从网络层视角看车载通信

tags: 'IOT' '自动驾驶' '通信'

论文信息

• Paper: Vehicular Communications: A Network Layer Perspective
• Link: https://ieeexplore.ieee.org/abstract/document/8354811

车载通信的基本介绍

应用领域

安全

第一种类型是车辆运动状态信息共享，通过在车辆间共享安全信息，降低事故发生概率。例如在车辆间共享实时的位置，速度，方向信息来辅助司机或者自动驾驶系统的判断和决策，做出类似变道，转向等操作来避免碰撞。 第二种类型是事件驱动型安全信息。例如紧急的车辆状态警告、交通状况警告、追尾警告。事件驱动的安全信息，由涉及或发现危险情况（如紧急制动器或突然车道变化）的某些车辆产生的安全信息，以帮助其他车辆获得实时情境意识并检测可能的危险。如图1所示，共享车辆之间的碰撞和后端追尾警告信息可以帮助避免在若干场景中的事故

非安全性应用

通过在移动车辆之间的共享信息，可以提供增值服务，例如交通管理和信息娱乐支持，以增强通勤者的舒适度。大多数流量管理应用程序都是为了减少交通拥堵而来改善交通流量并节省通勤者的旅行时间。例如，通过共享有关移动车辆之间的流量监控和道路条件的信息，可以应用流量管理算法，依据车辆的目的地等信息进行路线规划，并提高交通灯指挥效率，从而减少交通拥塞。不同于交通管理，信息娱乐支持应用主要关注提供旅行者位置的服务和娱乐。例如，信息娱乐支持应用程序可以提供位置信息，例如关于司机或乘客需要相关服务的燃料站，停车，餐厅和酒店等信息。此外，信息娱乐支持应用还可以提供移动车辆的互联网接入下载多媒体娱乐信息。

车载通信特点

在车辆网络中，V2V通信基本上通过应用移动自组网（MANETs）的原理来执行，即，为数据交换自发地创建无线通信。 除了类似于MANET [2]的一些特性之外，例如自组织和管理，短到中等传输范围，全向广播和低带宽，车辆网络由于其移动节点而具有自己独特的特性。 根据他们是否有利于信息交换，这些特征被分为有害和有益的特征。

有害特征

有害特征包括以下三点：

1. 高度的机动性： 由于车辆通常处于移动状态，甚至是高速移动状态，这导致无线连接必然经常中断，车辆间有效通信时间很短。此外，它还将导致网络拓扑动态地改变，进一步增加了车辆间通信的挑战。
2. 严格的延迟限制： 在某些车辆网络应用程序中，如安全应用和一些信息应用，由于高度的移动特征，需要在特定的时间限制内成功完成信息交换，以避免交通事故并确保信息服务的质量。注意此处提到的延迟是从源到目的地的最大延迟，而不是车辆网络的平均延迟。
3. 复杂的通信环境： 车载网络通常应用于三种通信环境。第一个是一维通信环境，例如高速公路交通场景。尽管高速公路上的车辆总是比其他场景中移动得更快，但由于移动方向直接且速度相对固定，所以相对简单。第二个是二维通信环境。一个典型的例子是城市交通场景，与高速公路场景相比，它更为复杂。大多数城市地区的街道往往因交叉路口而被分成许多路段。因此，对于处于不同路段的两辆行驶的车辆，由于交叉路口周围的障碍物，例如建筑物和树木，可能不存在直接的通信链路。此外，城市地区的车辆密度总是较高，这意味着通信范围内的通信链路更多，对频谱资源占用概率有显着影响。最后一个是三维通信环境，如高架桥。对于高架桥中的车辆，不同物理空间层的通信链路使这种类型的环境最为复杂。

有益特征

1. 很弱的能耗限制： 这是显而易见的
2. 路径可预测： 车辆在通常情况下仅限于在道路上行驶，这使得在可以获得路线图和车速信息的情况下，可以为自己甚至为其他车辆预测行驶路线。驾驶路线预测在车辆网络的路由协议设计中起着重要作用，尤其是在解决高机动性带来的挑战时。

人类驾驶车辆的网络设计

MDVNETs的技术简介

除了导航系统外，大多数现代车辆都配备了DSRC（专用短程通讯协议）、蜂窝、Wi-Fi、White-Fi 等，使车载网络能够改善驾驶体验增加安全性。 在下文中，我们回顾了 MDVNET 中四种广泛应用的通信技术。 请注意，此处不考虑可用于支持车载通信或/和交通状况监测的超宽频(UWB) 和蓝牙（Bluetooth）。

