Tiago Rocha Gonçalves. Robust control of platooning systems over imperfect wireless channels. Net-working and Internet Architecture [cs.NI]. Université Paris-Saclay, 2021. English. NNT : 2021UP-ASG089. tel-035208170HAL编号：tel-035208170https://theses.hal.science/tel-035208170提交日期：2022年1月11日0HAL是一个多学科开放存取档案，用于存储和传播科学研究文献，无论其是否发表。这些文献可以来自法国或国外的教育和研究机构，也可以来自公共或私人研究中心。0HAL多学科开放存取档案，旨在存储和传播法国或国外的教育和研究机构、公共或私人实验室发表或未发表的科学研究文献。0车队系统在不完美的无线信道上的鲁棒控制0Tiago Rocha Gonçalves0引用此版本：0博士学位论文0NNT:2021UPASG0890车队系统在不完美的无线信道上的鲁棒控制0车队系统的鲁棒控制0带有缺陷的无线信道0巴黎-萨克莱大学博士学位论文0博士学位专业：网络、信息和通信，信息和通信技术（STIC）研究领域：信号与系统实验室（巴黎-萨克莱大学，CNRS，CentraleSupélec）参考人：奥尔赛科学学院02021年11月23日在巴黎-萨克莱提交和答辩，作者为0Tiago ROCHA GONÇALVES0评审委员会成员:0Fawzi NASHASHIBI主席0研究主任，INRIA巴黎-罗昆库尔 Francesco DE PELLEGRINI评阅人&考官0教授，阿维尼翁大学Lout� NUAYMI评阅人&考官0教授，矿业电信学院/IMT Atlantique Irinel-Constantin MOR ˘ARESCU考官0教授，洛林大学Chung Shue (Calvin) CHEN考官0Nokia贝尔实验室研究员0导师团队：0Salah Eddine ELAYOUBI导师0教授，CentraleSupélec，巴黎-萨克莱大学Vineeth S.VARMA合作导师0CNRS研究员，洛林大学i0法语综述0交通系统对社会至关重要，因为经济增长的快速节奏与交通活动的增加密切相关。在这种背景下，智能交通系统（ITS）领域成为了改善和应对交通系统新挑战的研究热点。车队系统是一种相对简单的方法，可以实现节能解决方案、减少交通拥堵和提高道路安全。特别是车队系统是由一组协调的车辆组成的特定形态，通过车辆自动化和通信技术来保持车辆之间的短距离间隔。这种系统的部署与两种基本技术之间的协同作用密切相关。本论文致力于研究无线信道上车队系统的鲁棒控制。我们认真考虑了通信和控制两个方面的共存，因为它们对车队车辆的部署都至关重要。我们在这项工作中涵盖了几个重要方面，首先是基于通信链路质量的自适应控制方案的提出，如第3章所述。在这个背景下，我们提出了动态算法，并通过离线启发式优化来确定给定PER（数据包错误率）的最佳控制参数。我们通过在Simulink和Matlab上构建的车队仿真环境进行验证，这些环境负责控制和通信系统之间的交互。我们成功实现了我们的目标，因为我们的动态方法优于静态控制策略。此外，我们还确定了车队领导者与车队中的最后一辆车之间的链路质量存在显著依赖，这严重限制了我们的动态方法。0ii0为了改善通信质量，在第4章中，我们提出了两种不同的中继方案对车队进行了分析建模。特别地，我们通过引入马尔可夫链模型来改进信道访问模型，该模型量化了车辆间通信和车辆与RSU（路边单元）之间通信等不同通信链路的可靠性。然后，我们提出了一种跨层方法，将应用层即车队车辆间距离调整为观察到的支持访问控制层的性能。此外，我们根据车队性能考虑通信协议的优化。具体而言，我们确定了窗口竞争大小与控制层性能之间的最佳折衷，窗口竞争大小直接影响数据包的延迟，而控制层性能则表现为车辆间距离更短。除了上述性能分析之外，我们还在第4章与不考虑控制和通信参数之间的双向交互的传统方法进行了比较。正如我们所展示的，当只进行部分分析时，发生碰撞的结果变得明显，因此需要分析这种交互作用是非常必要的，这也加强了本论文的主要目标。然而，需要注意的是，到目前为止，所有的注意力都集中在考虑控制参数的车队车辆间距离的优化上，缺乏对燃料消耗等经济和商业可行性方面的量化分析。为了填补这一空白，我们在第5章提出了一个完整的分析来提高车队系统的能源效率。我们从控制的角度出发，考虑外部力和燃料消耗模型。这是因为我们希望观察车队车辆间距离这个控制参数对车队能源效率的影响。然后，我们比较了两种评估的控制器ACC（自适应巡航控制）和CACC（协同自适应巡航控制）的燃料性能，从而观察到以下事实：在控制努力导致的燃料消耗增加和车队形成导致的燃料消耗减少之间存在一个非平凡的折衷。