Enhanced Antenna Position Implementation Over Vehicular Ad Hoc Network (VNET) In 3D Space
与网络相关的技术将有线连接转移到无线连接，无线领域的基本问题是端到端连接的随机分组丢失。在本文中，我们显示的性能和影响的数据包丢失和延迟，比特出错率吞吐量等方面的现实世界的情况下，在3维空间的车载自组织网络（VANET在3D）。多年来，软件开发在开发网络使能软件方面响应了无线连接的日益增长。在本文中，我们考虑现实世界中的三维无线领域的物理问题，并映射到解析问题。在本文中，我们模拟分析问题，相对于现实世界的情况下，通过使用增强型天线定位系统（EAPS）安装在移动节点在三维空间。在本文中，我们通过使用EAPS系统将现实世界的问题转化为面向实验室的问题，并在三维空间中显示了无线域中的性能。
2011-11-21 cs.NI
Efficient 3D Road Map Data Exchange for Intelligent Vehicles in Vehicular Fog Networks
通过连接智能车辆以及路边基础设施，可以显著扩展车辆的感知范围，并可以有效地检测和避免盲点处的隐藏物体。为了实现这一点，必须将精确的道路地图数据实时的下载到这些智能车辆中，以用于导航和定位目的。此外，云还必须随着道路网络中发生的动态变化而更新。这些涉及到传输高清3D道路地图数据，以准确地表示物理环境。在这项工作中，我们提出了解决方案下的雾计算架构在异构车辆网络，以优化智能车辆，路边基础设施，以及区域数据库之间的数据交换。具体而言，在路边雾节点的3D道路地图数据传播的效率是通过利用索引编码技术来实现的，以减少整体数据负载，而异构传输的机会主义调度可以做明智地管理网络资源，并最大限度地减少运营成本。此外，3D点云编码和哈希技术被应用于加快网络中的各种动态变化的更新。我们根据车辆的真实移动轨迹和城市街道的3D光检测和测距（LIDAR）数据对所提出的解决方案进行了经验评估。所提出的系统也实现了多机器人试验台的实际评估。
2020-01-13 cs.NI
BEVCooper: Accurate and Communication-Efficient Bird's-Eye-View Perception in Vehicular Networks
BEVCooper通过协作感知框架提升车联网中鸟瞰图感知的准确性和通信效率，减少延迟并优化特征融合。
2025-12-22 cs.NI
Realistic and Efficient Channel Modeling for Vehicular Networks
到目前为止，VANET的研究工作在很大程度上依赖于模拟，由于部署现实世界的测试平台的成本过高。现有的离散事件VANET模拟器中实现的信道模型是由和大的简单的随机无线电模型，基于所选择的环境的统计特性。结果表明，这样的模型是无法提供令人满意的精度为典型的VANET场景。我们在不同的环境（开放空间，高速公路，郊区，城市，停车场）进行了广泛的测量，以详细描述车辆对通信的影响，包括接收功率，数据包传输速率和有效通信范围。由于车辆的影响被发现是显着的，我们开发了一个模型，占车辆的三维障碍，并考虑到他们的视线障碍，接收信号功率，数据包接收速率和消息的可达性的影响。该模型是基于经验得出的车辆尺寸，准确的车辆定位，和现实的流动性模式。我们验证了广泛的测量模型。为了在城市和郊区环境中实现逼真的建模，我们开发了一个模型，该模型也包含静态对象。该模型需要最少的地理信息：建模对象（车辆、建筑物和树叶）的位置和尺寸。我们验证模型对测量，并表明它成功地捕捉到小规模和大规模的传播效果在不同的环境（高速公路，城市，郊区，开放空间）。
2014-05-05 cs.NI
A City-Scale ITS-G5 Network for Next-Generation Intelligent Transportation Systems: Design Insights and Challenges
随着自动驾驶汽车的发展，可靠的车联网（V2X）通信框架变得至关重要。在本文中，我们提出的发展和性能评估的一个现实世界的车辆网络测试平台。我们的测试平台部署在英国布里斯托尔市中心，能够以V2X方式交换传感器数据。我们将描述测试平台的架构及其操作模式。然后，我们将提供一些有关在网络设备上运行的固件的见解。系统性能已经在一系列大规模现场试验中进行了评估，这些试验证明了我们的解决方案如何代表V2X通信的低成本高质量框架。我们的系统在不同的场景下（城市，农村，高速公路）和城市周围的不同位置，实现了高数据包传输率。我们还发现了使用单核设备时数据包传输速率的不稳定性，并提出了一些未来的发展方向。
2018-07-06 cs.NI
The Role of communication and network technologies in vehicular applications
车载网络在研究界引起了广泛的关注。新颖的车辆应用需要合适的通信信道，以便扩展车内能力，并了解周围的事件。然而，这些网络呈现出一些特性，例如高移动性或特定的拓扑结构。这些属性会影响应用程序的性能，因此应将更多的精力用于确定网络的最终需求。很少有工程涉及车辆服务设计时应考虑的应用要求。在本章中，我们将填补这一空白，提出一个应用需求分析，其中考虑了物理/MAC和网络层的可用技术。这项研究包含的关键因素，必须考虑到不仅在车辆网络的设计阶段，而且当应用程序进行评估。
2016-05-03 cs.NI
