1 引言
随着2018年全球第五代移动通信系统(5th Generation mobile system,5G)商用网络的逐步开启,5G这项新的通信技术为各传统领域带来了新的机遇与挑战。特别是在智慧城市的建设进程中,5G对智能交通系统(Intelligent Transport System,ITS)车联网的建设发挥极为重要的作用。
交通运输系统越来越发达,汽车也日益普及。据中国国家统计局最新统计数据显示,我国私人汽车拥有量从2013年的10501.68万辆,至2017年增长到18515.11万辆,增长率达76.3%;交通事故发生总数从2013年的198394起,至2017年增加到203049起,增长率达到2.3%。随着人们生活水平的增长,公路等基础设施的建设不断增加,人们拥有私家车的数量也呈现暴增趋势,但随着交通越来越便利,交通事故的发生率也在不断增加。方便人们的安全出行同时,又要从出行效率、环保以及资讯娱乐等方面考虑,这就需要车辆与车辆之间,车辆与人、车辆与基础设施之间能够实时通信,以满足人们不同的出行需求,因此车联网的建设已成为当今经济社会发展进程中亟需关注的焦点。
车联网(Vehicle-to-Everything,V2X)是一个车与万物互联的网络,包括车与车(Vehicle-to-Vehicle,V2V),车与人(Vehicle-to-Pedestrian,V2P),车与基础设施(Vehicle-to-Infrastructure,V2I),车与网络(Vehicle-to-Network,V2N),车与设备(Vehicle-to-Device,V2D)之间的通信[1]。V2X要实现车、人、路以及基础设施之间的高效协同、彼此间的信息交互以及能源高效利用,需要一个具备高速大带宽超高可靠和极低时延的网络支撑。
早期的车联网技术主要是车辆与环境基础信息间的交互应用,这类应用对于通信系统的时延和可靠性要求并不严苛,因此传统的无线通信技术即可基本满足要求。而基于5G技术的车联网在进行实时信息交互的过程中,会产生庞大的信息数据。但是,当前的第四代移动通信系统的峰值速率只能达到1 Gbit/s,端到端传输的最低时延为30 ms[2],不能满足5G车联网系统高密度的数据传输量以及信息交互所需的毫秒级的低延迟。而5G提供了增强移动带宽(Enhance Mobile Broadband,eMBB)、海量机器类通信(Massive Machine-Type Communication,mMTC)和高可靠低时延通信(Ultra-Reliable Low-Latency Communications,URLLC)三大场景的应用[3- 4],为车联网的实现提供了必要保障。
由于经典的Shannon信息论是依赖于较长的编码长度,而超低时延的车联网类应用则需要较短的数据包,即编码长度较短,因此Shannon信息论已不能满足车联网URLLC严苛的时延限制;经典的无线通信网络分层设计不能使端到端时延最小化。而5G通信中URLLC应用场景正好符合车联网对高可靠低时延的信息交互需求,5G网络高速高效低延时的性能为车联网的发展带来了新的发展契机[5]。
因此,5G车联网的URLLC研究需要进一步拓展经典通信与网络理论的科学范式,促进信息论与网络理论的深度融合。与此同时,5G车联网URLLC的研究将带动关键基础、核心协议的创新发展,有助于在车联网标准中以源头创新带动龙头应用。
本论文对车联网极低时延和高可靠通信进行回顾与展望,针对该领域存在的问题和解决方案,结合国际最前沿研究成果进行了论述。本文第2部分首先回顾了V2X的发展历程,并就车联网的应用进行了分析;第3部分对高可靠性低时延通信在车联网的应用需求进行分析,通过文献调研对提升车联网的超高可靠性和极低时延的方法进行研究;第4部分是对当前车联网研究工作中存在的问题进行分析,以期对未来进入该领域的研究人员提供参考。
2 V2X的发展历程与应用
V2X的发展历程可通过对专用短程通信(Dedicated Short Range Communications,DSRC)和基于蜂窝网的车联网(Cellular V2X,C-V2X)[6]两种技术标准进行追溯,而V2X的应用也对车联网的发展起着促进作用。本部分将分别就车联网技术的发展与应用进行分析。为方便读者对车联网技术专有名词的了解,表1列出了与车联网相关的英文缩写及相应中、英文全称。
表1 车联网相关术语的简称
Tab.1 Abbreviation for Internet of vehicles
缩写中英文全称缩写中英文全称3GPP3rd Generation Partnership Project第三代合作伙伴项目mMTCMassive machine type communications大规模机器通信5G 5th Generation mobile system第五代移动通信系统NOMANon-Orthogonal Multiple Access非正交多址接入5GAA5G Automotive Association5G汽车协会NRNew radio新无线电ARIBAssociation of Radio Industries and Businesses日本的无线电工业和商业协会NSANon-Standalone非独立组网ARIBAssociation of Radio Industries and