因此，本章的目标是尝试解决这个困境。在这个背景下，我们提出了一种命令0iii0改进的控制器是ACC和CACC命令的线性组合，但通过平滑因子β进行参数化，以实现平稳过渡并减少燃料损耗。然而，现在我们面临一个问题：在车队操作中何时使用每个控制器？实际上，这个问题涉及到上述非平凡的折衷，这是一个非常复杂的任务，因为车队受到未知的干扰。我们将这种未知的动态建模为随机过程，为此我们提出了一个马尔可夫链模型，量化了干扰车辆的速度特性。为了尝试回答上述问题，我们提出了两种不同的方法。第一种方法是基于车辆加速度的某些函数，通过阈值控制确定车队采用的最佳控制器。第二种方法采用深度强化学习的方法，通过试错经验学习干扰行为并调整最大化某个奖励函数的行为。为了克服深度强化学习算法的安全性和收敛性问题，我们的方法定义了ACC和CACC控制器的运行周期，而不是直接控制车辆。请注意，在这两种方法中，我们采用了同质控制器，这意味着车队的所有成员都按照相同的控制策略行动。我们已经证明了这两种方法是确定过渡时间集合的有希望的解决方案，因此也能回答这个问题。特别是，在我们的车队场景中，深度强化学习超过了所有评估的情况，但另一方面，它在处理所有信息并实时做出决策方面带来了一些部署挑战。值得注意的是，已经做出了许多努力将机器学习技术应用于连接的自动驾驶车辆。毫无疑问，更快的收敛算法和更强大的计算资源的进步是大规模部署这些技术的关键技术点。此外，理解驾驶员对这些系统的信任同样重要，因为可能无法通过死亡和伤害来证明自动驾驶车辆的安全性。无论如何，环境意识和技术发展的进步使得在不久的将来实施这些系统非常有可能。iv0致谢0首先，我要感谢我在巴西的父母Sérgio和Edna的支持。他们一直支持我并鼓励我在学业上更进一步，并给予我所需的一切支持。自从我开始学习以来，我们每周日都有虚拟家庭聚会，所以这是我最感到身处巴西的日子。在这个场合上，他们总是问我研究进展如何，所以从那时起，他们一直在关注我的点滴进步。我还要感谢我的兄弟Tomaz和Júlia。他们是了不起的人，我很高兴把他们当作家人。我要向我的论文导师Salah E.Elayoubi和Vineeth S.Varma表示最深切的感谢。我感谢与他们两人的所有支持和交流。能够与他们合作是我莫大的荣幸。我感激他们的所有帮助，所有的修正，尤其是技术和专业指导。幸运的是，我们不是在周日开会，而是在周二。因此，在周二为我的博士论文辩护似乎是结束我生活中这个阶段的完美时机。我衷心感谢Francesco de Pellegrini和Lout�Nuaymi对我的工作的兴趣，并同意成为我的论文评审人。我还感谢FawziNashashibi，Irinel-Constantin Morarescu和CalvinChen，他们同意成为评审委员会的一员。我要衷心感谢在法国的所有朋友，他们已经成为我的第二个家庭。我非常感激周末的放松时光和我们一起做的所有旅行。这些时刻和与你们所有人的相遇让我感到很幸运能够生活在国外。特别感谢Icaro、Pedro、Vinícius、Monacer、Priscila、Thaís T.、ThaísA.、Alex、Michele和Monique。我也感激我在L2S实验室与Siyang、Raul、José和Hung共事的美好时光。非常感谢Rafael，我有幸与他一起工作。我们的讨论在我论文的最后几个月里真正激励了我。我不能忘记与我一起度过了这段旅程的Déborah。她的爱和无条件的支持对我完成学业至关重要。我很高兴有她在我身边。此外，我也感谢她的家人Charlety，他们不仅让我感到融入了家庭，也让我感到融入了我的新家，法国。最后，我决定横渡大西洋在一个我从未生活过且几乎不会说该语言的国家开始博士学位并不容易。但幸运的是，我周围的每个人都鼓励我去做。特别是，我的妹妹Júlia患有遗传性疾病，我母亲称她为地球上的天使。她每天都激励着我。我只希望她能完全理解她对我有多重要，尽管我们相隔甚远。这是为了你，妹妹。v0谁不仅让我感到融入了家庭，也让我感到融入了我的新家，法国。最后，我决定横渡大西洋在一个我从未生活过且几乎不会说该语言的国家开始博士学位并不容易。但幸运的是，我周围的每个人都鼓励我去做。特别是，我的妹妹Júlia患有遗传性疾病，我母亲称她为地球上的天使。她每天都激励着我。我只希望她能完全理解她对我有多重要，尽管我们相隔甚远。这是为了你，妹妹。