VANET Connectivity Analysis
车载自组网是移动自组网的一个特殊子类，它提出了许多技术挑战，特别是从其移动模型的角度来看。在本文中，我们提供了一个彻底的分析，利用著名的结果，渗透理论的这种网络的连通性。通过仿真，我们研究了一些参数的影响，包括车辆密度，配备车辆的比例，和无线电通信范围。我们还研究了交通信号灯和路边单元的影响。我们的研究结果提供了有关连接行为的见解。我们相信本文是一个有价值的框架，以评估未来的应用程序的可行性和性能依赖于车辆连接在城市场景。
2009-12-30 cs.NI
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
Communication and Computation Assisted Sensing Information Freshness Performance Analysis in Vehicular Networks
在车辆网络中，原始传感信息的及时共享对安全至关重要。为了提高感知信息的新鲜度，需要对通信、计算等多维资源进行联合调度。然而，多维资源之间的复杂关联性尚不明确，难以实现资源的高效利用。在本文中，我们提出了一个新的度量信息时代（AoI）的通信和计算辅助时空模型的理论分析。考虑了一种上行链路VNC-MS场景，其中路侧单元（RSU）被部署有计算资源。将传输和计算过程统一为一个两级串联队列，并推导出平均AoI的表达式。通过基于随机几何的Cox Poisson点过程模型分析网络干扰，得到了在传输资源约束下的覆盖概率和期望数据率性能的封闭解。仿真结果揭示了通信和计算能力之间的基本关系，表明通信和计算应达到一个折衷，以提高资源利用率，同时保证实时信息的需求。
2022-04-12 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
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
Performance evaluation of Secure DSRC (S-DSRC) protocol for Vehicular Adhoc Networks
Choudhary Devi Lal University（乔杜里·德维拉尔大学）
针对VANET安全通信问题，提出S-DSRC协议，通过密钥交换实现安全消息传输，在中型网络中性能优于现有DSRC协议。
2026-06-23 cs.NI
Navigo: Interest Forwarding by Geolocations in Vehicular Named Data Networking
提出了一种基于位置的车载命名数据网络（NDN）数据包转发机制--Navigo。Navigo采用全新的方法来解决车辆网络中频繁的连接中断和突然的网络变化的挑战。Navigo的目标不是将数据包转发到特定的移动汽车，而是从多个潜在的数据载体中获取特定的数据。该设计提供了（1）将NDN数据名称绑定到生产者的地理区域的机制;（2）使用道路拓扑上的专用最短路径将兴趣引导到数据生产者的算法;以及（3）可以识别跨多个地理区域的最佳数据源的自适应发现和选择机制，以及对V2X网络中的变化做出快速反应。
2015-03-05 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
UAV/HAP-Assisted Vehicular Edge Computing in 6G: Where and What to Offload?
针对6G动态车载环境中地面车辆资源有限的问题，研究通过非地面网络（NTNs）将任务卸载到无人机（UAVs）和高空平台（HAPs）的方案，建模优化卸载因子，结果表明高容量平台下空中辅助VEC在密集网络中可行。
2022-02-22 cs.NI eess.SP
A Truthful Auction for Graph Job Allocation in Vehicular Cloud-assisted Networks
车载云计算已经成为满足用户在现代驾驶环境中处理计算密集型应用的需求的有前途的解决方案。这样的应用程序通常由组件和边缘组成的图表示。然而，由于用户的自私，鼓励车辆共享资源带来了重大挑战。研究了考虑资源重用的车载云辅助网络中基于拍卖的图作业分配问题。我们的目标是将每个买方（组件）映射到一个可行的卖方（虚拟机），同时最大化买方的服务效用，这涉及执行时间和佣金成本。首先，我们制定了基于拍卖的图作业分配作为一个整数规划（IP）问题。在此基础上，提出了一种基于Vickrey-Clarke-Groves的支付规则，该规则满足了支付者的经济性、真实性和个体理性。我们面临两个挑战：1）上述IP问题是NP难的; 2）与IP问题相关联的一个约束提出了解决子图同构问题。因此，在大规模网络中获得最优解实际上是不可行的。在此基础上，提出了一种基于服务效用增益最大化的结构保持匹配算法，并给出了相应的支付规则，该规则具有经济性和低计算复杂度。大量的仿真结果表明，该算法优于基准方法考虑各种问题的大小。
