基于融合注意力Bi-LSTM的V2X通信阻塞预测方法

为了解决Vehicle to Everything(V2X)毫米波通信系统延时高、链路易阻塞等问题,基于车辆和用户终端周围环境状态信息的感知,提出一种视觉辅助的能效最大阻塞预测方法。利用视觉感知模型实现系统对目标用户以及周围障碍物的精准感知,结合深度强化学习设计了一种融合特征和时间注意力的DA-DBLSTM网络预测未来链路阻塞到达时间,与传统注意力相比,该融合注意力不仅可以关注每个时间单元中的不同特征,而且关注不同时间单元的时序信息,使检测效果更优。仿真和分析结果表明,提出的DA-DBLSTM网络预测链路阻塞效果明显,在均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)和平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)方面均优于现有方法。

针对V2X通信的安全可信的管理模型设计

为了平衡车联网通信中网络安全与隐私保护的冲突问题,针对V2X通信,设计了一种基于PKI密码体制的安全可信的管理模型(Security Credential Management Model,SCMM)。为了建立可信通信,对参与通信的车辆与基础设施均会颁发数字证书,通过证书对消息进行签名,同时,考虑到用户隐私保护的问题,签名使用可溯源的假名。利用密钥扩展方法实现车辆任意数量的假名证书需求,同时实现恶意用户或故障车辆的有效证书地快速撤销。SCMM的主要目标是最大限度地平衡网络安全与隐私保护之间的矛盾,同时解决车联网通信中所需大量假名证书的需求,以及证书的快速撤销问题。

联合V2X通信和最小跳数距离的车辆定位方法

针对传统V2X定位方法定位成功率及定位精度较低的问题,提出了一种联合V2X通信和最小跳数距离的车辆定位方法。车辆利用最小跳数距离估算自身与通信范围外辅助节点间的相对距离,并利用路径相似度因子最高的辅助节点对该误差进行补偿,从而改善定位性能受通信距离约束的局限性。同时,综合考虑距离、辅助节点类型对定位性能的影响,利用加权最小二乘法对车辆位置坐标进行解算,提升定位的精度。仿真结果表明,所提定位方法与V2X定位方法相比,在定位成功率及定位精度方面分别提升38.6%和12.5%,具有一定的应用价值。

一种基于预留-重用联合的C-V2X通信Q学习型半持续调度算法

第3代合作伙伴计划(3GPP)模式4提供了一种直连通信的接入方式,以支持车联网C-V2X应用。然而V2X网络动态变化的业务负载和车辆移动性导致信道质量不稳定,加剧了传输过程中分组碰撞问题。为了满足高可靠低时延的V2X通信需求,该文针对动态负载环境下的高效分布式资源分配策略,提出一种预留-重用联合的Q学习型半持续调度(RRC-QSPS)算法。该文首先对模式4中现有的半持续调度(SPS)算法分组碰撞问题进行理论建模,分析了影响碰撞概率的关键参数,继而提出了动态业务环境下车辆智能体的强化Q学习模型,建立包括预留-重用联合的动作空间与Q目标函数,并通过-贪心算法求解,智能决策动态负载环境下无线资源的预留与重用。仿真对比结果表明,相比于已有的Lookahead-SPS优化算法,RRC-QSPS算法在高速高负载场景下分组接收率提高了7%,数据包更新时延降低了10%。

V2X通信的资源管理及功率控制算法

作为智能交通系统(Intelligent Transport System,ITS)有效支撑技术,车至一切(Vehicle-toeverything,V2X)通信近期受到广泛关注。V2X通信具有严格的时延要求。而5G蜂窝的设备至设备(Device-to-Device,D2D)通信可以满足时延要求。为此,对基于D2D通信的V2X服务的无线资源管理策略进行研究,并面向V2X通信,提出有效的资源分配和功率控制(Resources Allocation and Power Control,RAPC)算法。RAPC算法旨在最大化车-基础设施(Vehicle-to-infrastructure,V2I)用户的信道容量,并满足车-车(Vehicle-to-Vehicle,V2V)用户的时延要求。仿真结果表明,提出的RAPC算法的资源利用率、吞吐量的性能优于同类算法。

车路协同场景身份认证及V2X通信安全保障

车联网是汽车、电子、信息通信、道路交通运输等行业深度融合的新型产业形态,车联网的功能、网络、隐私和数据安全是构成车联网应用的关键。聚焦车路协同场景下的身份认证和车辆和一切万物(Vehicle to Everything,V2X)的通信,通过建立跨信任域身份认证机制和V2X通信的密钥管理机制,在车路协同场景下为跨信任域车辆与多类路侧设备提供了安全通信保障。