The Best of Both Worlds: Hybrid Data-Driven and Model-Based Vehicular Network Simulation
在具体的评估场景中，对新型移动通信方法的端到端行为的分析经常导致方法上的困境：现实世界的测量活动非常耗时，并且缺乏可控的环境，由于系统的巨大复杂性，分析模型的推导通常是不可能的，系统级网络仿真意味着简化，这导致对真实世界观测的显著推导。在本文中，我们提出了一种混合仿真方法，它汇集了基于模型的移动性仿真，多维无线电环境地图（REM）的无线电传播数据的有效维护，和数据驱动的网络仿真（DDNS）的端到端的移动网络行为的快速和准确的分析。为了验证，我们分析了一个机会性的车辆数据传输用例，并将所提出的方法与真实世界的测量结果以及Network Simulator 3（ns-3）中相应的模拟设置进行了比较。与后者相比，所提出的方法不仅能够更好地模拟真实世界的行为，而且计算效率也提高了300倍。
2020-08-17 cs.NI eess.SP
Virtualization-based Evaluation of Backhaul Performance in Vehicular Applications
基于SDN和NFV的下一代网络预计将支持广泛的服务，包括车辆安全应用。这些服务具有严格的延迟限制，本文的目标是确定基于SDN/NFV的网络能够在多大程度上满足这些要求。为此，我们建立和模拟车辆碰撞检测系统，使用流行的Mininet和Docker工具，在现实世界的拓扑结构与移动信息。使用不同的核心网络拓扑和开源SDN控制器，我们测量（i）车辆信标处理的延迟以及（ii）相关的开销和能耗。我们发现，我们确实可以满足与车辆安全应用相关的延迟约束，SDN控制器对整体能耗的贡献不大，但却是额外延迟的重要来源。
2018-01-22 cs.NI
A Group Vehicular Mobility Model for Routing Protocol Analysis in Mobile Ad Hoc Network
移动自组织网络中的路由协议的性能受到节点的动态特性、路由失败、无线信道的可变带宽和可扩展性问题的影响。移动性模型模拟了移动节点在现实世界中的移动，是基于仿真的研究的核心组成部分。在本文中，我们考虑移动节点，模仿车辆运动的节点，如曼哈顿移动模型和城市部分移动模型。我们还提出了一个新的群体车辆移动模型，采取最好的功能，群体移动模型，如参考点群体移动模型，并将其应用到车辆模型。我们分析了我们的模型称为组车辆移动性模型（GVMM）和其他车辆移动性模型与各种指标的性能。这种分析为我们提供了一个洞察力的移动模型对ad-hoc网络的路由协议的性能的影响。路由协议的性能进行了模拟和测量，最后我们到达的相关性的移动模型对路由协议的影响，这是移动自组网的设计的核心。
2010-03-22 cs.NI
Performance Analysis of Optimized VANET Protocols in Real World Tests
本研究构建真实城市测试平台，对比人类专家与五种元启发式算法优化的VDTP协议参数设置，验证了优化配置在真实VANET环境中的性能提升。
2025-02-03 cs.NI
Resource-efficient Transmission of Vehicular Sensor Data Using Context-aware Communication
即将到来的智能交通控制系统（ITSC）将基于其优化过程中获得的汽车作为移动传感器节点的人群感知数据。总之，公共蜂窝网络将面临机器类型通信（MTC）的大量增加，并且将需要有效的通信方案来最小化物联网（IoT）数据流量对人类通信的干扰。在这个演示中，我们提出了一个开源框架，用于车辆传感器数据的上下文感知传输，该框架利用有关传输信道特性的知识，以利用连接热点，其中可以执行高等级的数据传输，如果资源效率。在会议上，我们将介绍用于获取和实时可视化所需网络质量指标的测量应用程序，并根据现场实验获得的测量数据展示传输方案在真实车辆场景中的表现。
2018-04-16 cs.NI
Optimizing Vehicular Users Association in Urban Mobile Networks
针对城市移动网络车载用户基站关联问题，提出综合考虑切换频率、信道质量和带宽容量的高效启发式方法，在真实轨迹与SUMO仿真中保持服务质量并较精确方法提速逾80%。
2024-09-09 cs.NI
An Optimal Game Approach for Heterogeneous Vehicular Network Selection with Varying Network Performance
传统的异构车载网络中的网络选择策略大多认为在不同的交通场景下，每个网络的性能是恒定的。这种假设导致这种策略在现实世界的性能变化场景中是无效的。为了解决这个问题，我们提出了一个最优的博弈方法，在某些网络的性能参数发生变化的条件下，异构车辆网络的选择。终端试图切换到具有更高评价的网络被公式化为多人非合作博弈。充分考虑异构车载网络的特点，调整博弈策略，适应车载环境，实现稳定快速收敛。建立了一个多局非合作博弈模型来描述网络选择。一个概率策略是用来逐步推动球员走向收敛，以防止不稳定。此外，在长安大学互联自动驾驶汽车试验台（CAVTest）上建立了系统原型。相应的测试结果表明，该方法能有效抑制网络性能变化引起的大量跳频所产生的乒乓效应，性能优于单重播放策略.
