车联网技术概述：算法、架构、无线技术和安全问题

车辆通信网络已经出现，以实现许多车辆数据服务和应用。传统的车辆自组织网络（VANET）通常以自组织模式运行，并且主要关注基于车辆和路侧单元（RSU）之间的连接的道路安全应用。为了支持车辆通信，美国和欧洲分别启动了专用短程通信（DSRC）和车对车通信联盟（C2C-CC）。随着物联网（IoT）的新时代，传统的VANET已经进化为车联网（IoV）。在IoV中，每辆车都被设想为一个智能物体，配备有传感平台、计算设施、控制单元和存储器，并通过车对一切（V2X）通信连接到任何实体（其他车辆、RSU、充电/加油站、云等）。智能车辆可以扮演不同的角色，即既是客户端又是服务器，承担并提供大数据服务，从而产生许多新的IoV应用，从辅助/自动驾驶和排队、安全信息共享和学习到交通控制和优化。 IoV技术有望应对现代交通的巨大挑战，以提高道路安全，缓解交通拥堵，减少燃料消耗和污染，并使汽车共享服务能够节省空间和成本。此外，每辆车都可以是道路上人员和物联网设备的信息中心或边缘服务器。它规模巨大，对广泛的行业部门产生了深远影响，包括交通运输、汽车制造、能源、自动化、软件以及信息和通信技术。毫无疑问，IoV站在即将到来的工业革命的中心。尽管IoV能够实现无数有前途的应用，但其异构架构、复杂的资源和多样化的服务需求需要新颖的设计，从新的无线电技术到新的网络架构和协议。IoV不同于传统的互联网和其他物联网网络。从驾驶员辅助到自动化，每辆车都会产生大量信息，一个人的信息量高达数千倍。车辆密度可能会随着时间（非高峰时段与高峰时段）和位置（主要街道与次要街道）而发生剧烈变化。紧急消息和实时协作控制消息具有严格的延迟限制（几毫秒），而信息娱乐应用程序可能会容忍一定程度的延迟。可靠和可扩展IoV的服务保障在技术上具有挑战性的同时至关重要。为了支持具有不同服务质量要求的IoV应用，各种无线电技术已经出现并正在开发中，例如DSRC、WiFi、4G/LTE、5G、电视空白空间、微波、毫米波和可见光通信（VLC）。需要新的网络架构来集成异构接入技术，实现多个共存无线网络之间的互操作。软件定义网络（SDN）、网络功能虚拟化（NFV）和网络切片已被开发为灵活系统地对网络资源进行可编程控制和管理的一种很有前途的范例。在IoV时代，网络变得越来越动态、复杂和异构，还需要应用先进的人工智能技术、数据科学和分布式计算，使网络更加智能，以满足超低延迟、高可靠性、无缝广域覆盖、高容量热点、海量连接等各种要求。尽管IoV具有吸引人的优势，但它也给驾驶员、乘客和行人带来了新的、具有挑战性的安全和隐私威胁。针对各种网络攻击的安全防御系统和隐私保护策略至关重要，需要深入研究，以提供早期指导方针。新的安全保障解决方案正被召唤，以使未来的IoV完全可靠和安全。多年来，学术界和工业界进行了大量研究，以应对IoV的挑战。此外，在制定国际标准方面做出了巨大努力，以推动IoV技术的部署。本特刊介绍了IoV领域的最新发展，联网车辆的通信、计算、控制和缓存功能促进了广泛的车辆应用。该问题的范围涵盖了许多相关主题，包括先进的IoV应用、新的V2X无线电技术、新型网络协议和架构设计、性能分析、优化和评估、IoV安全和隐私以及试验台和模拟工具。特刊综述我们本期特刊的主要重点是让读者全面了解该领域，介绍应对IoV挑战的最先进技术和解决方案。我们将贡献分为四类，即IoV应用、IoV网络架构、V2X无线电技术和IoV安全问题。本期特刊的文章涉及IoV的理论和实践两个方面，旨在吸引学术研究人员、应用专家和从业者的注意，并激发他们之间的合作，从而实现重大的科学技术突破，使IoV更快地成为现实。 A.先进的IoV应用 Zhang和Letaief的'车联网移动边缘智能与计算'概述了边缘信息系统（EIS），包括边缘缓存、边缘计算和边缘人工智能，这将使大量令人兴奋的智能IoV应用成为可能。介绍了关键的设计问题、方法和硬件平台。举例说明了智能车辆的典型用例，包括边缘辅助感知、映射和定位。对于边缘缓存、边缘计算和边缘AI，调查了车载即客户端（VaaC）和车载即服务器（VaaS）应用程序。 Chen等人'从并行端到端驾驶数据集学习驾驶模型'关注如何有效地利用模拟世界数据和真实世界数据来提高并行端到终端自动驾驶的性能，它将感知信息（图像、点云等）和其他车辆信息（速度、导航命令等）作为模型的输入，并直接输出决策信息（转向角等）。本文介绍了一个并行的端到端驾驶数据集（PED），包含真实世界图像、相应的模拟世界图像和车辆信息。实验结果表明，使用PED是有效的，并取得了优异的性能，将模拟世界图像转换为真实世界图像，然后将其与真实世界图像相结合来训练驾驶模型是利用模拟世界数据的一种理想方式。 