Edge Computing for Connected Cars - Use Case, Requirement and Architecture
聯網汽車的邊緣運算 - 用例、要求和架構
 |
| IDVIEW 即將登場 100% MIT |
台灣其實可成為全球很多百萬級人口都市的智慧交通典範，但就在政客眼光的短淺、商人只求近利，以及很多無知的專家，交相合作之下，讓台灣的智慧道路管理，雖然擁有全球名列前茅的道路監控裝置量與密度，卻屢屢造成弊端與民怨。
這篇報導非常的精彩，提供給願意讓台灣更好的人，一個可以一起努力的展望！
原標題：車載邊緣計算調查：架構、應用、技術問題和未來方向
摘要
近年來，一種新的網路範式，即車輛邊緣運算 (VEC)，已被引入到車輛網路中，以增強其運算能力。隨著不斷成長的現代車輛應用的出現，滿足通信和運算要求的最終挑戰越來越突出。隨著 VEC 的突破，服務提供商直接在靠近智慧車輛的地方託管服務，以減少延遲並提高服務品質 (QoS)。
本文闡述了 VEC 架構，並結合智慧車輛的概念、其服務、通信和應用。此外，我們對 VEC 架構中的所有技術問題進行了分類，並審查了所有相關和最新的解決方案。我們還闡明並指出了未來的研究挑戰。
一、簡介
未來智慧交通系統的一個重要組成部分是車輛網路。這些網路提供各種基於行動性的服務，從內容共享服務（行銷目的和資訊娛樂）到資訊傳播應用（如關於自然災害的資訊等緊急操作）。
根據 Gartner, Inc. 的預測，2020 年將有大約 2.5 億輛聯網汽車。此外，Gartner 預測到 2020 年，將有大約 208 億輛聯網汽車。車載網路很受歡迎，因為它們透過共享有用資訊，提供安全性、駕駛便利性、便利性和更高的效率。
在過去的十年中，隨著雲端運算的發明，這項技術得到了顯著的發展，車載網路也得到了發展，並且日益流行。這種發展也沒有什麼影響。例如，需要更多的運算能力和數據通信。
根據英特爾的說法，車輛需要分析和融合，來自感測器的大量數據（大約 1 GB/s），才能做出安全決策。一些應用，如自動駕駛、增強實境 (AR) 技術等，需要復雜的數據處理能力，和更大的儲存容量。傳統的車載網路在滿足儲存和通信方面，需求的方面面臨巨大挑戰。
車載自組織網路 (VANET) ，主要依賴於雲端運算。雲端運算使用雲端伺服器，或一堆遠端伺服器，提供集中運算和儲存服務。雲端運算透過允許遠端儲存容量，和運算設施的虛擬伺服器，使用戶受益。
可以從任何地方檢索已儲存的數據，而無需在車輛中具有大量儲存和運算能力。因此，使用者可以在車輛之間共享大量數據。在處理雲端運算時，出現了一個關鍵問題，即在將數據從車輛傳輸到雲端伺服器，以及在儲存和處理後，檢索資訊時發生的延遲。由於這個因素，以及隨著行動性的增加車輛數量的增加，出現了對確保低延遲和不間斷服務的應用需求。
此外，車輛與雲端伺服器之間的通信需要高頻寬。繁重的流量負載，也會導致各種無線設備消耗更多的能量，這對頻寬成本產生巨大影響。因此，隨著車輛應用的不斷進步，滿足運算和通信的需求變得具有挑戰性。滿足所需的 QoS 是車載雲端運算面臨的另一個重要挑戰，隨著車載應用的不斷進步，滿足運算和通信的需求，變得具有挑戰性。
滿足所需的 QoS 是車載雲端運算面臨的另一個重要挑戰，隨著車載應用的不斷進步，滿足運算和通信的需求，變得具有挑戰性。滿足所需的 QoS 是車載雲端運算面臨的另一個重要挑戰，將雲端運算與 VANET 整合的服務。
與集中式的車載雲端運算服務相反，VEC 的目標，是具有廣泛分佈式佈署的應用。VEC 將雲端運算服務產生的好處，進一步擴展到網路邊緣。邊緣運算，是提高車載環境運算能力的更合適的解決方案。在邊緣運算中，數據的處理和分析，發生在靠近終端設備的地方。
Edge 充當雲端和車輛之間的中介。具有運算和儲存能力的伺服器（邊緣節點），佈署在車載網路附近。由於靠近用戶（在邊緣）提供運算和儲存服務，因此服務透過邊緣計算提供更好的 QoS。
此外，需要一個強大的通信和運算機制，來支持車輛網路中的當代應用。車輛中的感測器收集數據，這些數據由邊緣伺服器進一步處理和儲存。因此，這些服務可確保低延遲通信和更強的上下文感知。
邊緣運算在低延遲應用方面具有優勢，例如安全應用（駕駛安全和上下文感知）以及非安全應用（影像串流、AR 和資訊娛樂）。表1突出了車載雲端運算和 VEC 之間的差異。
軟體定義網路（SDN）的特點是控制平面和數據平面解耦，提供全面的網路控制。數據平面和控件之間的通信，中斷了數據包的流動，導致通信成本和延遲的增加。
因此，SDN 專注於最小化數據平面，和控制平面之間的通信。SDN 控制器還可以根據即時中央全局資訊，做出明智的管理決策。因此，它在複雜的網路管理中很受歡迎。SDN 透過可程式控制平面，為控制器提供網路的整體圖，並與轉發設備交互，並為網路管理應用，提供程式介面。
因此，它有助於動態網路佈署和靈活的網路管理，而不會干擾其他網路。它還有助於加快應用創新和優化資源利用。
在 SDN 控制平面配置的幫助下，網路不僅可以適應網路動態的變化，還可以應對緊急情況（例如，在發生事故時）。SDN伴隨著邊緣計算，與智慧交通系統相輔相成，以應對異構、海量車輛的複雜性、龐大的數據流和頻繁的拓撲變化，提供即時的車輛行動性，擴展行車安全。
VEC 自誕生以來，就受到了研究人員的極大關注，多項調查對 VEC 的各個方面進行了研究。在中，作者只討論了基於 SDN 的車輛霧計算架構，而將車輛視為廣泛通信和計算的基礎設施。
此外，概述了車聯網隨著車霧發展的優勢。然而，根據作者的知識，這是利用 VEC 作為現有和未來，應用和服務完整解決方案的第一個貢獻。在本文中，我們全面介紹了 VEC 的概念、智慧汽車、其基本組成部分、智慧汽車網路及其創新應用。
