Concurrent Transmission Scheduling for Perceptual Data Sharing in mmWave Vehicular Networks
与其他车辆共享感知数据可以增强自动驾驶车辆的交通安全，因为它可以帮助车辆定位盲点中的其他车辆和行人。这种安全应用要求高吞吐量和短延迟，这是传统的微波车载通信系统无法实现的。因此，毫米波（mmWave）通信由于其宽带宽而被认为是用于共享感知数据的关键技术。毫米波通信中的数据共享的挑战之一是广播，因为窄波束定向天线用于获得高增益。因为许多车辆应该在短时间帧内将它们的感知数据共享给其他车辆，以便基于共享的感知数据来扩大可以感知的区域，所以对于感知数据共享，需要改进空间重用的并发传输的有效调度。提出了一种基于图的并发传输调度的数据共享算法。该算法利用窄波束天线的无线传播特性，通过设计一个规则来判断两对发射机和接收机之间是否相互干扰，从而实现并发传输，提高了空间复用率。考虑感知数据中的地理信息的优先级排序方法也被设计为在数据共享时间有限并且不能共享所有数据的情况下扩大可感知区域。仿真结果表明，该算法的两倍的合作感知区域的面积相比，传统的算法，不考虑毫米波通信，因为该算法实现了高吞吐量传输，提高了空间复用。优先化还将可感知区域最大放大20%。
2019-03-22 cs.NI
An Efficient Requirement-Aware Attachment Policy for Future Millimeter Wave Vehicular Networks
汽车行业正在迅速向互联和自动驾驶汽车发展，其日益严格的数据流量要求可能超过传统车载网络技术的能力。在这种情况下，密集部署毫米波（mmWave）基站是为车辆提供非常高的传输速度的一种有前途的方法。然而，毫米波信号遭受高路径和穿透损耗，这可能使通信不可靠和不连续。因此，毫米波和长期演进（LTE）通信系统之间的共存被认为是通过异构联网来保证增加的容量和鲁棒性。根据这一基本原理，我们面临的挑战，设计公平和有效的附着策略在异构车辆网络。基于接收信号质量标准的传统方法缺乏对车辆的个体需求和交通需求的考虑，并且导致网络上的次优资源分配。在本文中，我们提出了一个服务质量（QoS）感知的附件计划，该计划偏向于作为车辆服务要求的函数的细胞选择，防止传输链路的过载。我们的模拟表明，所提出的策略显着提高了车辆的百分比满足应用程序的要求，并提供了有效和公平的关联相比，国家的最先进的计划。
2019-05-01 cs.NI
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
Where, When, and How mmWave is Used in 5G and Beyon
无线工程师和业务规划人员通常会提出这样的问题：毫米波（mmWave）将在哪里、何时以及如何用于5G及以后。由于下一代网络不仅仅是一种新的无线电接入标准，而是具有不同应用的垂直市场网络的集成，因此问题的答案取决于要部署的场景和用例。本文给出了四个5G毫米波部署示例，并按时间顺序描述了其可能部署的场景和用例，包括预期的系统架构和硬件原型。本文首先介绍了用于固定无线接入和移动热点的28 GHz室外回传，这将在2018年平昌冬季奥运会上展示。第二个部署示例是东京成田机场的60 GHz未授权室内接入系统，该系统与移动边缘计算（MEC）相结合，可实现低延迟的超高速内容下载。第三个示例是用作微无线电接入网络（μ-RAN）的毫米波网状网络，用于密集城市场景中的小小区基站（BS）的具有成本效益的回程。最后一个例子是基于毫米波的车对车（V2 V）和车对一切（V2X）通信系统，该系统通过在汽车和路边单元（RSU）之间交换高清（HD）动态地图信息来实现自动驾驶。对于5G及更高版本，毫米波和MEC将在需要超高数据率和低延迟通信的各种应用中发挥重要作用。
2017-04-26 cs.NI
Optimal Beam Association for High Mobility mmWave Vehicular Networks: Lightweight Parallel Reinforcement Learning Approach
University of Technology Sydney（悉尼科技大学）
在智能交通系统（ITS）中，期望车辆具有要求超高数据率和低延迟通信的高级应用和服务。为此，毫米波（mmWave）通信已经成为非常有前途的解决方案。然而，由于车辆的高机动性和毫米波波束对动态阻塞的固有敏感性，将毫米波纳入ITS特别具有挑战性。本文通过为高移动性下的毫米波车载网络开发最佳波束关联框架来解决这些问题。具体来说，我们使用半马尔可夫决策过程来捕捉环境的动态性和不确定性。Q-学习算法通常用于寻找最优策略。然而，Q学习因其收敛速度慢而臭名昭著。我们没有采用深度强化学习结构（如文献中的大多数作品），而是利用道路上通常有多辆车的事实来加速学习过程。为此，我们开发了一个轻量级的，但非常有效的并行Q-学习算法，快速获得最佳的政策，同时学习各种车辆。大量的模拟表明，我们提出的解决方案可以提高数据率的47%，减少断开概率的29%，相比其他解决方案。
2021-06-07 cs.LG cs.NI eess.SP
High-Speed Data Dissemination over Device-to-Device Millimeter-Wave Networks for Highway Vehicular Communication