2020-04-08 cs.DC cs.NI
An SDN hybrid architecture for vehicular networks: Application to Intelligent Transport System
车载网络是智能交通系统（ITS）的基石之一。它们有望为移动车辆提供无处不在的网络连接，同时支持各种ITS服务，其中一些服务在延迟和可靠性方面具有非常严格的要求。两种车辆联网技术被设想为共同支持ITS服务的全部范围：用于直接车对车/路侧单元（RSU）通信的DSRC（专用短程通信）和蜂窝技术。据我们所知，文献中的方法通常根据其要求在每个网络上划分ITS服务，并且一个单一的网络负责支持每个服务。那些考虑两种网络技术以提供多路径路由、负载均衡或路径分裂以获得更好质量的ITS服务体验的技术显然假定单独控制的网络。在SDN（软件定义网络）的保护伞下，我们在本文中提出了一种混合网络架构，使网络的联合控制提供连接到多个家庭的车辆，也探索这样的架构带来的机会。我们通过一些用例表明，除了SDN带来的灵活性和细粒度可编程性之外，它还为开发有效的网络控制算法开辟了道路，这些算法是成功支持ITS服务的关键，特别是那些具有严格QoS的服务。我们还展示了这些算法如何也可以受益于与车辆发展的环境或背景相关的信息（交通密度，计划轨迹等），这些数据可以很容易地被数据提供商收集，并通过云提供。
2018-01-08 cs.NI
Analysis of Intelligent Vehicular Relaying in Urban 5G+ Millimeter-Wave Cellular Deployments
针对城市5G+毫米波蜂窝场景下移动中继性能研究不足的问题，构建数学框架评估车载毫米波中继性能，分析连接策略增益并明确适用场景，为相关标准化与部署提供支撑。
2019-08-16 cs.NI eess.SP
Dynamic Mask Enhanced Intelligent Multi-UAV Deployment for Urban Vehicular Networks
University of Science and Technology of China（中国科学技术大学）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）
本文提出Q-SDAM算法，通过动态动作掩码机制提升多无人机部署效率，有效增强车联网连接并降低能耗。
2026-03-19 cs.AI cs.NI
Joint Frequency-and-Phase Modulation for Backscatter-Tag Assisted Vehicular Positioning
自动驾驶已经成为下一代汽车的杀手级技术，而一些致命的事故也使人们对其安全性产生了担忧。更安全的自动驾驶的一个基本功能是识别车辆的位置，称为车辆定位。现有技术的车辆定位依赖于作为位置已知的固定物体的锚，即用于GPS的卫星和用于蜂窝定位的基站。为了可靠定位，必须密集地安装锚，以帮助在附近找到足够的锚。为了使部署具有成本效益，有一些试验通过将后向散射标签部署在路面上来使用后向散射标签作为替代锚，但是其增益受到几个原因的限制，例如接触时间短和维护困难。相反，我们提出了一个新的后向散射标签辅助车辆定位系统，标签沿路边部署，这使得接触时间的延长，便于维护。另一方面，车辆和标签之间存在位置失配，需要开发新的后向散射传输来估计它们的相对位置。为此，我们设计了一种新的波形称为联合频率和相位调制（JFPM）的后向散射标签辅助车辆定位的发射频率进行调制的距离估计假设相关的信号是明显可区分的，而相位调制有助于区分。JFPM波形导致利用多址和广播信道共存的反向散射信道的最大自由度（DoF），导致通过广泛的模拟验证的更准确的定位。
2019-05-17 cs.IT cs.NI math.IT
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
Message Dissemination in Connected Vehicles