Business日本标准组织PC5communications interface that connects V2V、V2I、V2P 车与车、人、基础设施间的通信接口 ASTMAmerican Society for Testing and Materials美国材料与试验协会PHYPhysical Layer物理层CENEuropean Committee for Standardization欧洲标准化委员会RACSRoad/Automobile Communication Systems道路/汽车通信系统C-ITSCooperative-Intelligent Transportation System协作智能交通系统RSURoad Side Unit路侧单元CSMA-CACarrier Sense Multiple Access protocol with Collision Avoidance 载波侦听多路访问/冲突避免SAESociety of Automotive Engineers美国汽车工程师学会C-V2XCellular vehicle-to-everything蜂窝网络的车联网TC/ITSTechnical committee/Intelligent Transportation System 智能运输系统技术标准委员会D2DDevice To Device设备对设备TTATelecommunication Technology Association韩国电信技术协会DSRCDedicated Short-Range Communications专用短程通信URLLCUltra-reliable low-latency communication超可靠低时延通信ECCElectronic Communications Committee电子通信委员会V2DVehicle-to-Device车与设备eMBBEnhanced Mobile Broadband增强移动宽带V2GVehicle-to-Grid车与电网ETSIEuropean Telecommunications Standards Institute欧洲电信标准协会V2IVehicle-to-Infrastructure车与基础设施FMVSSFederal Motor Vehicle Safety Standard联合机动车安全标准V2NVehicle-to-Network车与网络GPSGlobal Positioning System全球定位系统V2PVehicle-to-Pedestrian车与行人HARQHybrid Automatic Repeat reQuest混合自动重传请求V2VVehicle-to-Vehicle车与车IEEEInstitute of Electrical and Electronics Engineers电气与电子工程师协会V2XVehicle-to-everything车联网ITSIntelligent Transport System智能交通系统VRUVulnerable Road User使用道路的弱势群体LDPCLow-density parity-check code低密度奇偶校验码Wi-FiWireless Fidelity无线保真LTELong Term Evolution长期演进WLANWireless Local Area Networks无线局域网
2.1 V2X的发展历程
备受瞩目的两种车联网技术标准DSRC、C-V2X有着不同的发展历程。
(1)DSRC技术的发展
DSRC是一种基于无线局域网(Wireless Local Area Networks,WLAN)的无线通信技术,可以实现车辆与车辆之间以及车辆与基础设施之间的视距通信[7]。DSRC最早起源于1926年美国申请的一项关于车辆使用无线电告警系统的专利[8],这项专利预示着当时无线电技术与车辆之间的通信开始受到人们的关注;直到1984年,第一个标准化通信协议无线数字系统被制定出来,实现了用数字传输的方式为驾驶员提供重要的驾驶信息;时隔五年之后的1989年,日本科学家提出了用于导航辅助的道路自动驾驶通信系统(Road/Automobile Communication Systems,RACS),尽管该系统在当时仅限于短距离之间的车辆与路旁设备之间的通信,但RACS与DSRC之间还是有很多相似之处值得关注,因为它实现了信息的分发以及双向通信;紧接着,美国汽车工程师学会(Society of Automotive Engineers,SAE)、欧洲标准化委员会(European Committee for Standardization, CEN)和欧洲电信标准化协会(European Telecommunications Standards Institute, ETSI)、以及日本标准组织(Association of Radio Industries and Businesses,ARIB)都制定了关于DSRC的技术标准,并进行了相应的实验和测试,以进一步推进车联网技术的实现;直至2004年美国电子电气工程师协会IEEE开始制定802.11p标准,该标准是802.11a (Wi-Fi)的扩展。
