车联网产业进展及关键技术分析

车联网正在从以车载信息服务为主向以支持辅助驾驶、自动驾驶和智慧交通的应用发展,车联网的通信也从车到网络(V2N)向车到车(V2V)、车到基础设施(V2I)、车到行人(V2P)扩展。介绍了车联网的产业及标准进展,分析了车联网典型场景及应用需求和关键技术。     

车联网中的协同通信平均传输时间计算

车联网(Internet of Vehicles,Io V)是智能交通和通信领域的热点课题,协同通信算法的研究是Io V通信的重要技术之一。针对Io V环境下因通信拓扑结构快速变化导致数据信号利用单一通信方式难以高效传输的问题,提出Io V环境下协同通信算法,利用车对车(Vehicle-to-Vehicle,V2V)和车对路(Vehicle-to-Infrastructure,V2I)协同通信方法,对目标数据从请求到完成的平均传输时间进行了理论分析和推导。仿真结果表明,该算法的传输效率比基于移动边缘计算(Mobile Edge Computing,MEC)车联网协作传输算法提升40%,比基于分簇V2X车载广播传输算法提升25%;该算法的平均传输时间随着路侧单元(Road Side Unit,RSU)缓存概率从0.5增加至1可提高9%,随着车辆缓存概率从0.5增加至1可提高46%。     

LTE-V车联网即将“开花结果”中国企业积极参与

在近日举办的北京通信展上,车联网依然成为热点展示内容.尽管“开到”通信展展厅的车没有往届多,但产业已经看到车联网爆发的节点:3GPP即将冻结V2V核心标准,国内首个无人驾驶的技术路线图即将公布,LTE-V车联网技术后来居上. LTE-V是主动安全利器 LTE-V技术被认为是实现车联网的重要基石,受到智能交通ITS领域人士看重.     

基于“端—管—云”体系的车载自组织网络关键技术

随着道路拥堵等交通问题的日益严峻,智能交通系统成为解决当前交通问题的有效途径.车载自组织网络及车辆作为智能交通的重要组成部分也成为了当前的研究热点.首先介绍了车联网在国内外的发展历史和现状,然后分别从端系统、管系统、云系统3个方面对车联网进行了分析研究,着重介绍了管系统中的V2V (vehicle to vehicle)和V2R (vehicle to roadside)两种通信技术.此外,对于面向车联网的交通云和大数据技术进行了概括介绍.最后,探讨了车载自组织网络的应用场景和未来发展趋势.     

基于车路协同的车联网体系架构及关键技术分析

梳理车联网的发展,单车智能的不足映衬出车路协同的必然性。比较国内外车联网发展的两条技术路线:DSRC(专用短程通信)与C-V2X(蜂窝车联网),得出C-V2X更具有优势。剖析基于车路协同的C-V2X的"端边云用"四层架构,分析每层的构成及功能。归纳基于车路协同的车联网的关键技术,包括交通状况的全面感知、亚米级甚至厘米级的高精度定位、高精度地图的生成与更新、人车交互、交通信号优化等。     

基于GRU和LSTM组合模型的车联网信道分配方法

针对车联网中高通信需求和高移动性造成的车对车链路(Vehicle to Vehicle, V2V)间的信道冲突及网络效用低下的问题,提出了一种基于并联门控循环单元(Gated Recurrent Unit, GRU)和长短期记忆网络(Long Short-Term Memory, LSTM)的组合模型的车联网信道分配算法。算法以降低V2V链路信道碰撞率和空闲率为目标,将信道分配问题建模为分布式深度强化学习问题,使每条V2V链路作为单个智能体,并通过最大化每回合平均奖励的方式进行集中训练、分布式执行。在训练过程中借助GRU训练周期短和LSTM拟合精度高的组合优势去拟合深度双重Q学习中Q函数,使V2V链路能快速地学习优化信道分配策略,合理地复用车对基础设施(Vehicle to Infrastructure, V2I)链路的信道资源,实现网络效用最大化。仿真结果表明,与单纯使用GRU或者LSTM网络模型的分配算法相比,该算法在收敛速度方面加快了5个训练回合,V2V链路间的信道碰撞率和空闲率降低了约27%,平均成功率提升了约10%。     

构建车联网网络安全监测体系 应对未来风险挑战

<正>车联网依托新一代信息通信技术，实现车与人、车与车、车与路、车与服务平台的全方位网络连接，构建汽车生活新型业务生态，为用户提供安全、智能、舒适、节能、高效的综合服务。然而目前车联网网络安全能力普遍不足，且随着车联网渗透率的提升，车联网网络安全事件的影响范围也将逐步扩大。车联网是多主体通信架构、多种类新技术的跨领域融合应用，这使其在智能网联汽车安全、通信安全、平台安全、     

