基于蜂窝网络的车联网通信

车联网是物联网技术的重要应用,也是汽车技术发展的重要方向之一,基于蜂窝网络的车联网技术成为实现智能网联汽车的重要途径。本文介绍了车联网的定义,分析了车联网通信的必要性以及主要应用场景,通过对现有车联网通信技术进行比较,分析基于蜂窝网络的车联网通信的优势,最后提出5G车联网的通信场景及需求,并对基于蜂窝网络的车联网技术进行展望。

蜂窝车联网侧行链路信道测量与分析

蜂窝车联网侧行链路接口(PC5)采用终端到终端直接通信的形式,因其通信延迟低、传输容量大和传输可靠性高的特点而具备广阔的科研和工程前景。为了实测蜂窝车联网侧行链路信道特性,使用具有PC5接口的车载板卡在城市道路进行了通信测量工作,并依据测量结果从信道特征对PC5接口信道进行了分析。分析了通信收包时延随距离和信噪比变化的特征,将实测参考信号接收功率值与自由空间和双射线两种路径损耗经验模型及对数距离和双斜率两种路径损耗拟合模型的预测值进行了对比,并引入了四种相关性分析算法,从数值偏移量、线性相关程度和几何形态相似度等角度分析了模型预测值与实测数据的关联性,最终验证了双斜率路径损耗模型最适合表征PC5接口通信信道在城市环境下的衰落特征,基于该模型测算得到的路径损耗指数和阴影衰落方差也进一步说明此模型能够更好地结合实验环境表征信道特性。

利用社会网络分析法优化车联网安全信息传播

本研究探讨了利用社会网络分析法优化车联网(VANETs)中安全信息传播的方法。研究首先通过数据挖掘技术分析车辆用户的社会特征,进而建立一个结合这些社会特征的车辆移动模型。基于此模型,开发了一种新的安全信息传播机制,该机制考虑了车辆密度和分布的挑战。通过仿真测试,评估了该模型和机制在提高信息传播效率和准确性方面的表现。结果表明,该方法能有效优化VANETs中的安全信息传播,为车联网的安全管理提供了新的策略。

基于Q学习的蜂窝车联网边缘计算系统PC-5/Uu接口联合卸载策略

智能驾驶等智能交通服务对时延要求高,在车辆本身算力不足的情况下,车辆需要周围车辆和路旁边缘计算单元帮助其一起完成任务的计算处理.本文在既有车联网边缘计算卸载策略基础上,考虑了蜂窝车联网系统5G-NR接口与PC-5接口链路的特征差异,提出了一种基于Q学习的PC-5/Uu接口联合边缘计算卸载策略.在对蜂窝车联网PC-5链路传输成功率进行建模的基础上,推导了PC-5链路的传输速率表征方法.以最小化蜂窝车联网任务处理时延为目标,以任务车辆发射功率与边缘计算车辆的计算能量损耗为约束,构建了系统时延最小化的有约束马尔科夫决策过程.通过拉格朗日方法,将有约束马尔科夫决策过程问题转化为一个等价的极小极大的无约束马尔科夫决策过程,引入Q学习设计卸载策略,进而提出基于Q学习的蜂窝车联网边缘计算系统卸载策略.仿真结果表明,与其他基线方案相比,本文提出的算法可以降低系统时延27.3%以上.

基于车联网的VOC及二氧化碳监测网络的设计与实现

本论文旨在设计和实现基于车联网的VOC(挥发性有机化合物)和二氧化碳监测网络。基于车联网的VOC及二氧化碳检测网络以STM32为控制核心,实时监测车辆周围的VOC含量和二氧化碳排放量,通过智能显示和警报预警系统,提醒乘员车外空气质量状况。该项目以车联网为基础,将监测设备安装在车辆上,车辆在行驶过程中可以覆盖更广泛的监测地区,避免了传统监测仪器只能监测一块局限区域的问题。在数据处理和存储模块方面,提出了一种基于云计算的数据处理和存储方案,能够实现大规模数据的处理和存储。该设计对于环境监测和安全方面的决策制定非常有价值,可以帮助相关部门及时采取措施,保护环境和人民的健康。

基于命名数据网络的车联网信息转发策略

针对在车联网中由于节点高移动性导致的网络拓扑动态变化问题和传统网络潜在的广播风暴问题,提出一种基于网络拓扑预测的车联网信息转发策略。首先根据车联网中节点性能、车辆运行状态属性、运动轨迹、链路属性等,采用动态网络拓扑演化算法进行拓扑预测,构建当前网络拓扑;再使用最短路径算法构建多源信息转发表,根据信息转发表进行信息转发;最后在转发表失效的情况下,根据节点和链路属性选择最佳邻居节点转发数据,同时,进一步完善基于拓扑预测的内容转发;最后仿真结果表明,与其他转发策略相比,本文所提出的转发策略能有效减少内容获取时延,提高请求命中率。

面向车联网的网络安全防护技术

随着信息技术的快速发展,车联网作为其最新成果之一,在改善交通效率、交通安全方面发挥着重要作用。车联网通过将车辆与网络连接,实现了数据的实时交换和智能化管理,大大提高了道路使用效率和安全性。然而,随着技术的进步,也带来了新的挑战,尤其是在网络安全领域。这些安全威胁不仅影响着车辆的正常运行,更关系着驾驶员的安全及个人隐私。文中旨在探讨车联网环境下的网络安全威胁及其防护技术,为车联网的安全应用提供参考和指导。

蜂窝网络环境下车联网网关研究

分析现有的几种V2V(车辆与车辆)和V2I(车辆与基础设施)技术的优势和劣势,提出通过运营商建立蜂窝网环境下的车联网网关,介绍基于车联网网关的系统和架构图,详细阐述系统上行和下行的工作方式以及车联网网关的五大组成部分的结构和功能,针对接入系统的安全问题提出要综合运用VPN(虚拟专用网)、访问认证等技术手段。最后利用迪纳科技提供的模拟器gidsimulator进行模拟,得到的响应时间能达到实际应用的要求。

车联网下基于网络编码的高吞吐量多径路由算法

在车联网中,由于车辆节点间无线链路的频繁中断易导致数据重传,使整个车辆组网性能急剧下降。为此,面向车联网提出了一种增强吞吐量的多径路由算法,其核心是使车辆节点分簇算法支持网络编码,从而达到对乱序和丢失报文恢复的目的。该算法首先采用协同编码通信模型来实现分簇后同簇车辆节点互相协同的多路径传输,然后采用网络编码对源端车辆和中间车辆节点发送的数据进行线性编码操作,最后在目的端节点予以解码。在基于QualNet仿真平台上的实验结果表明,该算法能够有效地提升车联网中多径路由的吞吐量。

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。

基于能效的NOMA蜂窝车联网动态资源分配算法

在支持车与车直接通信(V2V)的非正交多址接入(NOMA)蜂窝网络场景下,针对V2V用户与蜂窝用户的干扰以及NOMA准则下的功率分配问题,该文提出一种基于能效的动态资源分配算法。该算法首先为了保证V2V用户的时延及可靠性同时满足蜂窝用户的速率需求,联合考虑子信道调度、功率分配和拥塞控制,建立了最大化系统能效的随机优化模型。其次,利用李雅普诺夫随机优化方法,通过控制可接入数据量保证队列稳定性以避免网络拥塞,并根据实时网络负载状态动态地进行资源调度,设计一种次优化子信道匹配算法获得用户调度方案,进一步,利用凸优化理论和拉格朗日对偶分解方法得到功率分配策略。最后,仿真结果表明,该文算法可以满足不同用户的服务质量(QoS)需求,并在保证网络稳定性前提下提高系统能效。

异构网络融合场景下车联网的移动性管理和资源管理

针对异构网络融合场景下车联网的特点,研究了车联网中的移动性管理技术和资源管理技术。在介绍物联网及车联网基本概念的基础上,分析了车联网中异构网络融合的应用场景,通过研究车联网中的通信设备、通信形式、组网方式等,提出了车联网的网络架构。与一般异构网络相比,车联网中车辆移动速度快,造成车辆接入公共网络时频繁切换的问题,为此,研究了车联网中的移动性管理技术。车联网中通信设备以及通信形式的多样化带来了多样化的业务需求,针对不同优先级业务提出了车联网中基于优先级的资源管理技术,即在异构网络的资源管理中必须保证高优先级业务在资源分配、接入控制、网络选择等方面始终处于优先状态。

基于行车参数信息的车联网网络分割解决方法

首先对车联网网络分割的判定方法、发生网络分割的可能性进行了分析。在分析的基础上,为了解决车联网中由于网络拓扑结构的动态变化引起的网络分割的问题,提出了一种基于行车参数信息的车联网网络分割解决方法。方法利用GPS定位装置提供的行车参数信息,对网络分割解决过程中目标节点的移动轨迹进行了预测并对目标节点位置进行修正。仿真结果表明该方法有效降低了网络端到端的延时,提高了网络分割修复成功率和分组转发成功率。

一种面向智慧交通的车联网网络流量估计方法

随着5G网络的快速部署,车联网、物联网、边缘计算等迅速发展,车联网络流量测量面对诸多挑战。研究了面向智慧城市的车联网流量估计问题,提出了一种基于软件定义网络的车联网流量估计方法。基于软件定义网络架构获得粗粒度的车联网络流量测量值,构建了基于自回归移动平均模型的细粒度测量模型,并提出一种启发式算法来获得精确的流量估计结果。仿真结果表明,所提的方法能够在细粒度的网络流量模型下提升流量的测量精度。

