调查车辆边缘计算:架构、应用、技术问题和未来的发展方向

文摘

新的网络范式,车辆边缘计算(VEC),介绍了近年来车辆网络来增加它的计算能力。终极挑战来实现两种通信和计算的要求越来越突出,随着日益增长的现代车辆应用程序。VEC的突破,服务提供者直接在靠近主机服务智能车辆减少延迟和改善服务质量(QoS)。本文展示了VEC架构,加上智能汽车的概念,它的服务,沟通,和应用程序。此外,我们分类VEC架构中的所有技术问题和审查所有相关的最新解决方案。我们也带来一些启发,指出未来的研究挑战。这篇文章不仅使天真的读者能够更好地理解这一最新研究领域,但也给新方向VEC领域的其他研究人员。

1。介绍

未来智能交通系统的一个重要组件是车载网络。这些网络提供的各种mobility-based服务,不同的内容共享服务(营销目的和信息娱乐)信息传播应用程序(关于自然灾害等紧急行动。)(1]。根据Gartner预测,Inc .)约02.5亿连接车辆将在2020年。此外,Gartner预测大约208亿连接的事情到2020年(2]。车载网络很受欢迎,因为他们提供安全,方便开车,方便,通过共享有用的信息和更高的效率。在过去的十年里,随着技术与云计算的发明,出现了戏剧性的车载网络也已经开发和正在成为流行。很少有这种发展的影响;例如,需要更多的计算能力和数据通信。根据英特尔(3),车辆需要分析和融合一个巨大数量的数据从传感器(大约1 GB / s)为了使安全的决策。一些应用程序像自动驾驶,增强现实(AR)技术(4]等等需要复杂的数据处理能力和更大的存储容量。传统的车载网络面临巨大的挑战,以满足需求的存储和通信。

车载Ad hoc网络(VANETs)主要依赖云计算(5,6]。云计算提供了集中式计算和存储服务使用一个云服务器或远程服务器。云计算的好处与虚拟服务器,允许用户远程存储容量和计算设备。检索数据存储可以从任何地方没有大的存储和计算能力的车辆。因此,用户可以分享大量的数据的车辆。一个关键问题,而云计算处理,发生的延迟而从汽车到云服务器传输数据和检索存储和处理后的信息。由于这个因素,提高车辆的数量和增加流动性,就有必要确保低延迟和不间断服务的应用程序。此外,高带宽要求的车辆之间的通信和云服务器。拥挤的交通负荷也会引起更多的能源消费在各种无线设备,它有一个巨大的影响带宽成本。因此,它已成为难以满足的要求计算和通信车载应用的不断发展。 To satisfy the required QoS is another vital challenge faced by Vehicular Cloud Computing [7- - - - - -10云计算与VANETs集成)服务。

与车辆的云计算服务,集中、VEC旨在广泛应用程序与分布式部署。VEC进一步带来的好处云计算服务网络的边缘(11- - - - - -13]。边缘计算是一个更合适的解决方案,提高计算能力在车载环境下(14]。在边缘计算、数据的处理和分析发生在接近终端设备。边云之间充当中介,车辆。服务器的计算和存储能力(边缘节点)部署在靠近车辆的网络。随着计算和存储服务用户提供接近(边缘),更好的QoS是通过计算边缘提供的服务。此外,需要一个强大的通讯和计算机制支持当代应用在车载网络(15]。传感器在汽车进一步收集数据,数据处理和存储的边缘服务器。因此,这些服务保证低延迟通信和更大的环境意识。边缘计算有其优点对于低延迟应用程序,例如,安全应用程序(驾驶安全性和上下文感知)以及nonsafety应用程序(视频、AR和娱乐)。表1突出了车辆的云计算和矢量之间的差异。

软件定义网络(SDN),以解耦控制平面和数据平面,提供全面的网络控制。数据平面和控制之间的通信中断数据包的流动,导致成本的增加和延迟通信。因此,SDN集中在最小化之间的通信数据平面和控制平面(16]。SDN控制器还可以根据实时做出管理决策中心全球信息。因此,在复杂的网络管理。SDN提供了通过可编程序控制器的整体网络控制平面和与运输设备和提供了一个网络管理应用程序编程接口。因此,它有助于在动态网络部署和敏捷网络管理而不干扰其他网络。它还有助于更快的应用创新和优化资源利用率(17]。的帮助下SDN控制平面配置,网络不仅可以适应网络的变化动态,还应对紧急情况(例如,在意外的情况下)16]。SDN伴随边缘计算和补充了智能交通系统来处理异构的复杂性和大量的车辆,巨大无比的数据流,和频繁的拓扑变化提供紧急车辆移动性延长行车安全。

VEC诞生以来,已经收到了巨大的注意力从研究人员和一些调查研究了矢量的各个方面。在[18),作者只讨论了SDN-based车辆雾计算架构,而作者在15)考虑车辆作为广泛的通信和计算基础设施。此外,(19概述了互联网的优势的车辆与车辆雾的发展。然而,根据作者的知识,这是第一个贡献,利用矢量作为一个完整的解决方案,为现有的和将来的应用程序和服务。在本文中,我们全面突出矢量的概念,智能车辆,它的基本组件,一个网络的智能车辆,和它的创新应用。我们已经考虑和讨论两种场景的矢量作为智能车辆除了智能车辆的基础设施之间的通信的所有三层矢量,即云计算,云,分别和智能车辆层。我们分类的技术问题和审查所有相关的解决方案。为了帮助设计师和研究人员更好地理解矢量的概念,更重要的是,我们确定了未来的挑战仍然存在于VEC得到研究者的关注VEC应用程序构建充满活力的未来。

剩下的纸是组织如下:在部分2,我们将讨论使用VEC架构。然后我们介绍智能汽车的概念,基本的组件,一个网络的智能车辆,其服务和应用程序,分为安全和nonsafety应用部分3。节4的技术问题,我们综合分类矢量,紧随其后的是挑战5。我们在部分总结本文6。此外,图1说明了论文的组织。

2。体系结构

本节解释体系结构、角色和经营方式为每个组件。VEC架构在三层:基础云层,云层边缘,和智能车辆层如图2。

2.1。云层

云层最重要的优点是数据聚合,数据挖掘、分析优化,存储、批处理、计算复杂的数据(20.),超出了边缘节点的计算能力。此外,云计算可以计算出庞大的数据量和复杂的计算在很短的时间。云基础设施包括两个部分,存储和计算。收集到的数据通过不同的边缘节点,可用于以后的/长期和不需要实时计算,将被发送到云层通过SDN控制器,它永久地存储未来的分析。计算部分计算和分析了复杂的计算任务,提供更快的性能。发送到云的计算任务,通过边缘节点,并不对延迟敏感的任务。

2.2。云层边缘

云层边缘保证智能车辆层和云之间的连接层。实现这一点,车辆包含设备,利用无线通信协议,如802.11便士,3 gpp, 3 g, 4 g LTE, 5 g。目的是提供低延迟、位置识别、应急管理、缓存、内容发现,和计算,提高了服务质量,因为它是在靠近车辆,和用于实时交互21]。云层边缘也处理这些应用程序,这需要一个快速响应具有非常低的延迟(22),基于“增大化现实”技术、环境识别、视频分析、健康识别,和人类行为识别,等等。为此,这一层提供了以下服务车辆/最终用户。(我)信息娱乐服务(IaaS):为用户提供有用的信息,事件等紧急情况下,连接到矢量。它还提供娱乐服务,如音乐,游戏,电影,等等。这些服务的目的是提高用户体验的质量和安全的乘客通过提供信息和娱乐。(2)网络作为一种服务(NaaS):有一个互联网连接的用户可以方便其他用户通过车辆提供连接,路边单元,或微基站。此工具是很有价值的,尤其是在紧急情况下(23]。(3)存储作为服务(SaaS):车辆需要额外的存储为运行应用程序,需要高的存储资源,使一个临时备份的目的。这需要由边缘服务器实现,为特定客户提供免费存储运行他们的应用程序(23]。(iv)计算作为服务(CaaS):这些车辆在停车场,中心,或交通拥堵花了几个小时有闲置的计算资源。有机会对这些车辆/用户渴望增加车辆或移动设备的计算资源来实现大规模计算任务(23]。

这一层也为车辆提供了通信设备车辆(V2V)和与外部基础设施工具基础设施(V2I)。在V2V、车辆相互作用在同一范围的通信,所以通过车辆信息可以传播,直到它到达崩溃的边缘。例如,如果任何车辆表现出奇怪的行为,在方向改变的情况下,违反了速度限制,或机械故障,紧急消息将被发送到邻近车辆以及边缘,其中包含位置、速度和移动方向的特定的车辆。V2I是负责车辆通过路边等基础设施之间的交换操作数据单元,微基站,边缘服务器无线网络。这一层包含许多组件并通过SDN都进行管理。