除了 VEC 所有三層（即雲、邊緣雲和智慧汽車層）之間的智慧汽車通信之外，我們已經考慮和討論了 VEC，作為智慧汽車基礎設施的兩種場景。我們對技術問題進行了分類，並審查了所有相關的解決方案。為了幫助設計人員和研究人員更好地理解 VEC 的概念。此外，
本文的其餘部分組織如下：在第 2 節中，我們討論了 VEC 架構。然後我們介紹了智慧汽車的概念、基本組件、智慧汽車的網路、它的服務和應用，它們在第 3 節中分為安全和非安全應用。在第 4 節中，我們對 VEC 的技術問題進行了全面分類，然後是第 5 節中的挑戰。我們在第 6 節總結本文。此外，圖1 說明了論文的組織結構。
2. 架構
本節解釋了每個組件的架構、角色和操作模式。VEC 架構的基礎是三層：雲層、邊緣雲層和智慧車載層，如圖2所示。
2.1. 雲層
雲層最重要的優勢是數據聚合、數據挖掘、分析優化、儲存、批處理和複雜數據的運算，這超出了邊緣節點的運算能力。而且，雲可以在很短的時間內，運算出海量的數據和複雜的運算。雲基礎設施包括兩部分，儲存和運算。透過不同邊緣節點收集的數據，可以用於以後/更長時間，不需要即時運算，將透過 SDN 控制器發送到雲層，在那裡永久儲存以備將來分析。運算部分計算和分析複雜的運算任務，並提供更快的性能。透過邊緣節點發送到雲端的運算任務，不是對延遲敏感的任務。
2.2. 邊緣雲層
邊緣雲層保證了智慧車載層和雲層之間的連接。為了實現這一目標，車輛包含使用無線通信協議的設備，例如 802.11p、3GPP、3G、4G、LTE 和 5G。
其目的是提供低延遲、位置感知、應急管理、暫存、內容發現和計算，並提高服務品質，因為它靠近車輛，並用於即時交互。邊緣雲層還處理那些需要快速響應，且延遲極低的應用，即 AR、環境辨識、影像分析、健康辨識和人類行為辨識等。為此，該層為車輛/最終用戶提供以下服務。(一)資訊娛樂即服務 (IaaS)：它向用戶提供有用的資訊，關於緊急情況等事件，連接到 VEC。它還提供音樂、遊戲、電影等娛樂服務。這些服務的目的，是透過提供資訊和娛樂來提高用戶體驗的品質和乘客的安全。
(二)網路即服務（NaaS）：擁有網路連接的用戶，可以透過車輛、路邊單元或微基地台，為其他用戶提供連接，從而為其他用戶提供便利。該設施非常有價值，尤其是在緊急情況下。
(三)儲存即服務 (SaaS)：車輛需要額外的儲存空間，來運行需要大量儲存資源的應用，以及用於臨時備份。這種需求由邊緣伺服器滿足，邊緣伺服器為特定客戶端提供免費儲存，以運行其應用。(四)運算即服務 (CaaS)：那些在停車場、中心或交通擁堵中的車輛，花費了幾個小時來擁有未使用的計算資源。那些希望增加其車輛或行動設備的計算資源，以實現大規模運算任務的車輛/用戶有機會。
該層還為車輛到車輛 (V2V) ，和外部基礎設施車輛到基礎設施 (V2I) ，提供通信設施。在 V2V 中，車輛在同一通信範圍內相互交互，因此資訊可以透過車輛傳播，直到到達邊緣。
例如，如果任何車輛表現出奇怪的行為，在改變方向、違反速度限製或機械故障的情況下，將向相鄰車輛以及邊緣發送緊急消息，其中包含位置、速度和移動方向那個特定的車輛。V2I 負責透過無線網路透過路邊單元、微基地台和邊緣伺服器等基礎設施，在車輛之間交換操作數據。
SDN 支持的組件：VEC 的一個關鍵要求，是管理大量車輛及其間歇性連接。在網路中引入 SDN 始終是獲得網路整體/全局視圖的最佳方式。因此，以下是一些 SDN 組件，這些組件是系統佈署需要整合的。(一)SC：SDN 控制器是網路的整體中央智慧點。它控制著整個網路的行為。它還充當邊緣的邊緣編排和資源管理。
(二)SES：基於SDN的邊緣伺服器，一組 SRSU 透過寬頻連接連接到邊緣伺服器。SES 在網路邊緣提供車輛儲存和運算設施。它還儲存區域道路系統資訊，並執行緊急服務。
(三)SMBS：SDN 微基地台不僅能夠承載語音數據，而且更加複雜。SMBS 在 SC 的監督下工作，運行 OpenFlow，並能夠提供邊緣服務。SMBS 也是本地智慧邊緣設備 。
(四)SRSU：基於 SDN 的路邊單元，運行 OpenFlow 並由 SC 管理。它是一種邊緣設備。它可以與那些在其通信範圍內的車輛交換數據 。
(五)SSV：基於 SDN 的智慧能車輛充當轉發設備（最終使用者），配備車載單元（OBU）並運行 OpenFlow。它可以與其他車輛、SRSU 和 SMBS 通信。它也被視為數據平面元素。
對於控制信道，每個 SSV 都配備了 WiMax/（3G、4G LTE、5G）和數據信道專用短程通信 (DSRC)/LTE-V 介面。在任何情況下，如果 SDN 控制器的連接丟失，以應對這種情況，SSV 支持緊急備份機制計劃，並返回到 AODV、DSDV 和 OLSR 路由協議等常規操作 。
因為架構是在異構網路環境中管理的，如圖2所示，其中整個基礎設施使用不同的無線技術進行通信，V2V 和車輛到 SRSU 之間的通信，將透過 DSRC/LTE-V 完成，其中 SMBS 是像 3G、4G LTE 或 5G 一樣的遠端無線連接。SC 與 SMBS、SC 與 SES、SES 與 SES、SES 與 SRSU 之間的通信，透過寬頻高速連接進行。
2.3. 智慧車載層
車輛可能會執行更多通信、交換車載服務並提供儲存。智慧車輛層包含一組地理位置相近的車輛，透過無線網路共享運算和儲存資源。智慧車輛層負責從嵌入式感測器、GPS、攝影機、雷達、雷射雷達和車輛，可以包含的其他設備中提取資訊。收集到的資訊可以發送到邊緣雲層進行儲存，也可以作為應用層多個服務的輸入。在智慧車輛層，車輛將具有通信、儲存、智慧和學習能力，以預測駕駛員的意圖。這個想法將幫助車輛，使用其他車輛的服務，作為智慧車輛運算。