DSRC

DSRC是一种设计用于车辆与车辆，车辆与基础设施之间的短程通信协议，基于IEEE 802.11p,是由Wi-Fi标准的802.11拓展而来。作为唯一专门提供给车联网的通信协议，DSRC具有以下优点：

· 指定许可带宽： 1999年十月起，联邦通信委员会(FCC)将5.9GHz频段的中的75MHz被分配给了以DSRC为基础的智慧交通系统

· 高度可靠性： 基于DSRC的无线连接可以在高机动性以及极端天气条件下使用。

· 安全应用优先： DSRC总共的75MHz带宽被分为了一个控制信道和六个服务信道，每个带宽为10MHz，剩下5MHz作为保护带宽。

· 通信安全和隐私： 信息授权和隐私标准由IEEE 1609.2标准提供。 同样，DSRC也有一些缺点：

· 频谱资源极为有限： 在大面积传播安全信息时可能会出现广播风暴，尤其是在车辆密度较高的情况下。

·· 连接性差且寿命短： V2V 和 V2I 连接性差且寿命短。 短暂的 V2V 连接总是发生在车辆密度低的环境中，若车辆数量太少，无法将信息传播到所有目的地车辆。特别是DSRC只支持300m距离内的通讯，进一步加剧了V2I的连接性。

蜂窝网络

这是大家非常熟悉的1G、2G、3G、LTE等通讯标准，将其应用在车联网领域可以显著提升通信容量。蜂窝网络可以支持在一个小单元中的多辆汽车的车间通信，此外，蜂窝技术中的信道和传输模式，即专用/通用模式和单播/广播/多播下行链路传输模式，可以帮助减少传输延迟并提高高车辆密度的通信环境的容量。 设备到设备 (D2D) 通信可以在两个车辆用户之间提供短距离直接链接以重用频谱，从而缓解有限无线电频谱资源带来的问题 当然，蜂窝网络的缺点也是显而易见的。首先蜂窝网络的成本远高于其他网联方式。同时蜂窝网络容易受到车联网之外的蜂窝终端的影响。

Wi-Fi

Wi-Fi是建立在IEEE802.11标准上的一种无线局域网标准。配备 Wi-Fi 无线电或支持 Wi-Fi 的移动设备（如手机），车辆可以在通过 Wi-Fi 接入点覆盖范围内行驶时访问互联网。 Wi-Fi 技术的明显优势包括较低的每比特成本、极其广泛的全球部署和更高的峰值吞吐量，这有利于一些具有高数据传输速率的车载应用，例如信息娱乐应用。然而，由于每个 Wi-Fi 接入点 (AP) 的覆盖范围有限以及车辆的高移动性，Wi-Fi 技术在车载网络中受到间歇性连接的影响，因此，在这种情况下，切换方案对 Wi-Fi技术尤为重要。

White-Fi

这是美国 FCC 创造的一个术语，用于描述允许未经许可的用户访问 54 到 790 MHz 之间的 VHF/UHF 频段中的电视空白频谱的通信。启用 White-Fi 的车载网络可以通过将部分数据流量从 DSRC 频段或蜂窝频段卸载到 TV 频段来提高传播能力。此外，与 Wi-Fi 使用的 2.4 GHz 射频不同，电视空白频谱位于较低的频率范围内，允许信号更好地穿透墙壁并比较高的频率范围传播得更远。因此，White-Fi 技术可以提供相对长距离的通信以提高传输效率。例如，应用White-Fi 进行长距离传播以避免多跳传输可以减少一些安全相关信息的传输延迟。然而，启用 White-Fi 的车载通信对现有电视频段用户产生潜在干扰，这可能会给保护现有服务带来挑战。

Multiple technologies interworking

如前所述，已经表明，应用于车载网络的单一技术总是有其自身的局限性。因此，DSRC、蜂窝、Wi-Fi 和 White-Fi的上述优点和缺点推动了建立异构 MDVNET 的工作，而不是通过单一通信技术建立支持车载通信的同构 MDVNET。在异构 MDVNETs 中，车载通信至少有两种通信技术支持，城市地区异构 MDVNET 的例子如图 2 所示，其中 V2X 是指车辆到万物的通信，包括 V2V和 V2I 通信。但如何为每条通信链路选择适用的技术，实现不同技术之间的无缝切换仍然具有挑战性。

路由机制

单播路由机制

它指的是从一个通信实体到另一个通信实体的一对一传输。 在 MDVNET 中，单播的主要目标是通过单跳/多跳无线通信将数据包从单个源车辆传输到另一个单个目标车辆，方法是使用“逐跳”机制。其主要包括贪婪法和机会法两种类型：

