XiaoMi-AI文件搜索系统
World File Search SystemV2x
可互操作连接性（V2X）在Cav Ecoppace
•每天有118人在我们的道路上死亡。•大约有四分之一的交通死亡人数，大约有一个人数在美国所有交通伤害中。•行人和骑自行车的死亡人数总计8,952（从2021年到2022年增长2.3％）。•农村地区的死亡率比城市地区高1.7倍。
加速V2X部署的计划-NTSB响应
NTSB认可USDOT的努力，并在很大程度上支持计划草案。在我们对本文档的回应中，我们讨论了与V2X技术（也称为连接的车辆技术）以及与部署工作有关的历史有关的安全建议。我们已经在目前停滞的V2X部署环境中审查了计划草案，以及USDOT（在秘书级）的关键必要性在制定和实施全国范围内部署计划方面发挥着重要的领导作用，尤其是遵循联邦通信委员会（FCC）的2021年规则，从而减少了无线运输频段的运输安全性应用程序。我们提供有关计划草案中包含的特定组成部分的评论，并强调了与全国范围内部署这种救生技术有关的关键点：
欧盟对V2X未来发展的共同愿景
EV的过渡表示需求和供应方面的电气化增加。这改变了我们设想能源系统的方式。积极主动的消费者现在可以激活其资产的灵活性：例如，具有双向充电的电动汽车驱动程序可以提供宝贵的网格资源，以支持网格基础设施的具有成本效益的投资。随着EV机队成为能源生态系统的关键组成部分，对能源和电子弹性部门之间建立有效的伙伴关系对于无缝的移动性和整个欧盟的弹性能源部门变得越来越重要。这些伙伴关系的基础应建立在对所涉及角色的明确定义上，并具有每个部门的专门职责，例如能源供应商负责优化与能源相关的成本，而示波器部门负责确保和优化驾驶员在能源生态系统方面的移动性和充电需求。
Technologies v2x（电网的车辆）et«智能充电»。
双向充电和“智能充电”可用于支持能量系统作为灵活性元素。“智能充电”旨在通过在网络招标低的时间内移动充电来使充电峰取得峰值。双向充电还允许电动汽车将过量的能量重新注入网络。在电力汽车电池中存储的能量的加固可以提高网络的稳定性，这减少了在额外的基础设施中进行昂贵投资或建立额外的储备金能力以管理切削边缘费用的需求。双向补给可以由家庭和能源群落使用，以增加光伏生产的自我消费（也称为“清洁消耗”）并运行充电峰。这两种技术通常将网络和能量系统卸载。双向充值通过临时存储多余的能量并在必要时将其重新注射到网络中，以支持可再生能量（例如风或太阳能）的整合。中午充电可以吸收最大光伏产生的大部分，因此避免或至少减少调整。可以在晚上和网络中暂时重新注射到电动车辆中的能量的一部分。更好地利用建筑物，遗址和企业中的能源生产以及网络中过量能源的重新注入会提高可再生电力生产的效率，并降低对进口的依赖。
车辆到全部（V2X）的通信，以改变和彻底改变运输行业
可能需要优先的层次结构测试响应计划的潜在危险的交通状况包括事故，道路交通拥堵，车辆破裂，恶劣天气，湿滑的道路，人类或动物障碍物以及错误的车辆。
AI至V2X自动驾驶汽车中的隐私和安全问题：调查
摘要。人工智能（AI）正在改变我们每天使用的所有技术。比以往任何时候都更接近汽车自主权的目标，这已经是长期以来的。大型汽车制造商还花费了数十亿美元来开发自动驾驶汽车（AVS）。在这项新技术的优势中，有可能增加乘客安全性，减少拥挤的道路，交通减少，优化的交通，减少燃油消耗，减少污染和改善的旅行体验。但是，此范式更改也存在新的安全性和隐私问题。以前简单的机械设备，车辆已被计算机化，网络和智能。他们收集了大量数据，必须避免入侵。在本文中，我们研究了AVS中的隐私问题和安全障碍。我们使用逐层方法研究了几次攻击。它总结了这些研究工作的贡献，并根据应用领域对它们进行了分类。它还确定了需要解决的开放问题和研究挑战，以充分实现AI在推进V2X系统中的潜力。我们的目的是提供有关围绕AVS的未解决研究问题的见解，并提出未来的询问路线。