因此，該層不僅可以促進對環境的感知，還可以促進對車輛中，乘客和駕駛員的行為的感知。這一層的主要組成部分是車輛；這種範式中的車輛被視為智慧車輛，並配備了許多最新的感測器和通信設備。我們將在第3節中詳細討論術語智慧車輛、其基本組件、通信、服務和應用。
3. 智慧汽車
能夠運算並具有儲存和通信設施，並可以透過相應決策，從其環境中學習的車輛，被稱為智慧車輛。智慧車輛在內部（車載）和外部配備了不同類型的感測器和多接口卡。隨著配備車載無線設備（3GPP、IEEE 802.11p、藍牙等）和感測器（雷達、雷射雷達等）的智慧車輛數量不斷增加，高效的管理和運輸應用，目的在透過最大限度地減少車輛旅行時間段，避免任何交通堵塞。
具有一組創新功能（即資訊交換、定位資訊等）的智慧汽車，可以支持特定的應用（即安全資訊和警告、基於八卦的應用等）。VEC 內的車輛大多配備車載無線設備，尤其是 OBU；例如，智慧汽車的車載雷達，能夠在檢測到交通擁堵後自動減速。在事故預警系統中，感測器可用於驗證事故發生時安全氣囊是否已展開。然後，該資訊透過網路內的 V2V/V2I 傳播。
3.1. 智慧汽車的基本組成部分
車輛內佈署了各種智慧系統，以提供即時測量和安全服務。所有這些設備都可以，以一種自組織的方式相互通信，以創建一個身體感測器網路。車輛的車載感測器獲取車輛的環境資訊。
在感測器級別，感測器輸入、導航服務、溫度、行為檢測和圖像等數據被收集，並儲存在儲存單元中，以備將來處理。基於這些資訊，車輛可以獨立實現自動駕駛控制，包括環境感知、中央決策和機械控制。
系統的架構應設計為幫助駕駛員避免事故。為了獲得可靠和豐富的環境資訊，智慧車輛通常配備多波束雷射雷達、微波雷達、高解析度攝影機等。如圖3所示，通常，一輛智慧汽車由以下設備和技術組成：(1)CPU：它透過以有效的方式執行算術、邏輯和 I/O 操作來計算指令。此外，還實現了通信和應用協議。
(2)無線收發器：在車到車、車到基礎設施之間傳輸數據和資訊。
(3)GPS 接收器：它接收全球定位系統的資訊，並支持提供導航服務。透過與通信手段的結合，即使精度小於 1m，GPS 也能自動報告車輛的精確位置。收集到的資訊有助於組織編隊，並可以提供有關事故、道路狀況等的相關和即時資訊。
(4)感測器：各種感測器位於車輛內部和外部，用於測量不同的因素，如速度、與周圍車輛的距離等，例如，基於物體反射的聲波的超音波感測器。反射的聲波可用於辨識附近物體的距離，和相對速度。
(5)I/O介面：提供用戶友好的人車交互。
(6)雷達：無線電探測和測距監測鄰近車輛的位置。汽車雷達分為遠端雷達和短端雷達。這種感測器已經用於自適應巡航控制系統。
(7)LIDAR：Light Detection and Ranging，其中感測器具有一維掃描能力，可以透過用雷射束，掃描水平表面來精確測量車輛的相對距離。該感測器使用雷射的高能射線傳輸波長範圍為 850 至 950 nm 的紅外光脈衝。
(8)OBU：車載單元，該系統中的每輛車都配備了一個 OBU，它透過 DSRC/LTE-V 控制車輛與 SRSU、SMBS 和其他車輛的通信。
(9)LCS：本地攝影機感測器是觀察駕駛員行為，並提供準確可靠的物體檢測的感測器。
從技術上講，智慧車輛必須能夠基於來自異構和多模態，車載感測器的不完整和不確定資訊，做出準確可靠的環境感知。此外，透過將基於學習的決策方法，整合到基於規則的決策方法中，以解決不完善的環境檢測，和低可預測交通參與者的挑戰，智慧車輛能夠做出決策，並做出相應的反應。
3.2. 智慧汽車網路
車載網路帶來了許多挑戰，這些挑戰在最近使用傳統無線通信系統是未知的。這是高度動態的車輛環境和多樣化的 QoS 要求的結果。已經引入了各種通信機制，來應對這些挑戰，例如，DSRC，聯邦通信委員會 (FCC) 為美國的 V2V 和 V2I 通信，分配了 5.9 GHz 頻段中的 75 MHz 用於 DSRC，以及歐洲的 ITS-G5，兩者都基於符合 IEEE 802.11p 標準。
第三代合作夥伴計劃 (3GPP) ，最近啟動了支持長期演進網路，和 5G 蜂窩網路中，車輛到一切 (V2X) 服務的項目。借助即時資訊共享應用和基礎設施，在道路上行駛的每輛車，都可以訪問周圍環境的資訊。這構成了道路安全和交通效率應用的基礎。
通常，車輛通信有兩種類型：V2V 和 V2I。此外，車輛、行人、路邊基礎設施等其他實體，可以收集其周圍環境的資訊（例如，從範圍內的其他車輛，或其他感測器設備接收資訊）進行處理和共享，從而可以提供更智慧的服務。
這些服務包括，合作碰撞警告和自動駕駛。在我們之前對霧和大數據重要性的詳細概述中，已經討論了一個獨特的虛擬車輛協調框架，這將有助於未來智慧城市的佈署。圖4展示了智慧汽車的整體通信過程。
3.2.1. 車內通訊
該術語用於表達車輛內的通信。安裝在車輛中的 OBU 能夠在車輛內進行通信（即，各種感測器提供交通堵塞、剎車、油門或其他附近物體等資訊）。
3.2.2. 車間通訊
它表示不同車輛之間或車輛與安裝，在不同位置（如道路、停車場等）中或上的感測器之間的通信。車輛間通信意味著更大的技術挑戰，因為車輛通信，需要在車輛靜止和移動時，進行一次支持。車輛之間可以直接通信。
這種性質的通信允許在車輛之間共享資訊，而不管基礎設施如何。然而，V2V 通信適用於有限的範圍。在 V2V 通信環境中，進行了廣泛的研究。阿爾加姆迪等人，開發了 V2V 通信系統，用於進行交叉路口協調以選擇需要先走的路。阿爾蘇丹等人，使用了向其他車輛發送糾正措施的系統。在 Zarza 等人中，和 Nassar 等人。系統透過 V2V 通信，將事故通知其他車輛。圖5表示 V2V 通信模式。