1Introduction12Enabling technologies for platooning112.12.22.2.3Adaptive Cruise Control (ACC) . . . . . . . . . . . . . . . .192.2.4Cooperative Adaptive Cruise Control (CACC) . . . . . . . .202.2.5Predictive Cooperative Adaptive Cruise Control . . . . . . .212.2.6Semi-Autonomous Control . . . . . . . . . . . . . . . . . . .222.3Information flow topology. . . . . . . . . . . . . . . . . . . . . . .242.4Platooning research projects . . . . . . . . . . . . . . . . . . . . . .252.5Summary. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .273Adaptive control scheme based on communication link quality283.1Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .283.2General system outline . . . . . . . . . . . . . . . . . . . . . . . . .333.3Control Platooning System . . . . . . . . . . . . . . . . . . . . . . .363.3.1Vehicle dynamics . . . . . . . . . . . . . . . . . . . . . . . .363.3.2Proposed dynamic scheme based on PCACC . . . . . . . . .363.4Simulation system implementation. . . . . . . . . . . . . . . . . .393.4.1Communication Platooning system . . . . . . . . . . . . . .393.4.2Simulation Assumptions and Platoon Scenario . . . . . . . .46vi0目录0致谢 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv01.2 主要贡献 . . . . . . . . . . . . . . . . . . . . . . . . . . . 701.4 出版物列表 . . . . . . . . . . . . . . . . . . . . . . . . . . . 1002.1.1 ITS-G5协议 . . . . . . . . . . . . . . . . . . . . . . . . . 1202.2.1 车辆动力学 . . . . . . . . . . . . . . . . . . . . . . . . 16CONTENTSvii3.5Performance Evaluation. . . . . . . . . . . . . . . . . . . . . . . .503.5.1Offline optimization . . . . . . . . . . . . . . . . . . . . . . .513.5.2Online adaptation of the control parameters . . . . . . . . .513.6Concluding Remarks . . . . . . . . . . . . . . . . . . . . . . . . . .544Analytical modeling of platoon under V2X relaying scheme574.1Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .584.2Platooning control system . . . . . . . . . . . . . . . . . . . . . . .614.2.1Vehicle dynamics and objective of platoon control . . . . . .624.2.2Platoon controller with delay factor . . . . . . . . . . . . . .624.3Communication mechanisms for platooning . . . . . . . . . . . . . .634.3.1Baseline scheme with V2V communications only . . . . . . .634.3.2Relaying of the leader’s packets . . . . . . . . . . . . . . . .644.4Communication performance analysis . . . . . . . . . . . . . . . . .674.54.64.704.4.2 V2V链路的丢包概率 . . . . . . . . . . . . . 