‧ 智慧車載、自動駕駛、車聯網之各項技術應用面面觀

 

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!

Hindawi

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

未來智交通系統的一個重要組成部分是車輛網這些網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,和更大的存容量。傳統的車載網路在滿足儲和通信方面,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,提供集中運算和儲服務。雲端運算透過允許遠端儲容量,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的數據,而無需在車輛中具有大量存和運算能力。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)。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。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 控制器是網的整體中央智慧點。它控制著整個網的行為。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。

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。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。4展示了智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。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。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

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。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。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。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。

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。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。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。

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。

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需求。

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。



按此
回今日3S Market新聞首頁