近年来，基于车辆自组织网络（VANESTs）的连接车辆的进展在以有效方式传播消息方面在智能交通系统（ITS）中获得了显著关注。VANET使用专用短程通信（DSRC）在车辆之间和基础设施之间传播消息。虽然基于DSRC的通信是可行的，但当车辆不在彼此的传输范围内时，及时传播消息仍然具有挑战性。此外，当道路上的车辆密度增加时，DSRC通信信道严重拥塞。为了解决这些限制，采用两种新兴范例：1）车辆云计算和2）车辆雾计算以在连接的车辆环境中在车辆之间传播消息。车辆雾计算使用雾节点在车辆之间传播消息。任何真实世界的对象都可以通过获取1）网络连接性，2）计算性和3）存储性等属性来形成雾节点。在本书的这一章中，我们强调了基于DSRC、车载云计算和车载雾计算等技术的互联车辆中的消息传播的重要性。我们的目标是帮助读者更好地了解互联车辆和通信技术的基本原理，同时在车辆之间和基础设施之间传播信息。
2020-09-03 cs.NI
VariSAC: V2X Assured Connectivity in RIS-Aided ISAC via GNN-Augmented Reinforcement Learning
VariSAC提出GNN增强的SAC强化学习框架，通过统一连续连接比度量，联合优化信道、功率与RIS配置，实现RIS辅助ISAC V2X系统中的持续可靠连接，并在真实城市数据上优于基线。
2025-09-09 cs.NI
Energy Efficient and Delay Aware Vehicular Edge Cloud
车辆边缘云（VECs）是一种新的分布式处理范例，其利用车辆处理能力的革命来提供节能服务和改进的QoS。在本文中，我们解决了在云雾VEC架构的处理分配问题，通过开发一个联合优化混合线性规划（MILP）模型，以最小化功耗，传播延迟，和排队延迟。结果表明，虽然VEC处理可以降低功耗和传播延迟，但由于车辆和数据源节点之间的低数据率连接，VEC处理会增加排队延迟。
2020-04-15 cs.NI eess.SP
Mobile-service based Max-Min Fairness Resource Scheduling for Heterogeneous Vehicular Networks
本文研究了异构车辆网络的资源调度问题，其中一些移动车辆被选择和调度作为帮助中继，以协助路边基础设施和其他移动车辆之间的信息传输。针对这种系统，提出了一种基于移动业务的最大最小公平资源调度方案，该方案采用更适合高移动性场景的业务量来表征链路的信息传输能力，采用最大最小准则来满足移动车辆的公平性要求.仿真结果证明了该方案的有效性。结果表明，我们提出的方案档案更高的吞吐量和更好的公平性相比，随机调度方案和非中继方案。
2016-03-11 cs.NI
Energy-Delay Minimization of Task Migration Based on Game Theory in MEC-assisted Vehicular Networks
路边单元（RSU），具有强大的计算能力，并接近车辆节点，已被广泛用于处理车辆节点的延迟和计算密集型任务。然而，由于车辆的高移动性，在接收到任务处理结果之前，车辆可能会驶出RSU的覆盖范围。在本文中，我们提出了一种移动边缘计算辅助车辆网络，其中车辆可以通过车辆到车辆（V2V）链路将其任务卸载到附近的车辆，或者通过车辆到基础设施链路将其任务卸载到附近的RSU。这些任务也通过V2V链路或基础设施到基础设施（I2I）链路迁移，以避免车辆无法从RSU接收已处理任务的情况。考虑到卸载任务和迁移任务同一环节的相互干扰，我们构建了一个基于车辆卸载决策的博弈，以最小化计算开销。利用有限改进性质证明了博弈总是能达到纳什均衡并收敛。然后，我们提出了一个任务迁移（TM）算法，其中包括三个任务处理方法和两个任务迁移方法。在TM算法的基础上，提出了计算开销最小化卸载（COMO）算法。大量的仿真结果表明，提出的TM和COMO算法减少了计算开销，提高了任务处理的成功率。
2022-05-13 cs.NI eess.SP
Delay-sensitive Task Offloading in Vehicular Fog Computing-Assisted Platoons
针对车辆雾计算辅助车队中计算资源不足导致的任务处理时延问题，本文提出一种基于半马尔可夫决策过程的卸载策略，以最小化卸载时延并最大化长期回报，仿真实验验证了其有效性。
2023-09-19 cs.NI eess.SP
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
Connectivity Analysis of Directed Highway VANETs using Graph Theory
该研究将图论方法用于车载自组织网络连通性分析，验证了两种图基方法与概率模型结果的一致性，并将其扩展到有向VANETs场景，证明该类方法可适配复杂场景，性能稳健。