B.新型IoV网络架构 Zhuang等人的'SDN/NFV通过增强的通信、计算和缓存为未来的IoV赋能'概述了支持SDN/NFV的IoV，这是IoV的一种新网络架构。在这里，SDN/NFV技术被用来增强IoV的性能，并实现不同的IoV场景和应用。根据SDN/NFV技术在IoV中发挥的作用，即分别提高数据通信、计算和缓存的性能，对最先进的研究工作进行了全面调查，并将其分类为主题。它还讨论了新的基于SDN/NFV的IoV架构的开放性研究问题，包括联合资源切片和访问控制、用于计算卸载的VNF链接和放置、联合多维资源编排和分层SDN/NFV控制器部署。 Tang等人的'面向6G的未来智能安全车载网络：机器学习方法'揭示了将先进的机器学习应用于车载通信和网络的潜力。本文对应用于车辆网络中的通信、网络和安全部分的各种机器学习技术进行了调查，并展望了使人工智能走向未来6G车辆网络的方法，包括智能无线电（IR）的发展、网络智能化和通过积极探索实现自我学习。 C.新的V2X无线电技术 Zhou等人的《车联网演进的V2X技术：挑战与机遇》调查了V2X技术的历史进程和现状，同时列出了北美、欧洲和亚洲的主要V2X通信技术标准。分别介绍了802.11V2X和蜂窝V2X（C-V2X）的发展路线图，并比较了两种主流V2X技术的优缺点。讨论了大型数据驱动IoV和基于云的IoV面临的关键技术挑战和机遇。 Ni等人的'迈向可靠和可扩展的车联网：性能分析和资源管理'关注如何基于性能建模和分析确保IoV的可靠和可伸缩无线传输。对于单跳信标广播，比较了C-V2X介质访问控制（MAC）协议和IEEE 802.11p MAC协议的优缺点，并讨论了分布式拥塞控制机制。对于一维和二维网络中的多跳V2V中继，给出了基本网络连通性的闭合形式。考虑到在有和没有路边基础设施（dropbox或RSU）帮助的情况下的进位和前向传输，分析了V2V或混合V2I/V2V网络的延迟，以优化部署不同类型的基础设施。 Liang等人的'基于深度学习的无线资源分配及其在车载网络中的应用'。讨论了使用深度学习进行无线资源分配并应用于车载网络的关键动机和障碍。它回顾了最近在无线资源分配中调动深度学习哲学并取得令人印象深刻的成果的主要研究。它还详细描述了如何利用深度学习来解决资源分配的困难优化问题，以及如何利用深度强化学习来直接解决传统优化框架中尚未解决或建模的许多资源分配问题。 D.IoV安全问题 Ren等人的《自动驾驶的安全：威胁、防御和未来方向》从感知、导航和控制的角度，对自动驾驶面临的安全威胁进行了系统的研究。除了对这些威胁进行深入的概述外，还总结了相应的防御策略。此外，还讨论了新的安全威胁，特别是与基于深度学习的自动驾驶汽车相关的安全威胁的未来研究方向。 Lu等人的'5G车辆到一切（V2X）服务：为安全和隐私做好准备'。首先回顾了5G V2X的架构和用例。然后，研究了5G V2X服务中的一系列信任、安全和隐私问题，并讨论了5G V2 X中对信任、安全、隐私的潜在攻击。深入分析了最先进的5G V2X服务安全策略，并阐述了如何在每种策略中实现信任、安全或隐私保护。文章还指出了安全5G V2X服务中存在的问题和未来的研究方向。最后，我们希望这期特刊能为IoV领域的读者提供一个很好的参考。我们要感谢高级出版物编辑Jo Sun和IEEE PROCEEDINGS的总编辑Vaishali Damle在整个出版过程中给予的支持和建议。内容：本文所使用的算法主要集中在以下几个方面：

边缘信息系统（EIS）：该算法包括边缘缓存、边缘计算和边缘人工智能，用于支持智能车辆的各种应用，如边缘辅助感知、映射和定位。
并行端到端驾驶数据集学习驾驶模型：该算法利用模拟世界数据和真实世界数据来提高并行端到端自动驾驶的性能，通过将感知信息和其他车辆信息作为模型的输入，并直接输出决策信息来实现。
SDN/NFV：该算法利用软件定义网络（SDN）和网络功能虚拟化（NFV）技术来增强车联网的性能，并实现不同的IoV场景和应用，如资源切片和访问控制、计算卸载和分层SDN/NFV控制器部署。
机器学习：该算法将机器学习应用于车载通信和网络，以改善通信、网络和安全性能，并实现自我学习和网络智能化。
V2X无线电技术：该算法涉及车辆对车辆（V2V）和车辆对基础设施（V2I）之间的通信技术，包括802.11V2X和蜂窝V2X（C-V2X），以及无线资源分配和性能优化的深度学习方法。
安全问题：该算法主要关注自动驾驶的安全威胁，包括感知、导航和控制方面的安全问题，以及5G V2X服务中的信任、安全和隐私问题。针对这些问题，算法研究了相应的防御策略和安全保障解决方案。