基于物理不可克隆函数的轻量级可证明安全车联网认证协议

车联网(IoVs)广泛用于获取车辆和道路状况等信息,但是这些信息都是在公共信道中进行传输,所以最重要和关键的要求之一就是在严格延迟要求下的数据安全。其中,认证是解决数据安全最常用的方法,但是由于车联网的资源受限和对延迟敏感等特点,车辆认证需要在一定的消耗和延迟内完成。然而,现有方案容易遭受物理、伪造和共谋等攻击,同时也产生了昂贵的通信和计算成本。该文提出一种基于物理不可克隆函数(PUF)的车路云协同轻量级安全认证方案。所提议方案采用轻量级的物理不可克隆函数作为车联网实体的信任保证,抵御攻击者对实体的物理和共谋等攻击;采用车路云协同的架构,在经过可信机构(TA)认证的路边单元(RSU)上完成认证运算,大大减轻了TA的计算压力,并将挑战响应对(CRPs)的更新应用到假名的构造更新中,保护身份和轨迹隐私的同时也能在身份追踪阶段披露恶意车辆身份。在实际场景的模拟实验中,通过与其它方案进行比较,表明该方案更加安全和高效。

新技术形势下“车能路云”融合发展战略研究

“车能路云”融合发展将汽车、能源、交通、互联网云有机地融为一体,有利于加速形成智能、低碳、安全、高效的全新出行与生活生态体系,高质量推进汽车产业发展;在新技术形势下,进一步形成“智能的车+互动的能+数字的路+协同的云”的良好生态,充分发挥其价值优势是未来我国“车能路云”融合发展的重要任务。本文结合新能源变革、智能网联汽车发展、人工智能以及碳中和等新技术形势,分析了我国汽车产业发展的形势;从车端、能源节点、路端、云端与产业融合5个方面,介绍了“车能路云”的系统构成、发展现状、相互关系与总体框架,并对我国“车能路云”融合发展面临的挑战进行了总结。在此基础上,提出了“车能路云”融合发展的建议,涵盖坚持应用导向、推动正向创新、城市级应用示范、多元化撬动投入以及促循环产生成效5个方面,以期为我国“车能路云”高质量发展提供参考,推动汽车强国、交通强国、制造强国的建设。

基于5G-CV2X的多路口智慧公交绿波通行方法

提出了一种基于5G-CV2X的多路口智慧公交绿波通行方法。该方法通过5G-CV2X设备实时采集公交车行驶状态(速度、位置等)、公交车与当前路口的距离、路口位置和红绿灯的相位,云端使用基于遗传的非侵入式信号控制算法对多个路口红绿灯相位时长和公交车车速进行全局优化,然后云端将全局优化后的行车建议速度和指导相位通过5G发送至公交车和信号机,实现多路口绿波通行。实际道路测试验证,该方法能够实现多路口公交快速绿波通行,提升了公交系统的运行效率。

车路协同:智能交通领域的升维谋划

单车智能和车路协同是自动驾驶发展的不同路径。在新型举国体制的时代背景下,车路云一体化的车路协同技术路径将在成本、效率、安全性等方面实现技术超越,助力我国经济发展。应进一步加强顶层设计,构建智能交通一体化平台;整合资源,集中突破关键核心技术;推动智能汽车基础数据标准格式和相关标准制定;加强对应用示范试点的统筹与部署,推动无人驾驶商业化发展,使我国在智能交通领域走在世界前列。

5G下边云协同的V2X技术方案与研究

对自动驾驶业务的发展趋势、单车智能的局限性、车路协同的优势进行了介绍;同时,重点阐述了车路协同技术体系架构及系统要求、基于“端边云”的多级多源数据融合感知分析架构以及基于路侧+边缘云+区域/中心云三级/四级边缘部署实现路径;最后给出了基于边云协同多级多源感知融合分析能力组网方案,并对其具体功能、时延等要求进行了详细论述。该研究对车路协同项目规划和设计人员有一定参考价值。