2023-03-19 cs.NI
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
Platoon--assisted Vehicular Cloud in VANET: Vision and Challenges
配备无线传感器、智能控制系统和通信设备的智能联网车辆预计将在短期内商业化推出并出现在道路上。这些智能车辆能够部分/完全自行驾驶;从传感器收集数据，根据这些数据做出和执行决策;与其他车辆，行人和安装在道路上的节点进行通信;并提供信息娱乐和增值服务，如超高清视频的宽带传输、文件/应用程序下载和上传、在线游戏、访问社交媒体，音频/电视会议流传输（车内办公）、直播电视流传输等;此外，自动驾驶车辆还可以在道路上形成“队列”;保持紧密接近，以便减少燃料消耗和/或气体排放，降低成本，增加安全性，并提高传统运输系统的效率。这些新兴的车辆应用需要大量的计算和通信能力，以在其计算密集型和延迟敏感的任务中脱颖而出。基于这些事实，本文的作者提出了一个有远见的概念-“车队辅助车辆云”-利用车队中未充分利用的资源来增强车辆云，旨在提供具有成本效益和按需的计算资源。此外，作者还提出了三种潜在场景，并解释了如何利用队列资源和路边基础设施来促进新应用。除了系统设计，本文还总结了一些开放的研究挑战，目的是激励新的进展和潜在的解决方案，这一领域。
2020-08-25 cs.NI cs.SY eess.SP
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
Simulation of Mixed Critical In-vehicular Networks
从高级驾驶员辅助到自动驾驶的未来汽车应用将大大增加对车载网络的需求。高带宽或低延迟要求的数据流，特别是许多额外的通信关系将给车内通信系统引入新的复杂度。预计未来将传感器和执行器与汽车ECU互连的通信主干将建立在以太网技术之上。然而，来自不同应用域的信令需要定制属性的网络服务，包括在TSN以太网扩展中定义的实时传输协议。这些QoS约束将进一步增加网络复杂性。基于事件的仿真是解决车载网络设计难题的关键技术。本章介绍车载网络的特定领域和仿真模型，并概述以汽车为中心的网络设计过程。从特定领域的描述语言开始，我们涵盖了相应的仿真模型及其工作流程，并将我们的方法应用于高级汽车车载网络的相关案例研究。
2018-08-09 cs.NI
Towards the Age of Intelligent Vehicular Networks for Connected and Autonomous Vehicles in 6G
第一代车载网络出现22年后，随着专用短程通信（DSRC）标准/IEEE 802.11p的不断发展，车载技术市场已经变得非常具有竞争力，新的参与者是蜂窝车联网（C-V2X）。目前，C-V2X技术可能在竞争中占据主导地位，因为它具有全面覆盖和高吞吐量/可靠性的巨大优势。与此同时，基于DSRC的技术正在努力生存和反弹，许多人希望第二代标准IEEE P802.11bd的成功。在标准争夺战吸引汽车厂商并主导商用市场落地的同时，研究界已经开始思考下一代车载网络的形态。本文详细介绍了车辆网络的最新进展，特别是与当前一代的功能相比，特定用例中的蜂窝V2X相关技术。通过典型的例子，我们还强调了为什么5G不足以为车辆应用提供最佳连接，然后6 G技术可以填补空缺。
2022-09-03 cs.CR cs.NI
APS Implementation Over Vehicular Ad Hoc Networks
现实世界的场景已经从有线连接变成了无线连接。多年来，软件开发已经在开发网络使能软件方面对无线连接的日益增长做出了响应。由于传输层和端到端连接的数据链路层中的随机分组丢失，在无线域中出现了问题。在这项工作中考虑的基本问题是通过使用APS系统将车辆ad hoc网络的真实世界场景转换为面向实验室的问题，并研究结果以在无线域中实现更好的性能。将真实世界的物理问题映射为解析问题，并通过自动定位系统（APS）在二维空间中针对安装在移动节点上的天线来模拟关于真实世界场景的解析问题。在此，该方法通过比特出错率和吞吐量来量化VANET在MAC层、数据链路层和传输层中的性能和分组丢失、延迟的影响.结果表明，安装在车辆上方的定向天线与各向同性天线和碟形天线相比具有更小的误码率。
2012-09-24 cs.NI
Implicit Cooperative Positioning in Vehicular Networks