车辆之间每秒300比特的连接预计将成为传感器信息共享的关键技术，从而实现更安全的智能交通系统（ITS）。最近提出的毫米波（mmWave）系统似乎是能够满足未来ITS服务所强加的数据率需求的唯一解决方案。在这张海报中，我们通过调查系统和通信参数对最终用户的影响来评估毫米波设备到设备（D2D）车载网络的性能。
2017-10-06 cs.NI cs.PF
Wall-Street: An Intelligent Vehicular Surface for Reliable mmWave Handover
Princeton University（普林斯顿大学）；Rice University（莱斯大学）；Rutgers University（罗格斯大学）
Wall-Street通过智能车载表面提升毫米波连接可靠性，实现高达78%的吞吐量提升和34%的延迟降低。
2026-03-04 cs.NI eess.SP
MilliCar -- An ns-3 Module for mmWave NR V2X Networks
车对车（V2 V）通信为协同自动驾驶开辟了道路，以确保提高道路安全和交通效率。特别是将毫米波（mmWave）频谱用于V2 V，前景广阔，因为可用的大带宽提供了实现高数据速率连接的可能性。然而，这种潜力受到在这些频率下经历的显著路径和穿透损耗的阻碍。鉴于未来汽车应用对延迟和吞吐量的严格要求，实际评估在车辆场景中安装基于毫米波技术的可行性变得至关重要。为此，在本文中，我们介绍了MilliCar，这是第一个用于V2 V毫米波网络的ns-3模块，它基于最新的NR V2 X规范（3GPP标准）详细实现了侧链路物理（PHY）和媒体访问控制（MAC）层。下一代车载系统。我们的模块是开源的，使研究人员能够通过端到端的全栈方法比较可能的设计选项及其相对性能，从而促进对该主题的进一步研究。
2020-02-24 cs.NI
MmWave System for Future ITS: A MAC-layer Approach for V2X Beam Steering
毫米波（mmWave）系统具有在未来的智能交通系统（ITS）中实现每秒数千兆位通信的潜力。不幸的是，由于车辆移动性的增加，它们需要频繁的天线波束重新调整，从而显著增加了带内波束成形（BF）开销。在本文中，我们提出了智能运动预测波束对准（SAMBA），MAC层算法，利用所有车辆通过DSRC信标广播的信息。基于此信息，通过估计车辆的位置并预测其运动来实现无开销BF。此外，相对于估计位置调整波束宽度可以进一步增强性能。我们的调查表明，SAMBA优于IEEE 802.11ad BF策略，增加了数据率的两倍以上的稀疏车辆密度，同时提高网络吞吐量成比例的车辆数量。此外，SAMBA被证明是更有效的传统BF算法相比，在高度动态的车辆环境，因此，未来的ITS服务的一个可行的解决方案。
2017-05-24 cs.NI
A Seamless Flow Mobility Management Architecture for Vehicular Communication Networks
车载自组织网络是一种自组织、自修复的网络，它在车载设备和路边设备之间提供无线通信。这种网络中的应用可以利用同时连接的使用，从而最大化吞吐量并降低延迟。为了充分利用车辆的所有无线接口，并为车辆应用提供良好的服务质量，提出了一种基于车辆网络应用类的无缝流移动性管理体系结构，并进行了基于网络的移动性管理。我们的目标是最大限度地减少流连接交换的时间，以符合车辆应用程序类的最低要求，以及最大限度地提高其吞吐量。NS3模拟进行了分析我们的架构的行为，通过比较它与其他三个场景。作为这项工作的结果，我们观察到，所提出的架构提出了一个低切换时间，具有较低的数据包丢失和较低的延迟。
2013-04-03 cs.NI
Performance Study of LTE and mmWave in Vehicle-to-Network Communications
新兴的自动驾驶和协作驾驶服务的关键推动因素是高吞吐量和可靠的车辆到网络（V2N）通信。在这方面，由于可以提供所需链路容量的大的可用带宽，毫米波（mmWave）频率具有很大的前景。然而，这种潜力受到高频信道具有挑战性的传播特性和车辆场景的动态拓扑结构的阻碍，这影响了连接的可靠性。此外，毫米波传输通常利用波束成形增益来补偿在高频处经历的增加的路径损耗。然而，这需要发射波束和接收波束的精细对准，这在车辆场景中可能是困难的。这些限制可能会破坏V2N通信的性能，并对适当的车辆通信设计提出新的挑战。在本文中，我们通过仿真研究了一些毫米波感知策略的实际可行性，以支持V2N，相比传统的LTE连接低于6 GHz。结果表明，不同无线电之间的协调是实现高容量和强大V2N通信的可行解决方案。
2018-05-11 cs.NI cs.PF
DDPG-based Resource Management for MEC/UAV-Assisted Vehicular Networks
在本文中，我们研究联合车辆关联和多维资源管理的车辆网络辅助多访问边缘计算（MEC）和无人机（UAV）。为了有效地管理MEC安装的基站和UAV的可用频谱、计算和缓存资源，在中央控制器处制定并执行资源优化问题。考虑到规划问题求解时间过长和车辆应用对延迟的敏感要求，本文采用强化学习对优化问题进行转化，设计了基于深度确定性策略梯度（DDPG）的解决方案。通过离线训练基于DDPG的资源管理模型，可以快速获得最优的车辆关联和资源分配决策。仿真结果表明，基于DDPG的资源管理方案可以收敛在200集内，并实现更高的延迟/服务质量的满意度比比随机方案。
