汽車大數(shù)據(jù)技術(shù)在網(wǎng)絡(luò)傳輸，車車交互，大數(shù)據(jù)計算等方面影響巨大，本文總結(jié)了幾種基于數(shù)據(jù)處理的大數(shù)據(jù)技術(shù)，展示了在車輛交通方面的應(yīng)用。

1 基于無線傳感器網(wǎng)絡(luò)的智能車載系統(tǒng)認證協(xié)議設(shè)計[1]

1.1 主要內(nèi)容

作者提出了用于智能車輛系統(tǒng)的認證協(xié)議的設(shè)計，其中車輛配備有傳感器并且接收器沿著道路放置以接收和/或發(fā)送數(shù)據(jù)到傳感器。用戶通過從接收器收集數(shù)據(jù)來監(jiān)控車輛，并通過采取必要的行動（如果需要）來執(zhí)行數(shù)據(jù)分析。此外，該系統(tǒng)使用車輛中的傳感器來提供用戶友好的平臺以與用戶通信?，F(xiàn)在，認證實體之間認證消息的交換是成功實現(xiàn)智能車輛系統(tǒng)的兩個重要問題。在所提出的車輛系統(tǒng)中，存在三個實體，即用戶、接收器和傳感器，并且需要用戶與接收器和接收器之間的兩組通信。簡而言之，作者已經(jīng)提出了車載傳感器網(wǎng)絡(luò)中的數(shù)據(jù)流量/移動架構(gòu)(見圖1)并驗證實體。此外，作者分析了有關(guān)安全攻擊的協(xié)議，發(fā)現(xiàn)它受到強大的安全攻擊保護。此外，所提出的協(xié)議在諸如計算和通信成本方面相對更好。

在本文中，作者假設(shè)傳感器是動態(tài)和節(jié)能的，它們與車輛電池相連。這里，車輛系統(tǒng)設(shè)計在WSN（Wireless Sensor Network）的環(huán)境中，用于監(jiān)測整車，提供解決離線模式中的車輛相關(guān)問題的解決方案，例如交通擁堵、速度等。車輛傳感器感測實時數(shù)據(jù)并將其直接轉(zhuǎn)發(fā)到附近的匯聚節(jié)點，并且網(wǎng)絡(luò)外的用戶可以訪問感測的數(shù)據(jù)。由于通信是通過不安全的信道執(zhí)行的，因此攻擊者可以攔截所傳送的消息。因此，消息的認證和隱私是消息通信過程中的主要關(guān)注點。為了在不安全的信道上提供安全的通信，作者提出了一種使用WSN的智能車載系統(tǒng)，它提供了一種有效的認證協(xié)議，用于保護傳感器節(jié)點傳輸和傳輸給用戶。要為車載傳感器網(wǎng)絡(luò)設(shè)計有效的身份驗證和密鑰協(xié)商協(xié)議，應(yīng)實現(xiàn)以下安全方面要求：

（1）有效的登錄階段；

（2）涉及的實體（即用戶，匯聚節(jié)點和傳感器節(jié)點）之間的認證；

（3）抵抗各種攻擊，如：

（a）智能卡被盜攻擊;

（b）離線密碼猜測攻擊;

（c）用戶匿名;

（d）已知密鑰安全性。

（4）抵制冒充攻擊

（a）用戶;

（b）傳感器節(jié)點;

（c）接收節(jié)點。

（5）提供用戶友好的密碼更改階段

圖1 智能車載系統(tǒng)的數(shù)據(jù)流量示意圖[1]

1.2 結(jié)論

作者為無線傳感器網(wǎng)絡(luò)中的車載系統(tǒng)提出了一種新的認證協(xié)議，以解決在道路上行駛的車輛問題，例如避免交通擁堵和相關(guān)問題。用戶、接收器和車輛傳感器之間的安全通信很重要，因此作者設(shè)計了一種能夠抵御各種攻擊的有效認證協(xié)議。此外，性能評估表明新協(xié)議具有更好的性能，安全性分析的結(jié)果在WSN方面提供了安全性而不增加成本。但是，作者通過展示其在車輛系統(tǒng)中的應(yīng)用提出了一種新協(xié)議。在未來，作者將把這項工作擴展到云，并將物聯(lián)網(wǎng)與云相結(jié)合，為同一應(yīng)用提供更實用的身份驗證協(xié)議。

2 基于霧的智能交通車輛互聯(lián)網(wǎng)環(huán)境中的大數(shù)據(jù)分析：動機、架構(gòu)、挑戰(zhàn)和關(guān)鍵問題[2]

