A survey on road safety and traffic efficiency vehicular applications based on C-V2X technologies
本综述介绍了基于C-V2X技术的网联车辆应用研究，重点关注道路安全与交通效率，通过提出通信分类方法组织最新研究，并指出了未来面临的主要挑战。
2024-03-26 cs.NI
Blockchain-based Lightweight Authentication Mechanism for Vehicular Fog Infrastructure
随着先进通信技术的不断发展，汽车变得越来越智能和互联。由于各种车辆应用的巨大增长，通过先进的车载设备产生了大量的数据，这些数据被认为对提高驾驶安全和增强车辆服务至关重要。然而，基于云的模型在延迟和移动性至关重要的应用中往往不足。为了充分发挥车载网络的潜力，需要解决高效通信和计算的挑战。在这个方向上，出现了车辆雾计算（VFC），它将雾计算的概念扩展到传统的车辆网络。它是一种地理上分布式的范例，有可能通过在终端车辆附近推送智能（即计算资源，存储和应用服务）来执行时间关键和数据密集型任务。然而，安全和可靠的传输是非常重要的，在高度移动的车辆网络，以确保最佳的服务质量（QoS）。在这个方向上，已经提出了一些认证机制在文献中，但他们中的大多数被发现不适合由于缺乏分散性，匿名性和信任特性。因此，本文提出了一种有效的跨数据中心认证和密钥交换方案，基于区块链和椭圆曲线密码（ECC）。在这里，区块链的分布式账本用于维护网络信息，而高度安全的ECC用于车辆和路边单元（RSU）之间的相互认证。此外，所提出的方案是轻量级的，可扩展的考虑VFC设置。针对现有技术水平的性能评估结果表明，该方案实现了增强的安全功能。
2019-04-02 cs.CR 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
Survey on Congestion Detection and Control in Connected Vehicles
车载自组织网络（VANET）拓扑结构的频繁变化和节点的移动性，给车载通信带来了严峻的挑战。由于车辆之间在有限带宽上的大量信息传播而加剧，VANET的拓扑动态性导致通信信道中的拥塞，这是诸如消息丢弃、延迟和降低的服务质量的问题的主要原因。为了缓解这些问题，需要将拥塞检测和控制技术结合到车载网络中。拥塞控制方法可以是基于拥塞前或拥塞后策略的开环或闭环。我们提出了一个一般架构的车辆通信在城市和高速公路的环境，以及国家的最先进的调查，最近的拥塞检测和控制技术。我们还确定了现有的方法的缺点，并根据不同的分层方案进行分类。通过广泛的文献回顾，我们建议解决方案的方法和未来的方向，处理车辆通信拥塞。
2020-07-29 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
Precise positioning systems for Vehicular Ad-Hoc Networks
车载自组织网络是一个非常有前途的研究领域，可以提供许多有用的和关键的应用，包括安全应用。这些应用中的大多数要求每个车辆实时的精确地知道其当前位置。GPS是VANET最常用的定位技术。然而，这并不准确。此外，GPS信号不能在隧道、地下或高层建筑物附近接收。因此，在这些位置不能获得定位服务。即使差分GPS（DGPS）可以提供很高的精度，但仍然没有GPS收敛在这些位置。在本文中，我们提供的VANET定位技术，可以提供准确的定位服务的GPS信号的障碍物的地区。实验结果表明，在准确性显着提高。当与DGPS结合时，这允许可以由大多数VANET应用使用的精确定位服务的连续性。
2012-05-08 cs.NI
Time synchronization in vehicular ad-hoc networks: A survey ontheory and practice
通信网络中的时间同步在所有节点之间提供一个公共的时间帧，从而实时、正确地支持消息传输、信道调度和资源共享等各种网络功能。在用于连接和自动化车辆的车辆自组织网络（VANELS）中，网络节点必须同步以交换用于各种道路安全应用的时间关键的车辆位置和警告消息。然而，这是具有挑战性的，因为通信系统需要在高用户动态和密度的条件下实现低延迟和高可靠性。针对一般通信网络的时间同步技术已经有很多种，但有必要了解VANET时间同步的要求以及现有的时间同步技术在VANET应用中的适用性。阐述了车载自组网时间同步的需求分析、精度、准确度、可用性、可扩展性和兼容性等关键因素，突出了全球导航卫星系统（GNSS）在车载自组网时间同步中的优势。通过这次调查，一些见解发展到现有的和新兴的协议，时间同步在温哥华。
