时间：2023年3月24日(本周五) 09: 30
地点：望江校区基础教学楼B座318实验室
分享者：王国强、李山龙
Part1
分享者：王国强
分享内容：
[1] C. Chen, C. Li, J. Chen and C. Wang, "VFDP: Visual Analysis of Flight Delay and Propagation on a Geographical Map," in IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 4, pp. 3510-3521, April 2022, doi: 10.1109/TITS.2020.3037191.
[2]Y. Hou et al., "Visual Evaluation for Autonomous Driving," in IEEE Transactions on Visualization and Computer Graphics, vol. 28, no. 1, pp. 1030-1039, Jan. 2022, doi: 10.1109/TVCG.2021.3114777.
论文简介
[1] 航班延误事件取决于多个变量，因此分析航班延误的传播具有挑战性。本文设计了一个用于航班延误传播的可视化分析系统。与传统的航班延误研究不同，这项工作侧重于一个地区的航班延误传播趋势，以及多个机场之间的延误关系。首先，我们构建贝叶斯网络来分析延迟参数并选择延迟因子进行可视化。其次，系统采用一系列可视化方法来呈现航班延误的传播，包括密度和流量可视化。第三，该系统结合了多个可用的视觉表示形式，用于从不同方面分析航班延误。我们在不同的案例中使用真实数据进行了演示，并通过用户调研评估我们的视觉设计，结果表明该系统对确认延误情况，并对延误传播进行分析具有较高的有用性。
[2] 自动驾驶技术的复杂性使得评估自动驾驶系统的性能具有挑战性。当前评估此类系统的方法很大程度上使用单个评分来表示系统的整体性能，但是领域专家难以理解自动驾驶系统中的各个组件或算法与评分的具体关系。为了解决这个问题，我们提出了一种自动驾驶的可视化评估方法。该方法考虑了在自动驾驶整个过程中在所有组件生成的数据，包括感知结果，规划路线，障碍物的预测，各种控制参数以及舒适度的评估。我们开发了可视化分析工作流程，集成了具有可调参数的评估数学模型，支持从整体性能水平到各个组件的详细度量水平的系统化评估，并显示评估得分及其贡献因素。该视觉评估系统可以应用于自动驾驶模拟系统，并用于各种评估案例。在某些仿真案例中，证实了我们的方法能够帮助人们深入了解自动驾驶系统的性能。
Part2
分享者：李山龙
分享内容：
[1] Ao Liu; Liang Geng; Yu An; Haipeng Wang; Hao Liu. Unmanned Swarm System Situation Awareness Based on Dynamic Bayesian Network.2022 IEEE International Conference on Unmanned Systems (ICUS)
[2] Xijun Gao; Hongxia Jia; Zili Chen; Guogang Yuan; Sen Yang.UAV security situation awareness method based on semantic analysis. 2020 IEEE International Conference on Power, Intelligent Computing and Systems (ICPICS)
论文简介
[1] 在多维复杂的战场环境中，无人机群系统可以通过态势感知来确定周围目标的威胁程度，辅助作战人员进行决策。本文通过分析无人机群系统不同行为状态造成的威胁情况，计算不同行为意图的时变概率，构建了一个基于动态贝叶斯网络的无人机群系统态势感知模型。该模型的优点是综合考虑了无人机群系统时间维度的变化和多个状态因子的概率特征。实验仿真验证了该模型的有效性，表明该模型具有较强的应用价值。
[2] 战场无人机通常会受到复杂、不定时的和隐蔽的电磁干扰，因此很容易脱离地面指控。针对这一问题，本文提出了一种基于语义分析的无人机电磁干扰安全态势感知方法。语义分析的数据源是基于无人机在电磁干扰过程中状态参数的细微变化而收集的。异常行为检测是通过跟踪比较的方法来实现的。随后，采用模糊逻辑推理实现了对链路干扰和入侵情况的语义分析。最后，对链路干扰情况进行了语义评估。仿真结果表明，该方法可以根据有限的异构状态参数实现对安全态势的评估，从而提高战场无人机的主动防御能力。