Road-Accident、Street Parking 等應用支持 V2V 通信，提升車聯網通信範圍。當車輛和路邊單元不在彼此的範圍內時，這些應用在它們之間共享資訊。在整個過程中，其他車輛充當中介；他們接收資訊，並將其轉發到 SRSU 的範圍內。
3.2.3. 車外通訊
車外通信一詞代表車輛與外部世界之間的通信，即 V2I（車輛到邊緣節點、SRSU、SMBS 等）。
沿道路佈署邊緣運算環境，可以確保移動車輛之間的通信。車輛可以與其他接近的車輛進行交互，並在出現任何風險或交通瓶頸，以及道路上的行人數量時通知它們。此外，邊緣運算有助於與本地感測器同步的可訪問、可信賴和分佈式環境。
V2I 允許在車輛和基礎設施（例如，SRSU、SMBS 等）之間交換無線資訊。由於車輛 OBU 的處理和儲存能力有限，部分應用依賴邊緣伺服器，作為平台或中間件。在某些情況下，V2I 通信有望訪問全球資訊，例如在加油站系統中。同樣，一些應用以透過 V2I 通信，提取天氣資訊和交通堵塞情況。圖5 詳細展示了 V2I 通信環境。
3.3. 智慧車輛服務
智慧車輛提供多種類型的服務。以下部分將介紹其中一些服務，包括輔助駕駛、自動駕駛汽車、車隊和停車場。
3.3.1. 助理駕駛
如今，汽車、公共汽車和火車等車輛的設計方式，使其能夠在感測器、執行器和處理器的幫助下，提供有用的資訊，即事故、道路封閉和交通堵塞。這為車輛提供了更高的安全性和更好的導航。
這些關於流量模式的資訊，對各種盈利和非營利組織都有好處 。美國國家公路交通安全管理局，將智慧車輛分為五層。圖6描繪了從智慧汽車到自動駕駛汽車的發展過程，前四層是智慧汽車，最後一層是完全自動駕駛（autonomous Driving）。
3.3.2. 自動駕駛汽車
隨著智慧汽車向自動駕駛發展，需要在這些汽車之間，實現最大程度的連接。因此，新興的車聯網，被認為是智慧交通系統，和智慧城市發展的最重要組成部分。車載網路有望提供各種高端應用，從道路安全到提高交通效率，從自動駕駛到不間斷訪問網路服務。
自動駕駛汽車在全球越來越受歡迎，這在最近引發了汽車行業的一場革命。然而，在建立完全自動化的車輛版本時，存在許多障礙，例如安全性、可靠性和隱私。在自動駕駛汽車容易受到各種安全威脅的情況下，這一事實不容忽視；例如，如果 AV 軟體是通用的，那麼一次攻擊可能會導致許多事故。同樣，透過 Internet 連接的系統，可能會被未經授權的用戶入侵，還有更多未知的威脅。
車輛的設計方式，使其可以預測安全關鍵問題，並相應地執行功能，同時在整個旅程中，同時監控道路狀況。這種類型的設計假設駕駛員，將提供目的地或導航，但在整個行程中她/他，不太可能在那裡進行控制。因此，安全操作是自動化車輛系統的功能。
雖然自動車輛系統與車聯網技術有很大不同，但它與後者有關。連接的車輛網路使車輛，能夠透過交通基礎設施共享資訊。車輛還可能與相鄰車輛共享感測器資訊，這反過來可以為 AV 提供額外的資訊，決策可以基於這些資訊。
來自 Business Insider 和世界經濟論壇等國際論壇的專家，預見了自動駕駛汽車對整體經濟大道的影響，以及從一個地方，到另一個地方的移動方式的轉變。未來，我們可能會看到從個人車輛，轉向乘坐 Uber 或 Lyft 等自動駕駛車輛 。
3.3.3. 編排
編排是一組智慧車輛，它們具有駕駛支持系統，其中一輛車跟隨另一輛車。該排由多輛由技術驅動，並透過共享通信相互連接的車輛組成。由於先進的駕駛員輔助系統、自適應巡航控制、車道偏離警告系統、盲點資訊系統和睡意檢測系統等，各種技術的發展，這些技術完全配備了感測器和執行器，因此車隊成為可能。現代車輛控制流程；人機介面和這些技術的融合，有助於車輛參與協同編隊。
由於可以預期速度變化，因此可以使用協作排隊，來提高重型卡車的燃油效率，從而使車輛保持穩定的速度。由於二氧化碳的排放量與燃料消耗量成正比，合作排隊可以間接減少環境污染。
合作排隊的另一個好處，是增強道路安全。在緊急情況下，將消息傳遞給一個排中的所有車輛，然後由自動化系統相應地設計合適的機制；例如，在車輛之間發生碰撞的情況下，將啟用自動制動系統。
3.3.4. 停車場
在市區，停車場內停放的車輛數量龐大。此外，停放的車輛在地理上，廣泛分佈在街邊停車場、外停車場等。與移動車輛不同，停車車輛在一定時間內，不會改變它們的位置。因此，預計這些停放的車輛不會隨處攜帶資訊。
儘管如此，停放的車輛充當通信基礎設施，並具有自己的特定功能。由於 SSV 配有無線通信設備和可充電電池，因此停放的 SSV 之間，更容易相互通信，這些停放的車輛，甚至可以連接到附近移動的 SSV。因此，停放的 SSV 充當靜態主幹，用於改善車輛之間的連接性。
這些 SSV 可以作為通信基礎設施，將數據包傳送到其他車輛。停放的 SSV 由於數量多、停留時間長、在市區分佈廣泛，成為可信且便捷的通信節點。停車場的停放車輛數量和停放時間，是影響停放車輛作為通信基礎設施，使用的關鍵因素。
在合適的通信條件下，即停車場，SSVs 加入時，可以透過 SSVs 的協作進行繁重的運算任務。根據，由於資源有限，單個車輛無法滿足巨大的運算需求。
為了克服這個問題，停放的 SSV 提供了強大的未充分利用的運算資源，並在更短的時間內，有效地完成了分配的任務。這種環境可以被視為小型數據中心，因此可以執行需要更大運算能力的繁瑣任務。圖7解釋了停車場環境。
3.4. 智慧汽車應用
VEC 和利用智慧車輛作為基礎設施的概念，開闢了各種相關車輛應用的領域，例如駕駛安全、AR、資訊娛樂服務和視訊串流。對於需要高計算處理的應用，VEC 網路在加速運算方面發揮著重要作用，從而最大限度地減少延遲，就像發生事故一樣，我們需要制訂一個解決方案，來重新安排紅綠燈，並驅散大量的交通積壓以合適的方式。這對計算資源有特殊需求。