2018-11-12 cs.NI
QoS-Aware Radio Access Technology (RAT) Selection in Hybrid Vehicular Networks
针对混合车载网络中多RAT选择难题，提出一种QoS感知的RAT选择算法，通过负载和QoS要求切换IEEE 802.11p与LTE，减少垂直切换并提升分组投递率、时延和吞吐量。
2025-01-21 cs.NI
Fogbanks: Future Dynamic Vehicular Fog Banks for Processing, Sensing and Storage in 6G
固定边缘处理已成为5G网络的一个关键功能，同时在减少延迟、提高能效和按需引入灵活的计算资源利用方面发挥着关键作用，并节省了额外的成本。预计自动驾驶汽车将拥有更多的车载处理能力，并具有更好的连接性。车辆继续在一天中的一小部分时间内使用，因此，当车辆处于短期和长期停车场、道路和道路交叉口时，有可能通过利用这些资源来提高处理能力。这些停车场和路段可以通过6G网络转变为车辆雾群或雾库，可以提供处理，存储和传感功能，从而利用未充分利用的车辆资源。我们介绍了Fogbanks的概念，概述了目前在车辆云方面正在进行的研究工作，并提出了在自动驾驶将变得司空见惯的世界中6G的前景方向。此外，我们研究了基于云的Fogbank架构中的处理分配问题。我们解决这个问题，使用混合编程（MILP），以最大限度地减少总功耗的建议架构，考虑到两个分配策略，单一分配的任务和分布式分配。最后，我们描述了建立可靠性、安全性、虚拟化、能源效率、商业模式和标准化所需的其他未来方向。
2020-05-10 cs.NI eess.SP
Improved Packet Forwarding Approach in Vehicular Ad Hoc Networks Using RDGR Algorithm
车载自组织网络（VANcular Ad hoc Networks，VANcular Ad hoc Networks）是一种高度移动的无线自组织网络，在公共安全通信和商业应用中将发挥重要作用。由于快速变化的拓扑结构和车辆的高速移动性，在VAN中的数据路由是一项具有挑战性的任务。由于GPS设备的先进性和可用性，基于位置的路由协议变得流行。车辆的高速移动导致的频繁的路径中断是车辆自适应网络的关键问题之一，这导致了低吞吐量和高开销的断开链路。本文讨论了车辆运动信息的使用（例如，车辆的位置、方向、速度），以在可能的链路断开事件发生之前对其进行预测。因此，在本文中，我们提出了一个可靠的方向贪婪路由（RDGR），一个可靠的位置为基础的路由方法，从GPS获得的位置，速度和方向的邻居节点。该方法采用基于潜在分数的策略，以分布式方式计算相邻节点之间的链路稳定性，以实现数据包的可靠转发。
2010-03-29 cs.NI
V2X-Based Vehicular Positioning: Opportunities, Challenges, and Future Directions
车联网（V2X）将在无线通信领域创造许多新的机会，但其实现车辆定位的可行性尚未探索。车辆定位是自动驾驶的关键操作。它的复杂性和严格的安全要求使雷达和激光雷达等传统技术无法胜任。本文旨在从不同角度研究V2X是否可以帮助车辆定位。我们首先解释了V2X相对于其他方法的关键优势，并提出了基于V2X的车辆定位的新场景。然后，我们回顾了正在进行的3GPP标准化中讨论的最先进的定位技术，并指出其局限性。最后，提出了基于V2X的车辆定位的一些有前途的研究方向，这些方向为克服当前障碍实现完全自动驾驶提供了启示。
2020-03-02 cs.IT cs.NI math.IT
Negotiating strict latency limits for dynamic real-time services in vehicular time-sensitive networks
TU Eindhoven（埃因霍温理工大学）
本文提出一种QoS协商方案，通过与TSN网络控制器交互，确保动态部署实时服务时的延迟限制，验证了唯一有效的预留方案。
2025-12-01 cs.NI
Latency Reduction in Vehicular Sensing Applications by Dynamic 5G User Plane Function Allocation with Session Continuity
本文针对5G车辆传感场景中的低时延需求，提出基于SDN的动态UPF分配优化框架，在保持会话连续性的同时减少网络跳数，并通过实验证明其能支持静态或集中式方案无法实现的时延关键型应用。