由于IEEE802.11系列标准的使用是基于Wi-Fi技术的,但Wi-Fi设计之初是用于固定设备的通信,而IEEE802.11p标准支持移动通信设备,因此,直到2012年IEEE802.11p才被正式纳入IEEE802.11标准体系[9]。美国已于2015年启动DSRC的试点工作;2016年发布车联网建议规则公告,要求强制采用DSRC;2018年已完成DSRC的建设以及测试工作,目前正处于运营维护阶段。美国计划在2021年50%的新汽车将配备DSRC,2022年达到75%,2023年将实现DSRC的全覆盖[10]。与此同时,丰田汽车于2018年4月提出计划,到2021年将要在美国开始普及DSRC技术。但是一年后的2019年年初,丰田却宣布暂停该计划。原因主要有两个方面,一是丰田没有足够多的同盟与其承担巨额的基础设施建设成本;二是美国政府没有分配DSRC的专用频段,导致该技术无法正常稳定的运行。
(2)C-V2X技术的发展
由于DSRC受到Wi-Fi技术在通信距离、信息安全以及容量等方面的制约,对于非视距范围的车辆通信存在一定的局限性,因此C-V2X便发挥了技术优势。第三代合作伙伴项目(3GPP)基于蜂窝网络推出了C-V2X,首先在长期演进技术(Long Term Evolution,LTE)下的版本12中提出设备与设备(Device To Device,D2D)通信技术;在版本14中明确提出C-V2X 通信的第一阶段工作要实现对版本13的测试,并对V2X标准适用性进行研究;第二阶段的工作由版本15定义了增强V2X,在2017年年末,3GPP首次提出5G新空口(5G New Radio Access Technology,5G NR)“非独立组网(Non-Standalone,NSA)”的5G标准[11],并于2018年完成了第一套完整的5G标准3GPP 版本15,该里程碑性的标准为车联网技术的推进起到了关键性作用;5G NR技术超越了LTE-A,允许从低到非常高的频带(0.4～100 GHz)进行操作,带宽可达100/400 MHz,采用新的信道编码方案 LDPC码和Polar码[12]。
表2 4G与5G性能指标对比
Tab.2 Comparison of performance indexes between 4G and 5G
性能指标4G5G峰值速率1 Gbps>10 Gbps最大带宽100 MHz100 MHz(c-band频段)400 MHz(毫米波频段)端到端时延30～100 ms<1ms可靠性99.9%99.999%用户体验速率>100 Mbps>1 Gbps流量密度0.1 Tbps/km2>10 Tbps/km2连接密度103/km2106/km2移动速度300 km/h>500 km/h
随着版本15的工作已经完成并接近成熟,版本16(5G的第一阶段)中的V2X也已成为学术界与工业界关注的焦点。2018年12月发布的3GPP TR 22.886已明确将加强对5G V2X服务支持研究,而5G的第一阶段工作就涉及了URLLC高可靠极低时延的特征[13],5G相比于4G在超密集组网、大规模天线、网络切片、移动边缘计算等技术方面均优于4G,并且在数据速率、端到端时延、流量密度以及移动速度等方面都比4G具有明显优势,如表2所示。C-V2X的第三阶段工作是2019年以后基于5G NR技术提出的版本16[14],该版本增强了安全应用程序,例如时延小于1 ms等应用需求。车联网的发展促进汽车制造、智能车载软硬件设备制造、终端以及芯片制造等产业蓬勃发展。目前华为、高通、恩智浦已推出支持车联网的通信芯片;大众、雷诺、丰田主要支持DSRC技术,欧洲、美国、日本等国主推该技术标准;而奥迪、宝马、戴姆勒、福特、标致雪铁龙等企业则支持C-V2X技术,德国、中国是C-V2X技术的主要支持者。面对车联网技术标准的分歧,日前半导体生产企业Autotalks则依据DSRC和C-V2X两种技术标准开发出了全球首款双模芯片组。文献[6]也提出了将DSRC技术与蜂窝网络技术相结合以实现高效的车联网通信,这些研究为当前DSRC和C-V2X之间的竞争提供了一种最优的折中解决方案。
2.2 V2X的应用
车联网目前的应用都是基于单车智能的,但是单车智能对于整个智能交通系统而言会存在相对的局限性,因此具备高可靠极低时延性能的V2X的广泛应用就成为人们关注的焦点。3GPP的最新版本16 TS 22.186提出基于5G通信技术下增强V2X场景的服务需求,并将服务分为安全类(如自动驾驶、车辆编队等)和非安全类(移动高数据速率的娱乐、移动热点、动态地图更新等)场景,不同的V2X场景需要传输不同类型的V2X消息[15],图1展示了V2X的应用场景,接下来将对V2X的各种应用场景进行逐一分析。
图1 V2X技术的应用场景
Fig.1 The application scenarios of V2X technology
(1)V2V技术应用
车辆在行驶过程中,V2V技术可实现对行驶在同一车道且构成编队的车辆,进行前向及后向碰撞预测。通过车载传感器感知并计算当前车辆与前车的间隔距离、车速、刹车预警等,从而提前减速或制动可有效避免交通事故,保障车辆行驶的安全性。当车辆行驶至交叉路口时,同样需要V2V技术对其他车辆的行驶意图进行预测,以减少交通事故的发生。在车辆进行转向时,车辆可通过V2V技术实现转向辅助,将当前车辆转向信息发送给前方以及后方车辆,以提醒相应车辆提前采取制动措施。当远端有高优先级的车辆正在行进时,可利用V2V技术告知该车道内车辆,对该优先级高的车辆所行驶的道路进行避让,使该车优先通过,确保紧急任务的顺利执行。文献[16]设计了基于开放街道地图自动导航(Open-Street-Map Automated Navigation Directions,OsmAnd)的安卓安全驾驶V2V应用程序,用以实现将带有车辆信息的数据包信息在100 ms到900 ms之间传送给其他车辆。文献[17]通过减少V2V排队系统内间隙来提升车辆排队系统性能的延迟和可靠性。
