Vehicular Cooperative Maneuvers -- Quo Vaditis?
本文梳理了车辆协同机动的核心概念、当前部署前需解决的开放挑战，并展望了其未来演进方向。
2023-11-30 cs.NI
Video Streaming in Cooperative Vehicular Networks
车载网络中的视频服务在我们的日常出行中扮演着重要的角色。在本文中，我们提出了一个合作的通信方案，以促进视频数据传输，利用车辆的移动性和基础设施和车辆之间的合作。为了提高视频体验质量（QoE），即，为了减少中断率、质量波动，提高回放质量，设计了一种基于车辆状态信息的后向补偿视频传输策略。此外，我们分析了一跳和目标集群为基础的合作计划的吞吐量，并获得其封闭形式的表达式，分别，这是有用的视频编码设计在中央服务器。仿真结果表明，该方法可以显着提高视频性能，并验证了我们的分析结果的准确性。
2021-11-14 cs.NI
Capacity of Cooperative Vehicular Networks with Infrastructure Support: Multi-user Case
具有基础设施支持的车辆网络的容量是一个有趣且具有挑战性的问题，因为容量由多种因素的相互作用决定，包括车辆到基础设施（V2I）通信、车辆到车辆（V2V）通信、车辆的密度和移动性以及车辆和基础设施之间的合作。在本文中，我们考虑了一个典型的延迟容忍的应用场景与车辆的一个子集，称为车辆的兴趣（VoIs），有下载请求。每个VoI从因特网下载不同的大尺寸文件，并且没有下载请求的其他车辆协助将文件递送到VoI。提出了一种协同通信策略，该策略综合利用V2I通信、V2V通信、车辆的移动性以及车辆与基础设施之间的协作来提高车载网络的容量。建立了基于该策略的数据分发过程模型，得到了可达容量的封闭表达式，揭示了容量与影响性能的主要参数之间的关系，这些参数包括基础设施间距离、基础设施和车辆的无线电距离、车辆的感知距离、V2I和V2V通信的传输速率，车辆密度和VoI比例。仿真结果表明，所提出的协作通信策略显著提高了车载网络的容量，特别是在VoI比例较低的情况下。我们的研究结果提供指导的车辆网络基础设施的最佳部署和协作通信策略的设计，以最大限度地提高容量。
2017-01-15 cs.NI
Joint Sensing, Communication, and Computation Resource Allocation for Cooperative Perception in Fog-Based Vehicular Networks
为了扩大自主车辆的感知范围和可靠性，协同感知受到了广泛的关注。然而，考虑到大量的共享消息，有限的带宽和计算资源在车辆网络成为瓶颈。在本文中，我们研究如何平衡共享消息和有限的资源在基于雾的车辆网络的体积。为此，我们首先考虑其时空价值和延迟性能的合作感知的总满意度的特征。然后，在满足车辆最大延迟和逗留时间约束的前提下，联合分配感知块消息、通信资源块和计算资源，以最大化协作感知的满意度和.由于其非凸性，我们将原问题解耦成两个独立的子问题，并设计相应的解决方案。仿真结果表明，与现有的基线相比，我们提出的方案可以有效地提高合作感知的总满意度。
2021-12-12 cs.NI eess.SP
Topology-Age-Aware Cooperative Awareness in Vehicular Ad-Hoc Networks
School of Computer Engineering, K. N. Toosi University of Technology（计算机工程学院，K. N. 托基斯坦理工大学）
针对VANETs中状态信息新鲜度维持问题，提出A-CB策略及两种TA-CB策略，经实验验证其性能优于非协作广播，簇状拓扑下TA-CB较A-CB有大幅提升
2026-08-04 cs.NI
Exploring the Practical Limits of Cooperative Awareness in Vehicular Communications
我们进行了广泛的研究合作意识的车辆通信周期性的消息交换的基础上。我们首先分析了在欧洲四个测试点收集的测量结果。为了测量协作感知，我们使用三个度量：1）邻居感知率; 2）范围以上的邻居的比率;以及3）分组递送率。使用收集到的数据，我们定义了一个简单的模型，用于计算给定环境下的数据包传输率的邻域意识。最后，我们进行了现实的，大规模的模拟，以探索现实的发射功率和传输速率约束下的合作意识的可实现的性能。我们的测量和仿真结果表明：i）在一定的阈值以上，增加协作消息速率以提高感知的好处不大;更高的发射功率和更少的消息传输是一个更好的方法，因为消息传递是由阴影主导的。ii）协作感知的功效在大规模（例如，90%的认知度在城市高达200米，在高速公路超过500米）和小规模（例如，附近街道中的车辆可能具有显著不同的感知）; iii）V2 V和V2 I通信具有不同的感知模式; iv）每个位置具有实现高感知的不同发射功率;以及v）实现高感知水平导致潜在不想要的消息的接收增加;因此，需要根据特定上下文在感知和干扰之间找到平衡。我们希望我们的研究结果将作为一个起点，设计更有效的定期信息交换服务的合作意识。
2016-03-21 cs.NI
A Survey and Tutorial of Redundancy Mitigation for Vehicular Cooperative Perception: Standards, Strategies and Open Issues
本文综述车载集体感知服务中的冗余缓解技术，对比ETSI新旧标准，提出三种分类方法，并指出开放挑战，为相关研究提供参考。
2025-01-26 cs.NI