2024-03-28 cs.NI
Performance of Vehicle-to-Vehicle Communication using IEEE 802.11p in Vehicular Ad-hoc Network Environment
使用车对车（V2V）通信的交通安全应用是ITS环境中一个新兴且有前途的领域。这些应用中的许多要求具有高可靠性的实时通信。为了满足实时的最后期限，及时和可预测的通道访问是至关重要的。802.11p中使用的介质访问方法，具有冲突避免的CSMA，不能保证在有限的截止日期之前的信道访问。CSMA的众所周知的属性对于关键通信场景是不期望的。仿真结果表明，一个特定的车辆被迫放弃超过80%的数据包，因为没有信道访问之前，下一个消息生成是可能的。为了克服这个问题，我们建议使用STDMA的车辆之间的实时数据流量。以高速公路仿真场景为例，研究了STDMA的实时的性，取得了较好的效果。
2013-04-11 cs.NI
Embodied AI-Enhanced Vehicular Networks: An Integrated Large Language Models and Reinforcement Learning Method
本文提出一种融合LLAVA语义提取与GAE-PPO深度强化学习的车联网自适应传输方法，在降低90%以上数据量的同时显著提升QoE并加速收敛。
2025-01-02 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
Security Issues in Vehicular Ad Hoc Networks (VANET): a survey
车载自组织网络是近年来兴起的一项技术，引起了人们的广泛兴趣。VANET可以用于改善道路安全，减少道路交通，服务于其用户的利益，并提供紧急服务。安全性是VANET中最重要的问题之一，它被认为是发展鲁棒VANET系统的关键。本文将讨论VANET面临的各种安全挑战和需求，并提出和分析一套可能的解决方案，VANET安全问题和攻击。此外，本文将提出一个新的协议，被称为应答协议，该协议旨在保护VANET免受多种攻击。
2017-12-12 cs.CR cs.NI
Dynamic Unicast-Multicast Scheduling for Age-Optimal Information Dissemination in Vehicular Networks
York University（约克大学）；Thompson Rivers University（汤普森河大学）
本文研究了车辆网络中的信息年龄（AoI）和传输功率消耗最小化的问题，其中路边单元（RSU）向车辆提供关于一组物理过程的及时更新。每个车辆都对保持其关于一个或多个物理过程的信息状态的新鲜度感兴趣。提出了一种框架来优化单播、多播、广播或不向车辆发送更新的决策以及功率分配，以最小化AoI和RSU在时间范围内的功耗。所述问题是混合整数非线性规划问题（MINLP），因此难以获得全局最优解。在这种情况下，我们首先开发了一个蚁群优化（ACO）的解决方案，提供了接近最佳的性能，从而作为一个有效的基准。然后，为了实时实现，我们开发了一个深度强化学习（DRL）框架，该框架在状态空间中捕获车辆的需求和信道条件，并通过动态单播-组播调度动作将进程分配给车辆。提出的算法的复杂性分析。仿真结果描绘了有趣的权衡AoI和功耗作为网络参数的函数。
2022-09-19 cs.LG 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
Infrastructure to Vehicle Real Time Secured Communication
在民用通信系统中，车载网络是移动自组织网络技术最具说服力和最具挑战性的实例之一。对于车载通信系统的部署，安全和隐私是关键因素，也是需要满足的重大挑战。这种车载通信系统具有提高道路安全性和驾驶舒适性的潜力。然而，确保操作是部署的先决条件，因此在本文中，我们将重点放在车辆通信基础设施的实时的实验设计上。我们概述了VANET将如何成为比GPS技术更好的选择。本文还尝试讨论了在网络中使用DHCP进行IP地址传递以及由此带来的安全问题。
2013-05-10 cs.NI
IPEK: Event-Criticality-Aware Evidential Trust Management against Strategic Insider Attacks in Vehicular Ad Hoc Networks
Iskenderun Technical University（伊斯肯德伦科技大学）
