共查询到19条相似文献,搜索用时 125 毫秒
1.
首先简要回顾了我国企业主导的蜂窝车联网(cellular vehicle-to-everything,C-V2X)国际标准,该标准解决了车车间及车路间的低时延和高可靠通信难题,兼具技术和产业优势,在全球产业竞争中已形成领先优势。在澄清车联网的相关概念、5G与C-V2X、车联网与车路协同、车联网与无人驾驶、单车智能与网联智能等相互关系的同时,阐述了本文的观点。进而,为抓住全球汽车产业革命和我国交通产业变革的重大战略机遇期,提出了我国基于5G+C-V2X的“聪明的车+智慧的路+协同的云”的车路云协同创新发展模式,实现智能网联汽车从智能网联辅助驾驶到智能网联无人驾驶及与智能交通融为一体的发展路径。最后,分析了相关产业进展情况与存在的问题,并提出相应的政策建议。 相似文献
2.
3.
4.
5.
6.
本文介绍的网联终端设备结合了蜂窝网移动通信终端和C-V2X PC5直连通信终端,两者通过以太网进行信息交互,均由车载电池供电并连接到车辆总线,根据车辆总线消息进入不同的工作模式;移动通信终端可为车辆提供远控、防盗、OTA、数据路由等多种服务;C-V2X通信终端可与其他车辆、基础设施等进行交互,然后基于交互消息和自身状态... 相似文献
7.
8.
10.
11.
C-V2X或LTE-V作为车联网(Vehicular Communication Networks, VCN)领域的新兴通信技术,能够有效提高道路安全和交通通信效率。在3GPP发布的R14标准中,引入不依赖于任何蜂窝基础设施的直连通信模式4,在模式4中车辆自主选择和管理其无线电资源。在不结合实际的交通场景的情况下对C-V2X模式4通信性能进行评估,提出了一种多信道传播模型下C-V2X模式4通信性能分析模型,验证了不同传输参数以及不同信号传播信道对性能的影响,试图设计更为完备的分析模型,探索参数的影响并调整参数来进一步提升C-V2X模式4通信性能的可能性。 相似文献
12.
随着车联网技术的演进,自动驾驶在单车智能的基础上,又有了新的发展形态——车路协同自动驾驶。通过“人-车-路-云”深度融合形成的一体化复杂信息物理系统(cyber physical system,CPS),可以与自动驾驶车辆实现协同感知、协同决策规划甚至协同控制,提升自动驾驶安全性,帮助克服各类复杂交通环境。首先介绍了车路协同的复杂信息物理系统的概念内涵和总体架构,并提出了车路协同自动驾驶的一系列典型应用场景、技术原理、C-V2X(cellular vehicle-to-everything)性能要求、车路协同系统功能与性能要求,可以为下一阶段智能网联汽车与智能交通的深度融合发展提供参考和解决思路。 相似文献
13.
14.
本文从车联网的定义、应用场景和两种无线通信技术的比较切入,首先介绍蜂窝车联网的技术架构和主要功能实体,其次介绍了该网络的两项关键技术,最后对关键技术的网络部署提出了建议。 相似文献
15.
蜂窝车用无线通信(cellular vehicle-to-everything,C-V2X)系统中,基于V2V(vehicle-to-vehicle)车载通信采用复用蜂窝用户(cellular user,CUE)的频谱资源减轻基站负载实现部分近场V2V通信,在提高系统传输速率的同时也产生了同频干扰的问题。针对该问题,提出基于信道反转的动态功率控制方案,在非截断区内对V2V用户(V2V user,VUE)进行信道反转功率控制,补偿因发射功率有限造成的截断中断,通过动态功率控制解决蜂窝用户和V2V用户间的同频干扰。在此基础上,通过拉格朗日乘子法得到目标函数的最优对偶解,利用二分法确定CUE和VUE的最优功率,满足蜂窝用户传输速率要求的同时最大化V2V用户的总传输速率。数值仿真结果表明,当VUE总中断概率为0.866时,该方案使系统性能提升了48%。 相似文献
16.
17.
在终端上安全部署数字证书是基于PKI的C-V2X直连通信安全机制发挥作用的先决条件。针对传统离线灌装方法成本高的缺点,本文提出一种基于4G/5G网络GBA开放安全能力的新型C-V2X终端初始安全配置方案。利用USIM在用户标识、根密钥、GBA能力及硬件安全环境方面的固有优势,V2X终端能够在最初阶段通过4G/5G网络与CA中心实现双向身份认证并建立安全连接,随后在线申请数字证书,自主完成安全初始化。该方案可避免生产线安全环境的升级改造,极大地降低企业C-V2X技术引入成本,具有简单有效、安全可靠、兼容性好、成熟度高和扩展性强的特点。 相似文献
18.
19.
为了提升蜂窝车联网(Cellular Vehicle-to-Everything,C-V2X)资源复用的有效性和降低终端间的干扰,提出通过神经网络对未来时刻车流量的预测辅助无线资源管理方案。依据车载单元(On Board Unit,OBU)与路侧单元(Road Side Unit,RSU)间的车联网消息,获取RSU覆盖区域内各时刻的车流情况,分别采用BP(Back Propagation)神经网络和RBF(Radial Basis Function)神经网络进行短时交通流预测。RSU根据预测结果进行自适应分簇,簇间复用相同资源,簇内进行资源池的划分,RSU覆盖内的OBU在划分的资源池中选择发送资源,从而减少终端间的干扰,并保证热点区域车辆拥有更多的资源。仿真结果表明,在道路交通拥塞的场景下,所提方案的数据包接收率较标准中的方案提升14%,较典型文献方案提升10%,保证了通信的可靠性。 相似文献