CN110213716A - 一种基于雾无线接入网络的车联组网方法 - Google Patents

一种基于雾无线接入网络的车联组网方法 Download PDF

Info

Publication number
CN110213716A
CN110213716A CN201910419263.9A CN201910419263A CN110213716A CN 110213716 A CN110213716 A CN 110213716A CN 201910419263 A CN201910419263 A CN 201910419263A CN 110213716 A CN110213716 A CN 110213716A
Authority
CN
China
Prior art keywords
terminal
business
region
rrh
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910419263.9A
Other languages
English (en)
Other versions
CN110213716B (zh
Inventor
彭木根
张欣然
闫实
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Posts and Telecommunications
Original Assignee
Beijing University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Posts and Telecommunications filed Critical Beijing University of Posts and Telecommunications
Priority to CN201910419263.9A priority Critical patent/CN110213716B/zh
Publication of CN110213716A publication Critical patent/CN110213716A/zh
Application granted granted Critical
Publication of CN110213716B publication Critical patent/CN110213716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于雾无线接入网络的车联组网方法。通过中央数据分析服务器部署车联组网装置，周期性地收集区域信息；在高峰时段车流量大或高峰时段业务量中等的区域设置F‑AP；在高峰时段业务量大的区域设置RRH，同时在该区域部署BBU池；另外，宏基站根据终端位置和性能需求为终端自适应选择通信模式。采用本发明能够灵活适应车联网业务的空时变化，改善车联网的吞吐量、时延和丢包率性能，降低车联网的实施成本。