本文提出IPEK方法，通过引入事件和位置感知的智能攻击模型，非对称本地信任机制以及Dempster-Shafer理论进行全局信任融合，有效提升车联网对抗智能攻击的能力。
2026-10-09 cs.CR cs.DC cs.NI
Rate Maximization in Vehicular uRLLC with Optical Camera Communications
光学相机通信（OCC）已成为未来自动驾驶汽车无缝操作的关键技术。通过利用OCC的卓越性能，我们可以满足车辆OCC中超可靠和低延迟通信（uRLLC）的严格要求。在本文中，我们介绍了一种速率优化方法，在车辆OCC通过最佳的功率分配，同时尊重uRLLC的要求。首先，我们制定了一个离散速率优化问题作为一个混合整数规划（MIP）的平均发射功率和uRLLC的约束，为一组给定的调制方案。为了降低求解MIP问题的复杂度，我们将离散速率问题转化为连续速率优化方案。然后，我们提出了一种基于拉格朗日松弛和二分法的算法来解决优化问题。考虑到所提出的算法，我们驱动的离散速率和连续速率优化方案的速率优化和功率分配方案，同时满足uRLLC约束。我们首先通过仿真分析所提出的系统模型的性能。然后，我们调查的平均速率和延迟为不同的目标位出错率的功率分配和速率优化方案的影响。结果表明，增加发射功率分配提高了平均速率和延迟性能。
2022-05-13 cs.NI cs.PF eess.SP
BEVCooper: Accurate and Communication-Efficient Bird's-Eye-View Perception in Vehicular Networks
Huazhong University of Science and Technology（华中科技大学）；The Chinese University of Hong Kong（香港中文大学）；The State Grid Hubei Electric Power Research Institute（国网湖北省电力有限公司电力科学研究院）；Xidian University（西安电子科技大学）
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
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
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
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
Optimizing NOMA Transmissions to Advance Federated Learning in Vehicular Networks
本文针对车载网络中联邦学习因无线资源受限导致参与比例不足的问题，提出基于NOMA的车辆选择与功率控制算法，以最大化可参与车辆数，从而提升联邦车载网络性能。
2024-08-06 cs.NI eess.SP
Trustworthy Semantic Communication for Vehicular Networks: Challenges and Solutions
School of Cyber Science and Engineering, Xi’an Jiaotong University（网络安全与工程学院，西安交通大学）；College of Science and Engineering, Kanazawa University（科学与工程学院，金泽大学）；Faculty of Science and Technology, University of Macau（科学与技术学院，澳门大学）
本文针对车载网络语义通信中的信任挑战，提出三层可信架构，涵盖语义伪装传输、联邦训练和信任管理，并经案例验证有效性。
2025-09-25 cs.AI cs.NI
Impact of Vehicular Communications Security on Transportation Safety
交通安全是车辆通信（VC）系统发展的主要驱动力之一，依赖于高速率的安全消息（信标）。与此同时，当局、工业界和学术界对保护风险投资系统的必要性达成了共识。在文献中的具体建议，一个关键的问题，必须回答：安全VC系统是切实可行的，并满足安全应用程序的要求，尽管显着的通信和处理开销和其他限制的安全和隐私增强机制强加？为了回答这个问题，我们在本文中调查了以下三个方面的安全和隐私增强VC计划：通信的可靠性，在每个节点的处理开销，以及对安全应用程序的影响。结果表明，适当的系统设计，包括足够高的处理能力，安全VC启用的应用程序可以在实践中有效的不安全VC启用。