SDN-Supported组件:VEC的关键要求是管理大量的车辆和断断续续的连接。网络中引入SDN总是最好的方法来得到整个/网络的全局视图。因此,以下是一些SDN组件,必须集成系统部署。(我)SC: SDN控制器是整个中央情报局的网络。它控制整个网络的行为。它还充当边缘(边缘编制和资源管理24]。(2)SES: SDN-based边缘服务器,一群SRSUs连接到边缘服务器通过宽带连接。SES提供车辆存储和计算设备在网络的边缘。它还存储区域道路系统信息并执行紧急服务。(3)smb:基于SDN微站不仅能够携带声音数据,但也更复杂。中小企业工作的监督下SC, OpenFlow运行,提供优势服务的能力。smb也是当地情报边缘设备(25]。(iv)SRSU: SDN-based路边单元,运行OpenFlow SC和管理。这是一个边缘的设备。它可以交换数据与那些在其通信范围内的车辆24]。(v)科学价值:SDN-based智能车辆作为运输设备(终端用户),配备车载单元(酸)和操作OpenFlow。它可以与其他车辆,SRSU和中小型企业。它也被认为是作为数据平面元素。

控制通道,每一个科学配备WiMax / (3 g, 4 g LTE, 5 g)和专用短程通信(DSRC) / LTE-V接口数据通道。在任何情况下,如果SDN控制器的连接丢失处理这种情况,科学支持应急计划和备份机制回到常规的操作,比如AODV, DSDV, OLSR路由协议(25]。因为管理的体系结构是在异构网络环境中,如图2,整个基础设施使用不同的无线技术进行通信的目的,SRSU V2V和车辆之间的通信将通过DSRC / LTE-V, smb在哪里这样的远程无线连接3 g, 4 g LTE,或者5克。SC和中小企业之间的通信,SC和SES, SES和SES, SES,通过高速宽带连接SRSU发生。

2.3。智能车辆的层

车辆可能会进行更多的交流,交换机上服务,并提供存储(26]。智能车辆层包含一组地理上接近的车辆,通过无线网络共享计算和存储资源。智能车辆层负责抽象信息从嵌入式传感器、GPS、摄像头、雷达、激光雷达等设备,车辆可以包含。收集到的信息可以发送到云边缘层用于存储或它是输入几个服务在应用程序层。在智能车辆的层,车辆将通信、存储、智力和学习能力预测司机的意图。这个想法将有助于车辆使用服务从其他车辆智能车辆的计算,为车辆提供计算和卸载设备可以在网络的边缘和提供的所有服务所需的自主车辆。

因此,这一层不仅可以促进传感环境还在车辆乘客和司机的行为。这一层的主要成分是车辆;车辆在这种模式被认为是智能车辆和完全配备许多最新的传感器和通信设备。我们将讨论这一术语智能车辆,它的基本组件,详细沟通、服务和应用程序部分3。

3所示。智能汽车

的车辆的计算和存储能力以及通信设施,可以从环境中学习相应的决策被称为智能车辆。智能车辆配备不同类型的传感器和多界面的卡片,内部和外部(上)。与越来越多的智能汽车配备车载无线设备(3 gpp, IEEE 802.11便士,蓝牙,等等)和传感器(雷达、激光雷达等),有效管理和传输应用程序是针对提高流动的车辆通过减少旅行时间和避免交通拥堵。

智能车辆,和一群(即创新功能。,information exchanging, positioning information, etc.), can support specific applications (i.e., safety messages and warnings, gossip-based applications, etc.). Mostly the vehicles within a VEC are equipped with an onboard wireless device, particularly OBU; for example, the onboard radar of smart vehicle is able to slow down the vehicle automatically after detecting traffic congestion. In accident warning systems, sensors can be used to verify if the airbags were deployed when the accident took place. This information is then spread through V2V/V2I within the network [27]。

3.1。智能车辆的基本组件

各种智能系统部署在车辆提供实时测量和安全服务(28]。所有这些设备都可以相互通信以自组织的方式来创建一个身体传感器网络。飞机的机载传感器获取环境信息的工具。传感器,传感器等数据输入,导航服务、温度、行为检测和图像收集和存储在一个存储单元为未来处理。基于这些信息,车辆可以独立实现automatic-driving控制,其中包括环境遥感、中央决策和机械控制。

系统的体系结构应该旨在帮助驾驶员避免事故的发生。达到可靠、充足的环境信息,智能车辆通常配备多束激光雷达、微波雷达、高分辨率的摄像头,等等。如图3,一般情况下,智能车辆是由下列设备和技术:(1)CPU:计算指令通过执行算术、逻辑、I / O操作在一个有效的方法。此外,通信和应用协议也实现。(2)无线收发器:它传输数据和车辆,车辆和车辆之间的信息基础设施。(3)GPS接收器:接收全球定位系统的信息,并给予支持,提供导航服务。通过通信手段,集成GPS可以自动报告甚至车辆的准确位置的精度小于1米。聚集信息促进组织的形成排和可以提供相关提示信息事故、道路条件,等等。(4)传感器:各种传感器位于车辆的内部和外部来衡量不同的速度等因素,距离周围的车辆,等等,例如,一个超声波传感器基于声波,反映的对象。反射的声波可以用来识别附近物体的距离和相对速度。(5)I / O接口:它提供了用户友好human-vehicle交互。(6)雷达:无线电探测和测距监视器的位置相邻的车辆。汽车雷达分为远程雷达和短程雷达。这些传感器已经用于自适应巡航控制系统。(7)激光雷达:光探测和测距,传感器具有一维扫描功能,可以精确测量相对距离的车辆通过扫描激光束的水平面。传感器使用高能射线激光传输红外线光脉冲的波长,从850到950纳米(29日]。(8)酸:车载单元,每个车辆在这个系统配备一个酸、控制通信与SRSUs车辆,smb,和其他车辆通过DSRC / LTE-V [25]。(9)LCS:本地摄像头传感器是传感器观察司机的行为,还提供了准确、可靠的对象检测。

智能车辆技术必须能够使准确和可靠的环境感知基于不完整的和不确定的信息来自异构和多通道机载传感器。此外,基于集成学习到基于规则的决策方法来解决挑战不完美的环境检测和低可预测的交通参与者,智能汽车可以能够做出决定,做出相应的反应。

3.2。一个网络的智能汽车

的车载网络带来许多挑战未知的使用传统的无线通信系统在最近的过去。这一事实是一个高度动态的车辆环境和不同的QoS要求。介绍了各种通信机制来应对这些挑战,例如,短距离,联邦通信委员会(FCC)允许讲75 MHz的5.9 GHz乐队DSRC V2V和V2I通讯在美国和欧洲的ITS-G5基于IEEE 802.11标准。第三代合作伙伴计划(3 gpp)最近发起的项目支持车辆一切(V2X)在长期演进网络服务和5 g蜂窝网络(30.,31日]。每辆车在路上移动可以访问信息的帮助下周围环境的实时信息共享应用程序和基础设施。这道路安全和交通效率的基础应用程序(32]。

一般来说,有两种类型的车辆交流:V2V V2I。此外,其他实体,如车辆、行人,路边基础设施可以收集信息的周边环境(例如,接收信息从其他车辆或其他传感器设备范围)来处理和分享它,以便更多的智能服务可以提供。这些服务包括合作碰撞预警和自动驾驶。一个独特的虚拟车辆协调框架(33)已经在我们之前讨论的详细概述雾和大数据的重要性,这将有助于在未来智能城市的部署。图4代表整个沟通过程的智能汽车。

3.2.1之上。Intravehicle沟通

这一项是创造了汽车内部的表达交流。奥,这是安装在车辆,车辆(即内能够沟通。,various sensors provide information like traffic congestion, brakes, accelerator, or other nearby objects).