Description

一种基于雾无线接入网络的车联组网方法
技术领域
本发明涉及车联网技术领域，特别涉及一种基于雾无线接入网络的车联组网方法。
背景技术
车联网(V2X)通过搭建车与车(V2V)、车与人(V2P)、车与路(V2I)和车与网络间(V2N)的无线通信网络，能够实现车辆与一切相关实体间的实时信息交互，提高交通效率和驾驶安全性以及提升用户体验，是未来智能交通系统的重要组成部分。随着自动驾驶和车路协同等技术的发展，以车辆、道路传感和意图信息，多媒体娱乐信息为代表的车联网宽带业务将呈现指数增长趋势；以高精度动态地图，协作调度为代表的车联网低时延业务要求业务的端到端时延达到毫秒级。目前学术界和产业界正在积极探索满足上述需求的车联网技术方案。
目前，国际上主流的车联网技术有802.11p和C-V2X两大流派。802.11p技术在IEEE于2010年完成标准化，技术成熟相对较早。C-V2X是3GPP主导推动的基于4G/5G蜂窝网通信技术演进形成的V2X技术，可利用已有基础设施实现广覆盖，其在技术先进性、性能及后续演进等方面更具优势。然而现有基于802.11p和C-V2X的车联网技术方案存在以下问题：
(1)在密集城区等车辆密集的场景下，现有技术方案的服务质量(QoS)无法保证。对于V2I/V2N吞吐量：考虑蜂窝用户、传感共享和远程驾驶业务三类业务，单小区的吞吐量需求将达到2Gbps以上，现有LTE宏基站50Mbps吞吐量远未达到需求，需要额外部署和升级无线设备；对于端到端时延，高级V2X业务端到端时延需求为10ms，现有LTE网络核心网回传时延在20毫秒左右，需要将V2X低时延业务部署在网络侧边缘位置。对于V2V丢包率：由于车辆、建筑物遮挡引起的通信链路质量下降，802.11p和LTE-V的车车通信在车间距150m时丢包率达到了60％和45％，远大于预设的1-10％要求，需要提高车车通信的健壮性。
(2)车联网对交通效率的改善程度依赖于联网车辆和路侧单元的渗透率，传统车辆的联网设备改装升级，和路侧单元、传感器及其配套光纤线缆的增设部署，导致现有技术方案的成本高，实施难度大。
(3)路面车辆动态变化，引起无线传输信道的动态变化和业务的空时突变，基站的负载情况也会随时间变化，现有基于LTE宏基站的车联网技术方案无法实时适配动态多变的车联网环境，灵活性不足。
雾无线接入网络作为一种未来无线接入网络解决方案，将“雾计算”概念融入无线接入网架构中，能够有效降低网络时延，克服云无线接入网络非理想前传链路受限的影响，能够支持车联网、移动宽带、物联网等多种应用场景。然而，目前基于雾无线接入网络的车联组网研究仍处于初始阶段，缺乏相应的网络部署、接入策略等方案。
发明内容
有鉴于此，本发明的发明目的是：能够灵活适应车联网业务的空时变化，改善车联网的吞吐量、时延和丢包率性能，降低车联网的实施成本。
为达到上述目的，本发明的技术方案具体是这样实现的：
本发明提供了一种基于雾无线接入网络的车联组网方法，该方法包括：
中央数据分析服务器在高峰时段车流量大于预设阈值A时，根据雾无线接入节点F-AP最大覆盖范围、车车通信最大距离，得到区域内F-AP最小设置数目；在高峰时段业务量大于等于预设阈值B1且小于预设阈值B2时，根据高峰时段业务量和F-AP最大吞吐量，得到区域内F-AP预估设置数目；将区域内F-AP最小设置数目和F-AP预估设置数目中较大值作为区域内F-AP设置数目；根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置；
中央数据分析服务器在高峰时段业务量大于等于预设阈值B2时，根据高峰时段业务量、RRH最大吞吐量确定区域内RRH的数目；并确定区域内RRH部署位置；
中央数据分析服务器根据RRH的数目和BBU池承载的最大RRH数目确定区域内BBU池的数目。
本发明还提供了一种如上所述的雾无线接入网络的车联组网下的通信方法，
当区域内只部署F-AP时，
宏基站MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；如果不支持，当终端在F-AP覆盖范围内时，则为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内时，则为终端选择MBS通信模式；
当区域内只部署RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在RRH覆盖范围内时，则为终端选择BBU池通信模式；当终端不在RRH覆盖范围内时，则为终端选择MBS通信模式；
当区域内同时部署F-AP和RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在F-AP覆盖范围内且F-AP能满足业务要求时，为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内，或终端在F-AP覆盖范围内且F-AP无法满足业务要求，但终端在RRH覆盖范围内时，为终端选择BBU池通信模式；当终端不在F-AP和RRH覆盖范围内，或终端在F-AP覆盖范围内但F-AP无法满足业务要求时，为终端选择MBS通信模式。
由上述的技术方案可见，本发明通过中央数据分析服务器部署车联组网装置，周期性地收集区域信息；在高峰时段车流量大或高峰时段业务量中等的区域设置雾无线接入节点F-AP，F-AP存储部分流行业务和执行本地计算，并对接入终端的上传信息进行数据挖掘。在高峰时段业务量大的区域设置RRH，同时在该区域部署BBU池；中央数据分析服务器进行业务存储和业务计算，并对接入终端的上传信息进行数据挖掘。另外，宏基站(macro BS，MBS)根据终端位置和性能需求为终端自适应选择通信模式，并根据终端的通信模式进行干扰协作处理。本发明可以灵活适应车联网业务的空时变化，改善车联网的吞吐量、时延和丢包率性能，降低车联网的实施难度。
附图说明
图1为本发明实施例提出的一种基于雾无线接入网络的车联组网方法的流程示意图。
图2为本发明实施例雾无线接入节点F-AP部署的示意图。
图3为本发明实施例F-AP和RRH同时部署的示意图。
图4为本发明实施例提出的一种基于雾无线接入网络的车联组网装置结构示意图。
具体实施方式
为使本发明的目的、技术方案、及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
实施例一
本实施例中，在已有宏基站(MBS)的基础上，通过中央数据分析服务器部署雾无线接入节点(F-AP)、远端射频单元(RRH)和基带处理单元(BBU)池，利用小区分裂技术和BBU池的大规模协作技术提升车联网V2I/V2N的吞吐量。
本发明实施例提出的一种基于雾无线接入网络的车联组网方法，其流程示意图如图1所示，该方法包括：