2008-08-19 cs.CR cs.NI
Quality-Cost Trade-off on Constructing Logical Views for Vehicular Cyber-Physical Systems: A Deep Reinforcement Learning Approach
本文针对车联网信息物理系统逻辑视图构建中的质量与成本平衡问题，提出基于分布式深度确定性策略梯度的优化方法，通过联合决策感知与上传参数实现视图质量最大化与成本最小化。
2023-09-19 cs.NI
Performance Evaluation of a Substrate Integrated Waveguide Antenna for Vehicular Networks
本文介绍了一种工作在2.4 GHz的基片集成波导（SIW）天线的设计和评估。该天线被设计为实施车载网络（VANESTO）的可能解决方案。基片集成波导天线的主要优点是简单、尺寸小和成本低，这使得这种天线特别适合用于尺寸是关键因素的无线节点中。例如，在作为最有前途的无线通信系统之一的车辆网络（VANERAL）中。我们在本文中提出的设计的基片集成波导天线使用软件ANSYS HFSS以及评估的结果，如辐射方向图，工作频率和带宽的一些参数。此外，我们提出了一个VANET，其中包括设计参数的基片集成波导天线，以评估其集成到车辆节点的模拟。在NS2仿真器中进行了仿真，并评估了一些网络性能指标，如分组延迟和分组丢失率。其他附加软件，例如MOVE和SUMO，也用于生成路线和车辆的移动
2019-12-26 cs.NI eess.SP
Active Movable-Element RIS Assisted Vehicular Semantic Communications: Modeling and Optimization
Jiangnan University（江南大学）；Nanchang University（南昌大学）；Tsinghua University（清华大学）；Brunel University of London（伦敦布鲁内尔大学）；Shanghai Jiao Tong University（上海交通大学）
针对车载环境信号阻塞与快时变信道挑战，提出RM-A-RIS辅助的车载语义通信系统，采用AO算法优化，在Sum-SSE上较三类基准分别实现132.9%、9.2%、35.2%提升。
2026-07-30 cs.NI eess.SP
On-Dyn-CDA: A Real-Time Cost-Driven Task Offloading Algorithm for Vehicular Networks with Reduced Latency and Task Loss
针对车联网实时任务处理，提出成本驱动的在线动态卸载算法On-Dyn-CDA，在复杂场景下0.05秒完成执行，任务丢失降低3.42%，延迟减少29.22%，无需数据集和训练。
2025-09-07 cs.NI
Analytical Models of the Performance of IEEE 802.11p Vehicle to Vehicle Communications
车辆通信的关键性质要求对其进行广泛的测试和评估。分析模型可以代表一个有吸引力的和成本效益的方法，这种评估，如果他们可以充分模拟所有潜在的影响车辆通信的性能。到目前为止，已经提出了几种分析模型来基于IEEE 802.11p（或DSRC）标准对车辆通信进行建模。然而，现有的模型通常详细的模型的MAC（媒体访问控制），一般简化的传播和干扰的影响。这降低了它们作为评估车辆通信性能的替代方案的价值。本文解决了这一差距，并提出了新的分析模型，准确地模拟基于IEEE 802.11p标准的车对车通信的性能。这些模型共同考虑了传播和干扰效应的详细建模，以及隐藏终端问题的影响。该模型将PDR（分组传输率）量化为发送器和接收器之间的距离的函数。本文还提出了新的分析模型，以量化的四种不同类型的分组错误在IEEE 802.11p的概率。此外，本文提出了第一个分析模型，能够准确地估计信道繁忙率（CBR）的度量，即使在高信道负载水平。所有的分析模型进行了验证，通过模拟的各种参数，包括流量密度，数据包传输频率，传输功率电平，数据率和数据包大小。模型的实现是公开提供的，以方便社区使用。
2021-10-29 cs.NI
Hierarchical Soft Slicing to Meet Multi-Dimensional QoS Demand in Cache-Enabled Vehicular Networks