· 贪婪法： ：在贪婪单播路由协议中，源车辆将数据包转发到其最外面的邻居（下一跳中间车辆），然后中间车辆将这些数据包转发到其最外面的邻居（第二跳中间车辆），直到目的地。也就是说，基于贪婪的单播路由协议中的前向决策是基于车辆的地理信息做出的。当使用“逐跳”机制时，基于贪婪的单播路由协议在一些简单的通信场景中工作良好，例如在笔直交通道路上的车辆。然而，对于总是有很多交叉点的城市地区，贪婪的存储转发路由协议更适合支持延迟容忍的非安全应用。例如，通过利用地图信息的可用性，他们可以通过基于物理位置、速度、方向、动态交通密度和曲线度量距离等信息选择下一跳来减少通信延迟。

· 机会法： ：机会单播路由协议支持无线网络在频繁断开连接的场景中运行，例如车载网络。在机会单播路由协议中，来自源的数据包机会性地传送到目的地，其中

1. 中间车辆应该有能力存储和携带接收到的数据包并以“存储和转发”的方式执行；
2. 前向决策是针对不同区域的车辆独立做出的，以最终传递几乎没有目的地位置信息或没有目的地位置信息的数据包；
3. 可以并行传输源数据包的多个副本，以增加至少一个数据包副本被传送的概率。

设计单播路由协议的主要挑战包括如何有效地共享这些基本信息，减少通信延迟和数据包丢失，以及在存在大量单播路由请求时处理路由冲突。

多播路由机制

单播中一传一变化为一传多。

广播路由机制

继续增加到向所有通信范围内的车辆广播。

基于集群的路由机制

基于集群的路由协议：是一种将车辆按照一定的规则分成不同的集合（集群），从每个集合中选择一个车辆作为集群头（cluster head, CH），其余的称为集群成员（cluster memebers, CM）的路由方法 . 请注意，单播、多播和广播是三种基本路由协议，可用于描述车载网络中的所有路由方法。 基于集群的路由协议是单播、多播和广播的组合。 例如，在同一个集群中，CM 向其 CH 单播数据包，CH 向其所有成员广播数据包并将数据包多播到道路基础设施或其他 CH，道路基础设施将数据包单播到一个 CH 或多播数据包到其内的 CH。 图三形象地表示了以上路由机制。

传递策略

在 MDVNET 中，切换是高效可靠的车辆通信的主要问题。 车辆经常进出其他车辆和基础设施的通信范围，导致 V2V 和 V2I 通信链路经常断开以及动态变化的网络拓扑。 切换策略旨在为 MDVNET 中的车辆提供无缝通信，同时降低成本、切换延迟和数据包丢失等，并在过去几年引起了很多关注。 切换策略有两种类型：水平切换和垂直切换，这取决于使用的是相同还是不同的无线接入技术。

水平切换

当相同的无线接入技术应用于两个连接点时，它用于将数据传输会话从一个连接点传输到另一个连接点。

垂直切换

当两种不同的无线接入技术应用于这两个连接点时，它用于将数据传输会话从一个连接点传输到另一个连接点。

自动驾驶车辆的网络设计

ADVNET（AUTOMATED DRIVING VEHICULAR NETWORKS）如图4所示，可分为以下三种： Free ADVNET，convoy-based ADVNETs, 以及platoon-based ADVNETs 与MDVNETs不同，由于以下原因，高移动性和复杂的通信环境对ADVNETs的影响更为显著： · 延迟和可靠性要求更高 · 在安全性上有很高的要求 · 计算资源的管理和分配更加复杂

ADVNET的通信结构

对于Free ADVNET来说，广播通信是主要的方式，即车辆将其信息广播给相邻的车辆和基础设施。

对于基于排的ADVNET，除了确保每个AV的安全驾驶之外，另一个主要挑战是保持排的稳定性。因此，在基于排的 ADVNET 中考虑了更多的通信结构，包括：

1. 排内通信结构，用于在同一排内的AV之间共享信息，可以进一步分为三种：领导到成员（或成员到领导）的通信结构，用于共享信息领导车辆和成员车辆之一，共享速度和加速度信息的两个相邻通信结构，以及用于提高通信效率的基于排的多播通信结构。
2. 排间通信结构设计用于在不同排内的 自动驾驶车辆 之间共享信息，例如共享从一个排到其后排的碰撞信息。

用于ADVNET的技术

红外（Infrared,IR）

这是最早使用人类不可见光（即红外光）在视距（LOS）基础上进行无线通信的技术之一。现有研究已经表明红外通信具有高方向性、高保密性和无害性。此外，红外通信的波长比其他无线通信短得多，但具有 1 Gbps 数据通信速度的潜力。因此，它最适合在 AV 之间共享大量数据，例如多媒体娱乐信息。