步骤11、中央数据分析服务器在高峰时段车流量大于预设阈值A时，根据F-AP最大覆盖范围、车车通信最大距离，得到区域内F-AP最小设置数目；在高峰时段业务量大于等于预设阈值B1且小于预设阈值B2时，根据高峰时段业务量和F-AP最大吞吐量，得到区域内F-AP预估设置数目；将区域内F-AP最小设置数目和F-AP预估设置数目中较大值作为区域内F-AP设置数目；根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置；
本步骤中所述的高峰时段车流量是指交通高峰时段内经过区域的车辆数目，其中时段按小时进行划分，高峰时段指经过区域车辆数目最多的时段。所述车流量由路侧传感器进行采集，并上报给中央数据分析服务器。路侧传感器包括：感应线圈、地磁检测器、微波检测器和视频监控设备。
本步骤中所述的高峰时段业务量是指业务高峰时段该区域内终端的请求业务量总和，其中时段按小时进行划分，高峰时段指经过区域终端请求业务量最多的时段。所述终端包括三类，车载单元、蜂窝终端和传感器节点。预设阈值B1取自区域内现有MBS支持的最高吞吐量，预设阈值B2根据区域内MBS覆盖范围，F-AP覆盖范围和预设阈值B1得到。
本步骤中根据各区域内的最高车流量和业务量进行F-AP的设置。高峰时段车流量大于预设阈值A，表示该区域为车流量较大的区域，例如密集城区，在该类区域下车辆密度大易发生交通事故，需要较强的本地存储和本地计算能力，故需要设置F-AP。高峰时段业务量大于等于预设阈值B1且小于预设阈值B2，表示该区域车联网业务量中等，现有的宏基站蜂窝网络无法满足吞吐量需求，通过小区分裂技术部署F-AP即可满足性能要求。
所述F-AP，是一种具有数据存储和计算功能的增强型基站。F-AP包含前端射频模块、基带处理模块和无线资源控制模块，能够和接入本F-AP的通信终端进行直接通信和资源管理；同时，F-AP配有存储模块、计算模块，支持对业务进行本地存储和计算处理。此外，F-AP和中央数据分析服务器具有数据交互的接口。每个F-AP与现有蜂窝网络MBS、相邻F-AP通过回传链路连接，支持控制和业务信息的交互，实现F-AP与MBS、F-AP之间的协同信号处理、无线资源管理和移动性管理。
在具体应用中，若F-AP最大覆盖范围为300m、车车通信最大距离为200m，假设车辆支持单跳中继通信时，如果道路长度为2000m时，则F-AP最小设置数目为2000/(300+200)＝4。另外F-AP预估设置数目为业务量/F-AP最大吞吐量。通过得到区域内F-AP最小设置数目和F-AP预估设置数目，比较之后将其中较大值作为区域内F-AP实际设置数目。
其中，所述道路拓扑包括线性拓扑和网格拓扑两种，分别对应高速公路和城市街区典型场景。根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置包括：
当道路拓扑为线性拓扑时，在区域内道路两侧等间距交叉部署F-AP；
当道路拓扑为网格拓扑时，优先将F-AP部署在交叉路口处，若未达到设置数目，则根据各路段长度依次在较长路段两侧交叉部署F-AP。
图2为本发明实施例雾无线接入节点F-AP部署的示意图。图2a为线性拓扑道路，图2b为网格拓扑道路，从图2可以看出，F-AP交叉部署在道路两侧，但F-AP覆盖范围基本不重叠。
优选地，中央数据分析服务器根据F-AP部署位置是否具有光纤线路，确定F-AP回传核心网的方式包括：
当F-AP部署位置具有光纤线路，则采用光纤线路与核心网连接；
当F-AP部署位置不具有光纤线路，则通过无线接入MBS的方式与核心网连接。
步骤12、中央数据分析服务器在高峰时段业务量大于等于预设阈值B2时，根据高峰时段业务量、RRH最大吞吐量确定区域内RRH的数目；并确定区域内RRH部署位置；
其中，中央数据分析服务器确定区域内RRH部署位置包括：在区域内道路两侧交叉部署RRH，所部署RRH与已有F-AP的距离大于预设阈值M1，且相邻RRH间距离大于预设阈值M2。
步骤13、中央数据分析服务器根据RRH的数目和BBU池承载的最大RRH数目确定区域内BBU池的数目。
具体为：将RRH的数目除以BBU池承载的最大RRH数目得到区域内BBU池的数目，其中每个BBU池间距大于预设阈值M3。
RRH优先连接最近的BBU池，若BBU池的RRH连接数超过最大数目，则接入次近的BBU池。
需要说明的是，在步骤12和步骤13中，中央数据分析服务器根据业务量，在区域内道路两侧交叉部署RRH，同时在该区域部署BBU池。BBU池的数目与RRH的数目有关。
远端射频单元RRH具有前端无线射频信号和简单的符号处理模块，用于射频信号的发送与接收，作为终端和BBU池的中间节点。
BBU池通过光纤前传链路与RRH连接，BBU池利用大规模协作技术实现多个RRH的协作传输和动态调度。所述基带处理单元池BBU池由多个虚拟化架构的基带处理单元组成，其中每个基带处理单元由物理层处理模块、媒介访问控制模块、控制与管理模块和加速器模块四种模块组成，BBU池对上述四类资源进行统一调度，并根据负载变量自主调整资源分配。BBU池和中央数据分析服务器具有数据交互的接口。BBU池通过光纤前传链路与RRH连接，实现多个RRH的协作传输和动态调度；与MBS、F-AP通过回传链路连接，实现与MBS、F-AP间的协同信号处理、无线资源管理和移动性管理；并通过光纤线路连接核心网。
中央数据分析服务器具有大容量的存储模块、计算模块，支持大规模的业务存储和计算挖掘；并且与F-AP、BBU池和MBS具有数据交互的接口。
至此，完成了基于雾无线接入网络的车联组网。
图3为本发明实施例F-AP和RRH同时部署的示意图。图3中，高业务量区域F-AP和RRH同时部署，中业务量区域部署有F-AP，低业务量区域由现有MBS服务。
基于相同的发明构思，本发明实施例还提供了一种基于雾无线接入网络的车联组网装置，该装置应用于中央数据分析服务器，结构示意图如图4所示，该装置包括：
信息获取模块401，获取高峰时段车流量、F-AP最大覆盖范围、车车通信最大距离、高峰时段业务量、F-AP最大吞吐量、RRH最大吞吐量、BBU池承载的最大RRH数目；
第一组网规划模块402，在高峰时段车流量大于预设阈值A时，根据F-AP最大覆盖范围、车车通信最大距离，得到区域内F-AP最小设置数目；在高峰时段业务量大于等于预设阈值B1且小于预设阈值B2时，根据高峰时段业务量和F-AP最大吞吐量，得到区域内F-AP预估设置数目；将区域内F-AP最小设置数目和F-AP预估设置数目中较大值作为区域内F-AP设置数目；根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置；