3.2.2。车辆间通信

它表示不同车辆或车辆之间的通信和传感器安装在或在不同的地点,如道路,停车场等等。车辆间通信意味着更大的技术挑战是车辆通信需要曾经支持当车辆是静止的,而他们正。车辆之间可以直接通信。这种性质的许可的通信车辆无论基础设施之间的信息共享。然而,V2V沟通适用于有限的范围。一个广泛的研究一直在进行V2V沟通环境。Alghamdi et al。34V2V)开发了一个系统的通信进行交叉协调选择需要先走。Al-Sultan et al。35)使用的系统给其他车辆纠正措施。在Zarza et al。36)和Nassar et al。37),系统通过V2V通知其他车辆事故的沟通。图5代表的V2V模式通信。

应用程序(如交通事故和街道停车支持V2V通信提高车载网络的通信范围。这些应用程序之间共享信息的车辆和路边单元当他们不在彼此的范围。在这整个过程中,其他车辆作为中介机构;他们接收和转发信息进入SRSU的范围。

3.2.3。Extravehicle沟通

舱外沟通一词代表车辆之间的通信和外部世界,也就是说,V2I(车辆边缘节点、SRSU smb,等等)。

部署边缘计算环境的道路可以确保行驶车辆之间的通信。一辆车可以与其他接近车辆交互,并通知他们的任何风险或交通瓶颈和路上的行人数量。此外,边缘计算便于访问、值得信赖和分布式环境的同步与当地的传感器(38]。

V2I允许车辆和基础设施之间的无线信息交换(如SRSU, smb等等)。作为车辆的OBU处理和存储容量有限,一些应用程序依赖于边缘服务器平台和中间件。在某些情况下,V2I沟通预计将访问全球信息,例如,在考察系统。同样,一些应用程序可以通过V2I提取天气信息和交通拥堵沟通。图5详细展示了V2I交流环境。

3.3。智能汽车服务

智能车辆提供各种各样的服务。其中的一些服务,包括助理开车,自主车,排,停车场,以下各部分将描述。

3.3.1。副驾驶

这些天,车辆就像汽车,巴士,和火车的设计以这样一种方式,他们提供有用的信息,也就是说,事故,关闭道路,和交通堵塞的帮助下传感器、执行器和处理器。这提供了更高的安全性和更好的导航的车辆。这种交通模式的信息可以有利于各种盈利和非盈利组织(39]。美国国家公路交通安全管理局分布智能车辆到五层(40]。图6描述自主车辆的智能车辆的发展,第一个四层描述智能车辆,而最后一层显示了完全无人驾驶(自主驾驶)。

3.3.2。自主车辆

进化的智能车辆自主驾驶,有一个需要最大连接在这些车辆。因此,增加车辆网络视为最重要的组件在智能交通系统的发展,智能城市。车载网络预计将提供各种高端应用,从道路安全,提高交通效率和自动驾驶不间断访问互联网服务(30.,31日]。自动汽车越来越受欢迎的世界各地,最近引起了汽车行业的一场革命。然而,有许多障碍,如安全性、可靠性和隐私,而建立了车辆的完全自动化的版本。这个事实不容忽视的自动车辆容易各种安全威胁;例如,如果一个杀毒软件是通用的,然后一个攻击可以导致许多事故。同样,通过互联网连接的系统可能被未经授权的用户和黑客攻击有很多威胁,还不清楚。

车辆设计以这样一种方式,它可以预测的关键安全问题和执行相应的功能,同时监控道路状况在整个旅程。这种类型的设计假定司机将提供目的地或导航但她/他不可能控制在整个旅行。因此,安全操作是自动车辆系统的功能(41]。

虽然自动车辆系统是完全不同于连接车辆技术,它与后者。连接车载网络使车辆通过交通基础设施共享信息。车辆也可能与邻近车辆分享传感器信息,可以作为回报提供AV与决策可以基于附加信息。国际论坛的专家预见商业内幕和世界经济论坛的影响自动化车辆整体经济大道和模式的转变从一个地方移动到另一个地方。在未来,我们可能会看到一个切换从个人车辆转向自动车辆的乘坐像超级或Lyft [42]。

3.3.3。排

排是一组智能车辆,车辆驾驶支持系统,一个是另一个。排形成与车辆驱动技术和与对方通过共享通信。“智能车队”并可能由于各种技术的发展高级驾驶员辅助系统,自适应巡航控制、车道偏离警告系统,盲点信息系统,和睡意检测系统完全配备传感器和致动器。现代汽车控制流程;人机界面和这些技术的融合帮助车辆参与合作连。

重型卡车的燃料效率可以提高使用合作连可以预期随着速度的变化,从而导致车辆保持一个稳定的速度。随着二氧化碳排放的燃料消耗量正比,合作连间接可以减少环境污染。连合作的另一个好处是道路安全的增强。在紧急情况下,消息传递给所有车辆在一个排,然后一个合适的机制是由相应的自动化系统设计;例如,在碰撞中汽车的情况下,自动制动系统将启用43]。

3.3.4。停车场

在城市地区,停在了停车场的车辆的数量是巨大的。此外,停放车辆在街道停车,广泛分布在地理上外停车,等等。停车场车辆不改变它们的位置,与移动车辆,在一定时间。因此,这些停放车辆预计不会携带信息从一个地方到另一个地方。尽管如此,停放车辆作为通信基础设施和有自己的指定的特性。随着科学补充与无线通信设备和可充电电池,要容易得多,停学会相互沟通和这些停放车辆甚至可以连接到附近移动的科学价值。停科学,因此,作为提高静态骨干连接在车辆。这些科学可以作为通信基础设施承载和传输数据包其他车辆。停科学成为可靠和容易沟通节点由于其丰富,长时间保持,广泛分布在市区内。停放车辆的数量在一个停车场,停车时间的关键因素是影响停车辆通信基础设施的使用(15]。

繁重的计算任务可以通过合作开展科学时,加入合适的通信条件下,停车场。根据(44),由于资源约束,个人车辆不能满足巨大的计算需求。要解决这个问题,停科学提供强大的充分利用计算资源,实现在较短的时间内有效地分配任务。这个环境可以被视为小数据中心,因此可以执行繁琐的任务,需要更大的计算能力。图7解释了停车场的环境。

3.4。智能车辆应用程序

矢量和的概念,利用智能汽车作为基础设施,各种车辆应用程序相关的一个领域,例如,开车安全,基于“增大化现实”技术,信息娱乐服务和视频。高计算处理的应用需求,VEC网络扮演着重要的角色在冲计算,从而减少了延迟如果事故发生,我们需要制定一个解决方案重新安排交通信号灯和消散大型交通积压在一个合适的方式。这有一个特殊的计算资源的需求(45]。在本节中,应用程序被分为两组,即安全应用程序和nonsafety应用程序。VEC支持两种类型的应用程序,这在下面讨论。表2显示不同的应用程序的带宽、延迟和数据要求。

3.4.1。安全应用程序

这一类的应用程序集中在改善安全通过限制事故的可能性。这些应用程序跟踪期望的驾驶环境和通知驾驶员危险点,防止事故发生。

(一)行车安全。全球相机传感器安装在交通控制信号可以确定运动的区域通过识别检测领域中的特定牌照区域(46]。它还可以记录当前位置与车辆数量向当地边缘服务器(47]。当地智能相机传感器(LCS)部署在车辆的正面记录司机的活动。时空的视频对象分割技术是用来检测司机的交互与手持设备(48]。这次LCS会给司机对这个活动的警告消息。重复的警告在正确的时间将帮助司机避免任何危险情况和将保证他的安全49]。LCS单元必须能够生成这些警告消息驱动程序(50]。发送一定数量的消息后,LCS报告令人不安的运动与车辆的边缘服务器。标识符包括活动证明,车辆的数量。

(b)环境敏感。相关的上下文感知系统使用上下文信息用户可以用来修改其操作根据环境情况在任何地方和时间。上下文感知应用程序适应这些应用程序根据用户的上下文的操作,由传感提供了特定于环境的上下文信息(51]。上下文感知应用程序由以下部分组成(52]:(我)上下文获取:从不同的传感器收集特定于上下文的信息。(2)处理:它适用于推理技术来获取上下文信息。(3)代理:上下文方便用户根据其当前的地点和时间。

通过上下文的知识,它还可以帮助生产环境敏感简洁的信息,将使用更少的无线电资源的传播。例如,如果一个废话想传送文本信息用户,BS只能传输其上下文编码数据。用户将提取所需内容从上下文通过利用一个适当的解码器和大数据分析技术如NLP (53]。

3.4.2。Nonsafety应用程序

VEC应用压力不仅对安全服务,而且开发nonsafety应用程序,例如,多媒体应用和视频一样,基于“增大化现实”技术和信息娱乐服务。流媒体应用的数量显著增加,这些贡献的一大部分网络流量。

(一)视频。视频是一个重要的形式的物联网通信(54),它涉及到智能手机,例如,对于视频众包(55]。互联网各种应用程序使用的车辆(IoV)是智能交通系统和移动多媒体。在IoV,用户通过互联网连接和连接手机访问远程服务器的多媒体内容。然而,保持QoS很有挑战,但考虑的参数视频流应用抖动,缓冲、吞吐量和传输延迟。这个挑战是面临在IoV由于高机动车辆。在[56),一个分布式可靠的实时流车辆cloud-fog网络提出了。效用函数被认为是提高实时流的QoS和移动设备之间的公平的资源预订。效用函数考虑提供流媒体内容和数量的令牌的预订内容服务提供商,边缘,和云。每一个移动设备,在网络中,探讨其可能的位置,为流媒体的数据量,从而为内容提供所需的令牌将有效储备从计算流媒体内容服务提供商。通过这种方式,移动设备将有一个高概率获得足够的内容通过支付一定数量的令牌。因此,流实用工具可以增强,因此使它更可靠。