面向C-V2I的基于边缘计算的智能信道估计

车联网对于超高可靠与低时延通信(Ultra-Reliable and Low Latency Communications,URLLC)具有严格的要求,特别对于车到基础设施(Vehicle to Infrastructure,V2I)场景,URLLC对传输管理交通状况至关重要.3GPP Cel-lular-V2X(C-V2X)作为现在支撑车联网URLLC主流的无线技术,仍存在技术挑战.为进一步提升通信性能,本文在V2I场景下,基于车载终端、路侧单元(Road Side Unit,RSU)与边缘计算车联网服务器(Internet of Vehicles Server,IoV Server)的交互,设计了一种基于C-V2I规范的智能信道估计框架.在IoV Server中,本文提出了一种基于深度学习的信道估计算法,该算法利用一维卷积神经网络(One Dimensional Convolution Neural Network,1D CNN)完成频域插值和条件循环单元(Conditional Recurrent Unit,CRU)进行时域状态预测,通过引入额外的速度编码矢量和多径编码矢量跟踪环境的变化,对不同移动环境下的信道数据进行精确训练.最后通过系统仿真与分析表明,所提算法能够通过信道参数编码追踪不同高速移动环境下的信道变化,实现对信道数据的精确训练.与车联网代表性信道估计算法相比,所提算法提升了信道估计精度,降低了误码率和增强了鲁棒性.     

车联网信道特性综述

信道建模是设计无线通信系统的基础,为设计智慧交通系统,必须对车联网(vehicle to everything, V2X)信道进行深入研究. 文中首先总结了V2X标准化信道的特点,讨论了天线设置、非平稳特性以及毫米波对V2X信道的影响;然后对车与车(vehicle to vehicle, V2V)信道参数进行了描述,并分析了V2V信道三种建模方式的优缺点;最后提出将来需要做的工作.     

蜂窝车联网（C-V2X）及其赋能智能网联汽车发展的辩思与建议

首先简要回顾了我国企业主导的蜂窝车联网（cellular vehicle-to-everything,C-V2X）国际标准,该标准解决了车车间及车路间的低时延和高可靠通信难题,兼具技术和产业优势,在全球产业竞争中已形成领先优势。在澄清车联网的相关概念、5G与C-V2X、车联网与车路协同、车联网与无人驾驶、单车智能与网联智能等相互关系的同时,阐述了本文的观点。进而,为抓住全球汽车产业革命和我国交通产业变革的重大战略机遇期,提出了我国基于5G+C-V2X的“聪明的车+智慧的路+协同的云”的车路云协同创新发展模式,实现智能网联汽车从智能网联辅助驾驶到智能网联无人驾驶及与智能交通融为一体的发展路径。最后,分析了相关产业进展情况与存在的问题,并提出相应的政策建议。     

三维非平稳V2V 信道建模及统计特性研究

针对车-车(Vehicle-to-Vehicle, V2V)通信场景复杂多样且无线信号呈现三维传播的特点,提出了一种双簇散射体架构的三维非平稳随机几何信道模型(Geometry-Based Stochastic Model, GBSM)。该模型考虑了直射路径、单跳路径、多跳路径和虚拟等效链路,可适用于车联网通信环境各种信号传播场景。在此基础上,针对该模型理论推导了三维场景下信道的统计特性,包括归一化空时相关性、多普勒功率谱(DPSD)、电平通过率(LCR)和平均衰落持续时间(AFD)的理论表达式。仿真结果表明,推导的理论结果和数值仿真及实测结果都比较吻合,从而验证了理论推导的正确性及信道模型的有效性。该模型可用于车联网通信场景下无线通信系统的方案设计和性能分析。     

《2014上海车联网产业发展研究报告》序

车联网是通过利用装载车辆上有感知能力的电子设备进行数据采集,以信息通信技术为手段,实现车与车、车与人、车与路互联互通;通过智能处理技术对采集的数据进行有效利用,对车辆提供导航、救援、管控等综合性服务。车联网产业的发展,不仅能够推动汽车产业的优化升级和智能化发展,也会为芯片、智能软件、通信网络、信息服务等领域的产业发展创造新的市场空间。目前,车联网已成为汽车市场增长的引擎,是当今汽车工业的发展方向。2014年CES展上车联网成为     

V2X车联网及其关键技术

随着我国汽车保有量的快速增加,道路交通安全问题日益突出。V2X车联网作为一种解决道路安全问题的新手段逐渐引起人们的重视。本文首先对国内外V2X车联网的研究状况进行了总结,然后对V2X车联网的关键技术进行了介绍和分析,给出了V2X车联网支持的典型道路安全应用场景,最后对V2X车联网的发展趋势进行总结。     