车载网络需要支持具有多维服务质量（QoS）要求的多种内容应用，而传统的一刀切的网络管理方法无法实现这一点。在本文中，提出了一个面向服务的分层软切片框架的缓存使能的车辆网络，其中每个切片支持一个服务和资源是逻辑上隔离，但机会主义地重用，以利用复用增益。所提出的框架的性能进行了研究，在分析的方式考虑两个典型的道路上的内容服务，即，时间关键的驾驶相关上下文信息服务（CIS）和带宽消耗的信息娱乐服务（IS）。构建两个网络切片以分别支持CIS和IS，其中资源在切片内和切片间级别上都是机会性重用的。具体地，IS切片的吞吐量、内容新鲜度（即，从理论上分析了CIS切片的复用增益和延迟性能，从而得到了软切片的复用增益。在OMNeT++和MATLAB平台上进行了大量的仿真，以验证分析结果。仿真结果表明，该方法在保证CIS内容新鲜度和服务延迟不变的情况下，可以将IS吞吐量提高30%。
2019-12-24 cs.IT cs.NI math.IT
Dimensioning of V2X Services in 5G Networks through Forecast-based Scaling
随着智能交通系统的日益采用和自动驾驶汽车时代的到来，车辆服务（例如远程驾驶、协作感知和危险预警）将面临不断变化和动态的环境。道路上的交通流量是这些服务的关键条件，因此，预测它们将如何随着时间的推移而变化至关重要。通过了解未来事件（如交通堵塞），可以按需确定车辆服务的规模，以最大限度地减少违反服务水平协议（SLA）的情况，从而降低车祸的几率。本研究从传统的时间序列技术与最近的机器学习（ML）为基础的解决方案，以预测交通流量的都灵（意大利）的道路进行评估。鉴于所选择的预测技术的准确性，提出了一个基于预测的缩放算法，并在一组具有严格的延迟要求的三个不同的车辆服务的尺寸实验进行评估。结果表明，所提出的缩放算法，使资源节省高达5%的成本，在引起的延迟违规增加不到0.4%。
2021-05-26 cs.NI
A Region-based Collaborative Management Scheme for Dynamic Clustering in Green VANET
绿色车载自组织网络（VANET）是一个新兴的研究领域，其重点是减少车辆通信设备对自然环境的有害影响。最近的研究表明，将车辆分组到温哥华的绿色通信集群中可以显着提高网络效率并降低基础设施成本。作为一个动态的网络系统，保持网络的连通性和减少通信重叠是绿色VANET分簇的两个关键挑战。然而，现有的工作大多数研究连通性和重叠分开，缺乏深入了解它们之间的关系。为了解决这个问题，我们提出了一个全面的分析，共同考虑在一个模型中的两个关键因素。具体而言，首先设计了基于车辆间历史轨迹特征相关性的状态相似性预测（SRP）模型;结合SRP模型，提出了基于区域的协同管理方案（RCMS），建立动态聚类;最后通过大量实验验证了基于区域的协同管理方案的动态聚类。实验结果表明，该分簇算法具有较高的组网效率和较好的通信稳定性。
2021-10-06 cs.NI
Wireless Vehicular Networks in Emergencies: A Single Frequency Network Approach
在车辆紧急情况下，获得高质量的传感器信息至关重要。然而，诸如IEEE 802.11p/DSRC和LTE-A的现有标准不能支持所需的数据率或延迟要求。这个问题的一个解决方案是，市政当局投资于专用基站，以确保驾驶员在事故中或事故附近做出安全决策所需的信息。在本文中，我们进一步提出，这些电信拥有的基站形成一个单频网络（SFN）。为了确保传输是可靠的，我们推导出严格的边界上的中断概率时，单频网覆盖在现有的蜂窝网络。利用我们的边界，我们提出了一个传输功率分配算法。我们表明，我们的功率分配模型可以减少总的瞬时单频网传输功率高达$20$倍相比，一个静态的统一的功率分配解决方案，所考虑的情况。当基站依赖于离网电源（即，电池）。
2016-10-05 cs.IT cs.NI cs.PF
Connectivity Management in Satellite-Aided Vehicular Networks with Multi-Head Attention-Based State Estimation
Interdisciplinary Research Center for Intelligent Secure Systems, KFUPM, Saudi Arabia（智能安全系统跨学科研究中心，KFUPM，沙特阿拉伯）；Department of Computer Science and Information Engineering, National Taiwan University, Taipei 106319, Taiwan（计算机科学与信息工程系，国立台湾大学，台北106319，台湾）；Department of Communication Engineering, National Central University, Taoyuan 320317, Taiwan（通信工程系，国立中央大学，桃园320317，台湾）