车辆的绝对定位是以全球导航卫星系统为基础，结合车载传感器和高分辨率地图。在协同智能交通系统（C-ITS）中，定位性能可以通过车辆网络，使车辆能够共享位置相关的信息来增强。本文提出了一种隐式合作定位（ICP）算法，利用车辆到车辆（V2 V）的连接，以创新的方式，避免使用显式的V2 V测量，如测距。在ICP方法中，车辆联合定位周围区域中的非合作物理特征（例如人、交通灯或不活动的汽车），并将其用作公共噪声参考点来改进其位置估计。通过V2 V链接的共识程序，嵌套在一个消息传递算法，以提高车辆定位精度的信息融合感测功能。由于定位不依赖于车辆之间的显式测距信息，因此所提出的ICP方法适合于用现成的车辆通信硬件来实现。该定位算法在不同的交通场景中进行了验证，包括在特征密度和V2 V连接方面具有异构条件的十字路口区域，以及通过使用城市移动性模拟（SUMO）生成交通数据的真实城市区域。性能结果表明，所提出的ICP方法可以显着提高车辆定位精度相比，独立的GNSS，特别是在恶劣的环境中，如在城市峡谷，其中GNSS信号是高度退化或拒绝。
2017-09-05 cs.NI stat.AP
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
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
Optimizing Vehicular Networks with Variational Quantum Circuits-based Reinforcement Learning
York University（约克大学）
本文提出基于变分量子电路的多目标强化学习框架，用于车载网络中的网络选择与自动驾驶决策，相比传统深度Q网络在收敛速度和奖励上均有显著提升。
2024-05-29 cs.AI cs.LG cs.NI
Defending Against Network Attacks for Secure AI Agent Migration in Vehicular Metaverses
本文针对车载元宇宙中AI智能体在RSU间迁移时面临的DDoS攻击和恶意RSU攻击，提出基于POMDP与多智能体近端策略优化的防御方法及信任评估机制，将迁移总延迟降低约43.3%。
2024-12-28 cs.NI
Asynchronous Federated Learning for Edge-assisted Vehicular Networks
Jiangnan University（江南大学）；State Key Laboratory of Integrated Services Networks (Xidian University)（综合业务网理论及关键技术国家重点实验室（西安电子科技大学））；Qualcomm（高通公司）；Tsinghua University（清华大学）；University of Kent（肯特大学）
车辆网络使车辆能够通过训练数据支持实时车辆应用。由于计算能力有限，车辆通常将数据传输到网络边缘的路侧单元（RSU）来处理数据。然而，由于隐私问题，车辆通常不愿意彼此共享数据。传统的联邦学习算法通过车辆对数据进行局部训练得到局部模型，然后将局部模型上传到RSU更新全局模型，从而通过共享模型参数而不是共享数据来保护数据隐私。传统的FL同步更新全局模型，即，RSU需要等待所有车辆上传其模型以进行全局模型更新。然而，车辆通常可能会在通过训练获得其本地模型之前驶出RSU的覆盖范围，这降低了全局模型的准确性。有必要提出一种异步联邦学习（AFL）来解决这个问题，其中RSU一旦从车辆接收到局部模型就更新全局模型。然而，数据量、计算能力和车辆移动性可能会影响全球模型的准确性。在本文中，我们联合考虑的数据量，计算能力和车辆的机动性，设计一个AFL方案，以提高全球模型的精度。大量的仿真实验表明，我们的计划优于FL计划
2023-03-03 cs.LG cs.NI cs.RO
Energy Efficient Orchestration in Multiple-Access Vehicular Aerial-Terrestrial 6G Networks
Oulu University（奥卢大学）；Ruhr University Bochum (RUB)（鲁尔大学波鸿分校）；ICTFICIAL Oy（ICTFICIAL公司）；Universitat Politècnica de València（瓦伦西亚理工大学）
本文提出一种新型框架，整合无人机轨迹规划、多接入控制和服务放置，以实现高效能服务覆盖和超低延迟通信，解决动态车载环境中的干扰、资源稀缺和移动性挑战。
2026-03-29 cs.NI
Data Collection through Vehicular Sensor Networks by using TCDGP