Task-driven Semantic-aware Green Cooperative Transmission Strategy for Vehicular Networks
针对车载网络未覆盖区阻碍大数据服务的问题，提出PreCMTS策略，利用知识图谱辅助语义通信并建模加权有向图，通过马尔可夫近似算法联合优化语义单元分配与中继选择，实现高能效与高可靠传输。
2023-07-28 cs.NI
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
Positioning based information technique in cooperative MIMO-OFDM systems
未来的通信网络正趋向于多样化的无线网络世界，其中定位信息（PI）可以在诸如动态资源分配的不同技术中是有帮助的。另一方面，PI可以广泛用于中继和/或路由选择过程中的协作技术。在本文中，我们建议使用PI在选择的中继，然后应用一个有效的双层分布式空时分组码（DLSTBC）计划之间的不同的中继。使用放大和转发（AF）技术，我们表明，无论发射功率是非常有效的建议的代码。此外，我们表明，中继选择过程的基础上PI产生非常强大的结果相比，随机中继选择（RS）过程
2010-01-19 cs.NI
Cooperative Beam Hopping for Accurate Positioning in Ultra-Dense LEO Satellite Networks
在超密集低轨卫星网络中，传统的面向通信的波束方向图设计无法同时提供来自不同卫星的多个有利信号，从而导致定位性能较差。为了解决这个问题，在本文中，我们提出了一种新的合作波束跳频（BH）框架，自适应调整波束布局适合多卫星协同定位。在此基础上，以最小化平均Cramér-Rao下界（CRLB）为目标，建立了用户关联、BH设计和功率分配的联合优化问题.然后提出了一种有效的柔性BH控制算法（FBHCA）来解决这个问题。最后，根据第三代合作伙伴计划（3GPP）定义的非地面网络（NTN）仿真参数搭建了一个完整的实验平台，验证了所设计算法的性能增益。数值结果表明，FBHCA可以显着提高CRLB性能的基准计划。
2021-03-31 cs.NI
Empirical Models for the Realistic Generation of Cooperative Awareness Messages in Vehicular Networks
大多数V2X（车联网）应用依赖于广播感知消息，在ETSI中称为CAM（协作感知消息），在SAE标准中称为BSM（基本安全消息）。大量的研究致力于保证其可靠的传输。然而，到目前为止，这些研究一般都是基于简化的数据流量模型，这些模型以周期性的间隔或恒定的消息大小生成意识消息。这些模型不能准确地表示遵循特定的基于移动性的规则的CAM消息的真实生成。使用简化和不切实际的交通模型可以显着影响的结果和有效性的研究，因此，准确的模型生成的意识消息是必要的。本文提出了第一套模型，可以真实地生成CAM消息。这些模型是根据两家汽车制造商在城市、郊区和高速公路试驾中收集的真实痕迹创建的。该模型基于m阶马尔可夫源，并对CAM的大小和CAM之间的时间间隔进行建模。这些模型是公开提供给社区的，可以很容易地集成到任何模拟器中。
2020-04-15 cs.NI
Cooperative Network Node Positioning Techniques Using Underwater Radio Communications
分析了水下传感器网络定位算法存在的问题。我们首先描述了无线电通信的水下信道，并根据实际传输的测量值调整线性模型。我们提出了一种算法，传感器节点协同估计其在网络中的未知位置。在此设置中，我们假设节点的低连接性、低数据率以及传输中丢失分组的非零概率。最后，我们考虑了水下导航中节点的位置估计问题。我们还提供了模拟说明以前的建议。
2016-04-12 cs.NI
Privacy-Preserving Cooperative Visible Light Positioning for Nonstationary Environment: A Federated Learning Perspective
Xiamen University（厦门大学）
可见光定位技术作为一种很有前途的室内定位技术，已经引起了人们的广泛关注。然而，在非平稳环境中，VLP的性能是有限的，因为高度时变信道。为了提高非平稳环境下的定位精度和泛化能力，提出了一种基于联邦学习的协作VLP方案。利用FL框架，一个适应环境变化的全局模型可以由用户共同训练，而无需共享用户的私有数据。此外，一个合作的可见光定位网络（CVPosNet）的建议，以加快收敛速度，提高定位精度。仿真结果表明，该方案优于基准方案，特别是在非平稳环境。
2023-03-11 cs.AI cs.IT cs.LG
Meta Learning Based Adaptive Cooperative Perception in Nonstationary Vehicular Networks
针对非平稳车载网络中自适应协同感知问题，提出基于 meta RL 的方法，通过学习各 LVN 的通用特征实现快速模型适配，并验证其在不降低奖励的前提下提升收敛速度。
2024-10-01 cs.NI eess.SP
Cooperative Relative Positioning of Mobile Users by Fusing IMU Inertial and UWB Ranging Information