现在,很有可能想象停车场监控问题的创新解决方案。为,在57),基于优势的方案计算预计每辆车的上传的内容收集的街头摄像头的视频分析。ParkMaster使得系统能够估计每个停放车辆的精确位置。它还可以跟踪和计数停放车辆通过车辆的相机所提供的资料,GPS和惯性传感器。

(b)增强现实。基于“增大化现实”技术是一个不断演进的多媒体应用,包含真实场景为虚拟场景没有故障,它可以添加虚拟场景到真实的场景,增加传统真实的图像信息。这种技术可以增加车辆和行人的交通意识在附近的司机。此外,平视显示可以减少司机的干扰,从而提高驾驶安全。与AR-based head-up-display (HUD)基于导航系统检查内容(58]。同样,HUD-based导航系统也被研究了安全与便利服务59]。最近,一个应用程序开发为步行导航,它使用相机执行和GPS汽车导航系统,基于“增大化现实”技术的技术。它是非常方便的,因为它指示司机通过一个虚拟路径。司机能够得到实时导航得到驾驶条件没有阻碍他的安全。

的输出设备的相机是由边缘计算分析的应用,从而覆盖对象与基于“增大化现实”技术的内容。基于“增大化现实”技术涉及到复杂的存储操作和繁琐的数据处理任务;因此,它需要增加水平的数据存储、计算和通信。使用VEC被认为是最好的选择来满足需求的基于“增大化现实”技术应用在车载网络中特定需求的流动性,位置识别和低延迟。

(c)信息娱乐服务。这些类型的服务帮助招待旅客,让他们通知向目的地航行。信息娱乐服务是由许多研究项目的一部分,以提高车辆乘客的舒适。例如,一个欧洲研究项目在强调建立合作开发汽车基础设施提供商系统(新的)。确保不间断V2V和V2I沟通,预计新的提供许多便利和业务应用程序和安全应用程序。Fleetnet [60)是一个德国的项目,其主要目标是提供一个平台V2V通信提供nonsafety应用程序(例如,web access)和安全服务(如合作推动)。TracNet是一个汽车互联网接入系统被微软了。这个项目可以让互联网服务车辆的视频屏幕。这也可以把整个汽车变成一个基于IEEE 802.11的wi - fi热点;因此,手持设备或笔记本电脑也可以连接上网。此外,信息娱乐服务的目的是为旅行者提供所需的信息服务和娱乐他们旅途愉快,例如,地图下载,自动收费系统、支付系统停车。

4所示。矢量技术问题分类

在本节中,VEC已明确强调的一些技术问题。表3本节给出了一个简单的概述。

4.1。延迟

各种即将到来的车辆应用程序需要实时迁移的支持(例如,定位系统和智能交通信号灯)。这个因素使得网络延迟思考的一个重要领域。和云之间的长途汽车并不是唯一的参数导致延迟。此外,它也可能造成路由最优路径的能力,在排队延误,或其他各种因素。然而,新的车辆应用程序需要大量的计算能力来处理复杂的任务。实现低延迟的数据传输和最大吞吐量,有些方法已经被分类。

以下4.4.1。路由方法

认为地理路由的路由方法,即定位路由,使本地决策。一个特定节点传输一个数据包,需要考虑三个位置,也就是说,它的当前位置,目的地位置,其单邻居。在[64年),一个路由方案命名为改善地理路由(IGR),提出了针对该车辆在城市环境中移动。IGR VEC利用计算资源利用和车载通信。在更新后的贪婪转发模式下,链接的错误率在路径选择治疗。IGR显示大幅改善包率以及端到端延迟。

在[65年),一个叫边缘节点的贪婪路由的方法基于贪婪路由(EBGR)。EBGR的主要目标是增加网络的数据包行为的流动性高,提高了消息的可靠性。EBGR,数据包的转发节点发生,这是出席转发节点的传输范围的边缘以及节点的考虑目的地的方向。Prasanth等人研究了数据包的传输延迟可以最小化当前路由协议相比,也就是说,GSR, GPCR,和a *, VANET的。

4.1.2。SDN方法

这种类型的网络专注于逻辑上集中网络控制平面。它有助于实现一个健壮的管理资源和交通控制的机制。SDN-oriented网络提供了灵活性、可编程性和网络的知识。Tomoviv et al。66年)提出了一个模型,物联网支持实时数据的灵活性和可伸缩性。边缘的集成/雾计算和SDN服务,可以解决延迟问题敏感,需要实时分析。有效的管理和分配网络服务也可以实现这种集成。因此,在[25),作者提出了VANET架构称为FSDN,集SDN和边缘计算作为一个潜在的解决方案。他们考虑了VANET组件支持SDN集中控制。这些组件考虑各种因素,例如,物理介质、移动性和能力。

提出了系列mobile-edge车载网络在67年),最关键的无线服务的QoS的先决条件是延迟高速车辆的环境。针对移动场景的延迟要件,作者揭示整个一系列的延迟控制机制,从电台访问指导在基站处理缓存。复杂的处理能力是一个基本的特性考虑,建立车辆技术新兴驾驶机器,这些机器不能仅仅依靠无线基础设施来保证驾驶员的安全。

4.1.3。5 g的方法

随着5 g的移动通信网络,现有的车载网络的性能不仅可以增强但车载网络的新的应用程序也可以支持。在[68年),5 g的模型软件设计车载网络(SDVNs)建议将技术优势/雾和云计算。开发/雾边缘细胞的边缘5 g车载网络,以避免重复RSU和车辆之间的交接。多次反射的方法是采用车载通信/雾边缘细胞内。5 g SDVNs比传统的方法的吞吐量和传输延迟。5 g软件定义车载网络有可能提供最大的灵活性和兼容性ITSs无人驾驶车辆和未来的需求。在[69年),另一个5 g下一代VANET模型是基于SDN的核心设计,Cloud-RAN和边缘/雾的计算机技术。动机的普遍方法是结合SDN和凹口特定特性与5 g通信技术与全球资源合理分配的方法。这个模型还导致更好的吞吐量和延迟最小化。

一个名为判的新体系结构检查(70年]。这是一个hybrid-computing V2G网络模型。判,顾名思义,提供边缘/雾和云V2G网络。临时雾和永久的云是两个子,使判的基础设施。边缘计算作为子模型判由于动态移动通信资源。此外,5 g技术被用来克服极端的问题,车载终端和移动数据流量的增长。

4.2。调度和负载平衡

车辆网络确保有效的沟通来提高数据的传播工具之一。大量的车辆进行数据传播,导致增加负载。最近开发的调度算法以这样一种方式来适应不同挑战的队列长度。其中一个算法是经典的最短队列的政策。最短的队列不会意味着最小等待时间;因此基于时间调度被证明是更有效和可靠的。因此,陈等人。71年)提出了一个调度基于两个动力学、响应时间和队列长度。这使得不同车辆的通信交流环境。他们制定一个三层云设计车辆的边缘/雾计算找到它的起源。架构是基于组分的方法,称为PEPA。PEPA艾滋病大规模系统的建模,因为它的特征组合和抽象。在[72年),分布式公共汽车(PV)调度系统预计于一体的边缘计算技术和车载传感。这个模型包括元数据的组件集合,一个近似的成本,响应请求,PV调度。边缘节点收集和保存元数据和这些节点充当中介。然后感觉到通过车载网络中提取数据。光伏系统支持启发式插入算法和车辆节点之间的合作策略,边缘节点(节点)的雾,云来发送请求以及对PV安排路线。

如果一个边缘服务器失败,然后恢复失去的连接和持续的服务需要要求调度算法。在[73年),提出了一种实时调度算法。连接车载环境相当与MANET的不同组件的移动环境,提出了模型是不同的,一个增广的前面的模型形式,也就是说,最早截止日期前(74年和大多数要求第一75年]。该算法利用现有算法和利用边缘服务器服务队列,它得到了更好的算法结果的不同要求的延迟。

分散的网络设备在边缘计算网络计算能力薄弱。因此,如何在IoV分配的任务是很重要的,这需要计算和平衡负载根据边缘网络的设备的能力。因此,在[76年),一个SDN-based MPSO-CO提出,这是一个集中的负载平衡算法。这是优化工作负载之间的边缘/雾网络可以有效地延迟最小化和QoS可以改善SDCFN(软件定义云/雾网络)使用建议的体系结构。

