分类器。利用流水线技术并针对每一层的特征运算进行了并行处理，从而能够在1个系统时钟周期内完成整个CNN中的295次卷积运算。系统最后采用MNIST数据集作为实验样本，实验结果表明，在50 MHz的工作频率下，FPGA的训练用时相较于通用CPU的训练用时提升了8.7倍，经过2 000次迭代后系统识别的准确率为92.42%。

全文链接： http://www.chinaaet.com/article/3000082399

中文引用格式： 王昆，周骅. 深度学习中的卷积神经网络系统设计及硬件实现[J].电子技术应用，2018，44(5)：56-59.

英文引用格式： Wang Kun，Zhou Hua. System design and hardware realization of convolution neural network system in deep learning[J]. Application of Electronic Technique，2018，44(5)：56-59.

8.基于PSO-BP神经网络的人体穴位定位系统设计

摘要： 穴位的位置是否找准会直接影响治疗效果，因此设计了一种基于粒子群算法优化神经网络（PSO-BP）的穴位相对坐标预测模型，然后与ARM结合构成一个可以用于人体穴位定位的系统。首先采用PC进行MATLAB仿真训练学习，然后将最优权值及阈值保存下来并简化算法嵌入ARM内，将在线预测转变为离线过程。实验结果表明：经粒子群优化过的BP神经网络有效地改善了局部极值缺陷，可应用于定位端预测穴位的位置，并在LCD中显示穴位相关信息，控制端收到位置数据后可执行电机上的运动操作。

全文链接： http://www.chinaaet.com/article/3000090355

中文引用格式： 杨向萍，吴玉丹. 基于PSO-BP神经网络的人体穴位定位系统设计[J].电子技术应用，2018，44(9)：75-78.

英文引用格式： Yang Xiangping，Wu Yudan. Acupoint positioning system based on PSO-BP neural network[J]. Application of Electronic Technique，2018，44(9)：75-78.

9.基于深度学习的烟雾识别研究

摘要： 基于Google第二代人工智能学习系统TensorFlow构建神经网络对烟雾图像进行识别检测，通过改进的运动检测算法截取疑似烟雾区域图像，并结合PCA降维算法和Inception Resnet v2网络模型在TensorFlow平台下进行烟雾特征的训练识别。该算法实现了较大范围的火灾实时检测报警，经过实验证明整个检测过程准确地识别了视频流中的烟雾区域，相比于传统烟雾识别方法具有更高的准确率和自适应性，为大范围的火灾烟雾报警提供了一种有效方案。

全文链接： http://www.chinaaet.com/article/3000092836

中文引用格式： 王涛，宫宁生，蒋贵祥. 基于深度学习的烟雾识别研究[J].电子技术应用，2018，44(10)：131-135.

英文引用格式： Wang Tao，Gong Ningsheng，Jiang Guixiang. Smoke recognition based on the depth learning[J]. Application of Electronic Technique，2018，44(10)：131-135.

10.基于深度学习的胸部X光影像分析系统

摘要： 提出一种应用嵌入式技术和深度学习技术实现对胸部X光影像分析的设计方案。采用NIVIDIA公司生产的Jetson TX2作为核心板，配备以太网模块、WiFi模块等功能模块搭建该分析系统的硬件平台。在GPU服务器上利用MobileNets卷积神经网络对标注的胸部X光影像数据集进行训练，将训练好的神经网络模型移植到Jetson TX2核心板，在嵌入式平台下完成对胸腔积液、浸润、肺气肿、气胸以及肺不张症状的检测。利用美国国立卫生研究院提供的胸部X光影像数据进行测试，通过实验证明，该方法在识别准确率上优于其他的检测方法，同时识别所需时间比其他方法短。

全文链接： http://www.chinaaet.com/article/3000093435

中文引用格式： 周进凡，张荣芬，马治楠，等. 基于深度学习的胸部X光影像分析系统[J].电子技术应用，2018，44(11)：29-32.

英文引用格式： Zhou Jinfan，Zhang Rongfen，Ma Zhinan，et al. Chest X-ray image analysis system based on deep learning[J]. Application of Electronic Technique，2018，44(11)：29-32.