6904.4.4 RSU中继的性能 . . . . . . . . . . . . . . . . 7604.5.1 仿真环境描述 . . . . . . . . . . . . . . . . . . . . . . 7704.5.3 编队性能：车辆间距 . . . . . . . . . . . . . . . . . . 8104.6.1 与传统方法的比较 . . . . . . . . . . . . . . . . . . . . . 8304.6.3 编队规模的影响 . . . . . . . . . . . . . . . . . . . 8505 系统对编队系统的燃油效率改进 89 5.1 引言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .9005.2 系统模型和问题陈述。9305.2.1 考虑外部力的编队建模。9305.2.2 燃油消耗模型。9505.2.3 编队的经典控制方案。9705.2.4 增强的提出的控制器。10205.2.5 目标。10405.3 常数干扰器的最优策略。10505.4 随机干扰。107 5.4.1 用马尔可夫链建模的干扰器配置文件。10805.4.2 麻烦的条件。10905.5 提出的切换控制器。1100目录 第八页05.5.1 阈值控制。11005.5.2 深度强化学习用于切换编队控制器。11105.5.3 实验设置。11405.6 性能评估。114 5.6.1 干扰器的数值随机配置文件。11405.6.2 仿真环境。11605.6.3 与基准的性能比较。11805.7 结论。12206 总结和展望 124 6.1 总结。12406.2 未来展望。126 6.2.1 直接扩展。12606.2.2 应用于其他领域。1270图目录01.1 "车辆编队"在IEEE Xplore数字图书馆和ScienceDirect图书馆中的引用次数。301.2 连接车辆的好处。401.3 欧洲长途运输的客户运营成本[1]。601.4 文章组织结构。902.1 控制系统框架的闭环块图。1602.2 具有PCACC控制的编队系统的块图，位于车辆i-1和车辆i之间。2202.3在领头车平均速度为18m/s的情况下，不同控制方案下执行器滞后τ对编队性能的影响。2302.4编队系统的典型信息流拓扑结构。绿色车辆是领头车，蓝色车辆是编队成员。2403.1 仅有两个编队成员的系统概述。3403.2 带有控制和通信系统交互的块图概述。3503.3 离线和在线参数选择图。3803.4 块图仿真概述。3903.5 WLAN工具箱中的高速公路NLOS和LOS配置文件示例。4103.6 绿灯时对领头车辆的交通干扰。传输范围用 R 表示，编队大小用 LPS表示。编队成员和外部车辆分别用蓝色和红色表示。4303.7 Aloha协议连续车辆的丢包概率比较，用虚线蓝色表示。 . . . . . . . . . . . . . . . . . .. . . . . . . 4403.8 具有NLOS条件的高速公路环境的PER。橙色表示干扰，蓝色表示无干扰条件。. . 4503.9 包含V2V通信方法的交通场景。 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 470目录ixsolid red, and dashed yellow corresponds to probabilities of burst tooccur of 10−1,10−5, and 10−10, respectively. We have adopted thesolid red line ν = −5, while dash lines are shown for comparisonCDdesand last two vehicles considering the Case 4 simulation. . . . . . . .55N = 11baseline approach in solid blue, and traffic density profile over timein dashed red lines. . . . . . . . . . . . . . . . . . . . . . . . . . . .870图表目录 x03.10 采用2个周期的干扰器速度曲线示意图。 . . 4803.12 平均车辆间距示意图，其中PER i,i +1 =0.0245，对于不同的C值。考虑了几种PER LLV情况。 5203.14最佳和最差通信链路与领导者之间采用的交通密度模式，分别用蓝色和橙色表示。 