2.1 主要內(nèi)容

交通系統(tǒng)引入智能交通系統(tǒng)（ITS）概念，以提高道路安全性，有效管理交通，保護綠色環(huán)境。如今，ITS應(yīng)用正變得越來越數(shù)據(jù)密集，他們的數(shù)據(jù)使用“大數(shù)據(jù)的5V”進行描述。因此，為了充分利用這些數(shù)據(jù)，需要應(yīng)用大數(shù)據(jù)分析。

車輛互聯(lián)網(wǎng)（IoV）將ITS設(shè)備連接到執(zhí)行數(shù)據(jù)處理的云計算中心。但是，從地理位置分散的設(shè)備傳輸大量數(shù)據(jù)會產(chǎn)生網(wǎng)絡(luò)費用和瓶頸，并且會消耗網(wǎng)絡(luò)資源。此外，遵循集中處理ITS大數(shù)據(jù)的方法會導(dǎo)致使用延遲敏感的ITS應(yīng)用程序無法容忍的高延遲。霧計算被認為是用于實時大數(shù)據(jù)分析的有前途的技術(shù)?；旧?，霧計算補充了云計算的作用，并在網(wǎng)絡(luò)邊緣分配數(shù)據(jù)處理，從而更快地響應(yīng)ITS應(yīng)用程序查詢并節(jié)省網(wǎng)絡(luò)資源。然而，在IoV動態(tài)環(huán)境中實施霧計算和用于實時大數(shù)據(jù)處理的lambda架構(gòu)具有挑戰(zhàn)性。在這方面，本文提出了一種用于IoV環(huán)境中實時ITS大數(shù)據(jù)分析的新穎架構(gòu)（見圖2）。所提出的架構(gòu)合并三個維度，包括智能計算（即云和霧計算）維度，實時大數(shù)據(jù)分析維度和IoV維度。此外，本文還全面介紹了IoV環(huán)境，ITS大數(shù)據(jù)特征，實時大數(shù)據(jù)分析的lamb?da架構(gòu)，以及多種智能計算技術(shù)。更重要的是，本文討論了在IoV環(huán)境中實施霧計算和實時大數(shù)據(jù)分析所面臨的機遇和挑戰(zhàn)。最后，關(guān)鍵問題和未來研究方向部分討論了為有效實施所提出的架構(gòu)而應(yīng)該考慮的一些問題。

圖2 實時智能交通系統(tǒng)大數(shù)據(jù)分析（RITS-BDA）架構(gòu)[2]

2.2 結(jié)論及展望

通過考慮這些方面，本文提出了一種新的三維架構(gòu)（智能計算，實時大數(shù)據(jù)分析和IoV），以實現(xiàn)IoV環(huán)境中的實時ITS大數(shù)據(jù)分析。此外，還討論了IoV和智能計算平臺正在創(chuàng)造的機遇和挑戰(zhàn)。作者還介紹了不同邊緣計算技術(shù)之間的比較。作者還強調(diào)了關(guān)鍵問題和未來研究方向，應(yīng)考慮改進許多ITS應(yīng)用的實時大數(shù)據(jù)分析。

最后，所提出的架構(gòu)為該領(lǐng)域的未來研究提供了良好的基礎(chǔ)，并且它可以用作智能運輸系統(tǒng)的一部分，以實現(xiàn)實時應(yīng)用，例如避免碰撞、危險警告、高級駕駛員輔助系統(tǒng)和自動駕駛。結(jié)果表明，通過使用更安全的運輸系統(tǒng)，將挽救許多人的生命。此外，運輸系統(tǒng)將變得更加高效和環(huán)保。

3 從車輛記錄儀大數(shù)據(jù)中檢測到的警示十字路口時空車輛軌跡三維可視化的最優(yōu)視點[3]

3.1 主要內(nèi)容

交通事故仍困擾著全社會。銷售的行車記錄儀數(shù)量有所增加，因此作者收集了用于支持交通安全的大型車輛記錄儀數(shù)據(jù)。作者已經(jīng)開發(fā)出一種系統(tǒng)，用于根據(jù)車輛記錄器數(shù)據(jù)、道路形狀和天氣信息檢測潛在風(fēng)險的十字路口。在單個顯示器中將空間和時間結(jié)合起來的可視化稱為“空間時間立方體（STCSpace Time Cube）”，有助于在謹慎的十字路口上理解和分析時空移動數(shù)據(jù)。STC使作者不僅可以同時探索車輛軌跡的形狀和位置，還可以探索其時間分布。然而，用戶難以手動找到用于理解軌跡特征的良好視點。在本文中，作者提出了一種最佳視點選擇方法，用于使用STC在大型十字路口上可視化車輛軌跡的時空特征（見圖3）。

圖3 不同十字路口（a）和（b）的三個常見最佳觀點[3]