第二组网规划模块403，在高峰时段业务量大于等于预设阈值B2时，根据高峰时段业务量、RRH最大吞吐量确定区域内RRH的数目；并确定区域内RRH部署位置；根据RRH的数目和BBU池承载的最大RRH数目确定区域内BBU池的数目。
实施例二
F-AP配有存储模块、计算模块，支持对业务进行本地存储和计算处理。此外，F-AP和中央数据分析服务器具有数据交互的接口。每个F-AP与现有蜂窝网络MBS、相邻F-AP和相邻BBU池通过回传链路连接，支持控制和业务信息的交互，实现F-AP与MBS、F-AP、BBU池之间的协同信号处理、无线资源管理和移动性管理。
关于F-AP进行业务存储过程如下：
首先，根据业务的时延需求是否小于预设门限D1，将业务分为两类业务：低时延业务和常规业务，其中低时延业务包括高精度地图，道路安全广播等，常规业务包括电视视频等；
然后，根据业务文件的重复请求次数或已知的业务文件流行度信息，得到业务的流行度，所述流行度定义为业务文件的请求概率。
因此，F-AP根据业务时延需求、业务流行度和F-AP可用存储资源，进行业务存储。具体方法包括：
先将低时延业务按照流行度从高到低的顺序进行存储，再将常规业务按照流行度从高到低的顺序进行存储在F-AP本地服务器，直至达到F-AP可用存储资源上限。
关于F-AP进行业务计算过程如下：
F-AP根据计算业务的大小、业务时延需求和F-AP可用计算资源，以终端上传信息作为输入，进行业务计算。具体包括：
当计算业务的时延需求小于预设阈值D2，且F-AP的可用计算资源大于计算业务的大小时，则F-AP进行时延敏感业务计算。
也就是说，当F-AP的可用计算资源大于计算业务的大小时，则F-AP进行时延敏感业务的计算；否则，F-AP将业务上传至中央数据分析服务器，中央数据分析服务器进行时延敏感业务的计算。
所述时延敏感业务为时延需求小于预设阈值D2的业务，包括：交叉路口防碰撞预警、动态高精度地图构建、车辆编队等业务。具体地，时延敏感业务通常要求业务时延在毫秒量级。
上述终端分为三种：车载单元、蜂窝终端和路侧传感器节点。其中，车辆可通过加装车载单元(如LTE OBU)或利用蜂窝终端(如手机、平板电脑)的方式实现通信，车载单元和蜂窝终端上传车辆信息、用户信息、业务信息，其中车载单元额外传输传感信息。路侧传感器节点为固定在道路侧的无线通信终端，位于道路传感器或传感汇聚节点，如磁感线圈、监控摄像头、智能交通灯等，路侧传感器节点上传道路信息和传感信息。
所述道路信息包括：道路拓扑、光纤资源分布、道路状况；车辆信息包括：车流量、车速、加速度、目的地、车辆位置和车辆类型；用户信息包括：用户年龄、性别、内容喜好；业务信息包括：业务类型、业务内容标识、业务需求、业务流行度、业务优先级和业务量；传感信息包括：监控视频数据、激光雷达数据等。
关于F-AP可在车辆进行切换时，实现业务文件的预先推送过程如下：
具体步骤为：当车辆行驶至F-AP覆盖边缘时，F-AP依据车辆行驶轨迹为车辆选择待切换的目标F-AP，同时F-AP将未传输完成的业务文件预先推送至目标F-AP。
F-AP对接入终端的上传信息进行数据挖掘，可以有两方面：一方面，F-AP依据用户信息和业务信息，预测F-AP所在区域的业务流行度；另一方面，F-AP依据车辆信息和道路信息，预测F-AP所在区域车辆的行驶轨迹。
关于F-AP进行数据挖掘，预测所在区域的业务流行度的过程如下：
S11、采集所在区域内车辆上传的用户信息和业务信息作为训练数据，对神经网络进行训练，得到针对不同类型用户的业务流行度；
具体可以为：以用户的年龄、性别、内容喜好和请求业务的类型、内容标识为输入数据，对长短期记忆网络进行训练，输出针对不同类型用户的业务流行度。其中，神经网络包括但不限于长短期记忆网络，还包括卷积神经网络等。
S12、根据所在区域内车辆上传的用户信息，根据用户的类型对用户进行聚类，得到各类用户所占比例。
具体可以为：根据所在区域内车辆上传的用户信息，利用K-means方法对用户进行聚类，将不同类型的用户划分到不同的聚类中；然后根据聚类结果，将不同类型的用户数量除以F-AP所在区域内的总用户数，得到各类用户所占比例。其中，机器学习方法包括但不限于K-means、强化学习等方法。
S13、根据各类用户所占比例和针对不同类型用户的业务流行度，得到所在区域的业务流行度。
在步骤S11中得到针对不同类型用户的业务流行度，在步骤S12中得到各类用户所占比例，将各类用户所占比例乘以相应类型用户的业务流行度，再加权求和，得到F-AP所在区域的业务流行度。
所述F-AP进行本地数据挖掘的方法，可以灵活适应F-AP本地的车辆、用户的特征，提高F-AP存储文件的命中率。
关于F-AP进行数据挖掘，预测所在区域的车辆的行驶轨迹的过程如下：
所述F-AP采集所在区域内车辆信息和道路信息作为训练数据，对神经网络进行训练，预测所在区域车辆的行驶轨迹。
具体包括：F-AP依据车辆位置、速度、加速度、历史轨迹和道路拓扑信息作为输入数据，对长短期记忆网络进行训练，输出车辆的行驶轨迹预测结果。之后可以利用K-means聚类方法将位置和行驶轨迹相近的车辆组成车辆编队，为每个编队设置队首，通过控制信令下发实现车辆编队控制的目的。
实施例三
中央数据分析服务器具有大容量的存储模块、计算模块，支持大规模的业务存储和计算挖掘，可部署交通控制和网络控制等应用。中央数据分析服务器可和BBU池同址部署，也可单独部署。中央数据分析服务器与F-AP、BBU池和MBS直接或间接通过光纤链路连接，进行数据交互。
中央数据分析服务器以F-AP、BBU池和MBS的上传数据为输入数据，执行时延容忍业务的计算。
其中，所述时延容忍业务为时延需求大于预设阈值D2的业务，包括：交通灯策略控制、车流监控管理、车辆追踪定位、路径导航、停车推荐等业务。
所述F-AP、BBU池和MBS的上传数据由终端上传数据经过预处理得到，包括，区域车流量、平均车速等长期统计数据，车辆位置、空闲车位位置等准实时数据，和交通异常事件、压缩监控视频等实时数据信息。
所述基于F-AP和中央数据分析服务器的车联网应用执行方法，可以满足安全预警、车辆编队等低时延车联网业务的需求，同时降低传统方案下中央数据分析服务器的大规模数据传输开销和时延。
中央数据分析服务器可为F-AP执行预测模型训练，步骤为：当F-AP数据挖掘结果的精确度小于预设阈值时，F-AP向中央数据分析服务器发起模型训练请求，中央数据分析服务器收集所在区域内所有F-AP的训练数据，对神经网络进行训练，并将训练结果下发至F-AP，更新网络模型。
具体地，以中央数据分析服务器辅助F-AP预测业务流行度为例，
当F-AP的缓存命中率较低时，F-AP向中央数据分析服务器发起业务流行度预测模型的训练请求；
中央数据分析服务器收集区域内所有F-AP的用户信息和业务信息，作为训练数据对业务流行度预测模型进行训练，得到训练模型和参数配置；