4.3。卸载

边缘服务器可以减少成本和传播产生卸载服务的快速响应,因为接近车辆的用户。尽管快速响应率,边缘服务器通常面临资源的限制,相比传统的云服务器,它有一个大的计算能力。边缘服务器需要一定时间来执行计算任务。特别是边缘服务器位于道路段,有高密度的汽车相比其他人。在[77年),计算分析了卸载基础设施,强调在V2I转移框架的计算有效性和V2V的交流模式。此外,一个有效的预测combination-mode降级方案时考虑的执行任务的时间消耗和车辆的机动性也提出了。在这个模型中,任务卸载到MEC服务器直接上传和预测中继传输。

Saqib et al。78年)检查一个可靠的模型来计算命名为FogR卸载。它假定雾网络可以应对任何紧急与智能交通系统更大的可靠性。如果某个边缘节点失败,事情会因此连接到其他边缘/雾的邻近节点可用。如果一辆汽车正试图使其朝着目的地通过交通在紧急情况下,它可以很容易地使用智能交通系统。

y Bi (79年)提出了跨层和相邻vehicle-aided快速切换方法提供一个用户友好的体验,使他们始终连接在线运行时通过城市道路。车辆可以帮助周边车辆为了得到合格的车辆,指定目标AP,并收集相关的信息在进入这种援助的目标美联社的报道。从邻近的车辆,车辆可以选择目标AP的IP地址。这可以显著减少切换延迟。在这prehandoff过程中,车辆还可以继续交换的数据与现有的美联社。这将有助于实现高吞吐量。

4.4。资源管理

连通性是一个功能,需要嵌入在汽车(80年,81年),因此连接车辆开发增加态势分析和提供更多的关于旅游环境的信息。相比之下,有一个巨大的挑战在收集、存储和处理这些车辆的所有数据,然后是另一个任务的管理资源。苗族et al。82年)提出了一个基于模糊逻辑的资源管理方案(FLRM) VANETs边缘计算。FLRM计划管理在本地服务器的资源。在FLRM,记录时间和下载时间的请求V2I通信模式。生存时间为每个资源决定使用收集到的信息的帮助下基于模糊逻辑的评价算法。资源可以通过模块化处理生存时间更新列表。这个提议的模型有效地管理资源共享和资源来满足用户的需求的动态拓扑中,不稳定的连接,或本地服务器的存储容量有限。

将服务从源节点到目标节点,一个边缘服务器必须有足够数量的资源。在现实中,一个边缘节点有一个收集的资源不足,因此这些可以成为超载当许多用户的请求到达一次;例如,在高峰流量,它导致退化的表现。文献[83年)有针对性的管理策略在每个边缘节点(节点)的雾,在FeRANs引导资源管理。提高QoS,专注于实时车辆服务。支持这两个方案,名叫雾雾资源预订和资源再分配。实时车辆服务的on-hop概率是增强使用这种方法即使雾加载资源。

交通拥堵造成的损失数十亿美元每年由于燃料消耗和失去的时间。为了解决这些问题,Brennand et al。84年ITSs]提出了一种实时机制作为福克斯(快速抵消XPath)。这种机制被用来监视和管理VANETs拥堵的交通。通过边缘/雾计算的好处,福克斯机制能够减少平均行驶时间,燃油消耗发射。

4.5。安全性和隐私

在车辆的安全和隐私问题通常普遍人群感应,这需要用户身份和位置隐私保护。在这方面,提出了各种解决方案已被称作域的群体感知和场基于车辆发动的感应。边计算,是一个新兴的模式,解决了这些问题。Basudan et al。85年)提出了一个保护隐私协议,旨在改善crowdsensing-based道路安全状态监测系统,同时利用边缘计算。特别是,这个命题引入certificateless总signcryption方案非常有效的减少通信开销和也有一个更快的验证过程。据说这个方案的最小计算成本比其他方案86年,87年]。此外,控制中心系统模型认为,限制,云服务器,和车辆路面状态监测系统的一部分。

车辆通信网络,作为智能交通系统的一个重要元素88年),支持多种移动应用程序从内容分享information-providing服务(89年]。因此,重要的是建立一个方法,是安全的,确保高效的数据共享。在[90年预计),一个数据共享方案,分析了multiauthority CP-ABE方案有效解密,同时保护CP-ABE系统安全对共谋攻击。主要提出了解密云。为了确保向前和向后的安全,他们开发了一个有效的用户和multi-authority CP-ABE。

VANETs,车辆之间的信任必须开发安全完整性,确保应用程序的可靠性。可靠的来源确保可靠的收集信息从周围的车辆。Soleymani et al。91年]预测模糊信任模型,该模型被认为是快速、更精确和可靠的,这样从授权车辆接收到的信息是准确的和声音。这个模型进行一系列的安全检查,以确保收到的信息的可信度。此外,该模型不仅检测有缺陷的节点和非法攻击者还处理不确定性数据的车载网络包括视线和视线外的场景。在[92年),梦想是边缘服务器上执行本地声誉管理任务的车辆。投影系统提高总体性能通过维护一个分布式的信誉,确保信任的声誉,使用可用的声誉,和更新准确的声誉。最重要的是,这个模型实现multiweighted逻辑系统的更新准确的声誉。服务提供商的资源分配在计算卸载优化基于车辆的声誉。梦想也能够增加任何不当行为检测和行为不端的汽车提高了识别率。

所有的组件在一个大型VANET并不值得信赖;因此负面消息(93年],它显示的属性nonreliable来源,需要生成为了使VANET更加安全。负面消息的分配是基于在VANET Meet-Table。黄等。94年)提出一个名为Meet-Fog的模型,基于雾和Meet-Table技术来准确地传播负面消息像在VANET CRL(证书撤销列表)。这个计划完全转移的边缘而不是云计算需求,从而减少了带宽和存储需求的云。在[95年),提出了一个有效的撤销VANET架构。这种利用边缘计算和Merkle哈希树增加证书状态的有效性检查的过程。撤销信息可以减少的数量,对于每一个特定区域,边缘节点是独特的,而Merkle哈希树验证证书的完整性状态。因此,没有必要车辆信任边缘节点。在这种情况下,验证延迟也减少了与其他方法相比,使用CRL检查。

5。挑战

距离和分散的服务基础设施边缘提供不同的福利低延迟等网络,提高能源的利用率,更大的吞吐量。最新的车辆被嵌入不同的传感器进行处理和无线通信能力。这使得很多潜在的好处被利用,如安全、效率和安慰时在路上。VEC起来,然而,不同的挑战,在这一节中。

5.1。流动性

传统的传感器网络模型考虑静态环境。同样,特设网络还集中在有限的移动基于笔记本电脑和手持设备的用户。然而,流动性是车载网络的规范。车辆的流动模式有一个健壮的相关性。每辆车在路上有一组不断变化的邻居,其中一些以前从未遇到,很可能在未来有一个互动。这个不断变化的车辆动力学性质可以阻碍基于声誉机制的效用。,根据不同的车辆的可靠性报告可疑的证明是有用的;也就是说,任何特定的车辆可能得不到足够的信息从同一车辆车辆使其决定。此外,两辆车都可能在几秒钟的通信范围,我们可以不考虑协议,要求发送方和接收方之间的交互。升级迁移率模型是必要的,以便提供相关数据准确的车辆行为,如车辆速度,预测车辆的声誉,并在空间和时间分布。 In particular, we need to develop a more elaborate mobility model, which studies the mobility patterns accurately and precisely for different environments that are useful for practical applications. Knowledge of prevalent vehicular behaviors and mobility patterns can help conduct better communication and computational resource utilization. Therefore, mobility between edge nodes and between edge and cloud can also be studied. Contrary to conventional data centers, edge devices are geographically deployed over heterogeneous platforms. The QoS across platforms must also be optimized.