2020-08-19 cs.NI
Blockage-Aware Non-stationary Dynamic Bandit for User Association in mmWave V2X Networks
Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息理工学系研究科）
针对毫米波车联网中动态阻塞导致的链路质量波动，提出阻塞感知非平稳动态赌博机（BAND），通过累积和变化检测缩小活跃基站集，实现无信道状态信息的在线自适应用户关联，显著降低遗憾并提升网络通信速率。
2026-06-06 cs.NI
Global mibility and handover management for heterogeneous network in VANET
车载自组织网络是一种新兴的技术.移动性管理是车载自组织网络支持各种智能交通系统应用的最具挑战性的研究课题之一。车载Ad hoc网络对于车辆间通信越来越重要，因为它们允许车辆之间的通信，而无需任何基础设施、配置工作，并且没有蜂窝网络的高成本。除了本地数据交换，车辆应用程序可以用于访问互联网服务。访问由位于路边站点的互联网网关提供。然而，互联网集成需要车载自组织网络的相应移动性支持。在本文中，我们将研究在车载自组网的网络移动性的方法，该模型将描述车辆从一个网络到另一个网络的运动。提出的切换方案减少了切换延迟，分组丢失信令开销。
2013-10-18 cs.NI
Digital Twin Assisted Intelligent Network Management for Vehicular Applications
本文提出一种数字孪生辅助的两层学习框架，通过元学习与个体学习实现车辆网络INMFs的自动化生命周期管理，并经案例验证其快速准确的模型适应能力。
2024-03-24 cs.NI
Spectrum Resource Management and Interference Mitigation for D2D Communications with Awareness of BER Constraint in mmWave 5G Underlay Network
本文提出的工作涉及的问题，大量的需求更高的容量。为此，我们研究了室外毫米波小区中用于蜂窝和D2D通信的上行链路的频谱资源管理。事实上，我们提供了第一个洞察如何优化系统性能方面的可实现的吞吐量，同时实现了大量的准入设备和生成的干扰约束之间的妥协。我们提出了一个数学公式的优化目标属于混合整数实优化方案。为了克服其复杂性，我们采用启发式算法，并通过仿真结果测试其效率，特别是在QoS的BER的影响。
2016-05-19 cs.NI
Spectrum Resource Management for Multi-Access Edge Computing in Autonomous Vehicular Networks
提出了一种动态频谱管理框架，以提高自主车辆网络（AVNET）中多接入边缘计算（MEC）的频谱资源利用率。为了支持不断增长的数据业务并保证服务质量（QoS），频谱切片、频谱分配和发射功率控制被联合考虑。因此，三个非凸网络效用最大化问题被公式化以分别在BS之间切片频谱、在与BS相关联的自主车辆（AV）之间分配频谱以及控制BS的发射功率。通过线性规划松弛和一阶泰勒级数近似，这些问题转化为易于处理的形式，然后通过交替凹搜索（ACS）算法联合求解。作为结果，最佳的频谱切片比之间的BS，最佳的BS-车辆关联模式，分配给AV的频谱资源的最佳分数，和最佳的BS的发射功率。基于我们的模拟，一个高的聚合网络效用是由所提出的频谱管理方案相比，现有的两个计划。
2019-01-03 cs.NI
An Analytical Framework for mmWave-Enabled V2X Caching
自动驾驶汽车将严重依赖车联网（V2X）通信来获取导航和道路安全所需的大量信息。这可以通过以下方式实现：（i）利用毫米波（mmWave）频率来实现多Gbps数据率，以及（ii）利用车辆内容的时间和空间相关性来经由高速缓存从基础设施卸载一部分业务。在毫米波定向波束成形、高车辆移动性、信道波动和不同缓存策略下表征这样的系统是一项复杂的任务。在本文中，我们提出了第一个用于mmWave V2X网络缓存的随机几何框架，并通过严格的Monte Carlo模拟进行了验证。除了随机几何模型中考虑的常见参数外，我们的推导还考虑了缓存以及车辆的速度和轨迹。此外，我们的评估提供了有趣的设计见解：（i）更高的基站/车辆密度不一定会提高缓存性能;（ii）虽然使用更窄的波束会导致更高的SINR，但它也会降低连接概率;（iii）V2X缓存可以是补偿一些不需要的毫米波信道特性的廉价方式。
2020-03-29 cs.NI eess.SP
Technical Report - MillimeterWave Communication in Vehicular Networks: Coverage and Connectivity Analysis
在本技术报告（TR）中，我们描述了我们开发的数学模型，用于在基于毫米波链路的汽车通信场景中进行初步覆盖和连接分析。其目的是解决在为毫米波汽车场景设计解决方案时必须考虑的一些复杂而有趣的权衡。