IBE技术在V2X通信中的应用

V2X(Vehicle to Everything)技术是智能网联汽车的一项关键技术,为解决在V2X通信过程中在满足隐私保护的同时实现安全性,欧美等国提出了基于PKI/CA的认证体系,这种解决方案对通信证书发放中心的处理能力和性能要求较高,证书签发流程的复杂性无法满足车车、车路通信低时延的要求。为此提出了基于IBE技术的V2X通信身份认证体系,采用IBE服务器取代欧美方案中通信证书发放中心,由IBE服务器向通信参与方发放密钥用于身份验证,该认证流程相对简化,整体通信效率得到了优化。

基于V2X和自动驾驶HIL联调的仿真测试系统开发

随着智能网联汽车的快速发展,车用无线通信(V2X)技术在智能交通领域发挥着越来越重要的作用,因此行业内对V2X和自动驾驶相关的硬件在环(HIL)融合测试需求也越来越高。由于V2X HIL系统与自动驾驶HIL系统两者相互独立,在实际应用中尚缺少对两者相关应用场景及功能进行全链路的闭环仿真测试系统。基于dSPACE平台HIL仿真系统及V2X HIL系统的联调过程,搭建了一套能够同时验证蜂窝车联网(C-V2X)通信功能和单车智能感知功能的HIL联调仿真测试系统。测试结果表明:通过对V2X应用场景的仿真,该系统能够正确实现对单车智能驾驶功能测试、V2X被测算法的验证及预警功能显示,由此验证了联合仿真平台的有效性。

5G蜂窝车联网(C-V2X)资源分配优化与性能评估

为改善蜂窝车联网(C-V2X)频谱利用效率,提出了一种针对系统下行吞吐量最大化、并保证车对车通讯(V2V)链路连接性的资源分配算法。定义蜂窝车联网信道模型,在最大发射功率、中断概率等约束条件下建立优化模型并对其进行分步求解,采用二分图最佳匹配(KM)算法动态调度信道资源,实现C-V2X通信系统中车辆到路边设施(V2I)下行链路与V2V链路之间动态分配网络资源,最后通过不同交通场景评估算法的优化性能。结果表明:本算法经7次迭代后进入稳态,在保证V2V链路连接性条件下实现了V2I链路资源的优化分配,下行链路频谱效率相较于贪心算法平均提升3.5%以上。

LTE-V2X协议栈开发及通信测试

目前推出的V2X通信技术相关标准中存在技术要求细节不够明确等问题,导致车联网通信终端产品存在差异,通信协议栈之间不能实现全面互联互通.针对这一问题,通过分析LTE-V2X协议栈的性能要求及总体分层,提出了LTE-V2X协议栈的软硬件解决方案并完善协议栈各层设计细节,完成消息数据填充与编解码、构建各层数据帧并设计逐层封装机制.在此基础上,基于真实道路场景对协议栈进行通信性能测试,测试结果显示该协议栈满足设计要求,符合协议栈顶层应用规范.

基于OMNeT++平台的V2X无线通信场景库构建研究

在V2X车联网大规模推广应用前,C-V2X中的算法及应用需进行全面、深入的测试与评估。由于现实实验验证阶段成本高、耗时长、所需场地大且复杂,研究基于真实地图搭建的C-V2X无线通信场景库成为必要。相比现有V2X车联网仿真,优化了目前使用的理想化场景库,改善了其场景有限、难以与实用场景匹配的问题。介绍了蜂窝方式下的V2X通信,其中包含中继节点选择算法和最佳功率分配算法,建立了基于Veins OMNet++的仿真模型,并通过Matlab仿真分析验证了论文方法的有效性及模型的可用性。

V2X关键技术应用与发展综述

V2X(Vehicle-to-Everything)通信技术是智能交通和智能汽车的支撑技术之一,但目前仍然面临技术路线不明确、政策发展滞后等问题,尚未得到有效推广。系统阐述了V2X技术的内涵和重要作用,重点解析了专用短程通信(Dedicated Short Range Communication,DSRC)和基于蜂窝网络的车辆对外通信(Cellular-V2X,C-V2X)两类V2X主要技术路线的特点和当前问题,总结了国内外相关政策法规、技术标准和产业化活动的最新进展,在此基础上分析了未来V2X技术发展的关键趋势,从而为国家制定V2X相关政策法规、企业明确技术战略方向提供参考。

V2X网络中多对多的资源分配

为解决车辆到一切(vehicle-to-everything,V2X)通信中高数据速率需求而频谱资源短缺问题,研究V2X通信中频谱资源分配与功率控制问题,该问题属于混合整数非线性规划问题,通常很难求解。为解决该问题,将其分为两个子问题后求解。针对资源分配问题,采用多对多的频谱分配方案,充分利用频谱资源,针对功率控制问题,利用连续凸逼近方法将非凸形式的功率分配问题转化为凸问题求解,减少用户间的干扰。仿真结果表明,所提解决方案可以显著提高车辆用户的数据速率。

