5G+MEC承载车联网业务传输性能测试与验证

车联网产业正在快速发展,车路协同应用会在交通安全、效率和便利性等方面对日常交通出行产生积极的作用。5G作为LTE-V2X的重要补充,用于连续覆盖补盲、业务融合使能、兼容多种车载终端,在未来较长时间内,5G与LTEV2X将共同承载车联网业务。鉴于此,文中进行了5G承载车联网业务的性能测试与验证,在测试中模拟车联网应用的业务模式,通过5G网络传输并在MEC进行结果统计。重点关注单向时延、抖动、丢包率等网络指标,探索5G承载车联网业务的最佳模式。

面对5G的车联网仿真平台设计与实现

近年来,V2X处于快速发展阶段,亟需大量的实验验证。为了提高实验效率并节约实验成本,设计并实现相应的V2X通信仿真平台至关重要。因此,设计并实现了面向5G的V2X仿真平台,平台支持利用系统级仿真与射线追踪进行通信性能仿真,分别满足实时性与准确性的要求。平台主要针对V2X通信系统进行仿真,得到其在不同无线环境下的通信性能,并记录相关指标以进行性能分析。

基于5G+C-V2X的车联网解决方案及验证

我国车联网产业在国家政策的推动下蓬勃发展,但受部署成本、商业模式以及跨行业协同等限制,其在规模化部署、商用路径上仍存在一定的难点。针对上述问题,结合运营商5G+MEC网络优势,提出了通过5G网络承载车联网的技术方案并实地部署验证,并对5G网络能力、C-V2X网络覆盖及在5G承载下的车联网业务进行联合测试,测试结果表明目前5G+C-V2X方案在性能上完全可以承载车联网业务。

智慧交通展望及解决方案研究

目前我国部分城市交通矛盾凸显,存在交通资源分布不均、预警报警不及时、救援能力不足等问题。针对上述问题,提出智慧交通解决方案的展望,包括建设交通信息平台实现信息共享协同,增设传感装置增强感应和应急处理能力以及车联网,并且结合行业需求,提出运营商参与智慧交通的切入点和参与方式。

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.

基于MEC的车联网技术研究及应用

5G无线通信网络的大规模落地建设,促进C-V2X的应用场景向着更加多样化的方向发展。以高清视频、AR/VR为代表的大带宽业务给竖井式网络架构带来极大的传输和处理压力,同时以超高可靠低时延为特征的交通安全类业务对网络性能提出了严苛的要求。转发面功能下沉和MEC(multiple access edge computing)服务本地化处理,可在车联网场景中实现数据的短回路传输,降低了端到端时延,从而满足车联网的业务需求。深入探索MEC与车联网场景的深度融合,详细分析了MEC的网络架构、车联网场景中MEC的部署以及MEC在应用中的关键技术和挑战,并给出MEC与C-V2X(cellular-vehicle to everything)融合的网络规划,最后结合具体的应用案例分析MEC在车联网场景中的应用。

基于LTE-V2X的大规模通信场景网络层性能测试与分析

随着车联网的大规模部署和商业化在即,LTE-V2X在实际场景中的通信性能将会直接影响到车联网产业发展以及交通安全。目前车联网通信性能测试主要是以小规模部署的通信环境为主,缺少在实际环境中对LTE-V2X通信系统的大规模流量的压力测试。基于“新四跨”标准环境,通过模拟车辆密集交通场景,对LTE-V2X终端网络层性能指标进行测量,验证其在负载压力下的通信性能,为LTE-V2X技术商用提供了可靠的试验数据。

医疗卫生行业ICT需求跟踪与分析

医疗卫生行业是保障民生的重要一环。我国医疗卫生服务发展迅速,规模不断扩大,但是依然面临着资源不足,地区间不平衡,信息化程度有待提高等问题。在老龄化趋势下,医疗资源的需求将会持续增长。当前,ICT技术与医疗行业的结合愈发紧密,有助于提升医疗水平,均衡医疗资源,为医疗科技发展提供助力。针对医疗卫生行业情况,结合当前医疗热点领域,给出了典型应用的ICT需求分析,并展望了未来的发展方向。

车路协同场景的新型指纹定位算法

目前基于基站、卫星等诸多定位方案,在自动驾驶业务的车路协同场景中常会遇到定位精度、定位处理时延、部署成本等诸多方面的挑战。针对传统指纹定位技术直接应用于车路协同场景中遇到的签名参数不足和道路栅格化问题,提出一种基于路侧设备(RSU)的车路协同场景的新型指纹定位算法。该方法建立了适用于车路协同场景的极坐标指纹库,利用矩阵束测得车辆到达角(AOA)作为签名参数,并利用子指纹库叠加的方法提高了该方案的定位精度和切换效率。仿真结果表明,该算法的定位精度达到50 m内概率为81.2%,符合车联网中非实时性业务的定位需求,为目前的车路协同场景提供了一种有效的定位手段。