蜂窝车联网中基于服务异构性的V2V通信资源分配算法研究

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足车辆网络服务的异构性的需求。基于此,该文提出一种基于超图理论和遗传算法的资源分配算法。仿真结果表明,该算法在保证V2V通信可靠性的前提下,提高了V2I的信道容量。     

蜂窝车联网(C-V2X)技术发展、应用及展望

车联网作为产业变革创新的重要催化剂,正推动着交通管理模式、汽车产业形态、人们出行方式和能源消费结构的深刻变化。首先分析了智慧交通和智能驾驶等对车联网通信在通信速率、时延和可靠性等方面的需求与挑战,进而介绍了蜂窝车联网(cellular vehicle-to-everything,C-V2X)中LTE-V2X和NR-V2X的关键技术及其国际标准演进,并指出C-V2X在全球竞争中已形成超越态势。在此基础上,分析了应用C-V2X的车车协同和车路协同在智慧交通和智能驾驶中的应用优势。最后介绍了C-V2X在我国的示范应用情况和发展展望,指出中国发展智慧交通和智能网联汽车之路:将积极推进“5G+C-V2X”新型基础设施建设,探索基于车联网的“聪明的车、智慧的路、协同的云”发展模式,进而支撑我国达成“碳达峰”与“碳中和”战略目标。     

一种面向车联网网络切片的资源分配方案

为了满足车联网中不同类型的应用对服务质量的不同需求，提出了一种基于深度强化学习的车联网资源分配方案。根据车联网服务对时延和数据传输速率的要求，把车联网服务分成两种切片方式。切片1是要求低时延的V2V链路的服务；切片2是要求高数据传输速率的V2I链路的服务。通过设计动作空间、状态空间、奖励函数，训练出一个可以在车联网动态环境下实时调整，给出当下最优资源分配策略的网络，使得设计出的网络能够在保证切片1时延约束的前提下提高切片2的数据传输速率，以解决基于V2V通信和V2I通信的车联网资源分配问题。     

感知-通信-计算融合的智能车联网挑战与趋势

针对单车感知无法满足未来自动驾驶安全需求的现状,面向多车传感器信息融合与时效性共享问题,提出了基于感知-通信-计算融合的智能车联网方法与解决思路。该方法有助于提高自动驾驶车辆的协同环境感知能力,并通过移动边缘计算(MEC)技术降低车间感知信息传输负载,提高多车协同的信息融合与处理效率,最终实现基于多车智能协同的安全自动驾驶。     

由国外DSRC标准看国内发展状况

车联网按照规定的数据交互标准和通信协议,实现V2X的数据交互和共享.专用短程通信是一种高效的无线通信技术,它可以实现小范围内数据的实时、准确和可靠的双向传输,将车辆和道路有机地连接.本文介绍了美、欧、日的车载通信标准的发展状况,并进行对比分析,然后从美、欧、日的标准谈国内车联网系统、标准制定以及车联网标准体系的建立,并深入研究分析DSRC的特点,为我国制定车联网系统以及车载通信标准发展战略提供参考依据;最后,展望了车联网行业的发展前景.     

迫零混合预编码车联网系统遍历能效研究

车联网作为未来智能交通系统的重要组成部分，在城乡道路部署大量具有通信特性的基础设施，包括5G基站、传感器、路边单元等。为创造绿色可持续发展的未来，减少车联网通信开销，制定能效更高的基础设施部署方案是重要手段之一。目前相关研究关注系统瞬时能效，而瞬时能效无法处理信道状态信息的随机性，不能给出对于车联网基础设施部署的全面考量。针对该问题，考虑采用迫零混合预编码结构的收发机结构，对基于毫米波大规模MIMO技术的车联网遍历能效展开研究。首先研究了异构基站下V2X通信信道模型、收发机架构，建立一般性的车联网系统模型。其次在考虑车辆接入不同基站的情况下计算能量效率，通过离散化推导出一种异构系统遍历能效计算公式。最后进行了遍历能效研究的仿真分析。结果表明遍历能效研究可以提供更高能效的基站部署，有效减少了通信能耗。     

车联网行业正“开花结果”LTE-V解决方案大步前行

随着交通拥堵问题日益突出,作为物联网重要分支之一的车联网越来越引起社会各界的关注.其中,LTE-V是我国主导的基于LTE蜂窝网络的车对外界信息交互(V2X)技术,是现有蜂窝网络技术的延伸. 主动安全是LTE-V的核心.利用移动宽带网络,LTE-V实现了车与车、车与路、车与人的完美协同,还可实现智能交通管控,使整个城市的交通效率和资源分配变得更为合理和高效.