本文提出了一种基于多头注意力机制的多智能体强化学习框架，用于卫星辅助车联网中的连接管理，通过自模仿学习和指纹识别提升学习效率和实时决策能力，仿真结果表明其在传输效用方面优于现有基线方法。
2025-08-01 cs.AI cs.NI
Vehicular Communication Networks in Automated Driving Era
Beihang University（北京航空航天大学）；University of Waterloo（滑铁卢大学）；Shanghai Jiao Tong University（上海交通大学）
本文探讨车载通信网络如何提升自动驾驶车辆的安全性、运输效率和用户体验，通过案例研究展示协同自动驾驶车辆缓解交通拥堵的潜力，并指出未来研究的关键问题。
2018-05-24 cs.NI cs.SY eess.SY
Enabling Intelligent Vehicular Networks Through Distributed Learning in the Non-Terrestrial Networks 6G Vision
Alma Mater Studiorum - Università di Bologna（博洛尼亚大学）；Department of Electrical, Electronic and Information Engineering “Guglielmo Marconi”（古列尔莫·马可尼电气、电子与信息工程系）
针对6G智能交通系统资源受限场景，提出联合空中地面网络的联邦分割迁移学习（FSTL）方法，利用高空平台提升学习效率，仿真验证其有效性。
2023-09-07 cs.AI cs.DC cs.NI
V2X Meets NOMA: Non-Orthogonal Multiple Access for 5G Enabled Vehicular Networks
得益于广泛部署的基础设施，LTE网络最近被认为是支持车辆到一切（V2X）服务的有希望的候选者。然而，随着未来大量设备接入V2X网络，传统的基于OFDM的LTE网络由于其正交接入效率低而面临拥塞问题，导致显著的接入延迟，特别是对安全关键应用提出了巨大的挑战。非正交多址接入（NOMA）技术已被公认为未来5G蜂窝网络提供宽带通信和大规模连接的有效解决方案。在本文中，我们研究了NOMA在支持蜂窝V2X服务以实现低延迟和高可靠性方面的适用性。从基本的V2X单播系统开始，提出了一种新的基于NOMA的方案，以解决在超密集拓扑中设计高频谱效率调度和资源分配方案的技术障碍。然后，我们将其扩展到更通用的V2X广播系统。还讨论了其他基于NOMA的扩展V2X应用和一些开放问题。
2017-05-24 cs.IT cs.NI math.IT
Sensing-Based Beamformed Resource Allocation in Standalone Millimeter-Wave Vehicular Networks
University of Padova（帕多瓦大学）；Toyota Motor North America Inc.（丰田北美公司）
本文针对独立毫米波车载网络中未协调资源分配导致的冲突问题，提出基于定向波束赋形和SCI的信道接入方案，仿真证明其能降低资源分配冲突概率。
2025-03-19 cs.NI eess.SP
Low-Latency Relay Selection in NR-V2X Vehicular Communications via Graph Isomorphism Networks with Edge Features
研究NR-V2X车辆通信低延迟中继选择问题，提出基于带边特征的图同构网络的边缘感知学习优化框架，通过离线MILP预言机监督GINE，还提出GP-MILP策略，实验证明该方法能紧密匹配MILP决策且降低延迟。
2026-07-17 cs.LG cs.NI
Distributed Federated Learning for Vehicular Network Security: Anomaly Detection Benefits and Multi-Domain Attack Threats
Nexcepta Inc.（Nexcepta公司）；RTX BBN Technologies
