随着信息技术的不断发展，信息服务的空间范畴不断扩大，各种天基、空基、海基、地基网络服务不断涌现，对多维综合信息资源的需求也逐步提升。空天地一体化网络可以为陆海空天用户提供无缝信息服务，满足未来网络对全时全域全空通信和网络互联互通的需求。首先，对空天地一体化网络技术及协议体系的发展趋势进行了分析，探讨了低轨卫星通信系统以及空地网络融合的研究进展。针对网络结构复杂、动态性高、资源高度约束等问题，提出了基于强化学习（RL,reinforcement learning）的空天地一体化网络设计与优化框架，以进行高效快速的网络设计、分析、优化与管控。同时给出了实例分析，阐明了利用深度强化学习（DRL,deep RL）进行空天地一体化网络智能接入选择的方法。并通过搭建空天地一体化网络仿真平台，解决了网络观测稀疏与训练数据难以获取的问题，极大地提升了RL的训练效率。最后，对空天地一体化网络中的潜在研究方向进行了探讨。

射频识别（RFID,radio frequency identification）技术自被提出以来，因其便捷高效的独特优势逐渐被广泛应用于交通、物流、工业和商业等领域。RFID标签作为存储可识别数据的载体，在RFID系统中具有至关重要的作用，越来越多的功能与模块被嵌入RFID标签，并发展成为不同应用领域的智能标签。近年来，随着物联网和各种新型反向散射技术的发展，无线无源智能标签逐渐兴起。无线无源智能标签应用无源反向散射技术，借助射频信号获取能量并传输信息。从RFID技术入手，简要介绍了RFID的发展历史和传统智能标签，比较了传统智能标签和无线无源智能标签的区别，总结了无线无源智能标签的优点，列举了其在不同领域的具体应用，并分析了当前面临的挑战性问题。

针对列车通信网络制式单一、地理环境差、数据安全可靠传输难以得到保证的现状，调研铁路系统各业务的通信需求，提出一种基于软件定义网络（SDN,software defined network）和网络功能虚拟化（NFV,network functions virtualization）的铁路系统空天地融合网络体系架构。通过集中控制器管理底层铁路系统的物理设施，实现应用程序与物理基础设施的解耦，讨论了体系架构的设计细节，并对架构的协议需求、功能需求以及信息流等展开综述，给出空天地融合网络与其他单一制式网络覆盖的性能对比分析，并简要讨论了目前待解决的问题及解决方向。

物联网时代需要实现海量的节点覆盖和连接，对于一些偏远地区，物联网通信技术存在无法及时采集数据的问题。而无人机具有灵活性和机动性等特点，因此，可用于物联网中的无线传感器网络的数据采集。所提方案着重对无人机辅助传感器网络数据采集时的路径规划问题进行了研究，同时满足无人机自身因电池容量有限而产生的充电需求。具体地，利用时间抽象分层强化学习思想，基于离散动作深度强化学习架构，提出了一种新颖的option-DQN（option-deep Q-learning）算法，实现了高效的无人机数据采集和路径规划，同时控制无人机及时进行充电，保证其正常飞行。仿真结果表明，相比于传统DQN（deep Q-learning）算法，所提算法在训练时的周期奖励上升速度更快，最终达到的周期奖励水平更高，并且无人机在执行任务时的轨迹更清晰、合理，所提算法可以判断无人机何时应进行充电，从而保证无人机的电量始终充足。

基于铁路物联网场景分析了无线射频能量站（PB,power beacon）辅助的中继网络在莱斯衰落信道下采用半双工解码转发中继模式的系统中断性能。针对铁路场景中的设备供能问题，如电池更换困难、管理开销大、布线困难等，将无线能量收集应用于铁路场景，为能量受限的无线设备提供充足且稳定的能量，从而解决传统铁路中的设备供能问题。考虑网络中的源节点和中继节点均为能量受限节点，传输信息的能量都来自在列车上部署的PB 发射的无线射频信号。源节点和中继节点先进行能量收集，利用收集的能量，源节点向中继节点发送信息，然后中继节点将接收的信息转发给目的节点。分析推导出了该网络端到端中断概率及吞吐量的闭合表达式。通过蒙特卡洛仿真验证了理论分析的正确性，并研究了PB发射功率与噪声的比值、莱斯因子K、时间分割因子、传输速率以及相对位置等因素对端到端中断概率和吞吐量的影响。当列车处于源节点和中继节点的中点位置时，系统可获得较优的中断和吞吐量性能。

二次雷达和广播式自动相关监视（ADS-B,automatic dependent surveillance-broadcast）是在空域监视系统中共存的两种主要监视手段，为了提高监视的精度和稳定性，实现二次雷达和 ADS-B 航迹实时融合至关重要。针对现有方法难以满足大规模航迹的实时融合需求，设计了一种使用大数据技术的二次雷达与 ADS-B 数据流实时融合的方法。该方法基于微批处理的大数据处理框架，遵循MapReduce编程模型，在得到较高质量融合航迹的同时，保障了系统数据处理的高并发能力与实时性。最后，基于真实航班数据开展了航迹实时融合仿真实验，验证了方法的可行性。