多个移动用户之间的相对定位对于许多应用是必不可少的，例如在灾区的搜索和救援或人类社交互动。惯性测量组合（IMU）在短时间内可以测量位置的变化，但长期运行时对误差积累非常敏感。通过为移动用户配备测距单元，例如超宽带（UWB），可以通过基于三边测量的方法实现精确的相对定位。与视觉或基于激光的传感器相比，UWB不需要在视线内，并提供准确的距离估计。然而，UWB不提供任何方位信息，并且通信范围有限，因此UWB不能单独确定用户位置而没有任何模糊性。在本文中，我们提出了一种方法，结合惯性测量单元和超宽带测距测量多个移动用户之间的相对定位的基础设施的知识。我们将UWB和IMU测量到一个概率为基础的框架，它允许合作定位一组移动用户和定位故障恢复。我们已经进行了广泛的实验，以证明将惯性和UWB测距测量的好处。
2017-04-04 cs.NI
Cell-less Communications in 5G Vehicular Networks Based on Vehicle-Installed Access Points
智能交通系统的发展对现有的车载网络提出了更高的要求。例如，为了确保车辆之间的安全通信，车辆网络需要低延迟、高连接性和高数据率。为了满足这些要求，用于车辆网络的5G通信系统应该相应地改进。本文提出了一种5G车载网络的通信方案，在该方案中，移动接入点部署在车辆上，以方便车辆用户的访问。此外，相邻的车载移动接入点可以通过联合发送和接收与车辆用户协作通信。以这种方式，车辆用户以无小区方式与一个或多个未指定的协作接入点通信，而不是与单个接入点相关联。为了管理这种无小区网络，采用本地移动软件定义的云来执行传输和调度管理。仿真结果表明，该方案在显著降低时延的同时，提高了车联网的连通性，可作为5G车联网解决方案的一个研究方向。
2018-01-28 cs.NI
Digital Twin-Enabled Mobility-Aware Cooperative Caching in Vehicular Edge Computing
Guangxi Normal University（广西师范大学）；Key Laboratory of Education Blockchain and Intelligent Technology, Ministry of Education（教育部教育区块链与智能技术重点实验室）；Guangxi Key Laboratory of Brain-inspired Computing and Intelligent Chips（广西脑启发计算与智能芯片重点实验室）；Guangxi Key Laboratory of Multi-Source Information Mining and Security（广西多源信息挖掘与安全重点实验室）；University Engineering Research Center of Educational Intelligent Technology（教育智能技术大学工程研究中心）；School of Computer Science and Engineering（计算机科学与工程学院）；PCA Lab（PCA实验室）；Key Lab of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education（教育部高维信息智能感知与系统重点实验室）
本文提出DAPR框架，通过数字孪生和深度强化学习优化车联网边缘缓存，提升缓存命中率和减少传输延迟。
2026-02-28 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
Towards Mobility-Aware Proactive Caching for Vehicular Ad hoc Networks
利用关于用户移动模式和日常需求的信息可以增强网络能力，以改善车载自组织网络（VANESCO）的体验质量（QoE）。主动缓存作为5G网络提供的关键功能之一，最近引起了人们的极大兴趣。然而，如何将大尺寸的多媒体内容（包括视频、音频和图片）传送到高速移动的车辆上，还需要更多的研究。在本文中，我们研究了在路边单位（RSU），我们考虑到最佳缓存决策的车辆速度的影响，通过主动缓存所取得的收益。利用关于用户需求和移动性的信息来将一些文件缓存在RSU中，RSU将在实际需求之前与沿着所访问的道路行驶的车辆进行通信。我们的主要目标是最小化总网络延迟。为了实现这一目标，我们制定了两个优化问题的非合作和合作的缓存方案，以找到最佳的缓存策略，以决定哪些文件被缓存的RSU。由于这些问题的复杂性，我们提出了一个次优的缓存策略，为每个计划。我们比较的最佳缓存策略的次优缓存策略的性能。数值结果表明，主动缓存有一个显着的性能增益相比，基线反应的情况下。此外，结果表明，合作的缓存方案是更有效的比非合作的计划。
2018-10-02 cs.NI
Geographic Centroid Routing for Vehicular Networks
许多基于地理位置的延迟容忍网络（DTN）路由协议已被证明在选定的模拟和移动性的情况下表现良好。然而，这些机制对于利用广泛可用的廉价全球定位系统（GPS）硬件的车辆网络的适用性尚未被评估。我们提出了一种新的基于地理位置的路由原语（质心路由），是弹性的测量误差通常存在于低成本的GPS设备。使用这个概念的质心，我们构建了两个新的路由协议，并评估其性能的位置误差以及传统的DTN路由度量。我们表明，他们优于现有的方法显着保证金。
2018-06-14 cs.NI
An Adaptive Broadcasting Strategy for Efficient Dynamic Mapping in Vehicular Networks