本文的主要貢獻如下：

（1）作者提供了一種基于視點熵加權(quán)的算法，該算法基于軌跡角度，水平線作為投影2D圖像上視點質(zhì)量的度量。

（2）作者證明該解決方案可以適應(yīng)不同軌跡形狀的十字路口。作者還擴展了所提出的方法，以找到多個十字路口的最佳視點。

（3）作者通過用戶的評估來驗證所提出的方法。

（4）作者構(gòu)建了一個從實際車輛記錄器大數(shù)據(jù)中檢測到的潛在風(fēng)險十字路口的概覽目錄，以便與利益相關(guān)者進行討論和分析。

3.2 主要結(jié)論

作者已經(jīng)開發(fā)并提出了一種新方法來選擇最佳視點，來探索時空立方體中的軌跡。作者提供了一種基于視點熵加權(quán)的算法，該算法通過軌跡角度與投影的2D圖像上的水平線加權(quán)。據(jù)作者所知，目前還沒有關(guān)于使用STC進行軌跡可視化的視點選擇的研究。作者通過用戶的評估和案例研究評估了所提出的方法。在案例研究中，作者生成了許多謹慎十字路口的可視化，并與利益相關(guān)者進行了討論。作者計劃提供一種自動查找最合適的瓦片尺寸的方法。作者還計劃通過將其與其他方法（例如Lee等人報道的方法）進行比較來評估作者的方法。利用眾包來收集觀點之間的成對比較是另一種評估結(jié)果的可能性。

4 霧天計算中的反轉(zhuǎn)CDN：互聯(lián)和自動車輛視頻數(shù)據(jù)的生命周期[4]

4.1 主要內(nèi)容

本文介紹了霧計算協(xié)同的反轉(zhuǎn)內(nèi)容分發(fā)網(wǎng)絡(luò)（rCDN，reverse Content Delivery Network）基礎(chǔ)設(shè)施的概念。在許多物聯(lián)網(wǎng)用例中，視頻內(nèi)容和其他流數(shù)據(jù)從底層設(shè)備（攝像機）流向上層設(shè)備（例如物聯(lián)網(wǎng)網(wǎng)關(guān)、路邊單元、網(wǎng)絡(luò)邊緣節(jié)點），可以將內(nèi)容直接流式傳輸?shù)皆苹蚩梢跃酆?、存儲并以分布式方式處理?shù)據(jù)。這構(gòu)建了一個改變傳統(tǒng)CDN模型的內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN）。這就產(chǎn)生了rCDN，這是一系列相關(guān)視頻流，以多對一的方式從多個內(nèi)容源流出，高動態(tài)視頻數(shù)據(jù)可能被多次聚合、處理、分析、轉(zhuǎn)換、緩存和遷移。路線到最終的存儲目的地。在本文中，作者提出了一個解決方案，協(xié)同rCDN和霧計算，以服務(wù)連接自動車輛，車輛攝像機和街道攝像機的視頻內(nèi)容分布在rCDN節(jié)點。作者還討論了rCDN在智慧城市中數(shù)據(jù)可重用性的作用，并突出了現(xiàn)有的挑戰(zhàn)。

4.2 主要結(jié)論

聯(lián)通和自動車輛的視頻內(nèi)容會產(chǎn)生大量的上層流量（從汽車到云端）以及大量的下層流量（從云端到汽車）。這改變了完全依賴云的傳統(tǒng)模式，并且需要具有從車輛到云的內(nèi)容聚合/處理和存儲/緩存的分布式可視云模型。在Fog架構(gòu)之上的反向CDN（rCDN）受到內(nèi)容傳送網(wǎng)絡(luò)（CDN）的啟發(fā)，并提供多層存儲/緩存資源。在本文中，作者介紹了rCDN可以在Fog架構(gòu)之上提供的不同特性/功能，以支持多個AD服務(wù)的視頻數(shù)據(jù)聚合、存儲和緩存（圖4）。

雖然rCDN希望建立在傳統(tǒng)CDN功能的基礎(chǔ)上，但它們的不同之處在于：

圖4 rCDN中的數(shù)據(jù)流方向[4]

（1）旨在滿足來自多個來源的動態(tài)和可變內(nèi)容，并且這些內(nèi)容與傳統(tǒng)請求驅(qū)動的數(shù)據(jù)流相反（即推送模式而不是拉模式）；

（2）除了存儲、處理和緩存之外，力求使網(wǎng)絡(luò)能夠適應(yīng)從簡單消息流到更豐富背景的多到一數(shù)據(jù)流的轉(zhuǎn)變；

（3）rCDN使視頻流量能夠以動態(tài)方式處理（轉(zhuǎn)換、分析、壓縮等）。

5 在部分連接的車輛環(huán)境中增強交通狀況感知的道路速度剖面[5]

