智能化的车联网是网络领域最生动的研究主题之一，其核心是通过感应器网络信息，利用车联网通信技能将网络的信息凑集起来，实现车辆精准定位、智能交叉路口管理、互助式自适应巡航掌握、车辆早期安全预警、紧急广播以及自动驾驶等智能化车联网系统，为车辆驾驶员和搭客供应安全、高效、舒适的驾驶体验。
本文将为大家先容一篇2021年最新智能车联网综述。
该综述对车联网关键技能：信息网络单元、数据传输关键技能、资源管理和安全运用所须要的物联网通信和传输协议等进行了总结。
此外，该综述总结了车联网面临的几个寻衅，包括安全性差、可靠性差、标准分歧一和智能化水平低。
末了，作者对强化学习算法、GNN和5G通信等最新技能在智能交通系统中的运用进行了展望。

论文地址：https://dl.acm.org/doi/10.1145/3451984

1 简介

车联网可以实现提高城市交通通畅效率，减少交通事件的发生以及降落能源花费的目标。
如图4所示，我们展示了车联网的紧张组成部分，它包括车辆信息网络、数据传输、路由协议、安全机制以及实现的运用或做事。
这些运用、车载单元和路边单元常日由GPS、雷达、摄像头和传感器组成。
它们网络道路和交通信息，如其它车辆的ID、类型、位置、间隔等等。
这些数据然后被传送到其它车辆以及网络运用去提高车辆的安全性和效率。
更详细地说。
(a)车辆上的设备网络数据；(b)根据采取的路由协议将这些数据传输给其它车辆；(c)通过4G/5G网络、互联网、WiFi等完成传输任务。
车辆之间的数据交流被称为V2V通信，而车辆和根本举动步伐之间的交流被重新称为V2I通信。
(d) 环绕数据传输的网络安全协议保护数据和系统的安全性和完全性。

2 车联网的关键组成部分

2.1 信息网络单元

车联网须要通过车载GPS、摄像头、雷达、传感器等硬件设备获取车辆状态信息，将硬件设备和通信设备相结合形成AU、OBU、RSU等组件，组件与车辆建立通信连接形成完全的车联网体系构造，它们是车联网运用的核心。
车载GPS常日用于车辆定位，通过吸收GPS卫星发送过来的数据，解读出短信报文，在电子舆图上显示出车辆三维位置、方向、运动速率和运动韶光等方面的干系数据。
车载雷达作为探测目标、目标间隔和速率的设备，利用发射光束之后，碰着障碍物返回的光束在雷达内部吸收器中进行剖析，通过折返韶光和丈量旗子暗记在处理器中进行处理，天生高精度的舆图，实现对周围环境特色的还原，可在车辆中用于障碍物创造、碰撞预测、自适应巡航掌握、倒车赞助等。
传感器作为获取准确可靠信息的主要路子，在车联网技能发展中具有突出的地位。
车用传感器能够网络车辆速率、间隔、压力、温度、发动机运转情形等信息，为驾驶员供应车辆状况信息，是车联网获取信息的主要来源。

2.2 无线接入技能

在当前的车联网中，许多无线接入技能用来为车辆供应V2I、V2V和D2D通信所需的无线接口。
如图6所示，不同类型的无线接入技能包括移动网络接入、车辆网络接入和短程通信，而移动网络接入包括：蜂窝网络、卫星网络、WiMAX。
车辆接入网络包括：DSRC（专用短程通信）和CALM。
短间隔通信网络包括：WiFi、蓝牙和ZigBee。
个中，蜂窝网络、WiFi和WiMAX依赖于集中的根本举动步伐来折衷节点之间的通信，而蓝牙、Zigbee和DSRC利用分布式折衷模式进行通信。

2.3 路由协议

由于车联网中的车辆是高速移动的物体 ，这就意味着车联网的拓扑构造频繁而迅速地变革，因此全体网络的通信和数据交流是非常的不稳定。
因此，确保车辆之间可靠、实时通信的方法一贯是许多研究的重点。
在这些办理方案中，有效的路由协议是提高车联网数据传输速率和可靠性的一个关键成分。

基于策略的路由协议包括基于位置的路由协议、基于贪婪策略的路由协议以及基于聚类的路由协议，如图7所示。
基于位置的路由协议利用车辆配备的GPS和定位机制去确定车辆在舆图上的位置，然后利用位置信息来选择得当的车辆进行数据转发，实现提高数据转发稳定性和降落转发时延的目的。
基于簇的路由协议是根据节点度、生命周期、节点间间隔等将网络节点形成簇，利用簇的分区和分层特点进行数据的转发来提高网络拓扑构造的吞吐量和稳定性。
基于贪婪算法的路由协议是从源节点出发根据间隔是非、时延大小、地理位置等信息构建出一个最佳路由路径，从而得到整体的最优解。

3 车联网运用

车联网的主要目标是通过车联网运用去提高交通的通畅效率和确保驾驶安全，因此，该综述总结了车联网与人工智能结合的面向效率的运用和面向安全的运用。

3.1 面向效率的运用

面向效率的运用包括交通预测和资源调度，及时准确的交通预测对付提高车辆通畅效率至关主要，由于它能够为司机和路线方案者供应准确的导航、调度和流量掌握，而这正是智能交通系统的根本。
交通预测常日是指在速率、数量、密度等方面预测未来的交通流。
预测可以是短期的（5-30分钟）或中长期的（超过30分钟）。
由于交通预测和资源调度是非常繁芜的任务，它们利用的数据大多数都是图构造的数据，如图1所示，在交通流中的数据Vt可以是一个有向图或无向图，这些图可以有权重也可以没有权重，可以被分成多少帧，而每一帧显示了在某一个韶光步t的交通状况，因此传统的机器学习方法每每不能提取精确或足够的空间和韶光特色来支持预测。
图神经网络（GNN）作为一种处理繁芜的非线性数据构造的主要技能，能够用来提高车辆的效率。
现今，GNN已经被广泛用于交通预测、资源调度、资源分配效率、减少摧残浪费蹂躏和能源花费等问题。
本文总结了常见的用于提高效率的算法包括：DCRNN 、STGCN 、DMVST-Net 等。