2017-04-26 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
Standalone and Non-Standalone Beam Management for 3GPP NR at mmWaves
下一代蜂窝网络将利用毫米波频率大幅提高网络容量。然而，在这样高的频率下的通信需要方向性以补偿传播损耗的增加。用户和基站需要在初始接入和数据传输期间对准其波束，以确保达到最大增益。波束选择的准确性以及更新波束对或执行初始接入的延迟影响端到端性能和服务质量。在本文中，我们将介绍3GPP在NR规范中包含的波束管理程序，重点介绍可以在独立（SA）和非独立（NSA）部署中执行的不同操作。我们还将提供不同方案之间的性能比较，以及与波束管理框架相关的最重要参数的设计见解。
2019-11-08 cs.NI
Trust-based Secure Routing in Software-defined Vehicular Ad Hoc Networks
随着人们对便捷、安全、高效的交通需求的日益增长，车载自组织网络（VANTIONAL）已成为智能交通系统中的关键技术。由于节点的高度移动性，VANESTs很容易受到安全攻击。在本文中，我们提出了一个新的框架，软件定义的VANESTRUCTURE与信任管理。具体来说，我们将VANET中的转发平面与控制平面分开，控制平面负责VANET中的控制功能，例如路由协议和信任管理。以按需距离矢量路由（TAODV）协议为例，提出了一种基于软件定义信任的adhoc按需距离矢量路由（SD-TAODV）协议。仿真结果表明了该方法的有效性。
2016-11-12 cs.NI
A Tutorial on Beam Management for 3GPP NR at mmWave Frequencies
毫米波（mmWave）频率提供了巨大带宽的可用性，以向下一代蜂窝移动终端提供前所未有的数据率。然而，毫米波链路对快速信道变化非常敏感，并且遭受严重的自由空间路径损耗和大气吸收。为了应对这些挑战，基站和移动终端将使用高度定向的天线来实现广域网中的足够链路预算。其结果是需要发射器和接收器波束的精确对准，这是一种可能增加建立链路的延迟的操作，并且对控制层过程（诸如初始接入、切换和波束跟踪）具有重要影响。本教程概述了最近提出的用于毫米波蜂窝网络中波束和移动性管理的测量技术，并深入探讨了适用于3GPP NR蜂窝网络的精确、反应式和鲁棒控制方案的设计。我们将说明，最佳策略取决于节点部署的特定环境，并给出指导方针，以告知作为系统参数的函数的最佳选择。
2019-11-04 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
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
RSU Cloud and its Resource Management in support of Enhanced Vehicular Applications
我们提出路边单元（RSU）云作为一种新的方式来提供非安全应用的QoS为VANESTO。描述了RSU云的架构，包括传统RSU和使用软件定义网络（SDN）的专用微处理器和虚拟机（VM）。SDN提供了迁移或复制虚拟服务以及动态重新配置数据转发规则的灵活性。然而，对服务主机和数据流的频繁改变不仅导致服务的降级，而且对于服务提供商来说成本高昂。在本文中，我们使用Mininet分析和形式化量化的重构开销。我们独特的RSU云资源管理（CRM）模型共同最大限度地减少了重新配置开销、服务部署成本和基础设施路由延迟。据我们所知，我们是第一个使用这种方法的。我们比较纯粹的方法，我们的非线性规划（ILP）模型和我们的创新启发式CRM技术的性能，并讨论结果。我们将展示使用SDN进行云资源管理的整体方法的好处。
2017-06-21 cs.NI
Towards Standardization of Millimeter Wave Vehicle-to-Vehicle Networks: Open Challenges and Performance Evaluation
IEEE 802.11bd和3GPP NR V2X代表了下一代车载网络的新规范，利用新的通信技术和新的频谱（如毫米波（mmWave）频段）来提高吞吐量并减少延迟。在本文中，我们特别关注mmWaves为车对车（V2V）网络带来的挑战，通过回顾最新的标准发展以及802.11bd和NR V2X在mmWaves上进行V2V操作时必须解决的问题。据我们所知，我们的工作是第一个考虑毫米波V2V网络设计的全栈端到端方法，讨论了从物理层到更高层的开放问题，并报告了端到端性能评估的结果，突出了毫米波V2V通信的潜力。
2020-05-15 cs.NI
A Q-Learning Approach for Dynamic Resource Management in Three-Tier Vehicular Fog Computing
Razi University（拉齐大学）；Kermanshah University of Technology（克尔曼沙赫理工大学）
本文提出基于Q学习的动态资源管理方法，用于优化车载雾计算环境中的资源分配，通过强化学习提升系统性能和任务处理效率。
2026-02-16 cs.NI