中央数据分析服务器将上述训练模型和参数配置下发至F-AP，接收F-AP更新预测模型，并重新执行业务流行度预测。
所述中央数据分析服务器辅助F-AP预测业务流行度的方法，能够获得更大的训练样本和计算能力，提高F-AP预测模型的准确度。
实施例四
在本发明实施例一的组网下，通过MBS为终端选择通信模式，为终端自适应选择接入策略。
本发明实施例提出的一种基于雾无线接入网络的车联组网下的通信方法如下：
一、当区域内只部署F-AP时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；如果不支持，当终端在F-AP覆盖范围内时，则为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内时，则为终端选择MBS通信模式。
车车通信最大距离范围D内存在含有目标文件的终端指的是，第一终端和第二终端的距离在范围D内，且第二终端具有第一终端所需的目标文件。第一终端可通过向MBS发送业务请求，由MBS判断是否建立第一终端和第二终端间的通信链路；也可以是第二终端直接广播目标文件。其中第二种适用于车联网低时延安全业务的传输。
二、当区域内只部署RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在RRH覆盖范围内时，则为终端选择BBU池通信模式；当终端不在RRH覆盖范围内时，则为终端选择MBS通信模式。
三、当区域内同时部署F-AP和RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在F-AP覆盖范围内且F-AP能满足业务要求时，为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内，或终端在F-AP覆盖范围内且F-AP无法满足业务要求，但终端在RRH覆盖范围内时，为终端选择BBU池通信模式；当终端不在F-AP和RRH覆盖范围内，或终端在F-AP覆盖范围内但F-AP无法满足业务要求时，为终端选择MBS通信模式。其中，业务要求包括速率要求和时延要求。
其中，判断F-AP能满足业务要求的具体操作方法为：MBS依据F-AP的空闲资源、业务的大小和时延需求Q和车辆行驶轨迹预测结果，计算车辆终端在F-AP的停留时间P1和F-AP完成业务处理传输的时延P2。当P2<P1且P2<Q时，则F-AP能满足业务要求；否则F-AP无法满足业务要求。
在第三种情况，当区域内同时部署F-AP和RRH时，为了降低通信时的干扰，所提供的干扰协作处理方法包括：
1)在终端采用直连通信模式进行通信时，
对于直连通信终端间的干扰，BBU池根据直连通信终端上报的丢包率和BBU池的信道占用信息，通过调整直连通信终端的资源调度方式由终端自主调度方式调整到BBU辅助调度模式降低干扰；
对于直连通信终端和F-AP、MBS之间的干扰，F-AP/MBS根据直连通信终端上报的干扰信息和F-AP/MBS自身的链路调度和信道占用信息，通过调整直连通信终端的发射功率和调度直连通信终端至空闲信道降低干扰，或将造成干扰超过阈值的终端切换至非直连通信模式的方式降低干扰。
2)在终端采用F-AP/MBS通信模式进行通信时，采用异构网络的干扰处理方法：F-AP/MBS根据终端上报的信道质量、干扰信息和F-AP/MBS的信道占用信息，当存在空闲资源时，则通过和高干扰F-AP/MBS进行协作资源调度，为终端分配正交的空闲信道；当不存在空闲资源时，则通过协作波束赋形方式将高干扰F-AP/MBS的信号构建至干扰信道零空间，或通过联合传输的方式将干扰信号转化为有用信号。
3)在终端采用BBU池通信模式进行通信时，采用云无线接入网络的干扰处理方法：BBU池通过设计发射预编码构建干扰信道零空间和设计接收机矩阵消除干扰小区间和用户间干扰。
综上，本发明提供的一种基于雾无线接入网络的车联组网方法，具有以下有益效果：
首先根据各区域高峰时段车流量和业务量，灵活部署F-AP、RRH和BBU池，利用小区分裂技术和BBU池的大规模协作技术提升车联网V2I/V2N的吞吐量；利用新增F-AP实现了车联网业务的本地存储和计算处理，降低了基于传统车联网方案的回传时延；在传统车车通信基础上进一步引入了基于链路质量感知的F-AP转发方式，提高车辆通信的可靠性，从而保证了车联网的QoS需求。
其次，车辆无需加装车载单元，可利用现有蜂窝设备接入所提网络，同时路侧传感器及路侧单元可利用无线方式接入所提网络，解决了传统路侧通信设施无法获取未改装车辆信息，和车辆、道路改造费用高的问题，降低方案实施难度。
最后，所述方案利用基带池化技术灵活适配车联网业务的非均匀分布和空时变化，同时进行本地集中式自适应的计算处理，为终端自适应选择接入策略和干扰抑制方法，使网络能够适应车联网业务的空时变化。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于雾无线接入网络的车联组网方法，其特征在于，该方法包括：
中央数据分析服务器在高峰时段车流量大于预设阈值A时，根据雾无线接入节点F-AP最大覆盖范围、车车通信最大距离，得到区域内F-AP最小设置数目；在高峰时段业务量大于等于预设阈值B1且小于预设阈值B2时，根据高峰时段业务量和F-AP最大吞吐量，得到区域内F-AP预估设置数目；将区域内F-AP最小设置数目和F-AP预估设置数目中较大值作为区域内F-AP设置数目；根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置；
中央数据分析服务器在高峰时段业务量大于等于预设阈值B2时，根据高峰时段业务量、RRH最大吞吐量确定区域内远端射频单元RRH的数目；并确定区域内RRH部署位置；
中央数据分析服务器根据RRH的数目和BBU池承载的最大RRH数目确定区域内基带处理单元BBU池的数目。
2.如权利要求1所述的方法，其特征在于，中央数据分析服务器根据区域内F-AP设置数目和道路拓扑，确定区域内F-AP部署位置包括：
当道路拓扑为线性拓扑时，在区域内道路两侧等间距交叉部署F-AP；
当道路拓扑为网格拓扑时，将F-AP部署在交叉路口处，若未达到设置数目，则根据各路段长度依次在较长路段两侧交叉部署F-AP。
3.如权利要求1所述的方法，其特征在于，
中央数据分析服务器确定区域内RRH部署位置包括：在区域内道路两侧交叉部署RRH，所部署RRH与已有F-AP的距离大于预设阈值M1，且相邻RRH间距离大于预设阈值M2；
BBU池通过光纤前传链路与RRH连接，中央数据分析服务器根据RRH的数目和BBU池承载的最大RRH数目确定区域内BBU池的数目包括：将RRH的数目除以BBU池承载的最大RRH数目得到区域内BBU池的数目，其中每个BBU池间距大于预设阈值M3。