在本節中，應用程序分為兩組，即安全應用程序和非安全應用程序。VEC 支持這兩種類型的應用程序，這將在下面討論。表2 顯示了不同應用的頻寬、延遲和數據要求。
3.4.1. 安全應用
此類應用側重於透過限制事故發生的可能性，來提高安全性。這些應用會跟踪駕駛環境，並通知駕駛員預期的危險點，以防止事故發生。
(a) 駕駛安全。安裝在交通控制信號上的全球攝影機感測器，可以透過辨識檢測區域內的特定車牌，來精確定位該區域的運動。它還可以將當前位置與車輛編號，一起記錄到本地邊緣伺服器。本地智慧攝影機感測器 (LCS) 佈署在車輛前部，用於記錄駕駛員的活動。
時空影像對象分割技術，用於檢測駕駛員與手持設備的交互。此 LCS 將針對此活動向駕駛員發出警告消息。在適當的時間重複警告，將幫助駕駛員避免任何危險情況，並確保他的安全。LCS 單元必須能夠向駕駛員，發出這些警告資訊。LCS 發送一定數量的消息後，向邊緣伺服器報告干擾與車輛的運動。標識符，包括活動證明和車輛數量。
(b) 情境意識。情境感知系統使用與用戶相關的情境資訊，這些資訊可用於，根據任何地點和時間的環境情況修改他們的操作。上下文感知應用是那些根據用戶的上下文調整操作的應用，這是透過感知特定於環境的上下文資訊來提供的。上下文感知應用由以下部分組成：(一)上下文獲取：從不同的感測器收集特定於上下文的資訊。(二)處理：它應用推理技術來獲取上下文資訊。(三)代理：根據用戶當前的地點和時間，在上下文中為他們提供便利。
透過上下文的知識，它還可以幫助產生上下文感知的簡明資訊，這將使用更少的無線電資源進行傳輸。例如，如果 BS 想要向使用者發送文本資訊，則 BS 只能發送其上下文編碼數據。使用者可以透過使用適當的解碼器，和大數據分析技術（如 NLP ），從上下文中提取所需的內容。
3.4.2. 非安全應用
VEC 應用不僅強調安全服務，還強調開發非安全應用，例如影像串流、AR 和資訊娛樂服務等多媒體應用。流媒體應用的數量顯著增加，這些應用佔網路流量的很大一部分。
(a) 影像串流。影像串流是物聯網通信的一種基本形式，它涉及智慧手機，例如，用於影像眾包。車聯網 (IoV) 被各種應用使用，例如智慧交通系統和行動多媒體。在車聯網中，使用者透過網路連接連接他們的手機，並從遠端伺服器訪問多媒體內容。然而，在考慮抖動、緩衝、吞吐量和傳輸延遲等，影像串流應用的參數時，保持 QoS 是一項挑戰。
由於車聯網中車輛的高機動性，因此面臨這一挑戰。在提出了一種車載雲霧網路中的分佈式可靠即時串流。考慮使用效用函數，來提高即時流媒體的 QoS，以及行動設備之間資源預留的公平性。
效用函數考慮了為流媒體提供的內容，以及用於從服務提供商、邊緣和雲預訂內容的令牌數量。網路中的每個行動設備，都會查詢其可能的位置、流媒體的數據量，以及內容供應所需的令牌，這些令牌有望有效地從運算服務提供商那裡，保留流媒體內容。透過這種方式，行動設備將有很高的概率，透過支付一定數量的令牌，來接收足夠數量的內容。因此，可以增強流媒體效用，
現在，很有可能將停車場監控問題的創新解決方案可視化。因為，在提出了一種基於邊緣計算的方案，其中每輛車上傳攝影機收集的街道內容，進行影像分析。ParkMaster 使系統能夠估計每輛停放車輛的精確位置。它還可以透過車輛的攝影機、GPS 和慣性感測器提供的資訊，對停放的車輛進行跟踪和計數。
(b) 增強實境。AR 是一種不斷發展的多媒體應用，它可以將真實場景無故障地融入虛擬場景中，它可以將虛擬場景疊加在真實場景上，增加傳統的真實圖像資訊。該技術可以增強駕駛員附近車輛或行人的交通意識。此外，平視顯示器減少了駕駛員的注意力，從而提高了駕駛安全性。
在檢查了具有基於 AR 的內容的基於平視顯示器 (HUD) 的導航系統。同樣，基於 HUD 的導航系統，也被研究用於安全和便利服務。最近，開發了一種應用 app 作為步行導航，它使用攝影機和 GPS，來執行具有 AR 技術的汽車導航系統。它非常方便，因為它透過虛擬路徑引導驅動程序。駕駛員能夠在不影響安全的情況下，獲得即時導航以獲取駕駛狀況。
邊緣計算應程序分析設備攝影機的輸出，從而覆蓋使用 AR 內容查看的對象。AR涉及複雜的儲存操作和繁瑣的數據處理任務；因此，它需要更高級別的數據儲存、計算和通信。VEC 被認為是滿足車載網路中，AR 應用需求的最佳替代方案，具有特定的移動性、位置感知和低延遲要求。
(c) 資訊娛樂服務。這些類型的服務有助於娛樂乘客，並讓他們在前往目的地時了解情況。資訊娛樂服務已成為許多研究項目的一部分，以提高車輛乘員的舒適度。例如，一個歐洲研究項目的開發，同時強調了協同車輛基礎設施系統（CVIS）的建立。為確保 V2V 和 V2I 通信不間斷，CVIS 有望提供許多便利和商業應用，以及安全應用。艦隊網是一個德國項目，其主要目標是為 V2V 通信提供一個平台，以提供非安全應用程序（例如 Web 訪問）和安全服務（例如協作駕駛）。
TracNet 是微軟推出的車載網路接入系統。該項目可以為車載影像螢幕帶來網路服務。這也可以將整車變成一個基於 IEEE 802.11 的 Wi-Fi 熱點；因此，也可以連接手持設備或筆記型電腦上網。此外，資訊娛樂服務的目的，是為旅行者提供所需的資訊服務並娛樂，使他們旅途愉快，例如，地圖下載、自動收費系統和停車付費系統。
4. VEC 技術問題分類
在本節中，已經明確強調了 VEC 的一些技術問題。表3簡要概述了這一部分。
4.1. 潛伏
各種即將到來的車輛應用，需要即時行動支持（例如，定位系統和智慧交通燈）。這個因素使網路延遲成為一個需要考慮的重要領域。雲和車輛之間的長距離，並不是導致延遲的唯一參數。