11.基于深度学习的图像分类方法

摘要： 提出了一种用于图像分类的卷积神经网络，将不同池化方式对图像分类的影响进行了分析对比，采用重叠池化和dropout技术，较好地解决过拟合问题。与传统神经网络相比，该方法在CIFAR-10数据集上获得了较好的结果，在测试集上准确率比训练集上准确率高9%左右。

全文链接： http://www.chinaaet.com/article/3000084504

中文引用格式： 许少尉，陈思宇. 基于深度学习的图像分类方法[J].电子技术应用，2018，44(6)：116-119.

英文引用格式： Xu Shaowei，Chen Siyu. Image classification method based on deep learning[J]. Application of Electronic Technique，2018，44(6)：116-119.

12.基于机器视觉的智能导盲眼镜设计

摘要： 提出一种基于机器视觉的智能导盲眼镜系统的设计方案。采用三星公司Cortex-A8架构的 S5PV210作为中央处理器，搭载Linux系统，配备双目采集、GPS定位、语音播报、GSM短信、语音通话、无线传输六大核心功能模块搭建智能导盲眼镜系统的硬件平台，结合深度学习算法在远程云服务器上完成了对目标场景的智能识别，最后以语音的形式实时对盲人的行走作出准确引导。系统测试结果表明，该智能导盲眼镜系统在测试环境下不仅能对盲人出行正确导航，还具有一定的目标识别能力，能帮助盲人进行简易物品归类。该系统还兼有GPS定位、语音通话、GSM短信等多项辅助功能。

全文链接： http://www.chinaaet.com/article/3000064090

中文引用格式： 何腾鹏，张荣芬，刘超，等. 基于机器视觉的智能导盲眼镜设计[J].电子技术应用，2017，43(4)：58-61.

英文引用格式： He Tengpeng，Zhang Rongfen，Liu Chao，et al. Design of smart seeing glasses based on machine vision[J].Application of Electronic Technique，2017，43(4)：58-61.

13.基于深度学习的无人机识别算法研究

摘要： 无人机的广泛运用，在给人们带来便利的同时，也引发了不良影响。比如，无人机飞入禁飞区引发安全问题，由于不正当的使用侵犯公民的隐私等，因此需要构建一个无人机警察系统，对无人机实施监控，遏制乱飞现象。采用传统的识别方法，灵活性不足，精度也不够高。为此提出一种基于深度学习的无人机识别算法，通过训练一个基于卷积神经网络（CNNs）的学习网络，得出一个高效的识别模型，实现无人机和非无人机间的分类。模型的测试结果表明，该方法具有较高的识别率。

全文链接： http://www.chinaaet.com/article/3000068878

中文引用格式： 蒋兆军，成孝刚，彭雅琴，等. 基于深度学习的无人机识别算法研究[J].电子技术应用，2017，43(7)：84-87.

英文引用格式： Jiang Zhaojun，Cheng Xiaogang，Peng Yaqin，et al. A novel UAV recognition algorithm based on deep learning approach[J].Application of Electronic Technique，2017，43(7)：84-87.

14.基于视觉引导的SCARA机器人自动装配系统

摘要： 现有生产线工业机器人抓取点固定，工件只能以固定的姿态提前摆放在固定的位置，这种装配模式很难满足复杂的工业生产要求且效率低下。设计了基于视觉引导的机器人装配系统改进原有系统。设计了机器视觉系统，实现了工件的快速识别、定位以及姿态确定功能；设计了抓放系统，实现了工件的精确抓取和安装功能；采用Visual Studio的MFC开发，实现图像处理算法，并利用Socket通信将坐标和姿态数据发送给机器人。通过实验验证本系统具有良好的稳定性和快速性，可以满足生产的要求，大幅提高生产效率。

全文链接： http://www.chinaaet.com/article/3000065381

中文引用格式： 党宏社，候金良，强华，等. 基于视觉引导的SCARA机器人自动装配系统[J].电子技术应用，2017，43(5)：21-24.