(2)V2I技术应用
据中国国家统计局最新统计数据显示,2013年交通事故死亡人数从58539人,至2017年增加到63772人,增长率达8.9%。为了降低交通事故的死亡率,在车联网环境下,车辆在道路上行驶,可借助V2I技术实现车辆与道路基础设施之间的通信,为车辆及行人提供有效安全的交通保障。比如车辆在到达交叉路口前,就已经通过路旁传感器为该车辆提供当前路口的交通指示信息,并提供行驶决策以避免交通事故的发生。当车辆需要变道或者途经限速路段时,V2I技术同样可以通过路旁设施为车辆提供当前道路信息,以供车辆安全行驶。文献[18]基于真实世界的数据对车联网中V2I的通信架构进行了设计,通过该通信架构可实现车辆与驾驶员以及对其他传感器数据的收集,以保障车联网的可靠通信。文献[19]设计了车辆与基础设施的通信模型,用来对车联网中车辆违规行为的监控;文献[20]利用V2I技术对环保驾驶进行了模型的预测控制,以尽量减少车辆污染物的排放量;文献[21]基于V2I技术,车辆可协同自身行驶速度以及通勤者的行程持续时间,以实现最小化城市道路交通的拥堵。这些技术的研究与应用为车联网的发展提供了进一步的探索路径。
(3)V2P技术应用
当人行横道上安装有支持V2P技术[22]的人体感应传感器时,只要有行人靠近,该传感器就会将当前行人信息发送给预计途径该路段的车辆,提醒车辆进行减速和避让,从而保障行人安全。文献[23]通过在行人与车辆的智能设备中应用碰撞预测算法,并通过应用程序将当前用户信息广播给附近车辆,实现行人和车辆潜在危险的最小化。文献[24]提出将V2P检测算法与全球定位系统(Global Positioning System,GPS)定位技术结合,提前预估车辆位置,以保障车辆附近危险地点的行人安全。文献[25]提出将感知与V2P通信的信息间建立概率关联,通过协同智能通信系统来保护弱势道路使用者的安全。通过以上研究可看出,V2P技术的应用可为车联网中行人提供必要的安全保障。
(4)V2N技术应用
不论是车与车、车与人还是车与道路基础设施之间,要使整个车联网具有良好的信息交互能力,都离不开车辆与网络之间的通信[1],只有具备了容量充足、功能齐备、性能稳定可靠的网络才能更好的保障车联网乃至整个智能交通系统的高速运转。
5G的应用场景之一mMTC,对于车联网的应用也提出了新的要求。比如,车联网传感器对于周边环境探测精度性能的提升;永远在线的实时大数据处理能力;高精度地图对于路况信息的实时更新等,这些应用为车联网实现极致安全和超高可靠性提供了必要保障。
3 V2X对高可靠极低时延性能的需求与解决方案
3.1 V2X对高可靠极低时延性能的需求
车联网技术的应用可以通过自动化水平(Levels of Automation, LOA)来进行衡量,它不仅能反映技术的功能特点,还影响着系统性能需求。LOA可分为0-5五个等级:0代表无自动化,1代表驱动辅助,2代表部分自动化,3代表条件自动化,4代表高自动化,5代表全自动化,并且在0-2级(驾驶员控制)和3-5级(车辆自动控制)之间进行了区分,这主要取决于负责监视驾驶环境的是人工操作还是自动系统操作。通过对V2X自动驾驶的所有等级的应用场景进行分类,可清晰了解高可靠性与极低延迟通信(URLLC)对于车联网性能影响的重要程度,如表3所示。表中的用户终端(user equipment,UE)均指支持V2X的UE,数据来源于3GPP TR 22.886 V16.2.0技术报告[26]。在支持V2X应用程序的车辆之间,要实现最高等级自动化的协同驾驶,需要满足低于10 ms的极低时延和99.99%的高可靠性。在高级驾驶场景下,支持V2X的车辆间若要满足3 ms的极低时延与99.999%的极高可靠性的性能,需要不断提升V2X数据传输的高可靠性和低时延,因此亟待寻求优化URLLC的解决方案。
3.2 提升车联网高可靠极低时延性能的解决方案
关于提升车联网场景下的高可靠极低时延性能,国内外学者主要从以下三个方面进行分析与研究,以满足车联网对高可靠和极低时延通信性能的需求。
(1)极低时延与超高可靠通信的物理层性能提升
由于车联网场景中传输的数据从几十至几千比特,属于可变长码,而经典Shannon理论是基于较长码传输的,已不能满足5G-V2X场景的短码传输需求,因此可以考虑用短码传输模型来解决该问题。Polyanskiy和Poor等人首先研究了在给定码长和错误概率下可实现的最大信道编码率[27],接着通过给定码长的最大可实现速率与准静态MIMO衰落信道上的错误概率对短码性能极限进行分析,然后又针对多天线系统中瑞利衰落信道上传输信息的可靠性进行研究,给出短码的最大编码率[28]。在此研究基础上,Popovski等对通信系统中基于短码传输的双向信道、下行链路广播信道和上行链路随机接入信道进行分析,提出了优化短码控制信息传输的原则,该原则为满足车联网中车辆传感器与道路基础设施之间以超高可靠性和极低时延的短码传输,提供了必要的理论基础[29]。文献[30]首先研究短码传输时的非正交多址接入性能,进而通过最优功率分配系数与码长来提升数据传输的可靠性,并证明了非正交多址接入可减少物理层的传输时延。
