CACC系统风险模型

同步增强

一种基于Petri网和分布式边缘智能的建模与风险分析方法，能够显著减少信号累积并提升CACC系统的同步性。

于王扬 · Yumeng, Cheng · 方贤文 · Zhai, Xiaojun · Yinglong, Wang · Jing, Hongyuan

IEEE Internet of Things Journal 2025

技术优势

通信开销更低

通过分布式边缘智能在网联车和边缘节点本地处理数据，免去将所有原始数据上传云端的需求。

信号累积更少

基于Petri网同步设计抑制信号累积，使系统各单元协作动作更紧凑，降低时延和抖动。

风险可在设计阶段预判

从Petri网同步的视角提出风险缓解策略，在系统实现前识别并规避潜在故障路径。

应用场景

• 车联网安全：在车辆协同控制中提前发现同步失效路径，从设计上降低碰撞风险。
• 边缘智能系统：将机器学习推理下沉到边缘节点，避免云端瓶颈并保护行车数据隐私。
• 智能交通系统：为CACC编队提供可验证的同步模型，支持交通流稳定性设计与部署。