4.如权利要求1所述的方法，其特征在于，中央数据分析服务器根据F-AP部署位置是否具有光纤线路，确定F-AP回传核心网的方式包括：
当F-AP部署位置具有光纤线路，则采用光纤线路与核心网连接；
当F-AP部署位置不具有光纤线路，则通过无线接入MBS的方式与核心网连接。
5.如权利要求1所述的方法，其特征在于，所述F-AP，
根据业务时延需求、业务流行度和F-AP可用存储资源，进行业务存储；
或者，根据计算业务的大小、业务时延需求和F-AP可用计算资源，以终端上传信息作为输入，进行业务计算；
或者，当车辆行驶至F-AP覆盖边缘时，依据车辆行驶轨迹为车辆选择切换的目标F-AP，将未传输完成的业务文件预先推送至目标F-AP；
或者，根据用户信息和业务信息，预测所在区域的业务流行度；具体包括：
采集所在区域内车辆上传的用户信息和业务信息作为训练数据，对神经网络进行训练，得到针对不同类型用户的业务流行度；所述用户信息和业务信息通过车载单元和/或蜂窝终端上传；根据所在区域内车辆上传的用户信息，根据用户的类型对用户进行聚类，得到各类用户所占比例；根据各类用户所占比例和针对不同类型用户的业务流行度，得到所在区域的业务流行度；
或者，采集所在区域内车辆信息和道路信息作为训练数据，对神经网络进行训练，预测所在区域车辆的行驶轨迹；所述车辆信息通过车载单元和/或蜂窝终端上传；所述道路信息通过路侧传感器节点上传。
6.如权利要求5所述的方法，其特征在于，所述业务包括低时延业务和常规业务，所述根据业务时延需求、业务流行度和F-AP可用存储资源，进行业务存储的方法包括：
先将低时延业务按照流行度从高到低的顺序进行存储，再将常规业务按照流行度从高到低的顺序进行存储在F-AP本地服务器，直至达到F-AP可用存储资源上限。
7.如权利要求5所述的方法，其特征在于，所述根据计算业务的大小、业务时延需求和F-AP可用计算资源，以终端上传信息作为输入，进行业务计算的方法包括：
当计算业务的时延需求小于预设阈值D2，且F-AP的可用计算资源大于计算业务的大小时，则F-AP进行时延敏感业务计算；
所述时延敏感业务为时延需求小于预设阈值D2的业务，包括：交叉路口防碰撞预警、动态高精度地图构建、车辆编队业务；
所述终端上传信息包括：车载单元上传的车辆信息、用户信息、业务信息和传感信息；蜂窝终端上传的车辆信息、用户信息和业务信息；路侧传感器节点上传的道路信息和传感信息；
所述道路信息包括：道路拓扑、光纤资源分布、道路状况；车辆信息包括：车流量、车速、加速度、目的地、车辆位置和车辆类型；用户信息包括：用户年龄、性别、内容喜好；业务信息包括：业务类型、业务内容标识、业务需求、业务流行度、业务优先级和业务量；传感信息包括：监控视频数据、激光雷达数据。
8.如权利要求1所述的方法，其特征在于，中央数据分析服务器以F-AP、BBU池和MBS的上传信息为输入，执行时延容忍业务计算；
所述时延容忍业务为时延需求大于预设阈值D2的业务，包括：交通灯策略控制、车流量监控管理、车辆追踪定位、路径导航、停车点推荐业务。
所述上传信息为，区域内F-AP、BBU池和MBS向中央数据分析服务器上传的区域车流量、平均车速等长期统计数据，车辆位置、空闲车位位置等准实时数据，和交通异常事件、压缩监控视频等实时数据信息。
或者，中央数据分析服务器为F-AP执行模型训练，具体为：
当F-AP数据挖掘结果的精确度小于预设阈值时，F-AP向中央数据分析服务器发起模型训练请求，中央数据分析服务器收集所在区域内所有F-AP的训练数据，对神经网络进行训练，并将训练结果下发至F-AP，更新网络模型。
9.一种如权利要求1至8任一项所述的雾无线接入网络的车联组网下的通信方法，其特征在于，
当区域内只部署F-AP时，
宏基站MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；如果不支持，当终端在F-AP覆盖范围内时，则为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内时，则为终端选择MBS通信模式；
当区域内只部署RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在RRH覆盖范围内时，则为终端选择BBU池通信模式；当终端不在RRH覆盖范围内时，则为终端选择MBS通信模式；
当区域内同时部署F-AP和RRH时，
MBS确认终端是否支持直连通信模式，如果支持，且在车车通信最大距离范围D内存在含有目标文件的终端时，则为终端选择直连通信模式；
如果不支持，当终端在F-AP覆盖范围内且F-AP能满足业务要求时，为终端选择F-AP通信模式；当终端不在F-AP覆盖范围内，或终端在F-AP覆盖范围内且F-AP无法满足业务要求，但终端在RRH覆盖范围内时，为终端选择BBU池通信模式；当终端不在F-AP和RRH覆盖范围内，或终端在F-AP覆盖范围内但F-AP无法满足业务要求时，为终端选择MBS通信模式。
10.如权利要求9所述的方法，其特征在于，
当区域内同时部署F-AP和RRH时，在终端采用直连通信模式进行通信时，
对于直连通信终端间的干扰，BBU池根据直连通信终端上报的丢包率和BBU池的信道占用信息，通过调整直连通信终端的资源调度方式由终端自主调度方式调整到BBU辅助调度模式降低干扰；
对于直连通信终端和F-AP、MBS之间的干扰，F-AP/MBS根据直连通信终端上报的干扰信息和F-AP/MBS自身的链路调度和信道占用信息，通过调整直连通信终端的发射功率和调度直连通信终端至空闲信道降低干扰，或将造成干扰超过阈值的终端切换至非直连通信模式的方式降低干扰；
当区域内同时部署F-AP和RRH时，在终端采用F-AP/MBS通信模式进行通信时，采用异构网络的干扰处理方法；
当区域内同时部署F-AP和RRH时，在终端采用BBU池通信模式进行通信时，采用云无线接入网络的干扰处理方法。
CN201910419263.9A 2019-05-20 2019-05-20 一种基于雾无线接入网络的车联组网方法 Active CN110213716B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910419263.9A CN110213716B (zh) 2019-05-20 2019-05-20 一种基于雾无线接入网络的车联组网方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910419263.9A CN110213716B (zh) 2019-05-20 2019-05-20 一种基于雾无线接入网络的车联组网方法