表3 不同通信场景对可靠性与延时的性能需求[26]
Tab.3 Reliability and latency performance requirements of different communication scenarios[26]
通信场景场景自动化程度最大端到端延迟/ms可靠性/%数据速率/Mbps一组UE间的车队信息交换的协同驾驶最低2590-低20--最高1099.99-高20-65RSU与UE之间的队列信息共享较低20--较高20-50UE间冲突避免的协作1099.9910UE间自动驾驶的信息共享较低100--较高100-53RSU的UE间自动驾驶的信息共享较低100--较高100-50UE间紧急轨迹对齐399.99930UE间的协作通道变换较低2590-较高1099.99-UE之间的传感器信息共享较低10099-较高109525399.999501099.99255099101099.991000UE之间的视频共享较低509010较高1099.997001099.9990
考虑到物理层功率控制对车联网通信系统超高可靠性和极低时延的性能需求,文献[31]提出通过非正交方式分配时、频资源,并利用迭代信令由车辆自主执行分布式功率控制,以减少访问等待时间,从而提高分组接受的概率。文献[32]将电路功率和传输功耗联合考虑,并最大限度地提高上行链路的能源效率以及延迟,推导出车联网所需的最优资源分配方式。文献[33]利用资源配置算法来获取更高的能量效率。文献[34]利用联合学习的原理,采用曼哈顿移动模型进行验证,提出一种新的联合发射功率和资源分配的方法。文献[35]则提出一种新的无线帧结构和媒体访问控制协议,可提升V2X通信的可靠性以及降低数据传输时延。文献[36]提出一种基于服务质量的资源分配方法,考虑排队延迟和可靠性的同时,将总传输功率最小化。
由于5G车联网通信对极低时延和超高可靠性有更严苛的要求,而车辆的移动性以及多径效应的存在,5G-V2X需要满足时域上抽样数量的有限性和频域上具有多个相干带宽,因此需要建立URLLC的有限时长模型。针对5G-V2X的信道可以采用物理层(Physical Layer,PHY)性能极限的逼近方法和传输策略,并利用天线-频率联合分析、混合自动重传请求(Hybrid Automatic Repeat reQuest,HARQ)、非正交多址接入(Non-Orthogonal Multiple Access, NOMA)以及大规模天线阵列完善PHY层的传输机制,为5G车联网的发展奠定必备的理论研究基础。
(2)极低时延和超高可靠通信的跨层调度
由于传统的通信系统分层设计存在人为因素导致信息传输时效率的损耗,而5G-V2X毫秒级的极低延时需求对通信系统提出了极为严苛的要求,因此考虑采用跨层联合调度的方法来提升通信系统的可靠性与降低传输时延。基于跨层调度思想的网络层数据传输时延与物理层功率效率之间存在最优折中关系,现有的一些工作对时延和功耗的折中关系以及跨层最优调度策略进行了研究。文献[37]考虑好信道与差信道条件下的用户进行资源共享,从而实现高可靠性与极低延迟的通信。文献[38]从通信场景中涉及的信道状态、数据速率以及业务到达三个维度对跨层调度策略进行研究,研究思路如图2所示。这些研究工作为车联网系统实现高可靠极低时延的信息交互提供可行的理论依据。
图2 跨层调度策略研究思路
Fig.2 Research idea of cross-layer scheduling strategy
我们常见的解决方案中,通常是在保证数据传输可靠性的基础上,通过减少传输延迟和编码延迟来满足端到端的延迟要求,而对于整个数据包丢失反应出的可靠性问题则研究较少。文献[39]则从队列延迟、数据包丢失、用户服务质量等网络可用性的角度,来考虑如何提升系统的可靠性与传输时延需求。文献[40]通过联合优化上下行链路带宽和延迟组件(包括传输延迟、排队延迟、回程延迟),求解得到最小化的总带宽。文献[41]则通过马氏决策过程的稳态分析和线性规划方法将非线性功率约束条件下的最小化时延问题转化为线性规划问题,从而得出最优调度策略的双门限特性结论。由于车联网中数据的传输需要多次转发,属于多跳网络,Bui L等通过阴影队列的架构来降低back-pressure算法的时延[42]。基于这些研究,可为车联网系统实现超高可靠性和极低时延通信提供必要的保障基础。
(3)极低时延和高可靠通信应用层的实时性
V2X场景下,车联网对于通信系统的时延和实时性要求极高,可通过优化信息年龄(Age-of-Information,AoI)来描述URLLC场景下车联网数据传输的实时性需求。具追溯,文献[43]最早提出在车联网中关于信息年龄的应用,由于车联网中会有成百上千辆车甚至更多车辆参与信息交互,这就需要车辆具有极高的接收速率来接收其他车辆或者设备发送的数据,并发现在最大吞吐量与最小延迟之间的最佳操作点可实现信息年龄的最小化。