Radio Resource and Beam Management in 5G mmWave Using Clustering and Deep Reinforcement Learning
为了最佳地覆盖毫米波（mmWave）网络中的用户，需要聚类来识别波束的数量和方向。用户的移动性激励需要一个在线的集群方案，以保持最新的光束对这些集群。此外，用户的移动性导致集群的变化模式（即，用户从一个波束的覆盖范围移动到另一个波束），导致每个波束的动态业务负载。因此，需要有效的无线电资源分配和波束管理来解决由用户及其业务的移动性引起的动态性。针对超可靠低延迟通信（URLLC）和增强型移动宽带（eMBB）用户在5G毫米波网络中共存的问题，提出了一种服务质量（QoS）感知的分簇和资源分配方案。具体而言，基于密度的空间聚类的应用程序与噪声（DBSCAN）用于在线聚类的用户和选择的波束的数量。此外，基于长短期记忆（LSTM）的深度强化学习（DRL）方案用于资源块分配。所提出的方案的性能进行比较的基线，使用K-均值和基于优先级的比例公平聚类和资源分配，分别。我们的仿真结果表明，所提出的方案优于基线算法的延迟，可靠性和速率的URLLC用户以及速率的eMBB用户。
2021-03-08 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
Path Loss Models for V2V mmWave Communication: Performance Evaluation and Open Challenges
最近，毫米波（mmWave）频带已被研究为增强自动驾驶和解决新兴汽车应用的具有挑战性的数据率和延迟需求的手段。为了开发在6 GHz以上的频带中操作的那些系统，需要具有能够预测在这些频带处的车辆传播的特性的精确信道模型，特别是就车辆到车辆（V2 V）通信而言。在本文中，我们验证了3GPP为NR-V2X系统提出的信道模型，该模型（i）支持城市/高速公路传播的部署场景，以及（ii）包含路径损耗，阴影，视线概率和静态/动态阻塞衰减的影响。考虑到典型场景的现实系统级仿真假设，我们还分析了几个汽车特定参数对整体网络性能的影响。最后，我们强调了模型的潜在不一致性，并为未来车辆环境中的测量活动提供了建议。
2019-07-23 cs.NI eess.SP
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
Revocation management in vehicular ad-hoc networks
本文介绍了一种解决方案，有效地管理车辆ad-hoc网络中的撤销，基于证书和基于身份的认证。它提出了一种基于动态哈希树的认证数据结构的使用，该哈希树是一种完美的$k$ -ary树，以及新版本的SHA-3哈希函数。这种组合允许优化树中的搜索和插入操作。因此，该建议在车辆网络被广泛使用时以及在城市环境中都非常有用。模拟结果很有希望并证实了这一假设。
2022-09-23 cs.CR cs.NI
Contextual Combinatorial Beam Management via Online Probing for Multiple Access mmWave Wireless Networks
针对毫米波无线网络多接入场景下的波束管理难题，提出融合上下文信息与在线探测的CCBM框架，联合优化收发配对与波束选择，兼具理论渐近最优性与多维度性能优势。
2024-11-29 cs.NI
Toward Cloud-based Vehicular Networks with Efficient Resource Management
在物联网时代，智能交通系统中的所有组件都将连接起来，以提高运输安全，缓解交通拥堵，减少空气污染，提高驾驶舒适度。所有车辆互联的愿景对收集和存储大量交通相关数据提出了重大挑战。本文提出将云计算集成到车载网络中，使车辆之间能够共享计算资源、存储资源和带宽资源。所提出的架构包括车辆云、路边云和中央云。然后，我们研究了云资源分配和虚拟机迁移有效的资源管理，在这个基于云的车载网络。提出了一种博弈论方法来优化云资源分配。基于资源预留机制解决了车辆移动引起的虚拟机迁移问题。
2013-08-28 cs.DC cs.NI
LTE and Millimeter Waves for V2I Communications: an End-to-End Performance Comparison
除了蜂窝连接之外，长期演进（LTE）标准还支持基本的汽车服务，以通过车辆到基础设施（V2I）通信来促进道路安全。尽管如此，在完全自主和智能交通系统所期望的雄心勃勃的技术进步的推动下，利益相关者和研究机构最近研究了新的无线电技术，以支持车辆应用。特别地，毫米波（mmWave）频谱由于可以提供所需链路容量的大的可用带宽而具有很大的前景。然而，高频通信遭受严重的传播和吸收损耗，这可能导致通信断开，特别是考虑到高移动性场景。因此，重要的是通过仿真来验证在6GHz以上频带中建立V2I通信的实际可行性。根据这一基本原理，在本文中，我们提供了第一个比较端到端的LTE和毫米波技术在车载场景中的性能评估。仿真框架包括详细的基于测量的信道模型以及MAC、RLC和传输协议的全部细节。我们的研究结果表明，虽然LTE仍然是一个有前途的接入解决方案，以保证强大和公平的连接，毫米波满足大多数新兴汽车应用的可预见的极端吞吐量需求。