Publications (2)

Publication Number Publication Date
CN110213716A true CN110213716A (zh) 2019-09-06
CN110213716B CN110213716B (zh) 2020-05-12

Family

ID=67787858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910419263.9A Active CN110213716B (zh) 2019-05-20 2019-05-20 一种基于雾无线接入网络的车联组网方法

Country Status (1)

Country Link
CN (1) CN110213716B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110958592A (zh) * 2019-12-30 2020-04-03 赣江新区智慧物联研究院有限公司 一种基于时延感知的雾计算物联网组网方法
CN111182645A (zh) * 2019-12-30 2020-05-19 赣江新区智慧物联研究院有限公司 一种基于信息年龄的物联网组网方法
CN111260924A (zh) * 2020-02-10 2020-06-09 北京中交国通智能交通系统技术有限公司 适应边缘计算的交通智能管控与服务发布策略方法
CN112197772A (zh) * 2020-12-08 2021-01-08 智道网联科技(北京)有限公司 一种确定车辆移动轨迹的方法及相关装置
CN112911547A (zh) * 2021-02-03 2021-06-04 之江实验室 一种车联网多模式接入与自适应接入模式选择方法
CN113347675A (zh) * 2021-05-14 2021-09-03 华中科技大学 一种网络切换方法和网络切换装置
CN113422727A (zh) * 2021-06-17 2021-09-21 中国联合网络通信集团有限公司 业务处理方法、装置及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401929A (zh) * 2013-08-05 2013-11-20 北京邮电大学 基于大规模处理能力基带和业务自适应的组网方法
CN104053163A (zh) * 2014-06-24 2014-09-17 无锡北邮感知技术产业研究院有限公司 一种基于计算处理的异构无线网络的组网方法
CN104796918A (zh) * 2015-03-17 2015-07-22 无锡北邮感知技术产业研究院有限公司 无线通信组网的方法
CN108243245A (zh) * 2017-12-20 2018-07-03 上海交通大学 基于混合雾计算的无线接入网络及其资源调配方法
US20180331885A1 (en) * 2017-05-10 2018-11-15 B.yond, Inc. Dynamic allocation of service components of information service in hierarchical telecommunication architecture
US20180336741A1 (en) * 2017-05-16 2018-11-22 Smartiply, Inc. Fog Data Agent for Connected Cars
CN109118758A (zh) * 2018-07-24 2019-01-01 南京锦和佳鑫信息科技有限公司 一种面向移动共享的智能网联交通管理系统
CN109194610A (zh) * 2018-07-24 2019-01-11 北京交通大学 基于区块链辅助的车载雾数据轻量级匿名接入认证方法
US20190041867A1 (en) * 2017-12-29 2019-02-07 Intel Corporation Broadcasting map segments for individualized maps
CN109688597A (zh) * 2018-12-18 2019-04-26 北京邮电大学 一种基于人工智能的雾无线接入网络组网方法及装置
CN109686095A (zh) * 2019-02-18 2019-04-26 河北省交通规划设计院 基于lte-v的车路协同方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103401929A (zh) * 2013-08-05 2013-11-20 北京邮电大学 基于大规模处理能力基带和业务自适应的组网方法
CN104053163A (zh) * 2014-06-24 2014-09-17 无锡北邮感知技术产业研究院有限公司 一种基于计算处理的异构无线网络的组网方法
CN104796918A (zh) * 2015-03-17 2015-07-22 无锡北邮感知技术产业研究院有限公司 无线通信组网的方法
US20180331885A1 (en) * 2017-05-10 2018-11-15 B.yond, Inc. Dynamic allocation of service components of information service in hierarchical telecommunication architecture
US20180336741A1 (en) * 2017-05-16 2018-11-22 Smartiply, Inc. Fog Data Agent for Connected Cars
CN108243245A (zh) * 2017-12-20 2018-07-03 上海交通大学 基于混合雾计算的无线接入网络及其资源调配方法
US20190041867A1 (en) * 2017-12-29 2019-02-07 Intel Corporation Broadcasting map segments for individualized maps
CN109118758A (zh) * 2018-07-24 2019-01-01 南京锦和佳鑫信息科技有限公司 一种面向移动共享的智能网联交通管理系统
CN109194610A (zh) * 2018-07-24 2019-01-11 北京交通大学 基于区块链辅助的车载雾数据轻量级匿名接入认证方法
CN109688597A (zh) * 2018-12-18 2019-04-26 北京邮电大学 一种基于人工智能的雾无线接入网络组网方法及装置
CN109686095A (zh) * 2019-02-18 2019-04-26 河北省交通规划设计院 基于lte-v的车路协同方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MITHUN MUKHERJEE: "A fog computing-based framework to reduce traffic overhead in large-scale industrial applications", 《 2017 IEEE CONFERENCE ON COMPUTER COMMUNICATIONS WORKSHOPS (INFOCOM WKSHPS)》 *
MITHUN MUKHERJEE: "Survey of Fog Computing: Fundamental, Network Applications, and Research Challenges", 《 IEEE COMMUNICATIONS SURVEYS & TUTORIALS》 *
项弘禹: "5G移动通信系统的接入网络架构", 《电信科学》 *
黄晓霞: "雾无线接入网络的信息感知和任务分配研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110958592A (zh) * 2019-12-30 2020-04-03 赣江新区智慧物联研究院有限公司 一种基于时延感知的雾计算物联网组网方法
CN111182645A (zh) * 2019-12-30 2020-05-19 赣江新区智慧物联研究院有限公司 一种基于信息年龄的物联网组网方法
CN111182645B (zh) * 2019-12-30 2022-11-11 赣江新区智慧物联研究院有限公司 一种基于信息年龄的物联网组网方法
CN110958592B (zh) * 2019-12-30 2022-09-02 赣江新区智慧物联研究院有限公司 一种基于时延感知的雾计算物联网组网方法
CN111260924A (zh) * 2020-02-10 2020-06-09 北京中交国通智能交通系统技术有限公司 适应边缘计算的交通智能管控与服务发布策略方法
CN111260924B (zh) * 2020-02-10 2021-01-26 北京中交国通智能交通系统技术有限公司 适应边缘计算的交通智能管控与服务发布策略方法
CN112197772B (zh) * 2020-12-08 2021-07-02 智道网联科技(北京)有限公司 一种确定车辆移动轨迹的方法及相关装置
CN112197772A (zh) * 2020-12-08 2021-01-08 智道网联科技(北京)有限公司 一种确定车辆移动轨迹的方法及相关装置
CN112911547B (zh) * 2021-02-03 2022-06-10 之江实验室 一种车联网多模式接入与自适应接入模式选择方法
CN112911547A (zh) * 2021-02-03 2021-06-04 之江实验室 一种车联网多模式接入与自适应接入模式选择方法
CN113347675A (zh) * 2021-05-14 2021-09-03 华中科技大学 一种网络切换方法和网络切换装置
CN113422727A (zh) * 2021-06-17 2021-09-21 中国联合网络通信集团有限公司 业务处理方法、装置及电子设备
CN113422727B (zh) * 2021-06-17 2023-01-24 中国联合网络通信集团有限公司 业务处理方法、装置及电子设备