2019-05-27 cs.NI
Comparative Study of Simulation for Vehicular Ad-hoc Network
在这篇文章中，我们讨论了在过去几年中道路上增加的汽车数量。由于高密度的车辆，潜在的威胁和道路交通事故正在增加。无线技术的目标是在车辆中配备技术，通过相互发送消息来减少这些因素。车辆安全应用程序在部署到现实世界中使用之前应该进行彻底的测试。模拟器工具已被首选比户外实验，因为它简单，容易和便宜。VANET要求流量和网络模拟器应一起使用来执行此测试。为此目的存在许多工具，但其中大多数都存在适当交互的问题。利用外部激励来模拟车载网络，分析其对无线通信的影响，但要完成这项工作，还需要一个好的模拟器。
2013-04-18 cs.NI
Scheduling Advertisement Delivery in Vehicular Networks
车辆用户正在成为定向广告的主要市场，其中广告（ad）从网络接入点发送到车辆，并且仅在与乘客相关时才显示给乘客。在这项研究中，我们采取的观点，一个经纪人管理的广告系统，并获得支付每次相关的广告显示给感兴趣的用户。经纪人选择在每个接入点广播的广告，以最大限度地提高其收入。在这种情况下，我们观察到，选择最适合用户兴趣的广告实际上可能会损害经纪人的收入。鉴于这一冲突，我们提出Volfied，算法允许无冲突，接近最佳的广告选择非常低的计算复杂性。我们的性能评估，通过现实世界的车辆轨迹进行，表明Volfied增加了高达70%的经纪人收入与可证明的低计算复杂性，相比国家的最先进的替代品。
2018-04-14 cs.NI
Data-driven Network Simulation for Performance Analysis of Anticipatory Vehicular Communication Systems
提供可靠的连接被认为是未来自动驾驶的关键推动因素。预期通信技术已经被提出用于主动地考虑通信系统自身内的高度动态无线电信道的属性。由于现实世界的实验是非常耗时的，缺乏一个可控的环境，性能评估和新的预期车载通信系统的参数研究通常是基于网络仿真进行。然而，由于所需的简化和未知参数的宽范围（例如，移动网络运营商（MNO）特定的网络基础设施配置），所实现的结果通常与现实世界评估中的行为显著不同。在本文中，我们提出了数据驱动的网络仿真（DDNS）作为一种新的数据驱动的方法来分析和优化预期的车载通信系统。不同的机器学习模型被组合以实现所分析的系统的行为的接近现实的表示。在一个概念验证评估集中在机会车辆数据传输，所提出的方法进行了验证，对现场测量和系统级网络仿真。与后者相比，DDNS不仅提供了更快的结果生成，而且由于通过机器学习方法隐式地考虑了跨层依赖性，它还实现了对真实世界行为的更好的表示。
2019-11-28 cs.NI eess.SP
VEC-Sim: A Simulation Platform for Evaluating Service Caching and Computation Offloading Policies in Vehicular Edge Networks
本文提出VEC-Sim仿真平台，通过建模服务特征向量、车辆移动性、服务流行度演化等真实机制，并借助模块化架构与丰富API，实现对车载边缘网络中服务缓存与计算卸载策略的准确评估与高效案例研究。
2024-10-09 cs.NI
The Price of Fog: a Data-Driven Study on Caching Architectures in Vehicular Networks
预计车辆用户将消耗大量数据，用于娱乐和导航目的。这将给蜂窝网络带来压力，只有在适当的缓存到位的情况下，蜂窝网络才能够应对这样的负载，这反过来又引出了一个问题，即哪种缓存架构最适合处理车辆内容消费。在本文中，我们利用一个大规模的，人群收集的跟踪（i）车辆交通需求的特点，在整体规模和内容分解，（ii）评估不同的缓存方法如何执行对这样一个现实世界的负载，（iii）研究推荐系统和本地内容的影响。我们定义了一个价格的雾度量，表示额外的缓存容量部署时，从传统的集中式缓存架构的“雾计算”的方法，其中缓存更接近网络边缘。我们发现，对于特定位置的内容，如车辆用户最有可能要求，这样的价格几乎消失。因此，车载网络为采用移动边缘缓存提供了强有力的理由，因为我们能够从中获益-包括减少数据在核心网络内的传输距离-几乎没有或没有相关的缺点。
2016-05-20 cs.NI
Towards Data-driven Simulation of End-to-end Network Performance Indicators
新的车载通信方法主要是模拟或分析，因为现实世界的性能测试是非常耗时和成本密集型的。此外，大量的不可控影响使得在完全相同的条件下重新评估不同的方法几乎是不可能的。然而，由于这些方法极大地简化了无线电环境和各种跨层相互依赖性的影响，因此端到端指示符（例如，所得到的数据率）通常与真实世界的测量结果显著不同。在本文中，我们提出了一种数据驱动的方法，利用多种机器学习方法的组合来建模车载网络中网络性能指标的端到端行为。所提出的方法可以用于快速和接近现实的评估和优化的新方法在一个可控的环境中，因为它隐含地考虑可测量的功能之间的跨层依赖关系。在一个机会性车辆数据传输的示例案例研究中，所提出的方法对现实世界的测量和经典的系统级网络仿真设置进行了验证。虽然所提出的方法只需要一小部分的计算时间，后者，它实现了一个显着更好的匹配与现实世界的评价。
2019-11-21 cs.NI
Vehicular Fog Computing Enabled Real-time Collision Warning via Trajectory Calibration