如今，许多汽车制造商正计划在其车辆中安装无线连接设备，以实现与“路边基站”以及车辆之间的通信，以实现安全，驾驶辅助和娱乐的目的。一个明显的特点是，车辆是高度移动的，速度高达30米/秒，虽然他们的移动模式是更可预测的比移动自组织网络（MANET）中的节点，由于道路，速度限制和通勤习惯的约束。因此，这些网络需要特定的解决方案，并确定一个新的研究领域，即，车载自组织网络（VANET）。在本文中，我们专注于一个特定的VSN架构，其中的ad hoc网络由电信/服务提供商操作，结合无价值的个人感知数据，并从中提取有效的反馈有关的情况下，在一个地理区域的道路。在运营的VSN中，提供商倾向于使用自由频率通信介质（例如IEEE 802.11p）来减少其网络上的流量负载。为此，我们提出了TCDGP（树形数据收集协议），一个跨层协议的基础上分层和地理数据汇集，聚合和传播机制。我们分析我们的解决方案的性能，使用模拟环境和现实的移动模型。我们证明了这种解决方案的可行性，并表明，TCDGP提供了宝贵的信息，而不会使他的网络过载的运营商。
2012-08-19 cs.NI
Empirical Study of Traffic Velocity Distribution and its Effect on VANETs Connectivity
在这篇文章中，我们使用实际的交通数据，以确认车辆速度遵循高斯分布在稳定状态的交通制度（自由流动，拥挤）。我们还表明，在自由流和拥挤之间的过渡，速度分布更好地模拟广义极值分布（GEV）。我们研究了不同的模型估计车辆之间的连通性持续时间的概率分布在车载自组织网络的效果。
2015-02-28 cs.NI physics.soc-ph
Light commodity devices for building vehicular ad hoc networks: An experimental study
本文通过室外实测，利用智能手机、平板和笔记本等商用轻量设备，评估了IEEE 802.11g/a下车载短距通信性能，发现2.4GHz下通信距离达75-150米，5GHz下达100米，为自组网移动通信应用提供了实验依据。
2025-01-21 cs.NI
Real-Time HAP-Assisted Vehicular Edge Computing for Rural Areas
Department of Information Engineering, University of Padova, Padova, Italy（帕多瓦大学信息工程学院）
本文研究了在农村地区利用高空平台辅助实现实时车载边缘计算，通过优化卸载因子以提高服务可靠性。
2023-01-24 cs.IT cs.NI eess.SP
PPO-Based Hybrid Optimization for RIS-Assisted Semantic Vehicular Edge Computing
本文提出基于PPO的混合优化方法，用于RIS辅助的语义车载边缘计算，有效降低端到端时延，相比GA和QPSO提升40%-50%。
2026-03-10 cs.LG 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
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
Network Slicing for Vehicular Communication
超可靠的车联网（V2X）通信对于实现下一代智能车辆至关重要。V2X通信是一个不断增长的通信领域，它将车辆连接到相邻车辆（V2 V），基础设施（V2 I）和行人（V2 P）。网络切片是下一代设备连接的有前途的技术之一，在公共和可编程的物理基础设施上创建多个逻辑网络。网络切片提供了一种有效的方式，通过利用共享物理基础设施的好处来满足不同的用例需求。在这方面，我们提出了一种基于网络切片的车载网络通信解决方案。在这项工作中，我们模拟了一个高速公路的情况下，具有异构的交通需求的车辆。自动驾驶切片（安全信息）和信息娱乐切片（视频流）是在公共基础设施上创建的两个逻辑切片。我们制定了一个网络聚类和切片算法划分成不同的集群的车辆和分配切片领导人到每个集群。Slice leaders为其集群车辆提供高质量的V2 V链路，并以低延迟转发安全信息。另一方面，路边单元使用高质量的V2 I链路提供信息娱乐服务。一个广泛的长期演进高级（LTE-A）系统级仿真与蜂窝V2X（C-V2X）标准的增强被用来评估所提出的方法的性能，其中它表明，所提出的网络切片技术实现了低延迟和高可靠性的通信。
2019-05-23 cs.NI