采样过程在信息年龄的研究中起着至关重要的作用。文献[44]基于压缩感知理论,通过采样与压缩,对信号进行了重建与恢复。Ulukus通过AoI表达式给出了实现最优AoI的调度策略[45]。文献[46]考虑到车辆的移动性与通信资源的有限性,并对AoI的车载信标进行了研究。文献[47]提出车联网信息新鲜度的调度策略,而文献[48]研究了多播网络的数据新鲜度。这些研究为车联网实时数据的应用更新提供了可实现的依据。
4 结论
推进基于5G技术的车联网研究工作有助于改善传统交通设施的信息化水平,从而健全智能交通的网络构架,为国家的智能化建设起到极为重要的作用。车联网技术的应用有助于车辆与道路的管理与协同、智能交通控制等多系统间的高效协作,但URLLC与V2X之间的协同发展受到一定程度的制约,主要存在以下几方面挑战。
(1)由于车联网之间是基于短码数据包进行传输的,而目前车联网系统的短码性能极限仍不明确,对于跨层调度的时延分析带来较大困难。
(2)由于车联网系统时延与功率间的折中关系尚需继续研究,这对于车联网系统复杂的网络拓扑结构和突发且大量的信息交互,使车联网技术的研究难度有所增加。
(3)在车联网系统数据传输的实时性方面,对于环境复杂且数据量庞大的车联网数据新鲜度而言,信息年龄的研究尚需进一步努力。
虽然5G牌照已发放,但基于5G的车联网技术仍面临着巨大挑战,相信在工业界与学术界的共同努力下终将克服困难,真正的实现智能驾驶,车路协同的高可靠性和极低时延的目标。
[1] Chen S, Hu J, Shi Y, et al. Vehicle-to-Everything (v2x) Services Supported by LTE-Based Systems and 5G[J]. IEEE Communications Standards Magazine, 2017, 1(2): 70-76.
[2] Liu L, Yu W. A D2D-Based Protocol for Ultra-Reliable Wireless Communications for Industrial Automation[J]. IEEE Transactions on Wireless Communications, 2018, 17(8): 5045-5058.
[3] International Telecommunication Union. Recommendation ITU-R M.2083- 0[R]. Geneva, ITU, 2015. 1-21.
[4] Study on Scenarios and Requirements for Next Generation Access Technologies (Release 15). TR 38.913[R]. 3GPP, 2018.
[5] Mohamed K, Abdel-Aziz, Liu C F, et al. Ultra-Reliable Low-Latency Vehicular Networks: Taming the Age of Information Tail[C]∥2018 IEEE Global Communications Conference(GLOBECOM). Abu Dhabi, United Arab Emirates, United Arab Emirates: IEEE, 2019: 1-7.
[6] Abboud K, Omar H A, Zhuang W. Interworking of DSRC and Cellular Network Technologies for V2X Communications: A Survey[J]. IEEE Transactions on Vehicular Technology, 2016, 65(12): 9457-9470.
[7] Wu X, Subramanian S, Guha R, et al. Vehicular communications using DSRC: Challenges, enhancements, and evolution[J]. IEEE Journal on Selected Areas in Communications, 2013, 31(9): 399- 408.
[8] Litescu S C, Viswanathan V, Aydt H, et al. Information dynamics in transportation systems with traffic lights control[C]∥The International Conference on Computational Science. San Diego, California, USA: Elsevier Masson SAS. 2016: 2019-2029.
[9] Cui X, Li J, Li B, et al. Wireless Ranging Method for Vehicular Node based-on IEEE802.11p Short Preamble[C]∥2017 International Conference on Identification, Information and Knowledge in the Internet of Things. Qufu, China: Elsevier, 2018: 129: 115-122.