5.2。路由和转发

的路由和转发,很多问题出现边缘服务器的切换和他们的服务从源到目的地根据车辆的运动。(1)边缘服务器切换:车辆通常决定下一步行动的一个短时间内的车辆不断运动的速度。因此,很难预测特定的车辆将其服务的基站或边缘服务器之一,基于交通和公共交通信息使车辆迁移预测车辆的过渡模式下一个位置。尽管许多技术已经应用于确定问题,仍然是一个开放的研究问题,很多工作需要做。(2)服务转换:正如上面所讨论的,当车辆改变从一个边缘服务器到另一个位置,那么服务,它使用从前面的边缘服务器,将被转移到一个新的边缘服务器。在[96年),一个算法来预测的QoS服务提出了建议。虽然这种算法有效地为移动用户,它可能不是很有效的车辆环境中。这是一个非常复杂和微妙的任务获得及时和可靠的服务车辆和边缘服务器之间传输的QoS为了保持车辆的环境。

5.3。内容缓存

内容缓存预取和合作缓存等可以实现矢量。缓存的内容也可以包括这些元素,车辆并没有要求但他们抓住这些内容通过无线连接。它可能是有用的工具来保存和转发这些未被要求的内容(例如,生成警报的麻烦)。除此之外,仍有差距,在缓存策略,创建最有效的时间和空间范围内车辆的内容。通过缓存内容的空间范围(例如,紧急信号相关性地区还遥远的一侧),也caching-out旧的内容(例如,一个小时前交通拥堵信息高速公路),此外,一些燃烧技术含义如下:(我)尽管vehicle-to-vehicle沟通可以提高网络的容量缓存的内容,但它仍然是无法验证的可靠和高效的数据服务车辆由于极其动态和不确定网络拓扑结构和严格的信道条件。(2)自从SRSUs部署在不同的地点和不同的网络运营商的他们,SRSUs提供内容的合作必须考虑车辆的定价模型。(3)缓存方案需要发展来增强内容命中率最低交接成本,通过识别缓存大小分割,普遍的内容更新,并确保mobility-aware缓存顺利交接即使高机动车辆。

此外,这些车辆的高速缓存系统需要策略,通过考虑地形和网络配置有效探索优势。

5.4。部署网络元素

足够数量的网络元素提高大规模网络的性能。自部署网络设备产生的高成本,有必要优化安装一个合适的网络元素的数量。主要关注的问题是找到一个合适的位置所以车载网络的效率可以最大化。此外,必须优化成本和边缘服务器和SRSUs应该部署在这样的地方可用资源管理优化。由于不同的交通分布在城市环境中,更多的服务器部署在拥挤的地区。作为服务器中扮演着至关重要的角色发送流量包,旁边的SRSUs目前服务器导致流量数据包进入基础设施没有任何需要多次反射通信。通过基础设施,这些数据包将被转移到网络中其他节点。通过访问,通过削减啤酒花极其少的基础设施的接收时间服务器发送消息到其他节点。因此,它最终是需要建立一个优化模型,衡量的最低需要边缘服务器以及SRSUs部署为了降低部署成本和最大化的QoS。

5.5。安全性和隐私

车辆的动态网络,他们的灵活性,nonrigidness有投入的数据安全和隐私问题的主要挑战是身份验证安全(22]。作为车辆的边缘,混合云节点作为接入点,由边缘节点和中央云,所以有一个安全和隐私侵权的风险。黑客可以发送命令和禁止非法信息而获得的任何边缘节点。这可能导致不可靠的网络所提供的服务97年]。此外,用户的隐私风险也在网络被攻击的黑客可以访问客户的私人信息。在智能电网网络,diffie - hellman密钥交换(98年和公钥基础设施99年)加强框架身份验证问题。此外,风扇等。90年)检查小说multiauthority CP-ABE方案最有效的解密理解数据访问控制在车载网络中撤销方法论和设计一个有效的用户属性。然而,仍然有许多安全问题,可能会出现由于膨胀率较高的车辆边缘网络。更加动态的框架需要建立更好的加密信息的安全和隐私不能违反和边缘计算变得更加安全。

6。结论

在这篇文章中,我们已经讨论了矢量,架构开发支持高水平的可伸缩性、实时数据交付,和机动性。VEC汽车被认为是一个合适的模型,因为它可以减少对服务要求实时决策延迟。因此,VEC也大大提高了计算性能比传统的系统通过促进智能车辆的计算,目前最好的利用充分利用计算资源的个人交通工具。此外,广泛概述了VEC的先前的研究工作。此外,我们已经讨论了几个未来的发展方向和开放的挑战有关这个领域的学者和研究人员。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作得到了国家自然科学基金(61602054和61602054)。