Also Published As

Publication number Publication date
CN110213716B (zh) 2020-05-12

Similar Documents

Publication Publication Date Title
CN110213716A (zh) 一种基于雾无线接入网络的车联组网方法
He et al. 6G cellular networks and connected autonomous vehicles
WO2020192050A1 (zh) 一种基于5g技术的车路通信测试系统及测试方法
Qi et al. Mobile edge computing-assisted admission control in vehicular networks: The convergence of communication and computation
LiWang et al. A computation offloading incentive mechanism with delay and cost constraints under 5G satellite-ground IoV architecture
CN111083634B (zh) 基于cdn和mec的车联网移动性管理方法
WO2016161676A1 (zh) 一种资源调配系统、基站、设备及方法
US20160014793A1 (en) Method and Device for Selecting Transmission Channels in a Network Radio Connection
Kutila et al. C-V2X supported automated driving
CN109993968A (zh) 基于车联网的交通控制系统
CN109874111A (zh) 调度方法、发送信息的方法、装置及存储介质
CN105873137A (zh) V2x通信的基站集群系统、集群方法和集群服务器
JP2021507424A (ja) 車両システムにおけるターゲット車両選択およびメッセージ配信
Rubin et al. Traffic management and networking for autonomous vehicular highway systems
CN109756904B (zh) 一种5g超密集无线接入网部署系统及其虚拟小区更新方法
CN106972898A (zh) 基于信道预测的车联网数据传输调度方法
US20220201584A1 (en) Method for predicting a modification of the linkage conditions of a terminal to a cellular network
Christopoulou et al. Artificial Intelligence and Machine Learning as key enablers for V2X communications: A comprehensive survey
CN114651294A (zh) 停车场引导方法
Wang et al. QoS‐enabled resource allocation algorithm in internet of vehicles with mobile edge computing
CN107171940A (zh) 一种基于交通社交网络的连接车辆运输系统
Nasimi et al. Platoon--assisted Vehicular Cloud in VANET: Vision and Challenges
CN109996208A (zh) 基于c-ran架构的真空管高速飞行列车车地通信方法
CN116709249A (zh) 一种关于车联网中边缘计算的管理方法
CN114979145B (zh) 一种车联网中集成感知、通信与缓存的内容分发方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant