车联网 (IoV) 技术：现状、挑战与未来展望

本文介绍了车辆通信网络的研究背景。传统的车辆自组织网络 (VANET) 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。随着物联网 (IoT) 时代的到来，传统的 VANET 已经进化为车联网 (IoV)，每辆车都被设想为一个智能物体，通过车对一切 (V2X) 通信连接到任何实体。IoV 技术有望提高道路安全、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。

然而，IoV 的异构架构、复杂资源和多样化服务需求需要新的设计和技术。为了支持不同服务质量要求的 IoV 应用，各种无线电技术已经出现，并需要新的网络架构来集成异构接入技术。此外，IoV 还面临着安全和隐私威胁。

为了解决这些挑战，学术界和工业界进行了大量研究，并制定了国际标准。本期特刊涵盖了 IoV 应用、IoV 网络架构、V2X 无线电技术和 IoV 安全问题等方面的最新研究进展。希望本期特刊能够为 IoV 领域的研究人员和从业者提供有价值的参考。

特刊综述

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。