可见光通信（Visible light communications，VLC）

是一种通过可见光进行通信。与其他类型的无线通信相比，VLC具有以下特别重要的优势：

1. 可见光谱内 360 太赫兹的免许可带宽可用于无线通信，同时避免射频 (RF) 信号的干扰。因此，它可以解决当前射频频谱的稀缺问题，以支持不断增长的移动数据流量需求。例如，VLC 用于备份 DSRC 通信，以减少高车辆密度场景中因拥塞而导致的丢包率；
2. 现有关于 VLC 的研究表明，VLC 可以实现非常高的数据通信速度（即研究中的数 Gbps 和 IEEE 802.15.7 标准中的 100 Mbps 左右）；
3. VLC 已经证明了 1000 米和 2000 米的低数据速率传输，并且通常可以为车载网络提供 50-100 米的通信范围。

挑战和机遇

异构车联网

随着自动驾驶技术的快速发展和逐渐成熟，在不久的将来，无人驾驶汽车将在道路上盛行，从而出现无人驾驶汽车和手动驾驶汽车同时在道路上行驶的场景。为了实现手动驾驶和自动驾驶汽车之间的信息共享，迫切需要由 MDVNET 和 ADVNET 组成的 HDVNET。

车辆网安全性

为了支持自主导航，自动驾驶车辆需要监控环境并收集详细的视频/声音/传感器数据，这使它们成为潜在的隐私侵犯者 。此外，自动驾驶车辆应定期与其他车辆共享各种类型的信息以支持协作驾驶，例如实时位置、速度和加速度。启用这些类型的信息可能包括司机或乘客的隐私。攻击者可以提取有关驾驶员的隐私信息（例如他们在哪里、他们经常访问的地方以及基于驾驶行为的保险），窃听有关排/车队的宝贵信息，并伪造数据以使自己受益，例如在道路上收费。 由于协作驾驶中的最终驾驶决策是基于共享信息做出的，因此对通信信道或传感器篡改的安全攻击会显着影响安全驾驶。确保自动驾驶车辆的隐私，保护通信免受消息伪造、消息窃听、无线电干扰和篡改攻击对于协作驾驶很重要。然而，用于当前无线通信安全的算法可能不适用于 ADVNET 和 HDVNET，因为在自动驾驶车辆的协同驱动中通信需要较低的延迟。此外，由于移动车辆之间自发的短暂交互，使用传统的身份验证因素对交互车辆进行身份验证很麻烦。

机器学习在车联网中的应用

在车载网络中应用机器学习具有强大的潜力，但仍然存在许多挑战。例如，车载网络与传统应用机器学习的地方（例如计算机视觉和语音识别）存在显着差异，包括无线信道、网络拓扑、交通流等中的强动态。关于利用历史数据以构建可靠通信的问题 仍然悬而未决。此外，数据自然会在车载网络中的多个单元之间生成和存储，例如车辆、路边单元和远程云。研究传统的集中式机器学习算法是否可以适应以分布式方式高效工作也十分重要。特别是，需要明确考虑在支持学习的车辆网络中进行集体智能决策的信息共享所产生的开销。另一个主要考虑因素是，当前最先进的学习算法，尤其是深度学习，涉及大量使用高性能计算设施，例如强大的图形处理单元 (GPU)。这种强大的计算能力在车辆上几乎不可用，而且由于车辆网络对端到端延迟的严格要求，利用远程安装的强大服务器将相当有限。因此，需要进行特殊处理以降低各种学习算法的复杂性，使其适用于车辆网络。对于机器学习在车联网中的应用，可以参阅[3]。

参考文献

[1]: H. Peng, L. Liang, X. Shen, and G. Y. Li, “Vehicular communications: A network layer perspective,” IEEE Trans. Veh. Technol., vol. 68, no. 2, pp. 1064–1078, Feb. 2019.

[2]: Q. Ye and W. Zhuang, “Token-based adaptive MAC for a two-hop internet-of-things enabled MANET,” IEEE Internet Things J., vol. 4, no. 5, pp. 1739–1753, Oct. 2017.

[3]: H. Ye, L. Liang, G. Y. Li, J. Kim, L. Lu, and M. Wu, “Machine learn- ing for vehicular networks,” IEEE Veh. Technol. Mag., vol. 13, no. 2, pp. 94–101, Jun. 2018.（https://arxiv.org/pdf/1712.07143.pdf）