3.2 面向安全的运用

随着车辆数目的快速增加，公众对驾驶安全的关注也在增加。
因此，一些物联网干系的传感器设备被开拓出来，通过将网络的数据与SVM、LSTM等人工智能技能相结合去剖析司机操作车辆的办法，从而办理不屈安的驾驶行为。
除此之外，面向安全的运用还包括车辆准确定位系统、智能交叉路口管理系统、互助式自适应巡航掌握系统、车辆早期安全预警系统以及紧急广播系统等。

3.2.1 车辆准确定位系统

车辆准确定位系统可以实时获取车辆位置，将车辆轨迹反应到电子舆图上，实时监视道路上的车辆流向、流量、流速、密度等交通信息，然而，常用的GPS定位存在定位盲区、旗子暗记不稳定、精度差等缺陷，须要通过激光探测、雷达探测、车辆间协作以及人工智能技能等提高车辆定位精度，更好的为城市智能交通做事。
为此，研究者们提出了将路边车辆单元、环球导航卫星系统、轮速传感器、车载雷达、车载摄像头以及卷积神经网络运用到车辆位置的精确定位当中。

3.2.2 智能交叉路口管理系统

基于车联网的智能交叉路口管理系统可以不须要交通信号灯，利用激光扫描技能、雷达技能、摄像机技能等实现智能交叉路口的掌握，办理交叉路口交通拥堵排队问题，减少交通事件的发生。
该系统紧张将车联网技能与机器学习相结合，利用V2I和V2V通信来交流车辆ID、车辆速率、车辆位置等车辆的运动状态信息，支配在交叉路口的掌握器根据车辆运动信息利用神经网络分组机制将相同车道上的车辆分成组，通过无线网络来调度车辆以组为单位通过十字路口，这种调度可以减少等待韶光和提高车辆通畅的公正性，提高十字路口的通畅效率，减少交通拥堵的发生，是当前办理城市拥堵问题的主要办法之一。

3.2.3 互助式自适应巡航掌握系统

互助式自适应巡航掌握系统的目的是将道路上无序的车辆进行编队组合成一个整体进行掌握，从而简化交通掌握工具、增强车辆行驶的效率和安全性，该系统利用车辆上的雷达和摄像头等技能通过V2V通信办法来交流车辆速率、加速度和车间距等信息，实现车辆行列步队保持恒定的间隔和相同的速率，从而担保全体车辆行列步队作为一个整体来掌握，提高道路的通畅能力、通畅效率和车辆安全性。

3.2.4 车辆早期安全预警系统传统的车辆早期安全预警系统紧张针对车辆和搭客供应安全做事，按照不同用场来划分，可将安全运用分为预防式安全运用、主动式安全运用和被动式安全运用。
预防式安全运用指可以预测车辆可能发生的紧急事宜下去采纳主动行为来避免事件的发生，如碰撞避免系统、换道警告系统、超速警告系统等。
主动式安全运用指通过监测车辆和驾驶人状态来帮助驾驶人避免事件的发生，如制动防抱去世系统（ABS）、电子稳定掌握系统（ESP）、制动赞助系统（BA）、驾驶人监测等。
被动式安全运用指在车辆发生事件时能够帮助驾驶人和搭客生存，防止受伤，如安全气囊、安全带等。

基于车联网的智能车辆早期安全预警系统，通过车辆间的信息交流来创建自动化的任务，从而增强车辆和人们的安全，降落交通事件的发生概率。
基于车联网的自动化任务，除了须要V2V通信之外，还须要激光、雷达、摄像头和光感应器等传感器，利用车辆通信，供应互助式车辆自适应巡航、车道变换赞助、合流赞助、减少眩光、预碰撞感知等互助式功能。
而且，基于人工智能的安全预警系统还可以在预测车辆紧急态势时采纳适当的决策去协作驾驶人采纳方法来减少事件的发生，也可以在紧急状况，驾驶人没有采纳方法的情形下，车辆自主决策采纳方法来避免事件的发生。

3.2.5 紧急广播系统

紧急广播系统能够为不利驾驶和道路条件的紧急事宜留出足够的反应韶光是安全类运用的根本，通过将危险的紧急事宜快速和可靠的广播到附近车辆，使附近车辆有充足的韶光采纳有效方法来避免交通事件的发生是紧急广播的紧张任务。
为了减少碰撞，依据广播重传策略不同，可以将紧急广播分为三类：1）基于概率的广播机制，这种重传机制通过预先定义的概率打算，给予每辆车分配一个重传概率，比如，可以将阔别转发节点的车辆设置较高重传概率，实现对高概率车辆的重传。
2）基于间隔的广播机制，将间隔中继节点较远的车辆设置较高的优先权进行转发，降落碰撞发生的概率。
3）基于计数器的广播机制，只有当节点收到的数目小于预先设置的阈值时，才进行转发。
随着5G通信网络的快速发展，也可以利用5G网络数据传输更快、时延更低等上风来提高紧急广播的及时性和可靠性，为紧急广播供应一种新路子。

4 未来研究方向

本文总结了智能车联网技能面临的机遇与寻衅，剖析了该领域的问题并建议了4个未来研究方向：

4.1提高车联网的安全性免受网络攻击

4.2制订统一的标准便于数据的网络和传输

4.3提高车联网的稳定性

4.4提高车联网的智能化水平