汽車(chē)大數(shù)據(jù)技術(shù)在網(wǎng)絡(luò)傳輸，車(chē)車(chē)交互，大數(shù)據(jù)計(jì)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(chē)輛交通方面的應(yīng)用。

1 基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的智能車(chē)載系統(tǒng)認(rèn)證協(xié)議設(shè)計(jì)[1]

1.1 主要內(nèi)容

作者提出了用于智能車(chē)輛系統(tǒng)的認(rèn)證協(xié)議的設(shè)計(jì)，其中車(chē)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(hù)通過(guò)從接收器收集數(shù)據(jù)來(lái)監(jiān)控車(chē)輛，并通過(guò)采取必要的行動(dòng)（如果需要）來(lái)執(zhí)行數(shù)據(jù)分析。此外，該系統(tǒng)使用車(chē)輛中的傳感器來(lái)提供用戶(hù)友好的平臺(tái)以與用戶(hù)通信?，F(xiàn)在，認(rèn)證實(shí)體之間認(rèn)證消息的交換是成功實(shí)現(xiàn)智能車(chē)輛系統(tǒng)的兩個(gè)重要問(wèn)題。在所提出的車(chē)輛系統(tǒng)中，存在三個(gè)實(shí)體，即用戶(hù)、接收器和傳感器，并且需要用戶(hù)與接收器和接收器之間的兩組通信。簡(jiǎn)而言之，作者已經(jīng)提出了車(chē)載傳感器網(wǎng)絡(luò)中的數(shù)據(jù)流量/移動(dòng)架構(gòu)(見(jiàn)圖1)并驗(yàn)證實(shí)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(qiáng)大的安全攻擊保護(hù)。此外，所提出的協(xié)議在諸如計(jì)算和通信成本方面相對(duì)更好。

在本文中，作者假設(shè)傳感器是動(dòng)態(tài)和節(jié)能的，它們與車(chē)輛電池相連。這里，車(chē)輛系統(tǒng)設(shè)計(jì)在WSN（Wireless Sensor Network）的環(huán)境中，用于監(jiān)測(cè)整車(chē)，提供解決離線(xiàn)模式中的車(chē)輛相關(guān)問(wèn)題的解決方案，例如交通擁堵、速度等。車(chē)輛傳感器感測(cè)實(shí)時(shí)數(shù)據(jù)并將其直接轉(zhuǎn)發(fā)到附近的匯聚節(jié)點(diǎn)，并且網(wǎng)絡(luò)外的用戶(hù)可以訪問(wèn)感測(cè)的數(shù)據(jù)。由于通信是通過(guò)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(rèn)證和隱私是消息通信過(guò)程中的主要關(guān)注點(diǎn)。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(chē)載系統(tǒng)，它提供了一種有效的認(rèn)證協(xié)議，用于保護(hù)傳感器節(jié)點(diǎn)傳輸和傳輸給用戶(hù)。要為車(chē)載傳感器網(wǎng)絡(luò)設(shè)計(jì)有效的身份驗(yàn)證和密鑰協(xié)商協(xié)議，應(yīng)實(shí)現(xiàn)以下安全方面要求：

（1）有效的登錄階段；

（2）涉及的實(shí)體（即用戶(hù)，匯聚節(jié)點(diǎn)和傳感器節(jié)點(diǎn)）之間的認(rèn)證；

（3）抵抗各種攻擊，如：

（a）智能卡被盜攻擊;

（b）離線(xiàn)密碼猜測(cè)攻擊;

（c）用戶(hù)匿名;

（d）已知密鑰安全性。

（4）抵制冒充攻擊

（a）用戶(hù);

（b）傳感器節(jié)點(diǎn);

（c）接收節(jié)點(diǎn)。

（5）提供用戶(hù)友好的密碼更改階段

圖1 智能車(chē)載系統(tǒng)的數(shù)據(jù)流量示意圖[1]

1.2 結(jié)論

作者為無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中的車(chē)載系統(tǒng)提出了一種新的認(rèn)證協(xié)議，以解決在道路上行駛的車(chē)輛問(wèn)題，例如避免交通擁堵和相關(guān)問(wèn)題。用戶(hù)、接收器和車(chē)輛傳感器之間的安全通信很重要，因此作者設(shè)計(jì)了一種能夠抵御各種攻擊的有效認(rèn)證協(xié)議。此外，性能評(píng)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(guò)展示其在車(chē)輛系統(tǒng)中的應(yīng)用提出了一種新協(xié)議。在未來(lái)，作者將把這項(xiàng)工作擴(kuò)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(shí)用的身份驗(yàn)證協(xié)議。