在这项工作中，我们面临的问题是在车辆联网场景中实现有效的动态映射，即，以获得对特定区域中的联网车辆的位置和轨迹的准确估计。现有技术的解决方案基于网络节点的位置信息的周期性广播，其中传输间周期由拥塞控制方案设置。然而，车辆的移动和操纵往往是不稳定的，使传输的数据不准确或完全误导。为了解决这个问题，我们建议采用动态传输方案的基础上的实际定位误差，发送新的数据时，估计通过一个预设的误差阈值。此外，所提出的方法根据限制广播分组传输之间的冲突概率的拥塞控制算法来使错误阈值适应于操作上下文。这种基于阈值的策略可以通过避免冗余消息的传输来降低网络负载，并且在现实的城市场景中，整体定位精度提高了20%以上。
2019-10-16 cs.NI eess.SP
Quality-Aware Task Offloading for Cooperative Perception in Vehicular Edge Computing
本文提出质量感知协作感知任务卸载方案Q-CPTO及其启发式版本Q-CPTOH，通过卡尔曼滤波评估信息价值并整合至整数线性规划中，在严格延迟下最大化用户信息价值并减少感知冗余，显著优于现有方案且启发式方法接近最优解。
2024-05-31 cs.NI eess.SP
Cooperative Positioning for Sparsely Distributed High-Mobility Wireless Networks with EKF Based Spatio-Temporal Data Fusion
提出基于EKF时空数据融合的分布式协作定位算法，通过因子图推断与二阶泰勒近似降低计算复杂度，在恶劣环境中实现更优定位性能。
2023-08-01 cs.NI
A Definition and Framework for Vehicular Knowledge Networking
为了操作智能车辆应用，诸如自动驾驶、机器学习、人工智能和其他机制被用于从信息中提取通常被称为知识的内容。知识被定义为通过经验和对收集的信息进行分析而获得的理解状态，它对车辆应用是有希望的。然而，它缺乏一个可以合作创建和共享的统一框架，以充分发挥其潜力。研究了车载网络中知识的含义和范围，提出了一种车载知识的描述、存储和共享结构。通过基于乘客舒适度的重定路线的例子，它揭示了这种知识结构的网络负载和延迟的潜在好处。
2020-05-29 cs.NI
GNSS Time Synchronization in Vehicular Ad-Hoc Networks: Benefits and Feasibility
时间同步是网络环境下分布式系统运行的关键。车载自组织网络作为一种特殊类型的无线网络，对于新兴的协作智能交通系统也有着越来越重要的作用。全球导航卫星系统（GNSS）是一种经过验证的技术，可以在许多分布式系统中提供精确的定时信息。它被公认为是车辆定位和速度确定的主要手段，在VANELS。然而，基于GNSS的时间同步并没有很好地理解其在协调各种任务中的作用，在温哥华。为了解决这个问题，本文探讨了在瓦努阿图GNSS时间同步的要求，潜在的好处，和可行性。GNSS时间同步的可用性的特点是在我们的实验中，在高层城市街道，GNSS定位解决方案的可用性只有80%，几乎100%。实验还进行了消费级GNSS接收机输出的1-PPS信号的时间同步的精度进行测试。他们已经显示了30纳秒的同步精度之间的两个接收机的不同型号。所有这些实验结果都证明了GNSS时间同步在严格的VANET应用中的可行性。
2018-11-07 cs.NI
CoVeRaP: Cooperative Vehicular Perception through mmWave FMCW Radars
UC Davis（加州大学戴维斯分校）；Intel Corporation（英特尔公司）；USF Tampa（佛罗里达州立大学坦帕分校）；GMU（乔治·梅森大学）
本文发布CoVeRaP多车FMCW雷达协同感知数据集，并提出基于自注意力多分支PointNet的中间/后期融合框架，实验证明中间融合结合强度编码可显著提升3D检测精度，建立了首个可复现的多车雷达感知基准。
2025-08-22 cs.AI cs.CV cs.LG
LLM-Empowered Cooperative Content Caching in Vehicular Fog Caching-Assisted Platoon Networks
School of Internet of Things Engineering, Jiangnan University（江南大学物联网工程学院）；School of Information Engineering, Jiangxi Provincial Key Laboratory of Advanced Signal Processing and Intelligent Communications, Nanchang University（江西省级先进信号处理与智能通信重点实验室，南昌大学信息工程学院）；Department of Electronic Engineering, State Key Laboratory of Space Network and Communications, and the Beijing National Research Center for Information Science and Technology, Tsinghua University（电子工程系，空间网络与通信国家重点实验室，信息科学与技术国家研究中心，清华大学）；Department of Computer Science, Brunel University（计算机科学系，布鲁内尔大学）；State Key Laboratory of ISN and the School of Telecommunications Engineering, Xidian University（信息与通信国家重点实验室，西安电子科技大学电信工程学院）
本文提出利用大语言模型实现车辆雾缓存辅助车列网络中的协同内容缓存，通过智能决策提升缓存效率与内容检索性能。
