Page 28 - 网络电信2018年3月刊下
P. 28
光 通 信
图 3 车路通信模型 动互联网之间的相互连通，与现阶段的车联网相比，连通性得
到了进一步的提高。
R2 图４ 5G 车联网连通模型
R
V1
V3
V2
以路边基础设施 RSU 为例，RSU 也有一个固定的通信范围，
二、车联网连通研究分类
假设为 R2，从图 3 可以看出，RSU 的通信范围比 OBU 的通信范
围大，即车路组网的网络大于车车组网的网络，实现了道路上 1. 基于泊松分布的连通研究
交通流量建模长期以来一直是减少交通堵塞和指导新型基
更大范围内的信息互传，这也是车车连通网络和车路连通网络
比较大的一个差别。 础设施建设的重要研究课题之一。交通连通模型的建立应该以
道路的交通流量特征为基础，如在高交通密度的道路上，车联
如图 3 所示，当车辆 V1、V2 以及 V3 行驶进入 RSU 的通信
范围内，即可与 RSU 进行相互之间的连通通信。由于 RSU 的通 网有很好的连通性，但不可避免会有较大的干扰，而沿着低交
通密度的道路，车辆之间可能没有完全连通。因此，建立一个
信范围比较大，车辆和 RSU 组成的连通网络可以维持较长的时
间，理想状态下可达 13 ～ 16s [10] ，即车辆与路边基础设施连通 符合实际的交通流模型是非常重要的。
泊松分布 [12] 描述了单位时间或空间内随机事件发生的次
的稳定性比较好。
车路连通通信应用的场景包括：合作式交叉路口碰撞警告、 数，如某医院 1 小时出生的婴儿数、某网站 1 小时被访问的次数、
野外单位空间内的某种昆虫数等，在车联网中，可以用来描述
前方交通拥塞警告、施工区警告、限制驶入警告、红绿灯信息
预测、服务站电子收费管理等，对车辆和道路进行智能管理， 单位时间内，某个道路节点通过的车辆数。对某段道路上的车
流量进行观测，若数据检测是满足泊松分布的，则可以进行基
给驾驶员减少了很多不必要的麻烦，提高了其驾车效率。
1.3 基础设施与基础设施的连通通信 于泊松分布的连通研究。
在假定车流量满足泊松分布的前提下，Ng 等 [13] 研究了相
基础设施与基础设施之间的连通通信，即路边的基础设施
之间实现更大范围内的信息共享，主要应用于实时的信息更新、 邻两个基站之间的车辆连通概率和接入概率。仿真结果表明连
通概率和接入概率与基站和车辆的传输范围、相邻基站之间的
远处交通事故警报等。
3.5G 车联网连通 距离、车辆密度这些参数密切相关，研究结果对于网络运营商
在即将到来的面向 5G 的车联网中，5G 基站 [11] 发挥了至 建设基站以及设定网络访问级别有着重大的参考价值。在上述
[14]
关重要的作用。在转发功能方面，5G 基站类似于传统的基站， 前提下，刘业等 推导了任意两辆车之间的连通概率、连通集
直径长度，并得出结论：一个群集中的车辆数目、车辆之间的
可以作为车辆与互联网相互连通的中继；5G 基站同时也具备了
RSU 的功能，换句话说，5G 基站可以取代 RSU，具有较高的经济 连通概率与 OBU 的通信范围密切相关，车辆密度保持不变时，
群集中的车辆数目以及群集的连通性随着 OBU 无线通信范围的
效益；在车辆定位方面，5G 基站具有比目前通用的 GPS 更为精 [15]
确的定位功能，这得益于未来 5G 基站的大量部署以及规模宏大 增大而增大。Khabazian 等 考虑车辆服从泊松分布，研究了
速度和连通性的关系，研究结果表明，在平均速度恒定不变的
的天线阵列。
图 4 显示了 5G 车联网的连通，整个 5G 的车联网可以分为 前提下，提高速度的标准偏差同样可以增加车联网的连通性。
2. 结合真实车流量的连通研究
3 大块 [3]：车内网、车际网以及车载移动互联网。在车内网中，
5G 车载单元 OBU 与 5G 移动终端之间可以相互连通，即实现了车 如上所述，泊松分布广泛应用于车联网的车流量分析之中，
传统的关于车联网的相关研究，不少学者假定车流量是符合泊
辆与人之间的相互连通；在车际网中，设备到设备 (device to
device,D2D) 的连通实现了车辆自组网的通信；在车载移动互联 松分布的，利用数据库里的数据进行研究，这些数据部分是从
国外收集的，如美国、加拿大、土耳其等，并不一定适用于我
网中，5G 基站可以充当中继的功能，为车辆与互联网之间的互
联互通提供服务。5G 车联网实现了车内网、车际网以及车载移 国的交通流。有研究比较了北京和亚特兰大的交通模型，发现
38 网络电信 二零一八年三月