[10] Cable N. The Economic Costs and Benefits of a Federal Mandate that All Light Vehicles Employ 5.9 GHz DSRC Technology[R]. The brattle group, 2016.
[11] Parkvall S, Dahlman E, Furuskär A, et al. NR: The New 5G Radio Access Technology[J]. Wireless and Radio Communication, 2017(12): 24-30.
[12] Zhang Y, Liu A, Gong C, et al. Polar-LDPC Concatenated Coding for the AWGN Wiretap Channel[J]. IEEE Communications Letters, 2014, 18(10): 1683-1686.
[13] Kousaridas A, Medina D, Ayaz S, et al. Recent advances in 3GPP networks for vehicular communications[C]∥2017 IEEE Conference on Standards for Communications and Networking(CSCN). Helsinki, Finland: IEEE, 2017: 91-97.
[14] Lien S, Tseng C, Moerman I, et al. Recent Advances in 5G Technologies: New Radio Access and Networking[J]. Wireless Communications and Mobile Computing, 2019: 1-3.
[15] 3GPP. Enhancement of 3GPP support for V2X scenarios: TS 22.186(Release 16)[R]. 3GPP, 2018.
[16] Hadiwardoyo S A, Patra S, Calafate C T, et al. An Android ITS Driving Safety Application Based on Vehicle-to-Vehicle (V2V) Communications[C]∥2017 26th International Conference on Computer Communication and Networks(ICCCN). Vancouver, BC, Canada: IEEE, 2017: 1- 6.
[17] Zhang C, Zang Y, Calvo J A L, et al. A novel V2V assisted platooning system: Control scheme and MAC layer designs[C]∥IEEE 28th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications (PIMRC). Montreal, QC, Canada: IEEE, 2017: 1-7.
[18] Bascetta L, Gruosso G, Gajani G S. Analysis of Electrical Vehicle behavior from real world data: a V2I Architecture[C]∥2018 International Conference of Electrical and Electronic Technologies for Automotive. Milan, Italy: IEEE, 2018: 1- 4.
[19] Anushya D. IEEE, 2019. Vehicle Monitoring for Traffic Violation Using V2I Communication[C]∥Second International Conference on Intelligent Computing and Control Systems (ICICCS). Madurai, India: IEEE, 2018: 1665-1669.
[20] Zheng X, Zhang L, Yaroslav K. Model predictive control of eco-driving for transit using V2I communication[C]∥2015 34th Chinese Control Conference (CCC). Hangzhou, China: IEEE, 2015: 2511-2516.
[21] Djahel S, Jabeur N, Barrett R, et al. Toward V2I communication technology-based solution for reducing road traffic congestion in smart cities[C]∥2015 International Symposium on Networks, Computers and Communications, ISNCC. Hammamet, Tunisia: IEEE, 2015: 1- 6.
[22] Bagheri M, Siekkinen M, Nurminen J K. Cellular-based vehicle to pedestrian (V2P) adaptive communication for collision avoidance[C]∥2014 International Conference on Connected Vehicles and Expo(ICCVE). 2014, 11, 3. Vienna, Austria. IEEE, 2014: 450- 456.
[23] Hussein A, García F, Armingol J M, et al. P2V and V2P communication for pedestrian warning on the basis of autonomous vehicles[C]∥IEEE 19th International Conference on Intelligent Transportation Systems (ITSC). Rio de Janeiro, Brazil: IEEE, 2016: 2034-2039.
[24] Li C Y, Salinas G, Huang P H, et al. V2PSense: Enabling Cellular-Based V2P Collision Warning Service through Mobile Sensing[C]∥IEEE International Conference on Communications(ICC). Kansas City, MO, USA: IEEE, 2018: 1- 6.
[25] Merdrignac P, Shagdar O, Nashashibi F. Fusion of Perception and V2P Communication Systems for the Safety of Vulnerable Road Users[J]. IEEE Transactions on Intelligent Transportation Systems, 2017, 18(7): 1740-1751.
[26] 3GPP. Study on enhancement of 3GPP Support for 5G V2X Services(Release 16) TR 22.886 V16.2.0[R]. 3GPP Organizational Partners’ Publications Offices. Valbonne FRANCE, 2018.
[27] Yang W, Durisi G, Koch T, et al. Quasi-static multiple-antenna fading channels at finite blocklength[J]. IEEE Transactions on Information Theory, 2014, 60(7): 4232- 4265.
[28] Durisi G, Koch T, Östman J, et al. Short-Packet Communications Over Multiple-Antenna Rayleigh-Fading Channels[J]. IEEE Transactions on Communications, 2016, 64(2): 618- 629.
[29] Durisi G, Koch T, Popovski P. Toward Massive, Ultrareliable, and Low-Latency Wireless Communication with Short Packets[J]. Proceedings of the IEEE, 2016, 104(9): 1711-1726.