时间和能量敏感的端——边—云车路协同系统资源调度优化方法

随着信息技术的不断发展,智能交通系统逐渐成为未来交通的发展方向.然而,智能交通系统中时间敏感型和计算密集型应用的日益增多,给资源有限的车辆终端带来了严峻挑战.端—边—云层次性计算架构是应对该挑战的有效手段.在基于端—边—云架构的车路协同系统中,车辆用户可以将时间敏感型任务卸载到附近的路边单元执行以保证应用的实时性,而将计算密集型任务卸载到云以满足其算力需求.但是,任务卸载也会导致额外的传输时延和能量开销.此外,任务在传输过程也可能遭受错误而导致可靠性降低.因此,为保障端—边—云车路协同系统中车辆的用户体验,提出一种基于多智能体强化学习的资源调度方案.该方案通过充分利用端—边—云架构的特点并采用集中训练—分散执行的框架来构建深度神经网络,以制定任务卸载和车路计算资源分配的最优决策,最终实现可靠性约束下的系统时延和能耗优化.为验证所提方案的有效性,实验通过效用值来体现算法在时延和能耗2方面的优化.实验结果表明,与现有算法相比,所提方案在满足可靠性约束的前提下,效用值可以提高到221.9%.

基于车路云协同的智能网联汽车研究态势

智能网联车路云协同对中国智能汽车交通产业融合发展具有重要意义。为提升智能网联汽车的应用和运营标准,并提升智能辅助驾驶系统的技术落地,通过聚焦智能网联车路云协同系统框架以及应用架构的工作原理,重点分析车辆的无线通信技术、融合与定位、测试与评价技术的车路云关键技术方面的研究态势。分析结果表明,智能网联汽车需要新型的“人-车-路-云”框架来实现从单车智能到车路云协同技术的发展,并且云协同控制模型等方面亟需取得突破。研究结果有利于推进车路云协同的智能网联汽车研究,推进智能网联创新变革并提供技术参考和发展方向。

车路协同环境下交叉口区域生态驾驶策略研究

为改善车辆通行交叉口区域的燃油消耗和污染物排放,在车路协同环境下研究车辆通行交叉口区域的生态驾驶策略。利用VT-Micro模型构建车辆百公里燃油消耗量和CO_(2)排放量计算模型,提出车辆匀速策略以及通行交叉口区域的加、减速策略。根据不同的信号灯相位及剩余时长分别建立生态驾驶策略,并在Matlab中进行仿真验证。仿真结果表明,所建立的生态驾驶策略节能减排效果显著,其中针对信号灯相位为绿灯的生态驾驶策略可降低16.82%~38.26%的油耗,减少5.57%~43.18%的CO_(2)排放量;信号灯相位为红灯的生态驾驶策略可以降低31.46%~43.29%的油耗,减少15.19%~54.64%的CO_(2)排放量。

车联网安全防护技术综述

车路云协同的车联网体系已经逐步上升为国家战略,车联网安全关系到行车安全、生命财产安全甚至国家安全,正日益成为行业研究热点。首先介绍了车联网技术架构与安全行业的整体状况;其次,以车联网“车-路-云”技术体系为基准,从车联网终端安全、车联网路侧安全、车联网云端安全3个层面,讨论了国内外研究现状,并分析了车联网安全防护领域的问题与挑战;最后,展望了车联网安全防护技术未来的发展与研究重点。

智能车与网联技术分析

为了助力车联网技术科学的普及,主要介绍车联网产业政策及标准进展,并系统介绍了车联网发展的目标、车联网的组成、系统架构、解决方案、关键技术、测试方法、网络安全、基础建设及产业链急需突破的技术,比如芯片及传感器的成本问题等。

基于车路云协同自动驾驶技术的应用场景研究

本文阐述了车路云协同自动驾驶技术的应用现状,针对智能交通、智慧城市的发展热点、重点及痛点进行专业分析。以上汽通用五菱汽车股份有限公司的5G云控物流产品为例,对其商业价值模式以及对未来交通系统的影响进行分析,并介绍项目技术架构,分享应用成果,挖掘用户诉求和业务需求,最后提出了具有重要参考价值的应用场景设计方案,来带动智能交通相关产业的发展。

面向高速公路运管的车路协同云控平台架构设计

随着自动驾驶技术的发展,中国从自身国情及优势出发,明确了车路协同的技术发展路径。文章相较于既有云控平台的设计,明确了以高速公路运营管理单位为服务对象,通过车路协同应用场景梳理,推导云控平台功能架构及技术架构,细化各类数据资源项,明确建议行驶速度阈值,并对应匝道汇入场景,列出关键控制数据项及设备协同控制方法,为提升道路管控能力,实现安全、便捷、高效、绿色、经济的目标,提供切实可行的技术方案。

云制造环境下新能源汽车供应链协同制造模式研究

现阶段我国新能源汽车取得了突飞猛进的发展,但我国的汽车制造能力依然有限,生产能力和资源分配存在不均匀的现象。为此,我国新能源汽车在制造的过程中应进一步提倡云制造的方式,尝试在供应链中建立协同制造的条件。从成本控制的角度来讲,协同制造模式具有更低的成本、更快的生产速度等方面的优势,为此需要对其进行深入的研究,通过明确的策略来建立新能源汽车发展的路径,为我国的产业转型提供可靠的支持。

一种基于车路协同场景的高精度地图系统设计

在车路协同自动驾驶领域,如何有效解决高精度地图数据建模、存储、分发的实时性和有效性问题,文章提供一种地图更新方法及设备,其中地图更新方法包括:接收车端设备和/或路侧设备采集并发送的道路交通信息;根据所述道路交通信息对所述边缘网络设备管辖区域对应的区域地图进行更新;将更新后的区域地图发送至核心网络设备和/或所述边缘网络设备管辖区域内的路侧设备。文章地图更新方法周期短、及时性高。

一种基于边云协同场景的信息服务迁移方法

在跨边缘节点服务接入需求的行业领域,如何解决好服务迁移过程中的接入预测、服务编排、数据迁移、服务切换、增量同步等问题,以保证服务的连续性与一致性,特别是跨站过程中的服务不中断,是边缘计算应用中的一项挑战。文章立足于架构设计的体系创新性与迁移预测的领域重点攻关,提出了一种全新的边云协同跨站服务迁移与支撑管理相关技术框架,为边云协同场景下的服务一致性管理提供更智能、高效、可靠的基础技术支撑。

基于驾驶模拟技术的车路协同生态驾驶预警系统研究

文章分析了基于驾驶模拟技术的车路协同生态驾驶预警系统,探讨了节能减排效果分析方法与指标体系。通过实验设计和数据采集,为车路协同生态驾驶预警系统的发展和应用提供理论和技术支持,为促进节能减排,实现可持续交通发展提供参考。

车路协同环境下交叉路口多车速度优化研究

为减少智能网联电动车辆在城市交叉路口工况下行驶的能耗,并制止车辆在车队中的碰撞,提出一种车路协同环境下的智能网联电动车辆速度优化与避撞分层耦合控制系统.上层模型基于交通信号灯相位时序与车辆动力学模型进行车辆速度优化;下层结合优化后速度和模型预测控制进一步优化车队内车辆车速,防止与前车发生碰撞.利用Matlab平台搭建控制系统仿真模型,并基于车辆队列通过交叉路口的工况对所提出的分层耦合控制系统进行有效性验证.仿真结果表明,分层耦合控制系统可根据交通工况不同,计算出能耗最低且避免碰撞的最优速度曲线,所提出的系统能够确保智能网联电动车辆更加节能、安全地稳定行驶.