2026-02-04 cs.AI cs.NI
Quality-Aware Broadcasting Strategies for Position Estimation in VANETs
车辆位置数据在整个网络中的传播是车辆自组织网络（VANET）操作中的一项基本任务，因为应用程序通常需要知道大面积上其他车辆的位置。在这种情况下，车辆间的通信应被利用，以满足应用程序的要求，虽然拥塞控制机制需要最小化的数据包冲突的概率。在这项工作中，我们面临的问题，实现准确的车辆位置估计和预测的VANET方案。该问题的现有技术解决方案尝试周期性地广播定位信息，使得车辆可以确保它们的邻居具有的关于它们的信息永远不会早于传输间隔时间段。然而，在复杂的城市场景中，信息的衰减率是不确定的：车辆的移动和操纵通常是不稳定和不可预测的，使得旧的定位信息不准确或完全误导。为了解决这个问题，我们建议使用信息质量（QoI）作为广播的决定因素。我们实现了一个基于阈值的策略来分发位置信息时，定位误差通过一个参考值，从而转移网络的目标，以限制实际的定位误差，并保证整个VANET的质量。基于阈值的策略可以通过避免冗余消息的传输来降低网络负载，并且在现实城市场景中将整体定位精度提高20%以上。
2019-04-08 cs.NI
Towards Cooperative VRUs: Optimal Positioning Sampling for Pedestrian Awareness Messages
本文针对行人VAM生成频率，提出最优定位采样算法，在802.11p中降低ETSI采样率超30%，缩短VAM间隔并提升投递率，兼顾行人安全与设备能耗。
2023-12-21 cs.NI eess.SP
Coalition Game Based Full-duplex Popular Content Distribution in mmWave Vehicular Networks
毫米波（mmWave）通信由于具有丰富的频带资源而引起了广泛的关注。在本文中，我们认为流行的内容分发（PCD）的毫米波车载网络中的问题。为了减轻基站（BS）的通信负担，将车对车（V2V）通信引入到PCD问题中，以在车载单元（OBU）之间传输内容，提高传输效率。提出了一种基于联盟形成博弈的全双工（FD）协作方案，并给出了以接收内容数最大化为目标的效用函数。联盟中每个成员的贡献都可以转化为个人的利润。该方案在保证固定时间内接收内容数量最大化的同时，也保证了联盟中各OBU的个体收益。我们评估所提出的方案在毫米波车载网络的广泛模拟。与现有的其他方案相比，该方案具有优越的性能，拥有的内容和系统的公平性。此外，通过开关操作次数和CPU时间证明了该算法的低复杂度。
2021-01-29 cs.IT cs.NI math.IT
A Survey and Taxonomy of Urban Traffic Management: Towards Vehicular Networks
城市交通管理（UTM）的课题已经解决了很长时间，主要是由土木工程师和城市规划师。新通信技术的引入--如蜂窝系统、卫星定位系统和车辆间通信--极大地改变了研究人员处理UTM问题的方式。在这项调查中，我们提供了一个审查和分类如何UTM已在文献中解决。我们从城市交通估计和优化的“经典”方法的最新成就开始，包括基于固定传感器收集的数据分析的方法（例如，照相机和雷达），以及基于移动电话提供的信息的方法，例如浮动车数据（FCD）。然后，我们讨论了城市交通优化，介绍了交通信号控制和车辆路径控制的最新工作。然后，在回顾了车辆自组织网络（VANETH）的主要概念后，我们将不同的基于VANET的UTM方法分为三类（“纯”VANETH，混合车辆传感器网络和混合车辆蜂窝网络），同时说明了每个人的主要研究问题。这项调查的主要目的是提供一个全面的观点UTM的研究人员重点VANESTIC，以铺平道路的设计和开发的新技术，以减轻城市交通问题，基于车辆间的通信。
2014-09-15 cs.NI
RUN-O-RAN: An O-RAN-Native Architecture Enabling Cooperative Uplink Localization
Politecnico di Milano（米兰理工大学）
本文提出RUN-O-RAN，一种O-RAN原生框架，利用商用5G设备的SRS信号实现协作式上行定位，无需修改UE或3GPP流程，实验验证达到米级精度，为网络原生ISAC定位奠定基础。
2026-09-18 cs.NI
Honesty Based Democratic Scheme to Improve Community Cooperation for IoT Based Vehicular Delay Tolerant Networks
许多物联网（IoT）应用已经在不可靠的无线网络（如延迟容忍网络（DTN））上开发和实现，然而，DTN中的高效数据传输仍然是IoT应用的重要问题。DTN的应用领域之一是车辆延迟容忍网络（VDTN），其中网络由于缺乏端到端中继路由而面临通信中断。这是具有挑战性的，因为一些节点表现出自私的行为，以保护他们的资源，如内存，能量水平，并成为非合作。在这篇文章中，介绍了一个诚实为基础的民主计划（HBDS）的车辆具有较高的诚实水平被选为头-在这个过程中。参与该过程的车辆将通过积极参与网络活动来最大化其奖励（声誉），而具有非合作自私行为的节点将受到惩罚。利用Vickrey，Clarke，and Groves（VCG）模型对企业负责人的诚信水平进行了分析。提出的HBDS技术中开发的数学模型和算法进行了模拟使用VDTNSim框架，以评估其效率。性能测试结果表明，该方案优于目前的计划，在数据包的交付概率，数据包交付延迟，数据包丢失的数量，和开销比。
