直通链路技术的发展与展望

直通链路技术己广泛应用于车联网场景。对于直通链路技术的潜在技术方向给出可行的建议，包括传统直通链路技术的增强方向，如载波聚合、使用非授权频谱等；侧行链路对于中继场景的应用扩展，包括终端到终端之间的中继，以及中继的多链接场景；在高精度定位场景使用直通链路技术。并且，给出直通链路技术与各种新技术的融合应用，如智能反射面与区块链技术，从而解决直通链路技术自身的缺陷。     

基于DF中继协作的车联网安全传输性能研究

5G时代的到来加快了以车路协同为核心的车联网技术的发展脚步。高效，可靠，安全的通信质量将是实现智能交通管理系统，完善智慧出行的基本要求。因此，针对存在信息窃取者的车联网中继协作传输场景，利用机会式中继选择策略与最大比合并技术设计了直接传输链路与多跳中继转发链路共存的安全传输方案，旨在提高信息传输的可靠性及安全性。同时，在获得信道概率密度函数及累积分布函数的基础上，利用全概率公式等方法推导出基于DF(Decode-Forward)中继协作传输的车联网系统安全中断概率的闭合表达式，其中涉及的信息传输信道均服从Nakagami-m分布，提高了理论推导的难度。最终的仿真实验证实了理论推导的准确性及本方案的可行性。      

车联网发展的探讨

本文基于汽车与移动网络高速发展的背景下,提出了以车辆为主要节点,通过移动网络连接的"车联网"概念,并对车联网今后发展进行了有效探讨。     

基于IRS辅助的MIMO车联网系统联合波束成形设计

针对MIMO车联网系统中V2I和V2V共享频谱的情形,提出了一种IRS辅助的联合波束成形设计方法。在保证V2V用户数据速率需求、V2I基站发射功率受限和IRS反射相移模约束等条件下,以最大化V2I用户的信道容量为目标,联合优化基站端发送预编码和IRS端的反射相移矩阵。采用最小均方误差规则、矩阵分析理论和内逼算法把非凸且变量耦合的优化问题转换为解耦后的凸优化问题,并提出一种交替迭代优化算法获得原问题的解。对所提算法的性能进行仿真,分析了IRS反射单元数、IRS部署位置和车速对车联网频谱效率的影响。仿真结果表明,所提算法收敛性较好,若在基站附近部署IRS,利用所提的联合波束成形方法能最大限度地提高车联网频谱效率。     

基于C-V2X的车路协同自动驾驶关键技术与应用

随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统（cyber physical system,CPS）,可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。     

车联网新型基础设施跨域协同部署研究

基础设施是实现车联网产业融合创新发展的必要支撑,其可靠通信、精准感知和实时计算等能力可赋能智能网联汽车、智能交通、信息通信发展。在研究车联网新型基础设施的范畴与发展现状的基础上,分析了车联网新型基础设施建设与服务在跨域协同方面的挑战。结合国内外发展趋势,提出了“物理分立、逻辑协同”的车联网基础设施系统架构,并提出了进一步的发展建议。     

车联网中基于Q学习的地理位置路由协议

由于道路拓扑结构的限制以及车辆节点的快速变化,车联网路由协议正面临着很多挑战,例如道路的低连通性、较大的延时以及高开销等。为解决此类问题,提出了一种基于Q学习的地理位置路由协议。该协议将地理区域划分成大小一致的正方形,称为网格。在给定目的地的情况下,根据历史交通流信息计算出车辆从当前网格向不同方向的邻居网格移动的Q值,每辆车存储Q值表,通过查询Q值表选择最优下一跳网格。在选定的下一跳网格中,选择距离目的地最近的车辆,当最优下一跳网格中没有邻居车辆时,选择次优下一跳网格中的车辆。仿真结果表明,与其他基于地理位置的路由协议相比,所提协议能够提高分组投递率,降低传输延时并减少通信跳数。     

道路交通网络节点分配优化策略研究进展

为了进一步提高城市道路交通网络的通行效率,粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来,深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率,而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题,归纳并总结了相关网络节点分配的研究现状。在此基础上,深入研讨了城市交通网络节点调度与深度学习的应用前景,并对交通网络节点分配优化策略的未来研究方向进行了展望。     

基于停放车辆路边单元环境感知的车联网资源高效分配

为减少路边单元（RSU）部署,同时满足移动车辆用户对处理时延敏感和计算密集任务的需求,提出了基于停放车辆环境感知的资源分配算法。选择路边停放的车辆替代RSU为车辆用户提供服务,将停放时间作为选择停放车辆路边单元（PCRSU）的决策要素,分别在内容缓存和分发2个方面设计了减小需求响应时延的机制。在内容缓存方面,PCRSU通过感知用户历史搜索数据与兴趣点区域类型两类要素对用户进行个性化的内容推荐。在内容分发方面,PCRSU通过感知车辆用户的数据传输需求,对带宽进行高效分配。实验证明,与已有方法相比,所提算法能更合理地选择PCRSU,有效降低系统的需求响应时延,在保证网络覆盖的同时提升系统稳定性,并且能为车辆用户提供更加准确的服务内容。