[30] Yu Y, Chen H, Li Y, et al. On the performance of non-orthogonal multiple access in short-packet communications[J]. IEEE Communications Letters, 2018, 22(3): 590-593.
[31] Di B, Song L, Li Y, et al. Non-Orthogonal Multiple Access for High-Reliable and Low-Latency V2X Communications in 5G Systems[J]. IEEE Journal on Selected Areas in Communications, 2017, 35(10): 2383-2397.
[32] Zheng C, Feng D, Zhang S, et al. Energy efficient V2X-Enabled communications in cellular networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(1): 554-564.
[33] 吕恒伟, 李攀东, 张海剑, 等. 多小区 5G 认知无线电网络能量有效资源优化[J]. 信号处理, 2018, 34(12): 1440-1449.
Lv Hengwei, Li Pandong, Zhang Haijian, et al. Energy-Efficient Resource Optimization for Cognitive Multi-cell Network in 5G[J]. Journal of Signal Processing, 2018, 34(12): 1440-1449.(in Chinese)
[34] Samarakoon S, Bennis M, Saad W, et al. Federated Learning for Ultra-Reliable Low-Latency V2V Communications[C]∥IEEE Global Communications Conference(GLOBECOM). Abu Dhabi, United Arab Emirates, United Arab Emirates: IEEE, 2019: 1-7.
[35] Hu L, Eichinger J, Dillinger M, et al. Unified device-to-device communications for low-latency and high reliable vehicle-to-x services[C]∥IEEE 83rd Vehicular Technology Conference (VTC Spring). Nanjing, China: IEEE, 2016: 1-7.
[36] Ashraf M I, Liu C, Bennis M, et al. Towards Low-Latency and Ultra-Reliable Vehicle-to-Vehicle Communication[C]∥2017 European Conference on Networks and Communications (EuCNC). Oulu, Finland: IEEE, 2017: 1-5.
[37] Sun C, She C, Yang C. Exploiting multi-user diversity for ultra-reliable and low-latency communications[C]∥2017 IEEE Globecom Workshops(GC Wkshps). Singapore, Singapore: IEEE, 2017: 1- 6.
[38] 王蒙. 低延时高新鲜度数字传输的跨层设计研究[D]. 北京: 清华大学, 2019.
Wang Meng. CrossLayer Design Approach for Low Latency and High Freshness Digital Transmission[D]. Beijing: Tsinghua University, 2019.(in Chinese)
[39] She C, Yang C, Quek T Q S. Radio Resource Management for Ultra-Reliable and Low-Latency Communications[J]. IEEE Communications Magazine, 2017, 55(6): 72-78.
[40] She C, Yang C, Quek T Q S. Joint Uplink and Downlink Resource Configuration for Ultra-Reliable and Low-Latency Communications[J]. IEEE Transactions on Communications, 2018, 66(5): 2266-2280.
[41] Wang M, Liu J, Chen W, et al. Joint queue-aware and channel-aware delay optimal scheduling of arbitrarily bursty traffic over multi-state time-varying channels[J]. IEEE Transactions on Communications, 2019, 67(1): 503-517.
[42] Bui L, Srikant R, Stolyar A. Novel architectures and algorithms for delay reduction in back-pressure scheduling and routing[C]∥IEEE INFOCOM. Rio de Janeiro, Brazil: IEEE, 2009: 2936-2940.
[43] Kaul S, Gruteser M, Rai V, et al. Minimizing age of information in vehicular networks[C]∥8th Annual IEEE Communications Society Conference on Sensor, Mesh and Ad Hoc Communications and Networks. IEEE, Salt Lake City, UT, USA, 2011: 350-358.
[44] Vaswani N, Zhan J. Recursive Recovery of Sparse Signal Sequences from Compressive Measurements: A Review[J]. IEEE Transactions on Signal Processing, 2016, 64(13): 3523-3549.
[45] Arafa A, Ulukus S. Age-minimal transmission in energy harvesting two-hop networks[C]∥IEEE Global Communications Conference(GLOBECOM ). Singapore: IEEE, 2018: 1- 6.
[46] Ni Y, Cai L, Bo Y. Vehicular beacon broadcast scheduling based on age of information (AoI)[J]. China Communications, 2018, 15(7): 67-76.
[47] Alabbasi A, Aggarwal V. Joint Information Freshness and Completion Time Optimization for Vehicular Networks[online]. available: https:∥arxiv.org/abs/1811.12924, 20181130/20190619.
[48] Zhong J, Soljanin E, Yates R D. Status updates through multicast networks[C]∥55th Annual Allerton Conference on Communication, Control, and Computing(Allerton ). Monticello, IL, USA: IEEE, 2017: 463- 469.