基于网络效用最大化理论的分布式车联网拥塞控制策略

协同车辆安全系统依靠周期性广播的单跳数据分组来追踪周围车辆,车辆密度过高会导致信道拥塞,严重影响协同车辆安全系统的性能。现有的拥塞控制策略仅保证网络层的性能,没有考虑车辆不同交通场景下的微观服务需求。为解决该问题,提出了一种基于网络效用最大化理论的分布式拥塞控制策略。该策略首先提出了车联网信道资源分配的网络效用最大化模型,并且提出了反映车辆安全需求的效用函数;然后基于该模型,建立了传输功率固定条件下无线信道资源分配的优化问题;最后为求解该优化问题,设计了分布式拥塞控制算法UBRCC,该算法通过更新车辆的拥塞"价格"求解最优数据分组发送速率,实现了面向单个车辆安全需求的信道资源分配。仿真实验结果表明,UBRCC算法在控制信道拥塞的同时,能够有效地减小传输时延,确保数据分组可靠发送,满足车辆安全应用的服务需求。

车联网环境下的WiFi网络实验床

主要应用网络断层扫描技术设计并实现了一种车联网环境下的WiFi网络实验床.针对车联网环境中待测节点的快速移动性,利用RFID技术实现了对待测节点驶入驶出测试区域的自动检测,进而实现了对测试启动和终止的自动控制.利用所提实验床测量了待测节点车速变化对WiFi网络性能的影响,测试分为短包测试和长包测试两种模式,测量的网络性能指标包括平均往返时延,丢包率和吞吐率.测试结果表明利用该实验床能够实现对车联网环境下的WiFi网络性能指标进行有效的测量和评估.

蜂窝车联网连通性研究综述与展望

作为未来自动驾驶汽车的核心技术之一,蜂窝车联网(Cellular-V2X,C-V2X)在快速普及应用的同时,还面临着一系列与网络连通性相关的发展痛点,如车辆移动性、网络覆盖、频谱资源等问题。C-V2X车路协同连通性直接反映了C-V2X网络联网车辆的整体性能,对于保证信息在C-V2X网络内实现远距离、自适应、低时延、高可靠传输具有重要意义。不同于传统的蜂窝移动通信网络,C-V2X联网车辆具有移动速度快、节点间链路持续时间短暂、无线通信环境可预测性强、移动模型受限于道路拓扑等特点,在高效利用频谱进行通信的同时,还具有自组织网络的无中心和自组织等诸多特性。首先简要介绍了C-V2X的优点与特点,包括C-V2X的进展与结构体系;然后介绍了C-V2X车联网中车路协同连通性的定义及相关发展约束,在此基础上对C-V2X网络连通性研究中基于交通场景、通信方式选择、路侧单元(Road Side Unit,RSU)位置部署、功率控制、模型驱动的研究方法进行了总结与分类;最后探讨了C-V2X的发展趋势,对其未来应用进行展望。

面向车联网的LTE网络性能测试与分析

现有的车联网性能评测中缺少综合的网络性能评价指标,不能较好地综合评价网络性能状况。为此,以树莓派为控制核心,在Linux系统下开发一种车联网通信测试系统。采用网络断层扫描技术和主动探测方式测量往返时延、丢包率和时延抖动等关键指标。参考3GPP发布的车联网性能指标要求,使用综合指标评价方法对网络性能做出评价和比较,从而反映网络整体的性能状况。实验结果表明,该车联网测试分析系统能够有效地对车联网环境下的LTE网络性能进行测试和评估。

车联网中车载网络负载与线束优化

基于车载分布式智能网络架构,运用独立协调机制,使用状态协调表协调汽车电器状态,建立了完整的车载分布式独立协调智能网络。进一步推导出车载网络负载的约束规划条件,运用回溯法求取最优负载。基于最优化控制建立了车载网络线束的目标函数与约束方程,运用变分法推导出了线束优化的极值条件。通过车载网络样车改造,设计实车试验,验证了该方法的有效性。

车联网中一种基于软件定义网络与移动边缘计算的卸载策略

在新兴的车联网络中,汽车终端请求卸载的任务对网络带宽、卸载时延等有着更加严苛的需求,而新型通信网络研究中移动边缘计算(MEC)的提出更好地解决了这一挑战。该文着重解决的是汽车终端进行任务卸载时卸载对象的匹配问题。文中引入了软件定义车载网络(SDN-V)对全局变量统一调度,实现了资源控制管理、设备信息采集以及任务信息分析。基于用户任务的差异化性质,定义了重要度的模型,在此基础上,通过设计任务卸载优先级机制算法,实现任务优先级划分。针对多目标优化模型,采用乘子法对非凸优化模型进行求解。仿真结果表明,与其他卸载策略相比,该文所提卸载机制对时延和能耗优化效果明显,能够最大程度地保证用户的效益。