5G+V2X:信息通信与汽车产业的“大融合”

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。本文介绍了车联网的定义,介绍了目前车联网的发展现状和应用场景。通过阐述车联网主流技术并对二者从多个维度进行比较,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。

C-V2X网络中基于NOMA的高能效资源分配

蜂窝车联网(Cellular Vehicle-to-everything,C-V2X)通信可以有效地提高交通效率,改善道路安全。但由于大规模的车辆连接和快速变化的无线信道使得V2X网络需要提供高能效和高可靠性的通信服务。为了实现V2X网络中的大规模连接,同时保证基于蜂窝通信的车辆用户(Cell User Equipments,CUEs)的最小通信速率和基于D2D技术的车辆用户(Vehicle User Equipments,VUEs)的最小通信可靠性,提出了一个基于非正交多址接入(Non-Orthogonal Multiple-Access,NOMA)技术的高能效无线资源分配问题。为解决该混合整数非凸问题,首先将其分解为VUE分组问题、功率分配问题和子信道分配问题,然后分别提出了基于最大割算法、拉格朗日对偶法和匹配算法的解决方案。仿真结果表明,对比具有高计算复杂度的穷举搜索算法,所提功率分配算法能够以较低的计算复杂度获得接近最佳能效的性能。

CPS视角的自动网联汽车虚拟仿真评测框架开发

为更好地评估和优化自动网联汽车系统的性能,利用OMNeT++和SUMO平台进行联合仿真,构建自动网联汽车虚拟仿真评测框架。评测框架中,SUMO用于生成交通道路网络和现实交通需求,OMNeT++基于真实地图为车辆网络搭建无线通信场景。结果表明,自动网联汽车虚拟仿真评测框架能够评估自动网联汽车系统的网络性能,为系统的优化和决策提供参考。

浅析智能网联汽车技术

发展智能网联汽车以上升为交通强国建设的国家战略,智能网联汽车为人民群众的出行提供了智能、绿色、高效、舒适的选择模式。文章结合智能网联汽车发展现状,主要分析了智能网联汽车电子、V2X通信、云平台、MEC等关键技术。

基于车联网通信的智能小车目标检测

随着我国汽车保有量不断增加,对车辆、道路交通状况的现行检测技术,已不能满足日益复杂的道路环境下的智能车辆的安全、高效、节能、环保的需求。本文提出了一套基于V2X通信技术的设计方案,包括硬件系统的搭建和软件平台的开发工作,并选择了处理器主板、无线通讯模块和传输模块。控制系统软件平台基础开发方面完成了JetsonNano处理器主板环境的配置工作,实现了智能网联小车和路侧单元之间的通信。研究结果表明本文建立了基于V2X通信技术的智能网联小车车速控制及车辆检测策略,当目标车辆速度改变时,智能小车车速切换控制中所需要的时间与路侧单元和小车之间的通讯延迟时长有关。

基于数据驱动的人机混驾多车协同控制算法

针对多车协同控制系统中,传统控制算法需要准确获取系统中与驾驶员驾驶行为相关的参数以及与车辆系统动力学相关参数等问题,提出基于数据驱动的自适应动态规划控制算法。以有人与无人驾驶车辆混行的多车协同控制系统为研究对象,通过分析系统的横纵向控制模型,推导出系统状态方程,采用递推数值方法在线逼近最优解,并通过对最优反馈控制矩阵进行优化求解,得到最优控制输入。该算法简化了系统的控制输入参数,仅仅利用V2X通信获得的车辆的前轮转角以及车辆期望的纵向加速度作为控制输入,即可实现无人驾驶车辆的优化控制。基于Carsim和Simulink进行联合仿真测试验证,结果表明,该算法控制参数简单、收敛速度快、控制精度高、适应性强,能够控制无人驾驶车辆在多车系统中保持期望的车速并且与前车保持期望的车间距,同时在任意曲率道路上行驶时与车道中心线之间的横向误差趋于0。

车—路协同下智能车辆高级紧急制动策略研究

针对智能车辆高级紧急制动系统仅仅依靠车载感知设备存在的视觉盲区,尤其是超视距区域,带来的车辆安全问题,基于V2X通信和车联网技术,提出一种车-路协同下智能车辆高级紧急制动方法。首先,利用智能路测感知设备识别视觉盲区或超视距区域车辆,通过车路协同系统,实现道路行驶车辆通信;其次,设计分层式最优控制系统实现最优制动力的分配,采用非奇异快速终端滑模控制方法建立高精度执行控制系统,实现车辆制动力跟踪执行;最后,基于MATLAB/Simulink平台,对提出的控制系统进行仿真分析。仿真结果表明所提出的控制系统可以良好的预测车辆紧急状态,跟踪上层控制所需的目标控制力,从而实现对车辆进行安全控制。