5404.1具有V2V和V2I中继通信技术的编队排列示意图。实线蓝线表示车辆之间的链接，虚线绿线和红线分别表示V2V和RSU中继的广播链接，虚线黑线表示编队外部的干扰链接。 . . . . . . . . . 5904.3 CSMA/CA与无重传（m = 1）和一次重传（m =2）连续车辆的丢包概率比较，分别用虚线橙色和实线黄色表示。为了比较目的，采用虚线蓝色表示Aloha。 . . . . . . . . . . . . . . . . . 7404.5 不同时间采用的不同配置示意图。 . . . . . . . . . . 7904.7 V2V中继r = [5 1015]情况下第10辆和第20辆车的平均分组错误率，实线蓝线和红线分别表示，虚线黄线表示不同争用窗口大小下编队车辆的平均车辆间距。 . . . . . . . . . . . . . . . . 8304.9 不同通信场景下第10辆车的PER，其中m = ml = mr = 2，重传尝试。 . . . . . .. . . . . . . . . 865.1Air-drag reduction for trucks in a platoon at 80km/h empirically0图表目录 xi05.2 ACC控制器的行为。 . . . . . . . . . . . . . . . . . . . . . . 9905.3 CACC控制器的行为... 10005.4在恒定和激进条件下，ACC和CACC控制器的燃料消耗比较... 10105.5非增强、增强和无切换控制的性能比较，分别用虚线-点线-线、实线-橙色和虚线-黄色表示，恒定干扰器和过渡时间t1=50s。上面的两个图对应于从ACC切换到CACC，而下面的两个图对应于从CACC切换到ACC... 10305.6干扰器配置文件的马尔可夫链转移率... 10805.7问题条件的示例... 11005.8强化学习总体框图... 11205.9我们车队系统的DRL框架概述... 11605.10在(a)中研究的特定干扰器配置文件的示例，以及(b)中所有评估案例的相应燃料车队性能... 12005.11相对于基线方法的燃料性能(a)，以及DRL和两种阈值切换控制方法的平滑控制设计参数β(t)(b)... 1210表格列表02.1 IEEE 802.11a和IEEE 802.11p之间的PHY参数差异（来源[3]）... 1402.2 IEEE 802.11p中的EDCA参数（来源[4]）... 1503.1 MATLAB WLAN工具箱PHY层的802.11p参数... 4003.2通信和控制器参数... 5003.3在线实现的案例比较... 5304.1通信、控制和交通仿真参数... 7904.2不同通信方案下车队大小N=21，m=m l=m r=1的性能指标... 8104.3不同通信方案下车队大小N=21，m=m l=m r=2的性能指标... 8104.4不同RSU中继密度下车队大小N=21，0 dB阴影的性能指标... 8504.5不同通信方案下车队大小N=11，m=m l=m r=1的性能指标... 8604.6不同通信方案下车队大小N=11，m=m l=m r=2的性能指标... 8705.1神经网络、控制和交通仿真参数... 11705.2本章中使用的车辆和能耗模型参数（来源[5]）... 11805.3对于分布[40 6]的1k个情节，燃料改进的平均性能与基线（ACC）的比较... 1190xii0缩略词0ACC自适应巡航控制0ACs访问类别0AEBS高级紧急制动系统0AIFSN任意帧间隔0BD双向0BDL双向领导者0C-ITS合作智能交通系统0C-V2X蜂窝-V2X0CACC合作自适应巡航控制0CAM合作意识消息0CC巡航控制0CSMA/CA带冲突避免的载波监听多址0CTG恒定时间间隔0CW争用窗口0DENM分散式环境通知消息0DNN深度神经网络0DRL深度强化学习0DSRC专用短程通信0EDCA增强分布式信道访问0xiii0表目录xiv0ETSI欧洲电信标准化协会0FCC联邦通信委员会0FDM频分复用0GCDC大型合作驾驶挑战0GPS全球定位系统0HDV重型车辆0ITS智能交通系统0LDV轻型车辆0LiDAR光探测与测距0LOS直视0MAC媒体访问控制0MCS调制编码方案0MPC模型预测控制0NCS网络控制系统0NLOS非直视0NN神经网络0OFDM正交频分复用0OMNET++ C++目标模块化网络测试平台0PATH先进交通技术合作伙伴0PER分组错误率0PF前继-后继0PFL前继-后继-领导0PHY物理层0QPSK正交相移键控0RL强化学习0RSU路边单元0SINR信号干扰加噪比0SNR信噪比0SUMO城市移动模拟0TDM时分复用0V2V车辆对车辆0V2X车辆对一切0VENTOS车辆网络开放模拟器0WAVE无线局域网0世界卫生组织0WLAN无线局域网10第1章0引言0本章首先介绍了本论文研究的问题，首先介绍了其主题背景和动机原因。