车联网复杂移动环境感知与建模理论

With the rapid increase in the number of vehicles, vehicular networks, as a typical application scenario of the fifth generation (5G) communication networks, become increasingly important for improving travel safety and traffic efficiency. The key to the technological advancement of the vehicular networking technique is to sense and model complex mobile surroundings in vehicular networks. Towards this end, this project will first investigate efficient sensing methods for complex mobile surroundings and obtain the traffic view and spectral map of vehicles. Then, based on the obtained surrounding information, the mobile behavior will be described from both the micro and macro perspectives, and its potential law is analyzed. Finally, the topology structure and the communication performance of vehicular networks are analyzed and applied in network coverage optimization and resource allocation. Through this study, the project aims at laying a theoretical foundation for network accessing and reliable transmission, alongside network resource scheduling and mobile vehicular optimization in the context of 5G vehicular networks.

车辆数目的急剧增加导致交通事故频发、交通效率下降，面向5G应用的车联网技术成为提升交通安全和效率的重要手段，而复杂移动环境感知与建模研究是推动车联网关键技术发展的核心动力。因此，本课题首先探索高效的复杂移动环境感知方法，获取车辆的动态交通视图和频谱地图；然后，基于感知的复杂移动环境信息，从微观和宏观两个角度对复杂移动行为进行深度剖析与精确建模，并揭示其潜在的规律；最后，分析面向复杂移动行为的车联网拓扑结构，挖掘网络通信性能的内在特征，实现网络覆盖性能的优化和资源的高效利用。力求通过该项目的探索，为面向5G应用的车联网接入与可靠传输、网络资源调度与车辆移动优化奠定基础。

车辆数目的急剧增加导致交通事故频发、交通效率下降，面向下一代通信网络应用的车联网技术成为提升交通安全和效率的重要手段，而复杂移动环境感知与建模研究是推动车联网关键技术发展的核心动力。因此，本课题首先探索高效的复杂移动环境感知方法，提出了高精度的多目标检测、深度定位和频谱感知方法，并进行数据特征的深度分析与处理，以获取车辆的动态交通视图和频谱地图；然后，基于感知的复杂移动环境信息，从微观和宏观两个角度对复杂移动行为进行深度剖析，提出了精确的宏观移动行为和微观车辆轨迹模型，并揭示其潜在的规律，基于此提出满足多种需求的智能自动驾驶方法；进而，分析面向复杂移动行为的车联网拓扑结构，挖掘网络通信性能的内在特征，提出多种V2X网络覆盖性能的优化和资源的高效利用方法；最后，从复杂移动行为规律、网络拓扑结构特征以及资源高效利用的角度，建立了车联网移动安全架构，提出满足安全攻击、信息共享以及特殊业务需求的高安全策略。力求通过该项目的探索，为面向未来应用的车联网接入与可靠传输、网络资源调度与车辆移动优化、车联网信息安全共享等奠定基础。