车辆雾计算（VFC）已被设想为一个有前途的范例，使各种新兴的智能交通系统（ITS）。然而，由于无线通信中不可避免的以及不可忽略的问题，包括传输延迟和分组丢失，在实现安全关键应用方面仍然具有挑战性，例如车辆网络中的实时的【形】碰撞警告。本文提出了一种车载雾计算体系结构，旨在通过将计算和通信开销卸载到分布式雾节点，支持有效的、实时的【形】碰撞预警。与系统架构，我们进一步提出了一个基于轨迹校准的碰撞警告（TCCW）算法以及定制的通信协议。具体而言，应用层车辆到基础设施（V2I）的通信延迟是由稳定分布与真实世界的现场测试数据拟合。然后，设计了一种丢包检测机制。最后，TCCW根据接收到的车辆状态，包括GPS坐标、速度、加速度、航向，以及通信时延估计和丢包检测，对车辆轨迹进行实时的【形】形状校正。对于性能评估，我们建立了仿真模型，并实现了传统的解决方案，包括基于云的警告和基于雾的警告没有校准进行比较。仿真结果表明，TCCW算法在大范围的场景下都具有较高的查准率和查全率，具有较好的实用性。
2020-05-23 cs.NI
Empirical Analysis of Client-based Network Quality Prediction in Vehicular Multi-MNO Networks
多移动网络运营商（MNO）网络是一种很有前途的方法，利用多个可用的蜂窝数据连接在车辆网络的合力。通过应用预期通信原理，数据传输可以动态地利用具有最高估计网络性能的移动网络，以便实现数据率、资源效率和可靠性的改进。在本文中，我们提出了一个全面的真实世界的测量活动在公共蜂窝网络在不同的情况下的结果，并分析了在线数据率预测的性能的基础上，多个机器学习模型和数据聚合策略。它表明，多MNO的方法是能够实现所有考虑的网络质量和端到端的指标，即使在存在一个单一的主导MNO显着的好处。然而，分析指出，预期的多MNO通信需要考虑特定于MNO的机器学习模型，因为不同特征的影响高度依赖于网络基础设施的配置。
2019-11-21 cs.NI
Adaptive QoS of WebRTC for Vehicular Media Communications
Vicomtech Foundation（维孔泰克基金会）；Basque Research and Technology Alliance（巴斯克研究与技术联盟）；University of the Basque Country（巴斯克大学）
为车载系统运送传感器的车辆正在获得连接。这使得信息共享能够实现对环境的更全面的了解。然而，通过公共蜂窝网络的对等通信带来了多个网络障碍，需要网络内系统来中继通信并连接无法直接连接的各方。Web实时通信（WebRTC）是跨车辆的媒体流的良好候选者，因为它能够实现低延迟通信，同时将标准协议引入安全握手，发现公共IP和横向网络地址转换（NAT）系统。然而，在传输和接收由中继器解耦的基础设施中的端到端服务质量（QoS）适配需要一种机制来有效地使视频流适应网络容量。为此，本文研究了一种机制，通过利用实时的传输控制协议（RTCP）的指标，如带宽和往返时间，应用分辨率，帧速率和比特率的变化。该解决方案旨在确保接收车载系统及时获得相关信息。在一个真实的5G测试平台上，分析了应用不同方法进行QoS自适应时对端到端吞吐量效率和反应时间的影响。
2022-08-24 cs.CV cs.NI
Building Transmission Backbone for Highway Vehicular Networks: Framework and Analysis
在高速公路车辆自组织网络中，车辆通过无线方式互连，依赖于多跳传输进行端到端通信。然而，这是严重的挑战，不可靠的无线连接，信号衰减和信道竞争中的动态车辆环境。为了克服网络动态性，为端到端连接选择合适的中继是很重要的。与以往的工作（\emph{e.g.}、分簇和协作下载）不同，本文探讨了稳定车辆的存在性，提出在高速公路车载自组网中构建稳定的多跳传输骨干网。我们的工作由三部分组成。首先，通过分析现实世界中的车辆交通轨迹，我们观察到，大型车辆，\emph{e.g.}，卡车，通常是稳定的低变化的移动性和稳定的信道条件下的低信号衰减，这使得它们的互连稳定的连接时间和传输速率。其次，通过探索稳定的车辆，我们提出了一个分布式协议，建立一个多跳的骨干链路端到端的传输，从而形成一个两层的网络结构在公路车辆自组网。最后，为了展示所得到的数据性能，我们开发了一个分析模型来评估端到端的传输延迟和吞吐量。使用广泛的模拟，我们表明，建议的传输骨干可以显着提高多跳数据传输的可靠性，更高的吞吐量，更少的传输中断和端到端的延迟。
2018-07-06 cs.NI
FoggyEdge: An Information Centric Computation Offloading and Management Framework for Edge-based Vehicular Fog Computing
本文提出基于命名数据网络和微服务的四层 FoggyEdge 框架，融合车辆雾计算与路侧边缘计算，以降低车联网服务时延和卸载传输成本，并通过 SUMO 实验验证其有效性。
2023-04-20 cs.NI
Enabling Mobile Base Stations in 5G via Wireless Access Backhaul (WAB): A Multi-Band Experimental Study
Politecnico di Milano（米兰理工大学）
本文通过多频段WAB实验验证了移动基站的可行性，展示了WAB在车辆和室内外场景中的高效性能，克服了FR2的局限性。
2026-04-09 cs.NI
Fading Improves Connectivity in Vehicular Ad-hoc Networks
连接性分析是车载自组织网络（VANET）网络性能的重要指标。虽然VANET连接已经被深入研究和调查下的无衰落信道模型，为他们的简单性，这些模型并不代表现实世界的情况下，遭受信道损伤。在多径传播环境中的连通性概率是太具有挑战性，被捕获的一个封闭的公式，由于新兴的复杂性与衰落信道中的随机性。这导致了关于衰落对VANET连接性的影响的相互矛盾的陈述。在本文中，我们数值估计的连通性概率使用基于图的蒙特卡罗模拟，旨在更好地理解衰落信道中的连通性。结果表明，在相同的发射功率和车辆密度水平下，瑞利衰落信道比无衰落模型增强了连通性。虽然这些发现似乎违反直觉，但它们与其他ad-hoc网络中早期报道的类似行为一致。使用模拟和随机分析，我们彻底调查这种效果，并提供了一个直观的解释衰落的积极影响的连接。