此外，也可能是由於無法路由最佳路徑、排隊延遲或其他各種因素造成的。然而，新的車載應用，需要大量的計算能力來處理複雜的任務。為了在數據傳輸中，實現更少的延遲和最大的吞吐量，已經對一些方法進行了分類。
4.1.1. 路由方法
路由方法考慮地理路由，即基於位置的路由，在本地進行決策。發送數據包的特定節點需要考慮三個位置，即它的當前位置、目的位置和它的一跳鄰居。在提出了一種名為改進地理路由（IGR）的路由方案，該方案針對在城市環境中移動的車輛。IGR 利用 VEC 來利用計算資源和車輛通信。在更新貪婪轉發模式下，在路徑選擇中會考慮鏈路的誤碼率。IGR 顯示出包速率和端到端延遲的顯著改善。
還提出了一種名為基於邊緣節點的貪婪路由（EBGR）的貪婪路由方法。EBGR 的主要目標，是增強行動性高的網路的數據包行為，並增強所傳遞消息的可靠性。在 EBGR 中，將數據包轉發到節點，該節點位於轉發節點傳輸範圍的邊緣，並考慮到目的地方向上的節點。普拉桑特等人。檢查了與 VANET 的當前路由協議（即 GSR、GPCR 和 A-STAR）相比，數據包傳輸的延遲可以最小化。
4.1.2. SDN 方法
這種類型的網路側重於邏輯上集中的網路控制平面。它有助於實現一個強大的資源管理和流量控制機制。面向 SDN 的網路，提供了網路的靈活性、可程式性和知識。托莫維夫等人，提出了一個支持即時數據行動性，和可擴展性的物聯網模式。邊緣/霧運算和 SDN 的融合，可以解決服務中的延遲問題，這些問題很敏感，需要即時分析。透過這種整合，還可以實現網路服務的高效管理和分配。因此，提出了一種稱為 FSDN 的 VANET 架構，它整合了 SDN 和邊緣運算，作為潛在的解決方案。他們考慮了 SDN 支持的，具有集中控制的 VANET 組件。這些組件考慮了各種因素，例如實體媒介、行動性和能力。
一種軟體定義的行動邊緣車載網路，其中無線服務 QoS 的最關鍵先決條件，是高速車載環境中的延遲。為了針對行動場景中的延遲要求，作者揭示了一系列延遲控制機制，從無線電接入控製到處理基地台暫存。在為新興的駕駛機器設置車輛技術時，複雜的處理能力，是要考慮的基本特徵，因為這些機器不能僅依靠無線基礎設施，來確保駕駛員的安全。
4.1.3. 5G 方法
隨著 5G 行動通信網路的到來，不僅可以提升現有車載網路的性能，還可以支持車載網路的新應用。建議採用融合邊緣/霧，和雲端運算技術的 5G 軟體設計車載網路 (SDVN) 模式。邊緣/霧小區開發在 5G 車載網路的邊緣，避免 RSU 和車輛之間的重複切換。邊緣/霧小區內的車輛通信，採用多跳方法。5G SDVN 在吞吐量和傳輸延遲方面優於傳統方法。5G 軟體定義的車載網路，有潛力為未來無人駕駛車輛和 ITS 的需求，提供最大的靈活性和相容性。設計了另一個基於 SDN、Cloud-RAN 和邊緣/霧運算技術核心的 5G 下一代 VANET 模式。這種通用方法的動機，，是將 SDN 和 CRAN 特定功能，與 5G 通信技術相結合，以便通過全局方法正確分配資源。該模式還帶來了更好的吞吐量和最小的延遲。
在研究了一種名為 Foud 的新架構。這是 V2G 網路的混合運算模式。顧名思義，Foud 為 V2G 網路提供邊緣/霧和雲。臨時霧和永久雲是兩個子模式，它們構成了 Foud 的基礎設施。由於行動通信資源是動態的，邊緣運算被用作 Foud 的子模式。此外，5G 技術被用於克服車載終端，和行動數據流量極端成長的問題。
4.2. 調度和負載平衡
車輛網式確保有效通信，以改善車輛之間的數據傳播。大量車輛進行數據傳播，導致負載增加。最近的調度算法是以這樣一種方式開發的，以適應隊列長度的不同挑戰。一種這樣的算法是經典的最短隊列策略。最短的隊列並不意味著最短的等待時間；因此，基於時間的調度被證明更加高效和可靠。
因此，陳等人提出了基於兩個動態的調度，即響應時間和隊列長度。這使得能夠具有用於車輛通信的變化的通信環境。他們制訂了一個三層車載雲設計，其起源於邊緣/霧計算。該架構基於組合方法，稱為 PEPA。由於 PEPA 具有組合性和抽象性的特點，因此它有助於大型系統的建模。
在 一個分佈式公共車輛（PV）調度系統，它整合了邊緣運算技術和車輛感測。該模式包括元數據收集組件、成本近似值、響應請求和 PV 調度。邊緣節點收集並保存元數據，這些節點充當中介。然後透過車載網路感測和提取數據。光伏系統支持車輛節點、邊緣節點（霧節點）和雲之間的啟發式，插入算法和協作策略，以發送請求，以及為光伏安排路線。
如果邊緣伺服器出現故障，則恢復丟失的連接，並繼續提供服務需要苛刻的調度算法。另一種即時調度算法，由於連接車輛環境在行動環境的不同組件方面，與 MANET 非常相關，因此所呈現的模式是不同的，並且是先前模式的增強形式，即最早截止日期優先，和請求最多優先。由於該算法利用現有算法，並利用邊緣伺服器服務隊列，因此在不同的延遲需求方面，獲得了更好且接近最優的結果。
邊緣運算網路中，碎片化的網路設備運算能力較弱。因此，如何分配任務在車聯網中很重要，需要根據邊緣網路設備的容量，進行運算和負載均衡。因此，提出了一種基於 SDN 的 MPSO-CO，它是一種集中式負載平衡算法。這是為了優化邊緣/霧網路之間的工作負載，從而可以有效地最小化延遲，並使用所提出的架構在 SDCFN（軟體定義的雲/霧網路）中提高 QoS。
4.3. 卸載
由於靠近車輛用戶，邊緣伺服器可以降低傳輸成本，並在卸載服務中產生快速響應。儘管響應速度快，但與具有較大運算能力的傳統雲端伺服器相比，邊緣伺服器通常面臨資源的限制。邊緣伺服器需要一定的時間來執行計算任務。對於位於路段的邊緣伺服器尤其如此，與其他路段相比，這些路段的車輛密度很高。分析了運算卸載基礎設施，該基礎設施強調，V2I 和 V2V 通信模式，傳輸框架的運算效率。此外，還提出了一種有效的預測組合模式降級方案，同時考慮了任務執行的時間消耗，和車輛的行動性。在此模式中，任務透過直接上傳和預測中繼傳輸，卸載到 MEC 伺服器。