2019-03-11 cs.NI
Empirical Feasibility Analysis for Energy Harvesting Intra-Vehicular Wireless Sensor Networks
车辆电子系统目前利用有线网络进行电力输送（来自主电池）和通信（例如，LIN、CAN、FlexRay）。有线网络实际上不能容纳移动部件中的节点（例如，轮胎），并且随着车辆功能复杂性的增加，它们需要更长的线束，从而显著增加了燃料消耗以及制造和设计成本。作为一种替代方案，能量收集车载无线传感器网络（IVWSN）可以容纳所有位置的节点，它们无需布线，显着降低成本。在本文中，我们经验分析了这样一个IVWSN框架的可行性，通过广泛的车载测量通信在2.4 GHz，超宽带（UWB）和毫米波（mmWave）频率与射频（RF），热和振动能量收集。我们的分析表明，毫米波表现最好的短视线（LoS）的链接在发动机舱与性能接近UWB的LoS链接在底盘和乘客舱的最坏情况下的信号干扰和噪声比。对于在发动机舱和底盘中出现得更多的非LoS链路，UWB提供了最高的安全性和可靠性。2.4 GHz在所有隔室中受到严重干扰，而UWB以较低带宽为代价利用窄带抑制技术;毫米波由于其传播特性而固有地受到非常低的干扰。另一方面，RF能量收集在所有隔室中提供高达1 mW的功率。振动和热能采集器可以为发动机舱中所有功耗<10 mW的节点和底盘中所有功耗<5 mW的节点供电。在乘客舱中，由于温度梯度低，无法进行热量收集，但振动和射频源可以提供<1 mW的节点。
2020-02-03 cs.NI eess.SP
Dynamic Coherence-Based EM Ray Tracing Simulations in Vehicular Environments
近年来，随着第五代（5G）网络部署的普及，5G应用变得越来越受欢迎。对于车载网络，毫米波波段信号已经得到了很好的研究，并用于通信和传感。在这项工作中，我们提出了一个新的动态光线追踪算法，利用空间和时间的相干性。我们通过将典型车辆通信场景的结果与GEMV ^2和WinProp进行比较来评估性能，GEMV ^2使用确定性和随机模型的组合，WinProp使用确定性模型进行给定环境信息的模拟。我们还比较了我们的算法在复杂的城市模型上的性能，并观察到与GEMV ^[2]相比计算时间减少了36%，与WinProp相比减少了30%，同时保持了相似的预测精度。
2022-04-14 cs.NI eess.SP
Blockchain-based Trust Management in Security Credential Management System for Vehicular Network
针对车联网SCMS信任管理去中心化需求，提出基于区块链的BBTM机制，替代策略生成器并实现策略管理、证书链聚合等功能，经Hyperledger Fabric实验验证其轻量高效且安全透明。
2025-02-21 cs.CR cs.DC cs.NI
Digital Twin-Empowered Routing Management for Reliable Multi-Hop Millimeter Wave V2X
本文针对毫米波 V2X 多跳通信可靠性问题，提出基于数字孪生的路由管理框架，融合轨迹预测与无预测两种算法，并通过 AWSIM 仿真验证其相比传统 VANET 路由能显著提升可靠性。
2024-08-18 cs.NI
A traffic incident management framework for vehicular ad hoc networks
Institute of Information Technology, University of Dhaka（达卡大学信息技术研究所）；School of Electronic Engineering and Computer Science, Queen Mary, University of London（伦敦大学玛丽女王学院电子工程与计算机科学系）
本文提出了一种用于车对等网络的交通事件管理框架，通过模拟验证了不同中继策略在事件报告中的效率差异。
2026-02-20 cs.NI
5G Software Defined Vehicular Networks
随着第五代（5G）移动通信系统和软件定义网络的出现，不仅可以提高车辆网络的性能，而且未来车辆对车辆网络的新应用提出了要求，例如，无人驾驶汽车针对智能交通系统的需求，提出了一种融合5G移动通信技术和软件定义网络的新型车载网络架构。此外，已经提出了雾单元以灵活地覆盖车辆并避免车辆和路边单元（RSU）之间的频繁切换。基于所提出的5G软件定义车载网络，分析和比较了传输延迟和吞吐量。仿真结果表明，考虑不同车辆密度时，5G软件定义车联网存在一个最小传输时延。此外，5G软件定义车辆网络中雾小区的吞吐量优于传统交通管理系统的吞吐量。
2017-02-13 cs.NI
Digital Twin-Driven Computing Resource Management for Vehicular Networks