2020-06-17 cs.NI
Virtually the Same: Comparing Physical and Virtual Testbeds
网络设计人员、规划人员和安全专业人员越来越多地依赖于大规模虚拟测试平台来模拟网络并做出有关实际部署的决策。然而，关于这些虚拟测试平台与物理测试平台的匹配程度的研究有限。具体来说，这些测试平台所依赖的虚拟化是否能够很好地捕捉真实世界的行为，以支持决策？作为第一步，我们在物理和虚拟测试平台上进行简单的实验，以开始了解测试平台的不同之处和不同之处。我们在一台主机上设置了一个Web服务，并从另一台主机上针对该服务运行ApacheBench，在这些测试期间对每个系统进行检测。我们定义了一个初始的可重复的方法来定量比较测试平台。具体来说，我们比较了三个抽象层次的测试床：应用程序，操作系统（OS）和网络。对于应用程序级别，我们使用ApacheBench结果。对于操作系统的行为，我们比较模式的系统调用排序使用马尔可夫链。这为我们的测试平台中的工作负载和操作系统行为提供了独特的视觉表示。我们还深入研究了读系统调用行为，并展示了在一个级别上两个系统是如何确定和相同的，但随着我们在抽象中的移动，一致性下降。最后，我们使用数据包捕获来比较网络行为和性能。我们重建流和比较每个流和每个实验的统计。我们发现，测试平台中的工作负载的行为是相似的，但支持它的底层流程确实有所不同。根据虚拟网络驱动程序的不同，低级别网络行为在分组化方面可能会有很大变化。虽然这些差异可能很重要，并且了解它们将有助于实验设计人员，但核心应…
2019-01-21 cs.NI
A Belief Propagation Solution for Beam Coordination in MmWave Vehicular Networks
毫米波通信被广泛认为是增加车载网络容量的一个有前途的选择，预计联网汽车很快将需要发送和接收大量数据。由于恶劣的传播条件，毫米波系统采用窄波束为其用户提供服务，并且需要根据业务需求及其空间分布以及干扰来配置此类波束。在这项工作中，我们解决的波束管理问题，考虑城市车辆网络组成的gNB。我们首先建立一个准确的，但易于处理的系统模型，并制定了一个优化问题，旨在最大限度地提高总网络数据率，同时考虑到网络场景的随机性。然后，我们开发了一个基于图的模型捕获的主要系统特征，并使用它来开发一个信念传播算法框架，称为CRAB，具有低复杂性，因此，可以有效地应对大规模的场景。我们评估了我们的方法在现实世界的设置下的性能，并表明，与最先进的替代品相比，CRAB提供了平均50%的改善，由单个gNB传输的数据量和高达30%的更好的用户覆盖。
2022-06-23 cs.NI
System-of-Systems Modeling, Analysis and Optimization of Hybrid Vehicular Traffic
虽然全自动车辆的发展是智能交通系统（ITS）领域的主要研究领域之一，但即将到来的长期过渡期-混合动力车辆交通-往往被忽视。然而，在未来几十年内，具有不同自主水平的汽车系统将共享同一个道路网络，这给交通管理系统和通信网络基础设施提供商带来了新的问题。在本文中，我们确定了即将到来的混合交通场景的关键挑战，并提出了一个系统模型，该模型汇集了交通建模，数据科学和通信工程的方法和方法，以实现数据驱动的交通流优化。该模型由数据采集、数据传输、数据分析和数据开发组成，利用了真实世界的传感器数据以及模拟优化方法。基于多个案例研究的结果，这些研究侧重于个别挑战（例如，资源有效的数据传输和车辆的动态路由），我们指出了使用现有基础设施的方法，具有更高的效率等级。
2019-11-21 cs.NI
EPViSA: Efficient Auction Design for Real-time Physical-Virtual Synchronization in the Metaverse
Metaverse可以模糊物理和虚拟世界之间的界限。具体而言，对于车辆网络中的Metaverse，即，在车载虚拟世界中，车辆不再是孤立的物理空间，而是将虚拟世界扩展到物理世界的接口。通过自动驾驶汽车（AV）连接Metaverse，驾驶员和乘客可以通过增强现实（AR）沉浸在覆盖在平视显示器（HUD）上的街道视图上的3D虚拟对象中并与之交互。无缝的、沉浸式的和交互式的体验相当依赖于物理实体之间的实时的【形】多维数据同步，即，AV和虚拟实体，即，Metaverse广告牌提供商（MBPs）。然而，机制分配和匹配同步AV和MBP对路边单元（RSU）在一个同步服务市场，其中包括物理和虚拟的子市场，容易受到逆向选择。在本文中，我们提出了一个增强的第二个分数拍卖为基础的机制，命名为EPViSA，分配物理和虚拟实体的同步服务市场的车辆Metaverse。EPViSA机制可以同时确定同步AV和MBP对，同时保护参与者免受逆向选择，从而实现高的总社会福利。我们提出了一个同步评分规则，以消除虚拟子市场的外部影响。然后，引入价格比例因子来提高虚拟子市场中同步虚拟实体的分配。最后，严格的分析和广泛的实验结果表明，EPViSA可以实现至少96%的社会福利相比，无所不知的基准，同时确保战略证明和逆向选择自由通过模拟测试床。
2022-11-13 cs.NI
Lessons Learned from the Real-world Deployment of a Connected Vehicle Testbed