薩奇布等人，研究了一個可靠的運算卸載模式，它被命名為 FogR。它假設霧網路，可以在智慧交通系統中，以更高的可靠性，響應任何緊急情況。如果某個邊緣節點出現故障，這些物體將相應地連接到附近可用的，某個其他邊緣/霧節點。如果車輛在緊急情況下，試圖透過交通前往目的地，那麼它可以使用智慧交通系統，輕鬆做到這一點。
Y. Bi 提出了一種跨層和鄰近車輛輔助的快速切換方法，以提供用戶友好的體驗，並使他們在穿過城市道路時，始終保持在線連接。車輛可以藉助相鄰車輛的幫助，獲得符合條件的車輛，指定目標 AP，並在進入目標 AP 覆蓋範圍之前，收集相關資訊。在鄰近車輛的這種幫助下，車輛可以透過選擇目標 AP 來獲取 IP 地址。這可以顯著減少切換延遲。在這個預交接過程中，車輛還可以繼續與現有 AP 交換數據。這將有助於實現高吞吐量。
4.4. 資源管理
連通性是一種需要嵌入到車輛中的特徵，因此開發了聯網車輛，以增加情境分析，並提供有關出行環境的更多資訊。相比之下，收集、儲存和處理這些車輛的所有數據，是一個很大的挑戰，而資源的管理又是另一項任務。苗等人提出了一種，基於模糊邏輯的資源管理方案 (FLRM)，在 VANET 中具有邊緣運算。
FLRM 方案管理本地伺服器中的資源。在 FLRM 中，請求時間和下載時間，由 V2I 通信方式記錄。借助基於模糊邏輯的流行度評估算法，使用收集到的資訊，確定每個資源的生存時間。可以透過模組化，處理生存時間更新資源列表。該模式有效地管理資源，並共享資源以滿足用戶在動態拓撲、不穩定連接或本地伺服器儲存容量有限的情況下的需求。
要將服務從源節點傳輸到目標節點，邊緣伺服器必須擁有足夠數量的資源。實際上，邊緣節點的資源集合不足，因此當許多用戶的請求同時到達時，這些資源可能會過載；例如，在流量高峰時，它會導致性能下降。參考文獻針對每個邊緣節點（霧節點）中的管理策略，在 FeRAN 中引導資源管理。提高服務品質，專注於即時車輛服務。為此，引入了兩種方案，即霧資源預留和霧資源重新分配。即使在加載霧資源時，使用這種方法也提高了即時車輛服務的在跳概率。
由於燃料消耗和時間損失，交通擁堵每年造成數十億美元的損失。為了解決這些問題，Brennand 等人，為 ITS 提出了一種即時機制，如 FOX（Fast Offset XPath）。該機制用於監控和管理 VANET 中的流量堵塞。透過利用邊緣/霧運算的優勢，FOX 機制可以減少平均駕駛時間、油耗和排放。
4.5. 安全和隱私
安全和隱私問題，通常在車輛人群感知中普遍存在，這需要保護用戶身份和位置隱私。在這方面，已經在人群感知和基於車輛的感知領域，提出了各種解決方案。作為一種新興範式，邊緣運算解決了這些問題。巴蘇丹等人提出了一種隱私保護協議，其目的是在利用邊緣運算的同時，提高基於人群感知的路況監測系統的安全性。特別是，該提議引入了無證書聚合簽密方案，該方案在減少通信開銷方面非常有效，並且具有更快的驗證過程。據說該方案與其他方案相比，具有最小的運算成本 。除此之外，系統模式將控制中心、RSU、雲端伺服器和車輛，視為路面狀況監測系統的一部分。
車輛通信網路被認為智慧交通系統的重要組成部分，支持從內容共享到資訊，提供服務的多種行動應用 app。因此，建立一種安全，並確保有效數據共享的方法非常重要。提出了一種數據共享方案，該方案透過有效解密，來分析多權限 CP-ABE 方案，同時保護 CP-ABE 系統免受共謀攻擊。主要解密被提交給Cloud。為了確保向前和向後的安全性，他們開發了一個有效的用戶和多權限 CP-ABE。
在 VANET 中，必須在車輛之間建立信任，以確保應用的完整性和可靠性。可靠的來源確保從周圍車輛收集可靠的資訊。蘇萊曼尼等人提出了一個模糊信任模式，該模式被認為是快速、準確和可靠的，以便從授權車輛接收到的資訊準確可靠。該模式會進行一系列安全檢查，以確保收到的資訊的可信度。
除此之外，該模式不僅可以檢測有缺陷的節點，和未經授權的攻擊者，還可以處理車載網路中數據的不確定性，包括視線和非視線場景。建議邊緣伺服器在車輛上，執行本地聲譽管理任務時使用 DREAMS。預計系統透過維護分佈式信譽、確保可信信譽、使用可用信譽和更新準確信譽，來提高整體性能。最重要的是，該模式實現了多權重邏輯，來更新系統的準確聲譽。服務提供商在運算卸載中的資源分配，基於車輛的聲譽進行優化。DREAMS 還能夠增強對任何不當行為的檢測，並提高對不當行為車輛的辨識率。
大型 VANET 中的所有組件都不值得信賴；因此，為了使 VANET 更加安全，需要生成顯示不可靠來源屬性的負面消息。負面消息的分佈基於 VANET 中的 Meet-Table。黃等人提出了一種名為 Meet-Fog 的模式，該模式基於霧和 Meet-Table 技術，在 VANET 中準確傳播 CRL（證書撤銷列表）等負面消息。該方案將運算需求完全轉移到邊緣而不是雲端，從而降低了雲的頻寬和儲存需求。
在提出了一種有效的 VANET 撤銷架構。這利用了邊緣運算和 Merkle 哈希樹，從而提高了證書狀態檢查過程的有效性。可以減少撤銷資訊的數量，因為邊緣節點對於每個特定區域都是唯一的，而 Merkle 哈希樹驗證證書狀態的完整性。因此，車輛不需要信任邊緣節點。在該方案中，與使用 CRL 檢查的其他方法相比，驗證延遲也減少了。
5. 挑戰
服務基礎設施與邊緣的鄰近性和分散性，為網路提供了不同的好處，例如低延遲、高效的能源利用和更高的吞吐量。最新的車輛正在嵌入不同的感測器，以實現處理和無線通信功能。這使得他們在旅途中，可以利用許多潛在的好處，例如安全性、效率和舒適性。然而，VEC 面臨著不同的挑戰，本節將對此進行說明。