2020-04-18 cs.DC cs.NI
Energy Saving of Base Stations Sleep Scheduling for Multi-Hop Vehicular Networks
研究了一维多跳车载网络中基站采用休眠调度策略的节能问题。我们考虑合作BS调度策略，BS可以在睡眠和活动模式之间切换，以减少平均能耗利用车辆的速度和位置的信息。假设车辆的泊松分布，我们推导出一个合适的概率分布函数之间的距离的两个相邻的簇头，其中一个集群是一个最大的一组车辆，其中每两个相邻的车辆可以直接通信时，他们的欧几里得距离小于或等于一个阈值，称为通信范围的车辆。此外，获得了睡眠方式中的停留时间的期望值和节能。仿真结果表明，该休眠调度策略显著降低了基站的能耗。
2016-06-23 cs.NI
An Experimental Validation of Accurate and Precise GNSS Time Synchronization in Vehicular Networks
车载网络是实现协同智能交通系统的关键技术之一。为了实现车载网络的精确时间同步，全球导航卫星系统（GNSS）能够有效地利用其对车载网络的时间传播功能，正受到越来越多的关注。在城市道路场景中，由于错误的几何形状，卫星信号的阻塞影响精确定位。然而，对于定时，只要一颗卫星是可见的，它就产生较少的偏转。随着多GNSS接收器的最新发展，信号接收不再依赖于单个GNSS星座，而是依赖于所有现有的四个GNSS系统。这增加了天空中可见卫星的数量，从而增加了卫星信号的覆盖范围。开发的GNSS时间同步的方法，我们进行了系统的实地研究，在本文中，以确定可达到的定时精度在车载网络使用商业级GNSS接收器和现成的通信设备。我们的实验结果表明，消费级车载设备中GNSS服务可达到的定时精度可以达到2微秒。由于道路上的信号阻塞而导致的GNSS时间解决方案的瞬时中断可能导致高达亚微秒的时钟误差，这仍然满足大多数车辆应用的期望要求。
2021-05-03 cs.NI
A neural-network based anomaly detection system and a safety protocol to protect vehicular network
本论文提出一种基于LSTM的机器学习异常行为检测系统（MDS）及车队解散安全协议，在VeReMi数据集离线训练并实时测试，能有效防止车队场景中异常行为引发的事故，提升协作式智能交通系统的驾驶安全。
2024-11-11 cs.AI cs.LG cs.NI
Clutter Suppression, Time-Frequency Synchronization, and Sensing Parameter Association in Asynchronous Perceptive Vehicular Networks
针对异步感知车联网中杂波干扰、参数关联困难及收发机异步导致的距离速度模糊问题，本文提出联合杂波抑制与感知算法、基于域变换的参数关联算法以及利用环境指纹谱循环移位特性的 CFO/TO 估计算法，并通过仿真验证其性能优势。
2024-09-02 cs.NI eess.SP
A Low Overhead Cooperative-based Authentication Protocol for VANETs
车辆自组织网络（VANESTs）已被提出来自动化运输行业，以提高其准确性，效率，吞吐量，特别是安全性。在现实生活中，安全性对实现VANG网络起着不可否认的重要作用。身份验证是VAN安全的基本要素之一。现有的认证协议存在开销大、成本高的问题。本文提出了一种基于计算划分的身份认证方法，将相邻车辆之间的签名认证进行划分，从而减少了车辆的计算量。仿真结果表明，该协议具有几乎恒定的延迟和与业务负载相关的接近零的消息丢失率，与GSIS协议相比，效率得到了提高。
2018-10-15 cs.NI
Security Schemes in Vehicular Ad hoc Networks with Cognitive Radios
车载自组织网络（VANETworks，VANETworks）作为互联车辆的基础设施，可以为互联车辆的应用和服务提供便利。认知无线电技术是对无线局域网的有效补充和增强。它可以减少频谱资源不足对VAN的影响。虽然CR-VANcraft可以有效地利用未使用的授权频谱，但CR-VANcraft的分布式特性可能为不同的攻击打开大门，例如频谱感知数据伪造攻击。在本文中，我们提出了一个联合RSU和车辆为基础的轻量级云CR-VANcraft。在此云计算模型的基础上，提出了一种新的频谱感知服务（Spectrum Sensing as a Service，SSaas），该服务可以在CR-VAN中进行协作频谱感知，并在云计算的协助下确保频谱感知过程的安全。因此，可以在CR-VAN中获得可靠的服务。仿真结果表明，CR-VAN中的云计算可以有效降低延迟，提高CR-VAN的安全性。
2016-11-21 cs.NI
Cooperative Sensing and Uploading for Quality-Cost Tradeoff of Digital Twins in VEC
传感技术、无线通信和计算模式的最新进展推动了车辆成为智能和电子消费产品的发展。研究了车辆边缘计算（DT-VEC）中通过协作感知和上传实现数字孪生的问题，首次尝试在DT-VEC中实现质量-成本权衡。首先，提出了一种DT-VEC架构，其中异构信息可以由车辆感知并通过车辆到基础设施（V2 I）通信上传到边缘节点。基于感知信息建立数字孪生模型，形成逻辑视图，反映物理车辆环境的实时状态。其次，考虑数字孪生的实时性和一致性，以及冗余度、感知代价和传输代价，推导了协作感知模型和V2 I上传模型。在此基础上，建立了系统质量最大化和系统成本最小化的双目标优化问题。第三，我们提出了一种基于多智能体多目标（MAMO）深度强化学习的解决方案，其中提出了一个决斗的评论家网络来评估基于状态值和动作优势的智能体动作。最后，给出了综合的性能评估，证明了MAMO的优越性。