然后，我们强调了本论文的主要贡献。接下来，我们以总体方式呈现概述和组织，以便更好地理解和联系各章节。最后，列出了已发表的文章。01.1背景和动机0历史上，经济发展始终依赖于交通系统的扩张。自工业革命以来，交通发展与增长的经济机会密切相关，因为它降低了货物、人员和服务的成本和时间[6]。事实上，交通系统对社会至关重要，经济增长的持续速度和需求的增加与更多的交通活动密切相关。在这个框架下，智能交通系统（ITS）作为一个研究热点出现，以增强和应对新的交通系统挑战。事实上，它是智能城市的主要组成部分之一[7]，其总体功能是改善整个交通系统的运作，从个体用户到交通道路和网络运营商。ITS的部署是可行的，因为不同领域的利益相关方，如私营公司（汽车制造商、技术提供商、移动网络和道路交通运营商）和公共倡议的商业利益。如今，不断增长的连接手机数量使用户能够共享大量信息，从而实现更好的决策、更高效的流程等。当连接车辆得到广泛部署时，预计会产生类似的效果。事实上，可以合理地假设在不久的将来，网络中连接的车辆节点数量会大幅增加，其中包括车辆、公交车，20卡车、路边基础设施和其他车载设备共享有关其如何、何地和何时行驶的有意义的信息。这种合作、连接和自动化移动性的倡议导致了合作智能交通系统（C-ITS）的发展，旨在通过利用通信系统大幅提高道路安全性、交通效率、环境影响和驾驶舒适性。其中一个有前途的C-ITS服务是车辆编队，它包括上述资产，并在下面详细介绍。车辆编队是一组协调车辆的特定形成，通过自动化和车辆通信技术保持短距离车辆间隔。编队利用车队的特殊分布，将车辆紧密聚集在一起，以减少车队成员的空气阻力，从而增加道路容量并降低燃油消耗。然而，编队的可行性和部署依赖于车辆之间可靠快速的信息交换，因为它允许根据最新的道路和交通状况信息采取控制行动。然而，这种信息交换发生在一个不可靠的无线通信信道上，受到固有特性（如延迟和数据包丢失）的影响，这为部署带来了额外的挑战。上述限制需要多种解决方案，将在本论文的后续章节中进行讨论。在过去的十年中，研究界对与编队相关的工作经历了指数级增长，如图1.1所示。它涵盖了从1990年到2020年在两个最相关的技术科学内容图书馆资源中引用“车辆编队”的文章数量。编队相关工作的增长表明，迄今为止，人们对找到不同的ITS服务解决方案的兴趣，并且证明了编队作为其中之一的重要性。事实上，车辆编队是增强V2X服务的六个主要用例组之一，包括与安全相关的（例如车辆编队）和与安全无关的V2X服务（也称为“舒适服务”）[8]。预计车辆编队将通过将车辆紧密聚集在一起来提高燃油效率[9-11]和减少交通拥堵[12-14]，从而减少车队成员的空气阻力。实验分析表明，通过保持10米的车辆间距，一个公共汽车在跟随另一个公共汽车时，能够在80公里/小时的速度下减少40%的空气动力学阻力[2,15]。因此，可以合理地得出结论，汽车制造商、芯片组和通信系统提供商、移动运营商和基础设施供应商正在积极寻求未来移动和交通服务的解决方案。在这种背景下，车队系统代表了一种相对简单的部署方法，以实现燃油效率高的解决方案。除了与安全相关的优势外，车队系统很可能减少道路拥堵。19901991199219931994199519961997199819992000200120022003200420052006200720082009201020112012201320142015201620172018201920204775131581991416261520292021333627304158606798107154182281 27713231365810267999131314202720467682155 15023117230IEEEXplore图书馆ScienceDirect图书馆0图1.1 - 在IEEEXplore数字图书馆和ScienceDirect图书馆中引用“车辆编队”的次数。0通过管理和提高燃油效率，使旅行更快、更高效[9]，车队系统能够减少高达10%的燃油消耗[17,18]，具体取决于一系列因素，如时间间隔、设定速度和车队的大小等。它的大部分收益与减少整体空气阻力和协调车队成员的加速和减速有关。特别是，车队系统的上述优势是由于两个因素的可行性。首先，由于快速和持续改进的决策计算机系统和车载传感器（如雷达、摄像头、激光雷达和GPS装置）的快速和持续改进，自动化水平不断提高，这些传感器负责监测环境并采取智能行动。其次，要实现如此高水平的自动化，需要前所未有的合作和协调，这是不可能没有车辆通信系统的。事实上，无线通信技术负责解决视距问题，这是传感器系统的最大限制。因此，车队系统的优势是巨大的，下面简要介绍。
我的内容管理
收起
我的收益 登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏 
我的下载 
下载帮助 