引用

1. m . Khabazian s Aissa, m . Mehmet-Ali”性能建模的消息传播与优先级车辆临时网络,”IEEE在选定地区通讯》杂志上卷,29号1,第71 - 61页,2011。视图:出版商的网站|谷歌学术搜索
2. Gartner的报告,http://www.gartner.com/newsroom/id/3165317。
3. 技术和自动驾驶汽车的要求,https://www.intel.com/content/www/us/en/automotive/driving-safety-advanced-driver-assistance-systems-self-driving-technology-paper.html/。
4. 美国馆、m . Inami和y Uema,“增强现实可以帮助司机看到盲点。”IEEE频谱2014年,卷。31日。视图:谷歌学术搜索
5. m . Vouk“云计算问题,研究和实现,”计算和信息技术杂志》上》16卷,第246 - 235页,2008年。视图:出版商的网站|谷歌学术搜索
6. d . Rountree和Castrillo,云计算的基础知识:了解云计算的基础理论和实践,2013年。
7. s . Olariu i哈利勒,m . Abuelela采取VANET云,“国际期刊的普适计算和通讯,7卷,不。1,7-21,2011页。视图:出版商的网站|谷歌学术搜索
8. m . Shojafar: Cordeschi,大肠Baccarelli”节能自适应资源管理实时车辆的云服务,”IEEE云计算,2016年,页1 - 1。视图:出版商的网站|谷歌学术搜索
9. m . Whaiduzzaman m . Sookhak A Gani, r . Buyya“云计算车辆上的一项调查,”网络和计算机应用》杂志上,40卷,不。1,第344 - 325页,2014。视图:出版商的网站|谷歌学术搜索
10. 诉g·梅农和p .乔Prathap”,从云计算车辆到车辆雾计算:问题和挑战,”国际计算机科学与工程杂志》上,9卷,不。2、2017。视图:谷歌学术搜索
11. m .蒋介石和t .张雾和物联网:概述的研究机会,”IEEE物联网,3卷,不。6,854 - 864年,2016页。视图:出版商的网站|谷歌学术搜索
12. a . v . Dastjerdi和r . Buyya雾计算:帮助物联网实现其潜力,”电脑杂志卷,49号8篇文章ID 7543455, 112 - 116年,2016页。视图:出版商的网站|谷歌学术搜索
13. f . Bonomi r·米利托,j·朱和s . Addepalli“雾在物联网计算及其作用,”诉讼的ACM移动云计算大会第一版的MCC车间,13 - 16,2012页。视图:出版商的网站|谷歌学术搜索
14. 吴c . j .冯z . Liu, y,“万福:自主车辆的边缘与ACO-based调度计算框架,“IEEE车辆技术,卷66,不。12日,第10675 - 10660页,2017年。视图:出版商的网站|谷歌学术搜索
15. x, y, m, d, d·金和s·陈,“车辆雾计算:车辆作为基础设施的角度,“IEEE车辆技术,卷65,不。6,3860 - 3873年,2016页。视图:出版商的网站|谷歌学术搜索
16. 李h . m .董,k . Ota”控制平面优化软件定义车辆的临时网络,”IEEE车辆技术,卷65,不。10日,7895 - 7904年,2016页。视图:出版商的网站|谷歌学术搜索
17. d·克鲁兹f·m·v·拉莫斯·e·Verissimo c . e . Rothenberg s Azodolmolky和s Uhlig“软件定义网络:一个全面的调查,“IEEE学报》,卷103,不。1、14 - 76年,2015页。视图:出版商的网站|谷歌学术搜索
18. k . Kai w .琮、l .道,“雾车载自组网的计算:范例,场景,和问题,“中国邮电高校学报,23卷,不。2,56 - 96,2016页。视图:出版商的网站|谷歌学术搜索
19. E.-K。Lee m . Gerla g .加索尔Lee和黄永发。Lim,“互联网的汽车:从智能电网自动汽车,车辆雾,“国际期刊的分布式传感器网络,12卷,不。9日,2016年。视图:出版商的网站|谷歌学术搜索
20. d·塔里亚,“云可伸缩的大数据分析,“电脑杂志,46卷,不。5、文章ID 6515548, 98 - 101年,2013页。视图:出版商的网站|谷歌学术搜索
21. n .彼得,“雾计算及其实时应用程序,”国际期刊的新兴技术和先进的工程,5卷,不。6,266 - 269年,2015页。视图:谷歌学术搜索
22. 即Stojmenovic和美国,“雾计算范式:场景和安全问题,”IEEE会议程序计算机科学和信息系统,1 - 8,2014页。视图:出版商的网站|谷歌学术搜索
23. h . El-Sayed s Sankar m·普拉萨德et al .,“事情:边缘大局的集成优势,物联网和云计算在分布式计算环境中,“IEEE访问》第六卷,第1717 - 1706页,2017年。视图:出版商的网站|谷歌学术搜索
24. Ku, y, m . Gerla r·l·戈梅斯f . Ongaro大肠Cerqueira,“对软件定义VANET:体系结构和服务,”《IEEE会议特设网络研讨会,第110 - 103页,2014年。视图:谷歌学术搜索
25. n . b . Truong g·m·李和y Ghamri-Doudane“软件定义networking-based车辆与雾计算特定的网络,”IEEE会议程序集成网络管理,第1207 - 1202页,2015年。视图:出版商的网站|谷歌学术搜索
26. r·侯赛因j .儿子,h .恩,s . Kim和h哦,”反思车载通信:合并VANET和云计算,”《IEEE会议云计算技术和科学,第609 - 606页,2012年。视图:出版商的网站|谷歌学术搜索
27. a . m . Vegni m·比亚吉,r . Cusani“智能车辆技术和主要应用在车辆临时网络,”InTech,2013年。视图:谷歌学术搜索
28. h·A·厄尔Zouka”安全的互动架构车载云环境,”IEEE会议程序智能云,第261 - 254页,2016年。视图:谷歌学术搜索
29. c·康诺利,“交通事故驾驶员辅助系统旨在减半。”传感器检查卷,29号1、13 - 19,2009页。视图:出版商的网站|谷歌学术搜索
30. l .梁h .彭g . y . Li和x沈,“车辆通信:网络层的角度来看,“IEEE车辆技术,卷66,不。12日,第10659 - 10647页,2017年。视图:出版商的网站|谷歌学术搜索
31. h .你们g . y . Li和B.-H。f . Juang深v2v通信基于强化学习的资源分配, 2018年。
32. 施j . s . Chen, y, l .赵”LTE-V: TD-LTE-based V2X未来车载网络解决方案”IEEE物联网,3卷,第1005 - 997页,2016年。视图:出版商的网站|谷歌学术搜索
33. m·m·r·Anawar s Wang阿齐亚,a . k . Jadoon Akram,和美国Raza,“雾计算:大物联网数据的分析,概述”无线通信和移动计算,2018卷,2018年。视图:谷歌学术搜索
34. w·Alghamdi大肠Shakshuki, t·r·Sheltami“环境敏感驾驶员辅助系统,”Procedia计算机科学,10卷,第794 - 785页,2012年。视图:谷歌学术搜索
35. s . Al-Sultan a . h . Al-Bayatti h .比较饱满,“环境敏感司机行为检测系统在智能交通系统中,“IEEE车辆技术,卷62,不。9日,第4275 - 4264页,2013年。视图:出版商的网站|谷歌学术搜索
36. h . Zarza h . Karimi)穆罕默德,s . y . Hosseini h·r·Ataeian和h . Rostami”Cagfp:上下文知道geocast转发协议跨车辆通信”《IEEE 21伊朗电气工程会议,2013年。视图:谷歌学术搜索
37. l . Nassar m . s .卡迈勒,f . Karray”VANET IR-CAS安全ACN:信息检索上下文VANET意识到系统自动安全事故通知应用程序中,“智能交通系统研究的国际期刊,14卷,不。3、127 - 138年,2016页。视图:出版商的网站|谷歌学术搜索
38. s . k .达塔,c .阀盖和j . Haerri“雾计算架构,使消费者为中心的物联网服务”《IEEE会议消费电子产品,2015年,页1 - 2。视图:出版商的网站|谷歌学术搜索
39. l . Atzori a Iera经纪人莫拉比托g .,“物联网:一项调查,”计算机网络,54卷,不。15日,第2805 - 2787页,2010年。视图:出版商的网站|谷歌学术搜索
40. x Cheng c . Chen w·张,y,“5 g合作智能车辆(5 genciv)框架:当奔驰遇上马可尼,”IEEE智能系统,32卷,不。3,53至59页,2017年。视图:出版商的网站|谷歌学术搜索
41. j·m·安德森,k .怀k·d·斯坦利·索伦森c·萨马拉斯和o . a . Oluwatola自动驾驶技术:政策制定者的指南美国兰德公司,圣莫尼卡,加利福尼亚州,2014。
42. 看看未来的5克,https://spectrum.ieee.org/computing/software/a-look-at-the-future-of-5g/。
43. b . Gaudet“合作卡车连系统的审查,”加拿大国家研究委员会ID 23000190条,卷。10日,2014年。视图:谷歌学术搜索
44. m .设拉子,A . Gani r·h·Khokhar和r . Buyya”审查在分布式应用程序处理框架移动云计算、智能移动设备”IEEE通信调查和教程,15卷,不。3、1294 - 1313年,2013页。视图:出版商的网站|谷歌学术搜索
45. m . Eltoweissy s Olariu m·尤尼斯,“自主车辆的云,”《施普林格国际会议会议特设网络,硕士论文,2010页。视图:出版商的网站|谷歌学术搜索
46. k .香港d . Lillethun拉马钱德兰,b . Ottenwalder和b . Koldehofe”移动雾:在互联网上大规模应用程序编程模型的事情,”诉讼的ACM SIGCOMM车间在移动云计算,15 - 20,2013页。视图:出版商的网站|谷歌学术搜索
47. Kaur考尔,k . Dhillon m . Manvi和r·辛格“自动检测车辆注册登记系统板从视频环境使用修复技术,烟雨朦胧”国际期刊的计算机应用程序,卷97,不。20日,14 - 19页,2014年。视图:出版商的网站|谷歌学术搜索
48. 美国罗伊,r . Bose和d . Sarddar”驾驶违反规则的光纤陀螺仪的DSS模型监测物联网框架,“国际先进的科学和技术杂志》上卷。82年,23-32,2015页。视图:出版商的网站|谷歌学术搜索
49. g . Vashitz d示,y .布卢姆“车载信息系统,提高公路隧道交通安全,”交通运输研究F部分:心理学和行为,11卷,不。1,第74 - 61页,2008。视图:出版商的网站|谷歌学术搜索
50. s . j . Miah和r·艾哈迈德,”司机安全的基于云的dss模型和监控澳大利亚的道路上,“国际新兴科学杂志》上,1卷,不。4 p。634年,2011年。视图:谷歌学术搜索
51. m·巴尔s Dustdar f·罗森博格,在上下文感知系统中,一项调查”国际期刊的特别和无处不在的计算,卷2,不。4、263 - 277年,2007页。视图:出版商的网站|谷歌学术搜索