Energy-Efficient Routing Protocol in Vehicular Opportunistic Networks: A Dynamic Cluster-based Routing Using Deep Reinforcement Learning
University of Wollongong（伍伦贡大学）
本文提出一种基于深度强化学习的动态簇路由协议，通过实时最优中继选择和动态簇重叠调整，提升车载机会网络的路由效率与节点寿命。
2026-02-17 cs.NI stat.ME
Digital Twin Enabled Data-Driven Approach for Traffic Efficiency and Software-Defined Vehicular Network Optimization
本文提出数字孪生赋能的数据驱动框架，协同优化环岛交通效率与SDVN流表生命周期，显著降低等待时间和流表空间需求。
2024-09-06 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
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
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
CFT: A Cluster-based File Transfer Scheme for Highway
车辆之间的有效文件传输是高速公路车辆自组织网络（VANESCO）中许多新兴车辆信息娱乐应用的基础，例如内容分发和社交网络。然而，由于快速的移动性，车辆之间的连接往往是短暂的和有损的，这使得完整的文件传输极具挑战性。为了解决这个问题，我们提出了一种新的基于过滤器的文件传输（CFT）方案，在本文中的高速公路VAN。利用CFT，当车辆请求文件时，评估资源车辆和目的地车辆之间的传输容量。如果请求的文件可以通过直接车对车（V2 V）连接成功传输，则文件传输将由资源和目的地本身完成。否则，将形成一个集群来帮助文件传输。作为一个完全分布式的计划，依赖于集群成员的合作，CFT不需要任何协助，从路边单元或接入点。我们的实验结果表明，CFT优于现有的文件传输方案的高速公路VANEQUALITY。
2017-01-08 cs.NI
Relay-assisted Device-to-Device Networks: Connectivity and Uberization Opportunities
已经表明，在城市环境中部署设备到设备（D2D）网络需要为相当大比例的十字路口配备中继。这对运营商来说是一项必要的经济投资。在这项工作中，我们解决了这种中继辅助D2D网络的经济可行性的问题。首先，我们提出了一个随机模型，考虑到一个积极的表面的街道和十字路口，从而允许一个更现实的估计所需的继电器的最小数量。其次，我们介绍了一个成本模型的部署中继，允许一个研究运营商的D2D部署策略。我们调查的例子，一个uberizing新运营商愿意建立一个网络完全依赖于D2D，并表明，在中继的初始投资的回报是可能的，在一个现实的时间段，即使网络是由一个非常低的收入，每个D2D用户。我们的研究结果带来的定量参数的讨论可能的电信网络的uberization方案。
2020-05-10 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
Hybrid-Vehcloud: An Obstacle Shadowing Approach for VANETs in Urban Environment
车辆自组织网络（VANESTs）中存在高密度的障碍物遮蔽区域，导致频繁的断线问题，阻碍了无线电波在车辆之间的传播，这使得VANESTs的消息路由具有挑战性。以前的研究人员使用多跳，车辆云或路边基础设施来解决车辆之间的路由问题，但他们遭受显着的数据包延迟和频繁的数据包丢失所产生的障碍阴影。我们提出了一种基于车辆云的混合技术称为Hybrid-Vehcloud在障碍物阴影区域传播消息，和多跳技术在非障碍物阴影区域传播消息。我们的方法的新颖性在于，我们提出的技术动态适应障碍物阴影和非障碍物阴影区域之间的事实。基于仿真的性能分析表明，在高车辆密度下，混合车辆云的性能优于云辅助的消息下行链路分发方案（CMDS），跨层广播协议（CLBP）和云VANET方案。
2018-07-09 cs.NI
An overview of VANET vehicular networks
本文概述了 VANET 车载网络的技术、进展与挑战，提出通过构建包含区块链、人工智能和 SDN 的框架来优化资源利用并应对未来交通问题。
2023-09-12 cs.NI