提出了一种基于数字孪生和人工智能的车辆网络边缘服务器计算资源管理方法。具体来说，我们构建了两层数字孪生，为车辆网络量身定制，以捕获车辆和边缘服务器的网络相关功能。利用这些特点，我们提出了一个两阶段的计算资源分配计划。首先，中央控制器根据边缘服务器的数字孪生捕获的网络动态和服务需求，周期性地生成用于实时计算资源分配的参考策略。其次，通过符合参考策略的低复杂度基于匹配的分配，将边缘服务器的计算资源实时分配给各个车辆。通过利用数字孪生，所提出的方案可以适应动态的服务需求和车辆的移动性在一个可扩展的方式。仿真结果表明，所提出的数字孪生驱动方案使车载网络能够支持比基准方案更多的计算任务。
2022-11-24 cs.NI cs.SY eess.SY
Handover Management for mmWave Networks with Proactive Performance Prediction Using Camera Images and Deep Reinforcement Learning
对于毫米波网络，本文提出了一种范式转变，利用时间连续的相机图像切换决策问题。在做出切换决策时，重要的是预测未来的长期性能-例如，时变数据率的累积和-主动避免做出短视的决定。然而，这项研究实验注意到，在接收功率的时间变化不一定是信息主动预测移动障碍物引起的数据率的快速退化。为了克服这一挑战，本研究提出了一种主动的框架，其中切换时序进行了优化，而障碍物引起的数据率退化发生之前预测的退化。关键思想是扩展状态空间以涉及时间连续的相机图像，其包括用于预测这种数据率劣化的信息特征。为了克服在处理扩展状态空间的大维度的困难，我们使用深度强化学习来决定切换定时。基于实验获得的相机图像和接收功率执行的评估表明，扩展的状态空间便于（i）从劣化发生之前的500 ms预测障碍物引起的数据率劣化，以及（ii）优于没有状态空间扩展的切换框架的性能
2020-07-17 cs.NI
Position Aware 60 GHz mmWave Beamforming for V2V Communications Utilizing Deep Learning
University of Massachusetts Dartmouth（马萨诸塞大学达特茅斯分校）；Yeshiva University（叶史瓦大学）
针对传统毫米波波束成形方法在高动态V2V场景中延迟和计算开销大的问题，提出基于深度学习、利用车辆位置信息预测最优波束的方案，在真实数据集上平均可达链路接收功率的84.58%。
2024-02-02 cs.AI cs.LG cs.NI
Fog Computing for Detecting Vehicular Congestion, An Internet of Vehicles based Approach: A review
交通拥堵直接影响交通部门的效率。用于车辆客户端的无线传感器网络用于交通管理应用的基于车辆互联网的解决方案中。研究发现，使用基于车联网的联网车辆技术进行车辆拥堵检测对于拥堵处理实际上是可行的。结果发现，通过在车载无线传感器网络中使用基于雾计算的原理，可以改善系统中的通信，以支持更大数量的节点而不影响性能。本文研究了基于互联车辆技术的车辆拥堵识别技术。研究了可用于车辆网络的计算范例，以开发实际可行的车辆拥塞检测系统，该系统可以准确地执行大覆盖区域和多种场景。所设计的系统预计将检测拥堵，以满足交通管理目标，是智能交通系统中的首要任务。
2019-10-31 cs.NI eess.SP
NR V2X Communications at Millimeter Waves: An End-to-End Performance Evaluation
3GPP NR V2X代表了下一代车载系统的新3GPP标准，除其他创新外，该标准还支持毫米波（mmWave）频谱中的车对车（V2 V）操作，以满足未来智能汽车网络的通信需求。虽然毫米波将实现大数据率和低延迟，但非常高频率下的传播特性变得非常具有挑战性，因此需要准确的性能评估作为适当评估此类系统性能的手段。在本文中，基于最新NR V2X规范的新型ns-3模块MilliCar用于提供毫米波V2 V网络的端到端性能评估。我们调查不同的传播场景和系统参数的影响，包括车辆间的距离，所采用的帧参数，以及调制和编码方案，并提供最有前途的V2 V部署配置的指导方针。
2020-05-20 cs.NI
Towards a distributed and infrastructure-less vehicular traffic management system
在过去的几年中，已经提出了几个系统来处理与车辆交通管理有关的问题。通常，他们的解决方案包括集成计算技术，如车辆网络，中央服务器和路边单元。大多数系统使用混合方法，这意味着它们仍然需要一个中央实体（中央服务器或路边单元）和互联网连接来查找途中事件以及车辆的替代路线。很容易理解需要一个中央实体，因为选择最合适的车辆来执行上述程序是一项困难的任务。除此之外，据我们所知，很少有系统将利他主义方法（而不是自私行为）应用于路由决策。正因为如此，在这项工作中解决的问题是如何执行车辆交通管理，当检测到途中事件，在分布式，可扩展的，和成本效益的方式。为了解决这些问题，我们提出了一个分布式车辆交通管理系统，称为dEASY（分布式车辆交通管理系统）。dEASY系统设计和实现了一个三层架构，即环境感知和车辆排名，知识生成和分发，知识消费。dEASY体系结构的每一层都负责处理相关工作中没有解决或可以改进的主要问题。仿真结果表明，与文献中的其他系统相比，我们提出的系统具有较低的网络开销，由于应用车辆选择和广播抑制机制。平均而言，dEASY在行程时间和时间损失指标方面也优于所有其他竞争对手。通过对结果的分析，可以得出结论，我们的无基础设施系统是可扩展的和具有成本效益的。