自动驾驶车辆是智能交通系统的重要组成部分，自动驾驶应用需要在采集大量交通数据的基础上，实施信息处理与控制决策。由于交通信息的时空属性，即信息只在某一时间段内或某一区域内有效，独立车辆有限的信息感知范围严重制约了自动驾驶应用数据采集的有效性。车联多智能体协同决策为上述问题提供了可行的解决思路，提出了一种多维度感知信息融合机制，提升车载信息融合对自动驾驶任务的增益。在此基础上，设计了面向自动驾驶应用的智能分布式的决策算法，在最大化信息融合对自动驾驶任务增益的同时，最大化路网交通车流量，并满足自动驾驶车辆的成本和资源约束。仿真结果验证了所提算法的收敛性和实用性。

面对港航信息化发展的需求，物联网技术助力我国水运交通感知网络的建设。水运交通大数据分析已成为交通领域研究者和实践者关注的热点。在水运交通中，各港口的通航密度具有非线性、时空相关性和异质性，对其进行精准预测将面临巨大的挑战。提出一种基于多特征时空图卷积网络（MFSTGCN,multi-feature spatio-temporal graph convolution network）的预测方法，解决了水运交通中通航密度的预测问题。MFSTGCN方法从通航量、船舶平均航速和船舶密度3个特征出发，利用空间维图卷积和时间维卷积操作有效捕获通航密度的时空相关性。在某航运平台采集的长江港口船舶自动识别系统（AIS,automatic identification system）数据集上进行实验，结果表明，MFSTGCN 方法的预测效果优于时空图卷积网络（STGCN,spatio-temporal graph convolution network）方法的预测效果。

应急物流是在发生重大突发事件时保障人员、物资和资金需求的一项特殊物流活动。在应急物资邮政运输模型中，如何快速准确地将应急物资运送至需求点是应急物流面临的巨大挑战。双层规划方法可以在满足需求点对应急物资需求的情况下，使整个物流过程中的物流成本最低，物流时间也最短。构建了一个以上层物流成本最低、下层物流时间最短为目标的双层规划模型，并设计了一种混合禁忌搜索遗传算法（HTSGA,hybrid tabu search genetic algorithm）求解模型，解决了灾后应急物流的运输路径优化问题。最后，实验结果对比验证了所提模型和算法的有效性。

随着全球汽车产业智能化和网联化的爆发式发展，作为车联网重要支撑的通信技术面临着频谱资源紧缺的难题。除了提供安全服务以外，车联网服务需求的多样性使得引入认知无线电技术成为有效的解决途径，可以实现与授权用户共享sub-6 GHz和毫米波的异质频谱资源，但车联网复杂动态变化环境的影响使得频谱利用率性能的提升受限。提出了充分利用潜在的多源动态时空数据挖掘和学习车辆轨迹、交通流的变化规律的方法，并利用其规律指导频谱的感知和共享。通过搭建系统级仿真平台进行仿真分析，结果表明所提方案的频谱效率得到有效提升。

针对铁路沿线存在人员攀爬栅栏网这一问题，将分布式光纤传感技术和信号分析技术相结合，提出了一种基于分布式光纤振动传感器的铁路安全监测算法。通过沿铁路周界栅栏网敷设的光缆感知并传导信号，搭建铁路与监测算法的物联网连接，实现对攀爬行为的智能化监测。针对铁路周围环境较复杂、干扰较多的情况，采用海明窗分帧加小波阈值去噪的方法对每帧信号进行滤波，提高了振动信号的信噪比。在特征选择上，从时域和频域上分别提取信号的功率和短时过电平率作为联合特征，对是否存在攀爬行为进行判别。因为攀爬行为具有空间上的连续性，在监测过程中设置最小报警范围滤除范围过小的报警，提高了监测系统的准确性。

针对未来长输油气管道智能化建设的需要，结合油气管道数据采集与监视控制（SCADA,supervisory control and data acquisition）系统及运行参数，对比传统理论方法和大数据挖掘方法的特点，提出了大数据推动管道智能化的研究方向以及管道智能化研究的数字信息化、理论化和智能化3个步骤，建立了管道智能化架构，包括物理层、数据层、数据挖掘层、应用层和用户层共5个层次，并确定以数据挖掘层为架构核心。统计分析、时序性预测和工况识别等应用案例表明，利用大数据挖掘可有效解决实际生产的业务需求，指导未来管道智能化的研究与建设。

在智能交通系统中，针对车辆目标检测算法可移植性不高、检测速度较慢等问题，提出了一种基于SqueezeNet卷积神经网络的车辆检测方法。通过融合SqueezeNet与SSD（single shot multibox detector）算法的车辆检测方法，在UA-DETRAC数据集上进行训练，实现了车辆目标的快速检测，提升了模型的可移植性，缩短了单帧检测时间。实验结果表明，所提模型在保证准确率的同时，模型单帧检测时间可达22.3 ms，模型大小为16.8 MB，相较于原SSD算法，模型大小减少了约8/9。