2023-01-27 cs.NI eess.SP
Hide Me: Enabling Location Privacy in Heterogeneous Vehicular Networks
为了支持基于位置的服务，车辆必须与服务器共享其位置以接收相关数据，从而损害其（位置）隐私。为了减轻这种隐私损害，可以通过添加人工噪声来混淆车辆的位置。在有限的可用带宽下，并且由于包括车辆位置的区域随着噪声而增加，因此服务器将提供与车辆的真实位置相关的较少数据，从而降低基于位置的服务的有效性。为了缓解这个问题，我们建议，相关的车辆的数据也提供通过直接的，特设的通信相邻车辆。通过这种车辆到车辆（V2V）协作，减轻了位置混淆的影响。由于车辆订阅（位置相关）影响值的数据，因此相邻车辆将订阅大量重叠的数据集，从而减少V2V合作的好处。为了增加这样的好处，我们开发和研究一个非合作的游戏确定的数据，车辆应该订阅，旨在最大限度地提高其利用率，同时考虑参与（相邻）车辆。我们的分析和结果表明，拟议的V2V合作和衍生策略导致显着的性能提高相比，非合作的方法，并在很大程度上阐明了隐私对基于位置的服务的影响。
2020-01-20 cs.CR cs.NI
Cooperative Sensing and Heterogeneous Information Fusion in VCPS: A Multi-agent Deep Reinforcement Learning Approach
协同感知和异构信息融合是实现车辆信息物理系统的关键。本文首次尝试通过设计一个新的度量标准-观看年龄（AoV）来定量地衡量视频节目的质量。具体来说，我们首先提出了系统架构，其中异构信息可以通过车辆到基础设施（V2 I）通信在车辆边缘计算（VEC）的协作感测和上传。通过融合边缘节点的异构信息构建逻辑视图。此外，我们制定的问题，推导出一个合作的感知模型的基础上的多类M/G/1优先级队列，并定义AoV建模的及时性，完整性和一致性的逻辑视图。在此基础上，提出了多智能体深度强化学习解决方案。特别地，系统状态包括车辆感测信息、边缘缓存信息和视图要求。车辆行为空间由感知信息的频率和上传信息的优先级组成。设计了一种基于差异奖励的信用分配方法，将系统奖励（VCPS质量）分解为车辆的差异奖励。边缘节点基于预测的车辆轨迹和视图要求向车辆分配V2 I带宽。最后，建立了仿真模型，并给出了全面的性能评估，验证了所提方案的优越性。
2023-01-27 cs.NI cs.SY eess.SY
Uplink Scheduling Strategy Based on A Population Game in Vehicular Sensor Networks
车辆传感器网络（VSN）技术的集成以及利用被称为车载单元（OBU）的普适传感器（如智能手机和射频识别）来提供传感服务的人群感测的最新进展已经引起了业界和学术界越来越多的关注。目前，现有的车辆传感应用缺乏很好的机制，以提高最大可实现的吞吐量和最小化的服务时间的参与传感OBU在车辆传感器网络。为了填补这些空白，在本文中，首先，我们引入真正的不完美链接状态的马尔可夫链的计算。其次，我们将不同的链路状态的结果，多种类型的车辆与上行链路吞吐量和服务时间的计算。第三，为了准确计算OBU的服务时间，我们引入稳态概率来计算退避递减持续时间的准确时间，而不是使用传统的相对概率。此外，据我们所知，我们首先探索在一个单一的路边单元（RSU）的上行链路数据接入的多信道调度策略，通过使用在RSU覆盖区域的非合作博弈，以最大限度地提高上行链路吞吐量和最小化饱和和不饱和的业务负载下的服务时间。为此，我们进行了理论分析，找到了调度的平衡点。数值结果表明，平衡点的解与最优化问题的解是一致的。
2013-11-11 cs.NI
Adaptive Semantic Communication with Residual Quantization for Resilient Vehicular Networks
North Carolina State University（北卡罗来纳州立大学）；New York University（纽约大学）
针对车载网络视觉数据传输难题，提出带残差量化的自适应语义通信架构，可在线调整传输策略，提升率失真性能、传输可靠性及下游感知性能。
2026-10-09 cs.NI
SDN-Based Resource Management for Autonomous Vehicular Networks: A Multi-Access Edge Computing Approach
由于用于数据传播的通信流量增加以及自动驾驶车辆上的计算/存储任务数量增加，使得在自动驾驶车辆（AV）之间实现高清（HD）地图辅助协作驾驶以提高导航安全性面临技术挑战。在本文中，提出了一种结合多访问边缘计算（MEC）和软件定义网络（SDN）的新架构，以实现灵活的资源管理和增强的资源利用率。利用MEC，可以实现多种无线接入技术的互通，以利用宽范围的无线电频谱上的分集增益，同时，AV的计算/存储任务由服务器和其他AV协同处理。此外，通过在每个云计算和MEC服务器处启用SDN和网络功能虚拟化（NFV）控制模块，提出了有效的资源分配框架以增强不同网络基础设施之间的全局资源共享。最后通过一个案例分析来验证所提出的资源分配框架的有效性。
2018-09-24 cs.NI
Distributed and Fair Beaconing Rate Adaptation for Congestion Control in Vehicular Networks