5.1 主要內(nèi)容

考慮到先前交通的微觀動態(tài)，車輛的預(yù)期駕駛可以在連通車輛環(huán)境（CVE）中的交通流量中得到很大改善，其中100%車輛經(jīng)常使用車輛到車輛（V2V）通信技術(shù)共享其狀態(tài)。本文討論了部分連接的車輛環(huán)境（PCVE），其中未連接（手動）車輛在交通中混合，并提出了一種理解交通狀況的新方法，該方法可用于實現(xiàn)高度預(yù)期的駕駛。更具體地，作者將預(yù)期駕駛稱為主車輛的預(yù)測控制，考慮其在擴展視圖中的先前交通狀況。為了增強對道路交通狀況的感知，提出了一種道路速度剖面，其通過有效地從交通大數(shù)據(jù)（即來自所有周圍車輛的廣播數(shù)據(jù)）中提取信息來簡明地描述道路的每個小區(qū)段或小區(qū)中的平均速度到主車輛上。

動態(tài)近似道路速度曲線的這個過程分兩步進行（圖5）。首先，提出了一種條件持久性預(yù)測模型來估計聯(lián)網(wǎng)車輛的未來狀態(tài)。這種預(yù)測狀態(tài)可以充分補償來自任何未連接車輛的丟失數(shù)據(jù)。其次，將車輛的預(yù)測時間、位置和速度映射到道路單元上，隨后，通過采用加權(quán)移動平均技術(shù)來調(diào)整相應(yīng)的單元速度。持久性預(yù)測模型和道路速度曲線的準(zhǔn)確性根據(jù)經(jīng)驗評估連接車輛的不同察覺能力。最后，通過結(jié)合所提出的道路速度曲線來開發(fā)模型預(yù)測控制框架中的預(yù)期駕駛方案，并且將預(yù)期駕駛的性能與需要CVE的現(xiàn)有方案進行比較。

圖5 在PCVE下的主機（h）車輛的視圖中估計相對于特定時間的絕對道路位置x的速度v的目的目標(biāo)問題圖示[5]

5.2 展望

在未來，將考慮更加真實的多車道交通情景以及V2V車輛的不同滲透率，研究具有各種目標(biāo)的預(yù)期駕駛，例如最佳車道變換，燃料消耗優(yōu)化以及基于PCVE中的RSP的其他可能應(yīng)用。

6 基于新興行業(yè)標(biāo)準(zhǔn)的車輛數(shù)據(jù)服務(wù)器實施[6]

6.1 主要內(nèi)容

在不久的將來，互聯(lián)汽車系統(tǒng)有望穩(wěn)步增長并形成一個主流。在這種情況下，一些汽車制造商正在開發(fā)標(biāo)準(zhǔn)接口，可用于以獨立于供應(yīng)商的方式訪問車輛信息，以構(gòu)建更大的聯(lián)網(wǎng)汽車生態(tài)系統(tǒng)。在本文中，作者介紹了目前正在開發(fā)的車輛數(shù)據(jù)標(biāo)準(zhǔn)和車輛數(shù)據(jù)訪問接口標(biāo)準(zhǔn)作為行業(yè)標(biāo)準(zhǔn)。此外，作者基于這些標(biāo)準(zhǔn)實施了車輛數(shù)據(jù)服務(wù)器，以驗證標(biāo)準(zhǔn)的可行性，并總結(jié)了未來需要解決的問題。

VSS（Vehicle Signal Specification）標(biāo)準(zhǔn)基于信號命名約定和信號規(guī)范格式定義一組車輛信息。它基于樹形結(jié)構(gòu)，因此車輛OEM可以將他們自己的車輛信息擴展到私人分支。今年上半年發(fā)布的VSS 1.0標(biāo)準(zhǔn)定義了超過930種車輛數(shù)據(jù)集(圖6)。

圖6 VSS樹的示例[6]

預(yù)計2020年發(fā)布的汽車約75%將成為聯(lián)網(wǎng)汽車，基于實時車輛數(shù)據(jù)的用例（如汽車監(jiān)控、智能家居集成和駕駛員行為分析等）不斷增加并有望傳播。

6.2 主要結(jié)論與建議

當(dāng)車輛數(shù)據(jù)訪問接口因制造商而異，這種生態(tài)系統(tǒng)的傳播可能存在限制，因此強調(diào)了適用的車輛數(shù)據(jù)訪問標(biāo)準(zhǔn)的重要性。在本文中，作者介紹了一種車輛數(shù)據(jù)訪問接口標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)正在作為事實標(biāo)準(zhǔn)開發(fā)?；诖耍髡唛_發(fā)了車輛數(shù)據(jù)服務(wù)器并驗證了該標(biāo)準(zhǔn)的可行性。此外，建議解決基于VSS的車輛數(shù)據(jù)表示中的性能問題，訂閱功能中的過濾問題以及向VSS數(shù)據(jù)表示添加RW（讀/寫）信息，以便更有效地進行車輛數(shù)據(jù)處理。