5.1. 行動性
感測器網路的傳統模式，考慮靜態環境。同樣，ad hoc 網路也側重於基於用戶攜帶的膝上型電腦，和手持設備的有限行動性。然而，行動性是車載網路的常態。車輛的行動模式具有很強的相關性。路上的每輛車都有一組不斷變化的鄰居，其中一些鄰居以前從未遇到過，將來也不太可能與之互動。車輛動態的這種不斷變化的性質，會阻礙基於聲譽的計劃的效用。根據報告的可靠性，對不同車輛進行評級，是否有用是值得懷疑的；也就是說，任何特定車輛可能無法從同一車輛，接收到足夠的資訊，來做出關於該車輛的決定。
此外，由於兩輛車可能會在幾秒鐘內處於通信範圍內，因此我們無法考慮需要發送方和接收方之間交互的協議。需要升級的行動模式，以便它可以提供與準確的車輛行為相關的數據，例如車輛速度、車輛聲譽的預測，以及空間和時間的分佈。特別是，我們需要開發一個更精細的行動模式，該模式針對不同環境準確、準確地研究對實際應用有用的行動模式。了解流行的車輛行為和行動模式，可以幫助進行更好的通信和運算資源利用。因此，還可以研究邊緣節點之間，以及邊緣與雲之間的行動性。與傳統的數據中心不同，邊緣設備在地理上佈署在異構平台上。還必須優化跨平台的 QoS。
5.2. 路由和轉發
在路由和轉發的情況下，會出現許多問題，例如根據車輛的行動，邊緣伺服器及其服務從源到目的地的切換。(1)邊緣伺服器切換：車輛通常會在短時間內，做出下一步行動的決定，因為車輛一直以極快的速度行駛。因此，根據交通和公共交通資訊，很難預測哪輛特定車輛，將從哪個基地台或邊緣伺服器中獲取服務，從而使車輛遷移的過渡模式，用於預測車輛的下一個位置。儘管已經應用了許多技術來確定這個問題，但這仍然是一個開放的研究問題，需要做很多工作。
(2)服務切換：如上所述，當車輛將其位置從一個邊緣伺服器更改為另一個邊緣伺服器時，它從前一個邊緣伺服器使用的服務，將轉移到新的邊緣伺服器。一種預測服務推薦 QoS 的算法。儘管該算法對行動用戶有效，但在車載環境中可能不是很有效。在車輛和邊緣伺服器之間，獲得即時可靠的服務傳輸，以維持車輛環境中的服務品質，是一項非常複雜和精細的任務。
5.3. 內容暫存
VEC 可以實現預取、協同暫存等內容暫存。暫存內容還可以包括車輛沒有請求，但它們透過無線連接，捕獲這些內容的那些元素。車輛保存和轉發那些未請求的內容（例如，發生故障時產生的警報）可能很有用。除此之外，在創建車輛內容最有效的時間和空間範圍的暫存，策略方面仍然存在差距。透過暫存超出其空間範圍的內容（例如，在相關區域的遠處的緊急信號），並暫存舊的內容（例如，一個小時前高速公路上的交通堵塞資訊） ，此外，一些更燃的技術含義如下：(一)車對車通信雖然可以在內容暫存方面，提升網路的容量，但由於網路拓撲結構的動態性和不確定性，以及嚴格的網路拓撲結構，仍然無法為車輛驗證可靠和高速率的數據服務。
(二)由於 SRSU 佈署在不同的位置，不同的網路營運商擁有它們，所以在定價模式上，必須考慮 SRSU 合作，為車輛提供內容。
(三)需要開發一種暫存方案，透過辨識暫存大小拆分、流行的內容更新，並確保行動感知暫存，即使在車輛的高行動性下，也能順利切換，從而以最小的切換成本提高內容命中率。
此外，這些車載暫存系統需要這樣的策略，透過考慮地形和網路配置，有效地探索優勢。
5.4. 網元佈署
足夠數量的網元，可以大規模增強網路的性能。由於網路設備的佈署成本較高，因此必須優化安裝適當數量的網元。主要關注的是找到一個合適的位置，以便最大限度地提高車輛網路的效率。除此之外，必須優化成本，並且邊緣伺服器和 SRSU，應該佈署在可以優化管理可用資源的位置。
由於城市環境中的流量分佈各不相同，因此在擁擠的地區佈署了更多的伺服器。由於伺服器在發送流量數據包方面，起著非常重要的作用，伺服器旁邊的 SRSU 會導致流量數據包進入基礎設施，而無需進行多跳通信。透過基礎設施，這些數據包將被傳輸到網路中的其他節點。透過訪問，透過更少跳數的基礎設施，極大地減少了向其他節點發送消息的伺服器的接收時間。因此，最終需要開發一個最優模式，該模式衡量邊緣伺服器，以及要佈署的 SRSU 的最低需求，以最小化佈署成本，並最大化 QoS。
5.5. 安全和隱私
車載網路的動態性、靈活性和非剛性使數據的安全性和隱私性受到質疑，主要挑戰是身份驗證安全性。節點作為車載邊緣，充當了混合雲的接入點，混合雲包括邊緣節點和中心雲，因此存在侵犯安全和隱私的風險。駭客可以在訪問任何邊緣節點的同時，發送非法命令和被禁止的消息。這可能會導致網路提供的服務不可靠。
除此之外，在網路被駭客入侵的情況下，用戶的隱私也面臨風險，因為駭客可以訪問客戶的私人資訊。在智慧電網網路中，Diffie-Hellman 密鑰交換 和公鑰基礎設施，加強了認證問題的框架。此外，範等人研究了，具有最有效解密的新型多機構 CP-ABE 方案，以理解車載網路中的數據訪問控制，並設計有效的用戶和屬性撤銷方法。然而，由於車載邊緣網路的高擴展率，仍然存在許多可能出現的安全問題。需要建立更動態的框架，來更好地對資訊進行加密，使安全和隱私不被破壞，邊緣運算變得更加安全。
六，結論
在本文中，我們討論了 VEC 的架構，該架構目的在支持高水準的可擴展性、即時數據交付和行動性。VEC 被視為適用於車輛的模式，因為它能夠減少需要即時決策的服務的延遲。因此，與傳統系統相比，VEC 還透過促進智慧車輛計運算，和充分利用當前未充分利用的單個車輛的計算資源，大大提高了計算性能。此外，對 VEC 先前工作的研究進行了廣泛的概述。此外，我們還討論了與該領域相關的學者和研究人員，面臨的幾個未來方向和開放挑戰。
0 comments:
張貼留言