英文引用格式： Dang Hongshe，Hou Jinliang，Qiang Hua，et al. SCARA automatic assembly system based on vision guided[J].Application of Electronic Technique，2017，43(5)：21-24.

「论文集锦」5G与车联网——《电子技术应用》优秀论文集锦

5G赋能企业级客户和垂直行业的智慧化发展，为运营商和产业合作伙伴带来新的商业模式，开启一个全连接的新时代。车联网作为5G的重点业务之一，正在逐步构建以人、车、路协同的辅助驾驶、自动驾驶为核心的智能交通系统，新场景、新需求的引入对数据通信与计算提出了更高的要求，也推进车联网从支持车载信息服务（Telematics）向支持车联一切（V2X）服务的下一代车联网发展。为了促进5G通信的技术交流，推动我国5G通信技术的发展，《电子技术应用》杂志2019年第8期和第9期推出了“5G与车联网”主题专栏，论文内容涵盖5G车联网关键技术与发展现状、5G车联网标准进展、5G车路协同解决方案和5G车联网应用方案与实践案例等，期待为5G时代的车联网技术和应用部署提供有益的借鉴。

特约主编： 朱雪田 ，北京邮电大学工学博士，教授级高级工程师，中关村国家自主创新示范区高端领军人才，北京邮电大学通信与信息专业工程硕士导师，现就职于中国电信智能网络与终端研究院。长期从事4G/5G移动通信和互联网技术创新与研发工作，作为项目组长先后负责多个4G/5G领域的移动通信国家重大项目，发表学术论文超过50篇，发明专利100余篇，个人专著3本。

小编整理了《电子技术应用》2019年5G与车联网专栏刊登的优秀论文，欢迎相关领域研究者参考借鉴！

关键技术及研究进展

5G车联网技术与标准进展

摘要： 由于时延和可靠性的短板，基于LTE V2X的蜂窝车联网解决方案只适用于辅助驾驶和初级自动驾驶场景，必须通过更新技术满足未来高级自动驾驶的需求，基于5G的蜂窝车联网NR V2X应运而生。结合3GPP 5G NR V2X的标准制定过程，在分析车联网面向高级自动驾驶应用场景的基础上，重点分析了5G NR V2X关键技术要求和解决方案，并对当前3GPP标准化进展进行了介绍。

全文链接：

http://www.chinaaet.com/article/3000106989

中文引用格式： 朱雪田. 5G车联网技术与标准进展[J].电子技术应用，2019，45(8)：1-4，9.

英文引用格式： Zhu Xuetian. 5G V2X network technology and standards development[J]. Application of Electronic Technique，2019，45(8)：1-4，9.

面向 LTE-V 调度方法研究

摘要： 智能出行推进车联网从支持车载信息服务向支持V2X服务的下一代车联网发展，为了满足车联网发展需求，3GPP标准针对LTE-V制定了PC5接口和Uu两种通信方式。结合LTE-V业务特点，介绍了Mode3、Mode4、SPS增强调度算法及各算法优缺点，为车联网车车、车路、车人之间低时延、高可靠性的通信需求奠定基础。

全文链接：

http://www.chinaaet.com/article/3000108280

中文引用格式： 李艳芬，朱雪田. 面向LTE-V调度方法研究[J].电子技术应用，2019，45(9)：8-12.

英文引用格式： Li Yanfen，Zhu Xuetian. Research on LTE-V scheduling method[J]. Application of Electronic Technique，2019，45(9)：8-12.

浅析未来车联网中运营商通道能力的挑战与创新

摘要： 诠释电信运营商在传统车联网中提供的通道服务能力的演进路线。结合未来车联网业务形态发展趋势，分析传统车联网通道服务面临的增长瓶颈和能力挑战，解析引入边缘计算、网络切片等5G关键技术为车联网通道带来的服务能力拓展，并探讨了运营商面向未来车联网的通道服务模式和商业模式创新。

全文链接：

http://www.chinaaet.com/article/3000108217

中文引用格式： 陈荆花，包枫叶，蒋寅. 浅析未来车联网中运营商通道能力的挑战与创新[J].电子技术应用，2019，45(9)：1-4.