车辆间的合作应用依赖于车辆之间的广播单跳状态消息的交换，称为信标。由于周期性信标而在无线信道上聚集的负载可以阻止其他类型的消息的传输，这被称为由于信标活动而导致的信道拥塞。在本文中，我们接近的问题，控制每辆车的信标率建模为一个网络效用最大化（NUM）的问题。这使我们能够正式应用车载网络中信标速率分配的公平性概念，并控制效率和公平性之间的权衡。NUM方法提供了一个严格的框架来设计一个广泛的简单和分散的算法，证明收敛保证公平的分配解决方案。在这种情况下，我们专注于信标速率控制，并提出了公平的自适应信标速率车间通信（FABRIC）算法，它使用一个特定的缩放梯度投影算法来解决的NUM问题的对偶。分配中期望的公平性概念可以用算法参数来建立。仿真结果验证了我们的方法，并表明FABRIC收敛到公平的速率分配在多跳和动态的场景。
2016-02-15 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
Fairness and Stability Analysis of Congestion Control Schemes in Vehicular Ad-hoc Networks
协同车辆安全（CVS）系统基于向相邻车辆广播车辆位置和安全信息来操作。CVS的通信介质是车载自组织网络。CVS系统大规模部署的主要挑战之一是可伸缩性问题。为了解决可扩展性问题，已经提出了几种拥塞控制方法，并且目前正在进行现场研究。这些算法适应传输速率和功率的基础上的网络措施，如信道繁忙率。我们研究了两个这样的算法，并研究它们在时间和空间上的动态行为，以评估这些算法的稳定性（在时间上）和公平性（在空间上）。我们提出了稳定性条件，并通过仿真实验来评估算法的稳定性和公平性。结果表明，有一个折衷之间的快速收敛，时间稳定性和空间公平性。为实现稳定性的参数的适当范围提出了所讨论的算法。稳定性验证了所有典型的道路密度情况。公平性是自然实现的一些算法，而在相同的条件下，其他算法可能会遭受不公平的问题。介绍了一种解决不公平性的方法，并通过仿真进行了评估。
2012-06-01 cs.NI
Cooperative Content Offloading Through WiFi and Mobile Device-to-Device Networks
本文研究了WiFi和移动设备到设备网络的使用，车辆自组织网络是一个典型的例子，作为一种补充手段，以卸载和减少蜂窝网络的流量负载。提出了一种新的合作内容分发策略，异构网络包括不同类型的设备具有不同的移动性水平，从静态的WiFi接入点，以移动设备，如车辆。所提出的策略将很大一部分数据流量从蜂窝网络卸载到WiFi或设备到设备网络。详细分析了采用该策略的异构网络中的内容分发过程。在此基础上，讨论了内容传播策略的最优参数设置。仿真和数值研究表明，该策略有效地减少了蜂窝网络的数据流量，同时保证成功的内容交付。
2017-01-03 cs.NI
Time to timestamp: opportunistic cooperative localization from reception time measurements
我们提出了一个通用的框架，通过利用传统的地面无线电信号的机会测量，以改善和扩展基于GNSS的定位。所提出的方法仅要求参与节点收集和共享由其他固定或移动节点发送的传入分组和/或其他参考信号的接收时间戳，而不需要节点间同步。设想的计划夫妇的想法，合作全球导航卫星系统增强与最近的开创性工作，在异步网络中的基于时间的定位领域。在这方面的贡献，我们提出了所提出的方法的基本原则，并讨论了系统级方面，使其特别有吸引力和及时的合作ITS应用程序，激励进一步的研究和实验在这个方向的目标。
2014-08-03 cs.NI
Performance Analysis of Cooperative V2V and V2I Communications under Correlated Fading
协作车辆网络将在未来几年中发挥重要作用，以实现各种智能交通相关的应用。车辆到车辆（V2V）和车辆到基础设施（V2I）通信都需要在车辆网络中可靠地传播信息。在这方面，配备有多个天线的路边单元（RSU）可以提高网络容量。虽然传统的方法假设天线经历独立的衰落，我们考虑一个更实际的上行链路的情况下，天线在RSU的经验相关的衰落。特别是，我们评估了两个著名的天线相关模型，即，常数相关（CC）和指数相关（EC）。我们还考虑中间合作车辆源车辆和RSU之间的可靠通信。在这里，我们推导出封闭形式的表达式的数据包错误概率，这有助于量化的性能变化，由于衰落参数，相关系数和中间助手车辆的数量。为了评估在这种网络情况下的最佳发射功率，我们制定了一个Stackelberg游戏，其中，源车辆被视为买方和助手车辆的卖方。设计了要价和发射功率的最优解，分别使帮助车辆和源车辆的效用函数最大化。我们验证了我们的数学推导在MATLAB中进行了广泛的模拟。
2019-08-11 cs.IT cs.NI eess.SP
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
Exploiting Overlapping Fields of View for Redundancy-Aware Uplink Transmission in Vehicular 6G
Ruhr University Bochum（波鸿鲁尔大学）；ICTFicial Oy（ICTFicial 公司）；TU Dortmund（多特蒙德工业大学）
针对上行主导6G用例中视觉数据冗余传输问题，提出一种利用车辆用户间空间重叠视野的语义感知多址接入方案，通过V2V共享与联合感知传输控制，仅传输语义重要且非冗余的图像块，仿真验证了高保真重建用户比例提升。
2026-09-24 cs.CV cs.NI