2020-02-10 cs.NI cs.SI
Energy-Driven Evaluation of Network Digital Twinning Applied to mmWave Beam Management
Federal University of Pará (UFPA)（帕拉联邦大学）；Universidade Federal de Goiás（戈亚斯联邦大学）；Ericsson Research（爱立信研究院）
该研究针对网络数字孪生运行参数影响研究不足的问题，采用硬件实测的物理孪生，深入研究孪生速率和保真度对性能的影响，探索贝叶斯优化等方法以最小化能耗，为6G网络数字孪生的实际应用提供参考。
2026-09-28 cs.NI
dSDiVN: a distributed Software-Defined Networking architecture for Infrastructure-less Vehicular Networks
在过去的几年中，新兴的软件定义网络（SDN）的网络架构范例已经成为管理诸如车载自组织网络（VAN）的大规模网络的最重要的技术之一。最近，一些作品已经显示出在VANESTO中使用SDN范例的兴趣。SDN为当前的VAN带来了灵活性、可扩展性和管理设施。然而，几乎所有提出的软件定义VANET（SDVN）架构都是基于基础设施的。本文将重点讨论如何在无基础设施的车辆环境中实现SDN。为此，我们提出了一种新的分布式基于SDN的架构，用于无基础设施的车辆场景。它是一种可扩展的基于集群的体系结构，具有分布式移动控制器和基于自组织集群和故障预测的可靠回退恢复机制。
2017-06-17 cs.NI
Impact of Device Thermal Performance on 5G mmWave Communication Systems
据报道，5G毫米波（mmWave）蜂窝网络通过速度测试提供1-2 Gbps的下行链路吞吐量。然而，这些速度测试仅捕获几秒钟的吞吐量，并且不能代表几分钟内的持续吞吐量。我们报告了迈阿密，芝加哥和旧金山三个城市的持续吞吐量的第一次测量结果，在那里我们观察到由于手机连接到部署的5G毫米波基站（BS）时皮肤温度上升而导致的吞吐量限制。电话和BS之间的无线电资源控制（RRC）消息指示聚合毫米波信道的数量从4减少到1，随后切换到4G。我们用手机升温时的红外图像证实了这些测量结果。因此，毫米波吞吐量将不受网络特性的限制，而是受设备热管理的限制。
2022-06-30 cs.NI
Non-convex Generalized Nash Games for Energy Efficient Power Allocation and Beamforming in mmWave Networks
网络管理是无线网络高效运行的基本要素。随着带宽、天线数量和用户数量的增加，网络管理所需的信息量显著增加。因此，分布式网络管理是未来网络高效运行的关键。研究了ad-hoc毫米波网络中分布式联合波束形成控制和功率分配问题。在共享频谱上，多个多输入多输出链路试图通过以自组织方式同时找到局部最优功率分配和波束形成器来最小化它们的供应功率。我们的设计考虑了一个家庭的非凸服务质量约束和效用函数的特点是单调性的各种用户的策略。我们提出了一种两阶段的分散优化方案，其中每个链路迭代地执行功率水平和波束形成器系数的自适应。我们首先证明了给定一组接收波束形成器，功率分配阶段收敛到广义功率分配博弈的最优广义纳什均衡。然后，我们证明了迭代最小均方误差自适应的接收波束形成器的结果在一个整体的收敛方案。几个发射波束形成方案，需要不同级别的信息交换也比较在建议的分配框架。我们的仿真结果表明，允许每个链路使用直接信道优化其发射滤波器，即使问题是高度非凸的，也能以非常低的计算复杂性获得接近最佳的性能。
2022-05-30 cs.NI
Beam Management for Millimeter Wave Beamspace MU-MIMO Systems
毫米波（mmWave）通信作为用于5G网络的有前途的技术已经引起越来越多的关注。毫米波的关键架构特征之一是在发射器和接收器侧使用大规模天线阵列。因此，通过采用定向波束成形（BF），毫米波基站（MBS）和毫米波用户（MUE）都能够支持多波束同时传输。然而，大多数研究只考虑了单个波束，这意味着它们没有充分发挥毫米波的潜力。在此背景下，为了提高具有多次反射的短距离室内毫米波网络的性能，我们研究了下行链路多用户多波束传输的挑战和潜在解决方案，其可以被描述为高维（即，波束空间）多用户多输入多输出（MU-MIMO）技术，包括多用户BF训练、同时用户分组和多用户多波束功率分配。此外，我们提出的理论和数值结果表明，波束空间MU-MIMO相比，单波束传输可以大大提高毫米波系统的速率性能。
2018-09-30 cs.IT cs.NI math.IT
Semantic-Aware LLM Orchestration for Proactive Resource Management in Predictive Digital Twin Vehicular Networks
本文提出 SP-LLM 框架，通过预测性数字孪生预测网络参数，并利用 LLM 作为认知编排器解析自然语言语义命令，实现车联网中主动的任务卸载与资源分配，显著提升了系统的可扩展性、鲁棒性和适应性。
2025-08-02 cs.DC cs.NI