52. h . Vahdat-Nejad A拉马、t·穆罕默迪和w·Mansoor”上下文感知车载网络应用程序的一项调查,”车辆通信,3卷,43-57,2016页。视图:出版商的网站|谷歌学术搜索
53. t . e . Bogale x王,l·b·勒”机器智能技术下一代无线网络环境敏感”,计算机科学,信息理论, 2018年。视图:谷歌学术搜索
54. 问:他,j·刘,c . Wang和b·李”应对异构视频协作直播的贡献者和观众:基于云计算的方法,”IEEE多媒体,18卷,不。5,916 - 928年,2016页。视图:出版商的网站|谷歌学术搜索
55. g .卓问:贾,l .郭m·李和p·李,“保护隐私设置操作大数据验证Cloud-Assisted移动众包”IEEE物联网,4卷,不。2、572 - 582年,2017页。视图:出版商的网站|谷歌学术搜索
56. c·黄和k .许”,在车辆cloud-fog计算网络可靠的实时流媒体在中国诉讼IEEE会议上的沟通,2016年,页1 - 6。视图:出版商的网站|谷歌学术搜索
57. g .葛拉·巴尔k吞云吐雾,g .加索尔”ParkMaster:车载edge-based视频分析检测停车位在城市环境中,开放服务”诉讼的ACM和IEEE研讨会上边缘计算2017年,p . 16日。视图:谷歌学术搜索
58. 郑胜耀曹”,发展IGVM车载组合导航系统lane-level指导服务,“杂志的定位、导航和定时,5卷,不。3、119 - 129年,2016页。视图:出版商的网站|谷歌学术搜索
59. k·h·m·w·h·s·公园公园获胜,K.-H。金姆,s . k .荣格“车载AR-HUD系统提供行车安全信息,”电子杂志,35卷,不。6,1038 - 1047年,2013页。视图:出版商的网站|谷歌学术搜索
60. h . Hartenstein Bochow, a . it m·洛特m . Radimirsch和d . Vollmer”Position-aware特设无线网络跨车辆通信:舰队网络项目”诉讼的ACM国际研讨会上移动ad hoc网络和计算,第262 - 259页,2001年。视图:谷歌学术搜索
61. Umamaheswari和r . m . Priya”,一个有效的医疗监测系统在车载ad hoc网络,”国际期刊的计算机应用程序,卷78,不。7,45-49,2013页。视图:出版商的网站|谷歌学术搜索
62. l . Cruz-Piris d·里维拉,s·费尔南德斯,Marsa-Maestre,“优化传感器网络和多主体决策支持智能交通灯管理”传感器,18卷,不。2,p。435年,2018年。视图:谷歌学术搜索
63. m . Aazam和x费尔南多,”雾辅助司机行为监测智能交通系统,”IEEE会议车辆技术学报》上,2017年,页1 - 5。视图:谷歌学术搜索
64. t, s . Chang和w·李,“雾计算启用市区车辆的地理路由网络,”对等网络和应用程序,11卷,不。4、749 - 755年,2018页。视图:出版商的网站|谷歌学术搜索
65. k . Prasanth k . Duraiswamy k Jayasudha, c . Chandrasekar”减少端到端延迟车载ad hoc网络中使用基于边缘节点贪婪路由”IEEE会议上先进计算的程序,第140 - 135页,2009年。视图:谷歌学术搜索
66. s . Tomovic k . Yoshigoe i Maljevic, Radusinovic,“雾软件定义网络物联网架构,”无线个人通信,卷92,不。1,第196 - 181页,2017。视图:出版商的网站|谷歌学术搜索
67. D.-J。邓,S.-Y。留置权,c c。林,研究所。挂,W.-B。陈,”系列mobile-edge车载网络延迟控制”,IEEE通讯杂志,55卷,不。8,87 - 93年,2017页。视图:出版商的网站|谷歌学术搜索
68. 电气x, z李,李,“5 g软件定义车载网络,”IEEE通讯杂志,55卷,不。7,87 - 93年,2017页。视图:出版商的网站|谷歌学术搜索
69. a . a .汗、m . Abolhasan和w·倪”5 g下一代VANETs使用SDN和雾计算框架,”《IEEE会议上消费者通信和网络,2018年,页1 - 6。视图:谷歌学术搜索
70. m .道、k Ota和m .董”地发现:整合雾和云5 g V2G网络,”IEEE网络没有,卷。31日。2,8日至13日,2017页。视图:出版商的网站|谷歌学术搜索
71. 陈x l·王,“探索雾computing-based自适应车辆的数据调度策略通过成分——PEPA正式的方法,”IEEE通信信,21卷,不。4、745 - 748年,2017页。视图:出版商的网站|谷歌学术搜索
72. y Lai f·杨,l . Zhang和z林,“基于雾的分布式公共汽车系统节点和车载传感、”IEEE访问》第六卷,第22024 - 22011页,2018年。视图:出版商的网站|谷歌学术搜索
73. 美国公园和y柳”,基于网络状态信息的网络智能连接车辆利用雾计算,”移动信息系统卷,2017篇文章ID 7479267、9页,2017。视图:出版商的网站|谷歌学术搜索
74. j . k . Liu刘贤Ng, v c·s·李·h·儿子,和i Stojmenovic”合作数据调度在混合动力车辆临时网络:VANET软件定义网络,”IEEE / ACM交易网络,24卷,不。3、1759 - 1773年,2016页。视图:出版商的网站|谷歌学术搜索
75. b . Dezfouli m x射线检验、o . Chipara“Mobility-aware实时调度的低功耗无线网络,”《IEEE计算机通讯大会上,2016年,页1 - 9。视图:出版商的网站|谷歌学术搜索
76. 任他x, z, c·史和j .方”小说的负载平衡策略的软件定义云/雾网络在互联网的车辆,“中国通信13卷,第149 - 140页,2016年。视图:出版商的网站|谷歌学术搜索
77. k .张毛y,愣了,他y, y张,“预测卸载cloud-driven车辆:使用mobile-edge计算为一个有前途的网络模式,”IEEE车辆技术杂志,12卷,不。2,36-44,2017页。视图:出版商的网站|谷歌学术搜索
78. m . t . Saqib和m·A·哈米德FogR:一个高度可靠和智能计算在互联网上出售的东西,”《IEEE会议,第1042 - 1039页,2016年。视图:谷歌学术搜索
79. y Bi,“邻近车辆雾通信vehicle-assisted快速切换”,对等网络和应用程序,11卷,不。4、738 - 748年,2018页。视图:出版商的网站|谷歌学术搜索
80. h . Seo K.-D。李,s . Yasukawa y彭,p . Sartori vehicle-to-everything服务LTE演进,“IEEE通讯杂志,54卷,不。6、22 - 2016页。视图:出版商的网站|谷歌学术搜索
81. n, n, n .张x沈,和j·w·马克,“连接车辆:解决方案和挑战,”IEEE物联网,1卷,不。4、289 - 299年,2014页。视图:出版商的网站|谷歌学术搜索
82. z苗,c .李朱l . et al .,“在车载Ad Hoc网络资源管理:模糊优化方案,”IEEE车辆技术研讨会论文集,2016年。视图:谷歌学术搜索
83. c . j . Li Natalino, p . Van粪便,l . Wosinska和j·陈,“Fog-Enhanced无线接入网资源管理支持实时车辆服务,”《IEEE会议上雾和边缘计算,第74 - 68页,2017年。视图:谷歌学术搜索
84. c·A·r·l·Brennand f . d . Da Cunha g .玛雅e . Cerqueira A . A . f . Loureiro和洛杉矶别墅,”狐狸:交通管理系统基于计算机的汽车的雾,”IEEE学报》研讨会上计算机和通信,第987 - 982页,2016年。视图:谷歌学术搜索
85. 林s Basudan x k Sankaranarayanan领导,“基于已被称作保护隐私车辆群体感知路面使用雾状态监测系统计算,”IEEE物联网,没有。99年,页1 - 1,2017。视图:出版商的网站|谷歌学术搜索
86. z伊斯拉米和n . Pakniat Certificateless总signcryption:安全模型和随机预言模型混凝土施工安全,”沙特国王大学-计算机和信息科学杂志》上,26卷,不。3、276 - 286年,2014页。视图:出版商的网站|谷歌学术搜索
87. h . Lu和谢问:“一个高效certificateless总signcryption从配对方案,”在IEEE会议进行电子、通信和控制,第135 - 132页,2011年。视图:谷歌学术搜索
88. h·朱s . Chang l . Lu和w·张,“rup:解决城市车辆之间的相对距离和环境敏感轨迹,”IEEE会议程序并行和分布式处理,第131 - 123页,2016年。视图:谷歌学术搜索
89. m . Gerla和l .让“车载网络和移动互联网的未来,”计算机网络,55卷,不。2、457 - 469年,2011页。视图:出版商的网站|谷歌学术搜索
90. x k .粉丝,j . Wang Wang h·李和y,“安全、高效、可撤销的数据共享方案车辆雾,“对等网络和应用程序,11卷,不。4、766 - 777年,2018页。视图:出版商的网站|谷歌学术搜索
91. s . A . Soleymani A·h·阿卜杜拉·m·Zareei et al .,“一个安全的基于模糊逻辑的信任模型与雾计算车辆临时网络,”IEEE访问5卷,第15629 - 15619页,2017年。视图:出版商的网站|谷歌学术搜索
92. 黄x r . Yu, j·康和y张“分布式声誉管理安全、有效的车辆边缘计算和网络,”IEEE访问5卷,第25420 - 25408页,2017年。视图:出版商的网站|谷歌学术搜索
93. “传播负面消息b·黄和w·陈,在vanet meet-table和云计算的基础上,”《施普林格会议无线算法,系统和应用程序,第664 - 653页,2017年。视图:出版商的网站|谷歌学术搜索
94. b .黄、x Cheng和w . Cheng”Meet-fog对准确分布在VANET的负面消息,”学报第一车间在智能物联网,p . 2017。视图:谷歌学术搜索
95. a . Alrawais a . Alhothaily b·梅·t·歌,和x,“一个有效的撤销为车载自组网方案,“Procedia计算机科学卷,129年,第318 - 312页,2018年。视图:谷歌学术搜索
96. 赵y s . Wang,黄l . j .,学术界。许,“QoS服务建议在移动边计算,预测”杂志的并行和分布式计算,2017年。视图:谷歌学术搜索
97. A . Mosenia和n . k . Jha“物联网安全的全面研究,”IEEE新兴主题计算,5卷,不。4、586 - 602年,2017页。视图:出版商的网站|谷歌学术搜索
98. z . m . Fadlullah m . m . Fouda:加藤,竹内,n . Iwasaki y Nozaki,“向智能机器对机器通信在智能电网中,”IEEE通讯杂志卷,49号4,60 - 65、2011页。视图:出版商的网站|谷歌学术搜索
99. y . w .法律,m . Palaniswami g . Kounga和a . Lo”后:密钥管理方案在智能电网广域测量系统,”IEEE通讯杂志,51卷,不。1、41、2013页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019萨尔曼Raza et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。