英文引用格式： Chen Jinghua，Bao Fengye，Jiang Yin. Study on the challenge and innovation of the Internet of Vehicles enabled by operators[J]. Application of Electronic Technique，2019，45(9)：1-4.

6 GHz频段V2X车联网系统与卫星固定业务兼容性研究

摘要： 现阶段，我国正处于制造业转型升级、新兴科技产业创新发展的重要时期，作为新兴智能产业的车联网正日渐受到国家重视。以第五代移动通信(5G)系统为基础，采用国际电信联盟(ITU)相关建议书和报告书提供的传播模型，通过确定性计算，开展了对6 GHz频段下V2X车联网系统与卫星固定业务的兼容性研究。结果表明，6 GHz频段下V2X车联网系统与卫星固定业务具备共存的可能性。

全文链接：

http://www.chinaaet.com/article/3000108218

中文引用格式： 张少伟. 6 GHz频段V2X车联网系统与卫星固定业务兼容性研究[J].电子技术应用，2019，45(9)：5-7，12.

英文引用格式： Zhang Shaowei. Research on the compatibility between V2X Internet of Vehicles system and FSS at 6 GHz frequency band[J]. Application of Electronic Technique，2019，45(9)：5-7，12.

设计与应用

5G中Multi-TRP based URLLC传输方案设计

摘要： 超高可靠低时延通信（URLLC）作为5G的三大应用场景之一，受到了越来越广泛的关注。车联网是URLLC的主要应用之一，对信息传输的可靠性有很高的需求。为了增强传输的鲁棒性和可靠性，从空分、频分和时分的角度分别介绍了多种Multi-TRP based URLLC技术方案，对比分析了其优缺点。此外，设计了一种新的动态切换传输方式的信令指示方案，并对多种方案进行了性能仿真评估。仿真结果表明，动态切换的方式能提供显著的性能增益。

全文链接：

http://www.chinaaet.com/article/3000106995

中文引用格式： 王瑜新，邱刚，鲁照华，等. 5G中Multi-TRP based URLLC传输方案设计[J].电子技术应用，2019，45(8)：10-13.

英文引用格式： Wang Yuxin，Qiu Gang，Lu Zhaohua，et al. The design of Multi-TRP based URLLC transmission scheme in 5G[J]. Application of Electronic Technique，2019，45(8)：10-13.

基于5G车联网的绿波通行系统研究

摘要： 结合MEC与C-V2X融合技术，研究了一种基于5G车联网的绿波通行系统，并且在绿波通行模型、MEC应用和协同控制管理等方面做了相关研究。该系统实现了更低时延的实时车路协同以及多个路口红绿灯信息协同感知，进而实现连续性绿波优先通行，减少路口交通拥堵，并提升运输效率。

全文链接：

http://www.chinaaet.com/article/3000106990

中文引用格式： 田亮，张岩，徐黎. 基于5G车联网的绿波通行系统研究[J].电子技术应用，2019，45(8)：5-9.

英文引用格式： Tian Liang，Zhang Yan，Xu Li. Research on green wave transit system based on 5G-V2X[J]. Application of Electronic Technique，2019，45(8)：5-9.

车路协同的云管边端架构及服务研究

摘要： 对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍；同时重点阐述了智能网联交通体系之车路协同云管边端架构方案，介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的“云-管-边-端”统一架构，同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架，并对其具体功能要求、API调用方式进行了详细论述。

全文链接：

http://www.chinaaet.com/article/3000106996

中文引用格式： 熊小敏，杨鑫，刘兆璘，等. 车路协同的云管边端架构及服务研究[J].电子技术应用，2019，45(8)：14-18，31.

英文引用格式： Xiong Xiaomin，Yang Xin，Liu Zhaolin，et al. Research on cloud-network-edge-terminal architecture and service of vehicle-road collaboration[J]. Application of Electronic Technique，2019，45(8)：14-18，31.

原创声明：此内容为AET网站原创，未经授权禁止转载。