互联车辆（CV）系统承诺前所未有的安全性、移动性、环境、经济和社会效益，这些效益可以通过车辆和基础设施之间共享的大量数据（例如，交通信号、中心）。包括试点部署在内的真实CV部署有助于解决技术问题并观察潜在的好处，这两者都支持CV系统的更广泛采用。这项研究的重点是克莱姆森大学联网车辆测试台（CUCVT），目的是分享从CUCVT部署中吸取的经验教训。本研究的动机是增强早期CV部署，目的是描述从CUCVT测试平台中吸取的经验教训，其中包括支持多个CV应用程序同时运行的独特功能。在CUCVT测试平台中吸取的经验教训被描述在三个不同的层次：i）在受控环境中的系统架构和原型的开发，ii）CUCVT测试平台的部署，以及iii）在CUCVT中CV应用实验的验证。我们的CV应用程序的现场实验验证了在异构无线网络以及实时和非实时的数据分析要求下同时运行多个不同CV应用程序所需的功能。从CUCVT测试平台获得的与异构无线网络、实时的数据聚合、使用代理系统的分发和使用大型数据管理工具的数据归档相关的独特部署经验可用于推进CV研究并指导公共和私人机构在现实世界中部署CV。
2017-12-06 cs.CY cs.NI
The Impact of Vehicular Traffic Demand on 5G Caching Architectures: a Data-Driven Study
车载娱乐系统和自动驾驶汽车的出现，以及后者对高分辨率、最新地图的需求，将进一步增加汽车消耗的数据量。考虑到车载环境中WiFi卸载的困难程度，大部分额外负载将由蜂窝网络提供。反过来，蜂窝网络将在网络边缘进行缓存，以减少其核心网络的压力，这种方法也称为移动边缘计算或雾计算。在这项工作中，我们利用来自We-Fi应用程序用户的真实世界的大规模跟踪，以便（i）了解车辆用户对全球交通需求的贡献有多重要;（ii）比较不同缓存架构的性能;以及（iii）研究推荐系统和内容局部性如何影响这种性能。我们通过一个名为price-of-fog的指标来表示雾计算的价格，与传统的集中式方法相比，考虑到要部署的额外缓存。我们发现，雾计算允许一个非常显着的减少核心网络上的负载，其价格在所有情况下都很低，变得可以忽略不计，如果内容的需求是位置特定的。因此，我们可以得出结论，车载网络是过渡到移动边缘缓存的绝佳案例：由于车辆需求的特殊特征，我们可以获得雾计算的所有好处，包括减少核心网络上的负载，将缺点降至最低。
2016-11-24 cs.NI
Secure Implementation of a Vehicular Application for the Symbian Platform
车载自组织网络是一种以车辆为节点的通信网络。他们的目的是有效地管理交通，以防止意外事故，堵塞等不必要的事件，对这种类型的网络的研究假设使用安装在道路上的额外基础设施，并安装在车辆中的特殊设备。在本文中，我们提出了一种新的解决方案，用于部署车辆网络，它只使用现有的智能手机与技术，如Wi-Fi，GPS和蓝牙。这种方法将节省道路基础设施部署和额外车辆设备的成本，从而能够以低成本部署第一个真实世界的车辆自组织网络。特别是，在这里全面详细审查的建议，为Symbian平台的开发实施。
2022-08-06 cs.CR cs.NI
Acting Selfish for the Good of All: Contextual Bandits for Resource-Efficient Transmission of Vehicular Sensor Data
作为一种新的基于客户端的方法，用于延迟容忍车辆传感器数据的资源有效的机会传输。BS-CB采用一种混合方法，将所有主要的机器学习学科-监督、无监督和强化学习-结合在一起，以便根据预期的资源效率自主调度车辆传感器数据传输。在三个移动网络运营商（MNO）的公共蜂窝网络中的综合真实世界性能评估中，发现1）平均上行数据率提高了125%-195% 2）数据率优化的明显自私目标减少了占用小区资源量的84%-89% 3）平均传输相关功耗可以减少53%-4）代价是由于机会主义介质访问策略而导致的额外缓冲延迟。
2020-07-20 cs.NI eess.SP
Scalability and Performance Evaluation of IEEE 802.11ah IoT Deployments: A Testbed Approach
本研究通过构建IEEE 802.11ah测试平台，评估其可扩展性与性能，揭示网络竞争和相邻信道干扰导致的吞吐量下降，并分析能耗，为物联网部署优化提供依据。
2025-08-05 cs.NI
World Model-Based Learning for Long-Term Age of Information Minimization in Vehicular Networks
Bradley Department of Electrical and Computer Engineering, Virginia Tech, Alexandria, VA, 22305, USA（布拉德利电气与计算机工程系，弗吉尼亚理工学院，亚历山大，VA，22305，USA）；Department of Computer Science, Virginia Tech, Alexandria, VA, 22305, USA（计算机科学系，弗吉尼亚理工学院，亚历山大，VA，22305，USA）
针对传统强化学习在车载网络中数据效率低、策略短视的问题，提出基于世界模型的学习框架，通过想象轨迹学习链路调度策略，在mmWave V2X场景下显著提升数据效率并降低CAoI。
2025-08-01 cs.AI cs.NI
Importance of realistic mobility models for vanet network simulation
在用于车辆自组织网络的协议的性能评估中，应该在现实条件下测试协议，所述现实条件包括代表性数据业务模型和作为车辆的移动节点的现实运动（即，移动性模型）。这项工作是一个比较研究的两个移动模型，用于车辆网络的模拟，即，MOVE（MObility model generator for VEhicular networks）和CityMob，VANET的移动模式生成器。我们描述了几个流动性模型VANET模拟。在本文中，我们的目的是表明，移动模型可以显着影响VANET网络的仿真结果。本文给出的结果证明了选择一个合适的现实世界的情况下，在这种网络中的路由协议的性能研究的重要性。