V2X切片网络的基于Q学习的增强资源共享机制
摘要。网络切片已成为一种变革性技术，它提供了与在同一基础中具有不同服务质量（QOS）要求的多种服务共存的可能性。车辆到全能（V2X）网络的主要挑战在于开发有效的资源管理方法。此操作应在优化资源的使用和在切片之间保持隔离之间提供足够的平衡。网络切片环境中使用的基准方法之一是严格的切片，这将整个资源池的固定比例分配给每个切片的整个寿命。但是，这种限制之一是资源利用效率低下，因为每个切片在其一生中可能不会100％利用其资源。在本文中，我们提出了一种基于深入增强Q-学习（基于QDRL的资源共享）的灵活资源共享机制。当系统中有一个超载切片时，在保持高隔离的同时，这种机制会触发切片之间的分享。实验结果表明，我们的解决方案在改善资源利用率和最小化新调用的阻塞概率和移交掉落概率方面有效。
自我管理技术设备的V2X技术组织模型的研究
摘要 - 当今信息技术的稳定发展正在为包括汽车行业在内的各个领域提供广泛的自动化机会。IT系统的积极开发为V2X（车辆通用）技术铺平了道路，这使得诸如“车辆到车辆”和“车辆到公路基础设施”之类的通信。本文着重于探索使用V2X技术来创建“智能运输”的使用。目前，由于5G网络的覆盖范围有限，V2X技术并未被广泛采用。尽管现有的4G网络足以流式传输高清内容和玩在线游戏，但它不能支持自动驾驶汽车所需的更安全，更智能的操作。尽管如此，在4G网络框架内，可以为自动化汽车流量而开发全面的解决方案。这将大大减少道路事故的数量并优化交通流量。本文探讨了V2X技术在道路交通中的实施，以实现这些目标。
B5G/6G中的可持续移动性：V2X技术趋势和用例
摘要最近扩展了可持续性的概念以涵盖经济和社会因素，除了传统的环境因素。本文反映了移动通信标准对实现可持续移动性的潜力，重点是智能城市情景中的车辆通信和用例。在这种情况下，智能运输系统（包括连接和自动驾驶汽车）将是开发负担得起且可持续的基础设施和服务的关键。我们首先要确定三种当前的技术趋势，即朝着气候中立的趋势。云化和边缘计算；以及大数据和人工智能，然后我们研究了它们在5G和6G网络以外的驾驶汽车到全能（V2X）通信系统中的能力。在本文的第二部分中，提出了一组涉及连接和自动驾驶汽车的选定用例类别，展示了所选技术趋势的潜在影响。最后，提供了对环境相关参数（例如能源/燃料消耗和温室气体排放）中可以实现的定量节省的估计值的回顾。
RIS 辅助 6G V2X 系统中集成传感和通信的深度强化学习
摘要 — 集成传感和通信 (ISAC) 技术的最新进展为解决下一代无线通信网络 (6G) 车对万物 (V2X) 中的通信质量和高分辨率定位要求带来了新的可能性。同时为车辆目标的智能服务提供高精度定位和高通信容量 (CC) 具有挑战性。在本文中，我们提出了一种可重构智能表面 (RIS) 辅助的 6G V2X 系统，以在满足基本通信要求的情况下实现车辆目标的高精度定位。我们提供了车辆目标的 CC 和 3-D 费舍尔信息矩阵 (FIM) 公式。我们展示了反射器单元中的相位调制对联合定位精度和 CC 性能的直接影响。同时，我们设计了一个灵活的深度确定性策略梯度 (FL-DDPG) 算法网络，采用 ϵ -贪婪策略来解决高维非凸优化问题，在满足各种 CC 要求的同时实现最小定位误差。仿真结果表明，FL-DDPG算法将定位精度提升了至少89%，将车辆目标的到达率提升了近3倍，优于传统数学方法。与经典的深度强化学习方法相比，FL-DDPG在满足通信要求的前提下获得了更好的定位精度。当面对不完美信道时，FL-DDPG能够有效解决ISAC系统中的信道估计误差问题。