本文探索分布式联邦学习（DFL）在车载网络安全中的应用，证明其能显著提升异常检测准确率，并揭示DFL在无线干扰和训练数据投毒等多域攻击下的漏洞，强调需更稳健的保护策略。
2025-05-29 cs.AI cs.DC cs.IT
Routing Emergency Vehicles in Arterial Road Networks using Real-time Mixed Criticality Systems*
缩短应急车辆（EV）的响应时间在挽救生命和财产方面具有明显的优势。实施抢占可以帮助实现这一目标。电动汽车通过抢占获得畅通无阻的运动，通常是通过改变交通信号灯，并在整个路线上发出绿波。这种绝对先占的做法对正常的交通产生了不利的影响，因为它造成了不必要的等待。在本文中，我们提出了一种新的紧急车辆抢占（EVP）算法实现的车辆自组织网络（VANET），可以减少强加的不希望的等待时间，但仍然保证电动汽车满足目标响应时间。我们引入了混合关键性实时系统调度的概念，不同级别的紧急事件映射到不同的关键性级别，并分配一定的成功保证级别，以各自的关键性。我们实现了一个动脉交通网络的EVP算法，并利用通过VANET传输的有价值的信息来做出关键决策。该算法可以显着减少规则流量的平均等待时间。它还确保所有具有不同关键性级别的电动汽车都能满足其保证级别的目标响应时间。
2021-07-09 cs.NI physics.soc-ph
Efficient Content Delivery in User-Centric and Cache-Enabled Vehicular Edge Networks with Deadline-Constrained Heterogeneous Demands
现代互联车辆（CV）经常需要各种类型的内容来进行关键任务决策和车载用户娱乐。这些内容需要在现有无线电接入技术（RAT）解决方案可能无法确保的严格期限内完全递送给请求者CV。出于上述考虑，本文利用内容缓存在车辆边缘网络（VENs）与软件定义的用户为中心的虚拟小区（VC）为基础的RAT解决方案，从邻近边缘服务器提供所请求的内容。此外，为了捕捉的CV的异构需求，我们引入了一个偏好流行的权衡在他们的内容请求模型。为此，我们制定了一个联合优化问题的内容放置，CV调度，VC配置，VC-CV关联和无线电资源分配，以尽量减少长期的内容交付延迟。然而，联合问题是高度复杂的，并且不能在多项式时间内有效地解决。因此，我们分解成一个缓存放置问题和内容交付延迟最小化问题的缓存放置策略的原始问题。我们使用深度强化学习（DRL）作为第一个子问题的学习解决方案。此外，我们将延迟最小化问题转化为基于优先级的加权和速率（WSR）最大化问题，利用最大二分匹配（MWBM）和一个简单的线性搜索算法来解决。我们广泛的模拟结果表明，所提出的方法相比，现有的基线缓存命中率（KIDS），最后期限违规和内容交付延迟的有效性。
2023-03-30 cs.NI cs.SY eess.SY
Intrusion Resilience Systems for Modern Vehicles
本文提出车辆入侵弹性系统（IRS），通过在多 ECU 上复制状态机并达成拜占庭协议，在零日攻击或故障下保障关键应用弹性，实验证明其在现代车载网络中延迟与吞吐量可行。
2023-07-09 cs.CR cs.DC cs.NI
Privacy Leakage in Federated Learning: Gradient-Based Client Identity Inference and Defenses for Inertial Sensing in Vehicular Edge Networks
King Fahd University of Petroleum and Minerals（法赫德国王石油与矿产大学）
该研究针对车载边缘网络联邦学习，发现服务器可通过梯度近乎完美推断客户端身份，提出轻量级防御与集成联邦学习方案，实现隐私-效用平衡并验证了方法有效性。
2026-09-09 cs.CR cs.LG cs.NI
AI-Driven Multi-Hop Relay Selection for Smart Urban NR-V2X Networks via Learning-to-Optimize Graph Neural Networks
研究智能城市NR-V2X网络中多跳中继选择问题，提出基于图神经网络的学习优化框架，将车辆通信状态建模为属性图，通过离线MILP预言机监督、边缘感知图同构网络近似决策，实验证明该方法能在降低执行时间的同时实现与MILP相当的连接性。
2026-07-24 cs.AI cs.LG cs.NI