2014-10-09 cs.NI
Federated Foundation Models over Vehicular Networks
University of Waterloo（多伦多大学）
本文提出将多模态多任务联邦基础模型（M3T FedFMs）集成到车辆网络中的愿景，结合基础模型的表达力与联邦学习的隐私保护分布式学习能力，并通过Waymo数据集案例验证其潜力。
2026-09-09 cs.LG cs.NI
Client-Based Intelligence for Resource Efficient Vehicular Big Data Transfer in Future 6G Network
汽车大数据有望成为汽车行业的“新石油”，推动新型众测服务的发展。然而，传输的大量车辆传感器数据代表了蜂窝网络的巨大挑战。实现缓解的一种有前途的方法是利用端边缘云设备上的智能，这种方法允许以更有效的方式利用现有的网络资源。通过基于机器学习的对高资源效率的数据传输机会的识别和利用，客户端设备能够参与整个网络资源优化过程。在这项工作中，我们提出了一种新的基于客户端的机会数据传输方法的延迟容忍的应用程序，这是基于混合机器学习方法：监督学习是用来预测当前可实现的数据率作为度量的强化学习为基础的数据传输调度过程。此外，应用无监督学习来揭示预测模型中的地理空间相关的不确定性。在一个全面的真实世界的评估，在公共蜂窝网络的三个德国移动网络运营商（MNO），我们表明，平均数据率可以提高高达223%，同时减少占用的网络资源量高达89%。由于更倾向于在更稳健的网络条件下进行数据传输，因此与传输相关的功耗降低了73%。付出的代价是传感器数据的信息时代（AoI）的增加。
2021-02-17 cs.NI
Complex Network Theoretical Analysis on Information Dissemination over Vehicular Networks
如何提高车载网络的通信效率和质量是一个非常重要的问题。而随着密集城市中车辆网络规模的不断扩大，现实世界的数据集表明，车辆网络本质上属于复杂网络模型。同时，对复杂网络的广泛研究表明，复杂网络理论不仅可以提供精确的网络图解模型，而且可以进一步为网络的设计、优化和管理做出巨大贡献。本文首先分析了出租车GPS数据集的特点，然后分别建立了车-基础设施、车-车和混合通信模型。在此基础上，提出了基于通信性能和复杂网络理论的分簇选址算法、流量分配优化模型和信息源选择模型。
2020-08-04 cs.IT cs.NI math.IT
FLEET: A Federated Learning Emulation and Evaluation Testbed for Holistic Research
针对现有联邦学习评估工具难以模拟真实运行条件、导致理论与实际性能脱节的问题，本文提出集成跨框架学习组件与高保真网络仿真器的FLEET测试平台，可系统研究网络约束对FL算法的影响，助力联邦学习的整体性可复现评估。
2025-09-03 cs.NI
Lightweight Joint Simulation of Vehicular Mobility and Communication with LIMoSim
提供可靠和高效的通信是部署自动驾驶汽车以及智能城市中未来智能交通系统（ITS）的关键要求。在车联网（V2X）环境下，新型通信技术将不得不面对高度复杂且极其动态的网络拓扑，并需要在路由、切换和资源分配的决策过程中考虑移动性信息。因此，研究人员和开发人员需要能够为两个组件提供逼真的表示以及利用移动性和通信的融合的手段的仿真工具。在本文中，我们提出了一个轻量级的框架，用于模拟车辆的移动性，它具有面向通信的角度设计，并打算与网络模拟器结合使用。与现有方法相比，它的工作原理不需要使用集成方法的进程间通信（IPC），因此能够大大降低仿真设置的复杂性。由于移动性和通信共享相同的代码库，因此它能够对这两个组件之间高度相互依赖的场景进行建模。在一个概念验证的研究中，我们评估了所提出的模拟器在不同的示例场景中的长期演进（LTE）的背景下，使用现实世界的地图数据。
2018-02-21 cs.NI
Framework Architecture for WLAN Testbed
人们一直在努力改进无线局域网以支持要求苛刻的多媒体应用。许多新的协议或想法已经被提出，并通过使用数学模型或运行仿真程序来证明。这是令人满意的，但这些提议的设计可能在现实世界的情况下不起作用。Testbed是一个缓解这种差距的选择，并提供了看到真正问题并确保设计工作的机会。本文提出了一种用于构建测试床以测试新概念或设计的框架体系结构。该框架采用模块化设计，可以方便地进行交换或修改。一个基于该框架的测试床实现了基于轮询的机制，结果表明，实时的业务的QoS可以保持在高的非实时的业务的存在。
2011-11-08 cs.NI
A Survey on Industrial Internet of Things (IIoT) Testbeds for Connectivity Research
本文综述现有工业物联网测试平台，按TSN、IEEE 802.15.4、IEEE 802.11和5G等通信协议分类分析其设计与用途，并为连接性研究测试平台的建设提供建议。
2024-07-01 cs.NI
Mmwave Beam Management in Urban Vehicular Networks
毫米波通信是解决车载网络容量不足的一种有效途径。然而，为了实现快速波束控制，在发射机和接收机之间进行有效的波束对准需要准确地了解飞行器的位置，而这通常是不切实际的，无法实时的获得。我们通过利用调节车辆移动性的交通信号来解决这个问题：例如，我们可以将光束与红色交通灯协调，因为它们对应于更高的车辆密度和更低的速度。为了评估我们的直觉，我们提出了一个易于处理的，但准确的，毫米波通信模型占的距离和正在服务的车辆的航向。使用这样的模型，我们优化的光束设计，并定义一个低复杂度，启发式的策略。为了提高现实性，我们考虑作为参考方案的大规模，现实世界的车辆在卢森堡的流动性跟踪。结果表明，我们的方法密切匹配的最佳和总是优于静态梁设计的基础上，道路拓扑结构。值得注意的是，它也比基于实时移动信息的解决方案产生更好的性能。
2020-05-19 cs.NI eess.SP
Comparative Study of Simulators for Vehicular Networks
针对VANET真实实验成本高、仿真器需兼顾真实性与资源效率的问题，本文从资源利用、数据包交付和计算时间三方面比较评估多款车载网络模拟器。
2024-03-01 cs.NI
MOTIVE: Micropayments for trusted vehicular services
联网汽车正逐渐成为一个分散的数据平台。随着更大的自主性，他们对计算和通过传感器感知周围世界的需求越来越大。虽然今天这一代的车辆携带了所有必要的传感器数据和计算，但我们设想的未来是，车辆可以相互合作，以增加它们对眼前世界的感知，从而为人类乘客带来更大的安全性，协调性和更舒适的体验。为了使车辆从其他车辆或路边基础设施获得数据、计算和其他服务，重要的是能够为这些服务进行小额支付，并且使服务无缝地运行，尽管移动性和与一组动态相邻设备的短暂交互带来了挑战。我们提出了MOTIVE，这是一个可信和分散的框架，允许车辆对从无线电范围内的其他车辆或路边基础设施获得的数据，计算和其他服务进行点对点小额支付。该框架利用包括智能合约在内的分布式账本技术，实现车辆和附近实体之间的自主操作和可信交互。
2019-02-28 cs.DC cs.NI
DOSM: Demand-Prediction based Online Service Management for Vehicular Edge Computing Networks
本文提出DOSM框架，结合GRU需求预测与深度强化学习，在线决策车载边缘计算网络中的服务横向扩展、迁移和缩减，以优化延迟和网络性能。
2023-04-12 cs.NI
Multi-Agent Meta-Advisor for UAV Fleet Trajectory Design in Vehicular Networks
National Laboratory of Wireless Communications of CNIT (Wilab, CNIT)（CNIT无线通信国家实验室）；University of Bologna（博洛尼亚大学）
本文提出多智能体元顾问框架，用于解决车联网中无人机编队轨迹设计问题，通过联合学习的元策略实现高效探索，提升网络性能。
2026-02-18 cs.NI
Does Twinning Vehicular Networks Enhance Their Performance in Dense Areas?
Istanbul Technical University（伊斯坦布尔技术大学）；BTS Group（BTS集团）；Edinburgh Napier University（爱丁堡龙比亚大学）
本文研究Digital Twins在密集城市车辆网络中的性能提升，通过AI聚类识别关键位置并评估边缘、云和混合三种部署场景，发现双胞胎化显著降低网络延迟并提升计算速度，为拥挤区域的车辆通信提供了部署决策依据。
2024-02-16 cs.AI cs.NI
A Lyapunov-Guided Diffusion-Based Reinforcement Learning Approach for UAV-Assisted Vehicular Networks with Delayed CSI Feedback
针对延迟CSI下无人机辅助车载网络的资源、功率与高度联合优化问题，提出Lyapunov引导的D3PG扩散强化学习算法，在能量约束下提升和速率。
2025-07-28 cs.NI
Traffic Congestion Awareness and On-Demand Distribution in Vehicular Delay-Tolerant Networks in California I-210 Freeway
University of Nottingham（诺丁汉大学）
针对车载网络中泛洪广播导致资源浪费的问题，本文提出基于拥堵复发与持续时间预测的按需分发机制，利用加州I-210真实数据验证，显著降低网络开销并提升投递性能。
2026-09-30 cs.NI
Dynamic Data-Driven Digital Twin Testbed for Enhanced First Responder Training and Communication
本文开发了一个以真实训练设施为蓝图的数字孪生测试平台，集成模拟无线通信和 Unreal Engine 交互环境，用于增强应急响应人员的培训与通信分析。
2024-10-18 cs.CY cs.NI eess.SP
Towards Cooperative Data Rate Prediction for Future Mobile and Vehicular 6G Networks
基于机器学习的数据率预测是具有诸如动态无线电接入技术（RAT）选择、机会性数据传输和预测性高速缓存的应用的预期移动联网的关键驱动因素之一。依赖于网络质量指标的被动测量的基于用户设备（UE）的预测方法已经成功地应用于预测车辆数据传输的吞吐量。然而，由于UE不知道当前网络负载，因此可实现的预测准确度是有限的。为了克服这个问题，我们提出了一个合作的数据率预测方法，它汇集了来自客户端和网络域的知识。在现实世界的概念验证评估中，我们利用基于软件定义无线电（SDR）的控制信道嗅探器RISKCON来模拟未来6G网络中可能的网络辅助信息提供的行为。实验结果表明，该方法能够将平均预测误差降低30%。关于正在进行的标准化工作，关于实施智能网络管理，我们认为，未来的6G网络应该超越网络为重点的方法，并积极提供负载信息的UE，以燃料普及机器学习和催化基于UE的网络优化技术。
2020-01-26 cs.NI eess.SP