2 基于霧的智能交通車(chē)輛互聯(lián)網(wǎng)環(huán)境中的大數(shù)據(jù)分析：動(dòng)機(jī)、架構(gòu)、挑戰(zhàn)和關(guān)鍵問(wèn)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(hù)綠色環(huán)境。如今，ITS應(yīng)用正變得越來(lái)越數(shù)據(jù)密集，他們的數(shù)據(jù)使用“大數(shù)據(jù)的5V”進(jìn)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(chē)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(jì)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(huì)產(chǎn)生網(wǎng)絡(luò)費(fèi)用和瓶頸，并且會(huì)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(huì)導(dǎo)致使用延遲敏感的ITS應(yīng)用程序無(wú)法容忍的高延遲。霧計(jì)算被認(rèn)為是用于實(shí)時(shí)大數(shù)據(jù)分析的有前途的技術(shù)?；旧希F計(jì)算補(bǔ)充了云計(jì)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(xún)并節(jié)省網(wǎng)絡(luò)資源。然而，在IoV動(dòng)態(tài)環(huán)境中實(shí)施霧計(jì)算和用于實(shí)時(shí)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(shí)時(shí)ITS大數(shù)據(jù)分析的新穎架構(gòu)（見(jiàn)圖2）。所提出的架構(gòu)合并三個(gè)維度，包括智能計(jì)算（即云和霧計(jì)算）維度，實(shí)時(shí)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(shí)時(shí)大數(shù)據(jù)分析的lamb?da架構(gòu)，以及多種智能計(jì)算技術(shù)。更重要的是，本文討論了在IoV環(huán)境中實(shí)施霧計(jì)算和實(shí)時(shí)大數(shù)據(jù)分析所面臨的機(jī)遇和挑戰(zhàn)。最后，關(guān)鍵問(wèn)題和未來(lái)研究方向部分討論了為有效實(shí)施所提出的架構(gòu)而應(yīng)該考慮的一些問(wèn)題。

圖2 實(shí)時(shí)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(guò)考慮這些方面，本文提出了一種新的三維架構(gòu)（智能計(jì)算，實(shí)時(shí)大數(shù)據(jù)分析和IoV），以實(shí)現(xiàn)IoV環(huán)境中的實(shí)時(shí)ITS大數(shù)據(jù)分析。此外，還討論了IoV和智能計(jì)算平臺(tái)正在創(chuàng)造的機(jī)遇和挑戰(zhàn)。作者還介紹了不同邊緣計(jì)算技術(shù)之間的比較。作者還強(qiáng)調(diào)了關(guān)鍵問(wèn)題和未來(lái)研究方向，應(yīng)考慮改進(jìn)許多ITS應(yīng)用的實(shí)時(shí)大數(shù)據(jù)分析。

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

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

3.1 主要內(nèi)容

交通事故仍困擾著全社會(huì)。銷(xiāo)售的行車(chē)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(chē)輛記錄儀數(shù)據(jù)。作者已經(jīng)開(kāi)發(fā)出一種系統(tǒng)，用于根據(jù)車(chē)輛記錄器數(shù)據(jù)、道路形狀和天氣信息檢測(cè)潛在風(fēng)險(xiǎn)的十字路口。在單個(gè)顯示器中將空間和時(shí)間結(jié)合起來(lái)的可視化稱(chēng)為“空間時(shí)間立方體（STCSpace Time Cube）”，有助于在謹(jǐn)慎的十字路口上理解和分析時(shí)空移動(dòng)數(shù)據(jù)。STC使作者不僅可以同時(shí)探索車(chē)輛軌跡的形狀和位置，還可以探索其時(shí)間分布。然而，用戶(hù)難以手動(dòng)找到用于理解軌跡特征的良好視點(diǎn)。在本文中，作者提出了一種最佳視點(diǎn)選擇方法，用于使用STC在大型十字路口上可視化車(chē)輛軌跡的時(shí)空特征（見(jiàn)圖3）。

圖3 不同十字路口（a）和（b）的三個(gè)常見(jiàn)最佳觀點(diǎn)[3]

本文的主要貢獻(xiàn)如下：

（1）作者提供了一種基于視點(diǎn)熵加權(quán)的算法，該算法基于軌跡角度，水平線(xiàn)作為投影2D圖像上視點(diǎn)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(kuò)展了所提出的方法，以找到多個(gè)十字路口的最佳視點(diǎn)。

（3）作者通過(guò)用戶(hù)的評(píng)估來(lái)驗(yàn)證所提出的方法。

（4）作者構(gòu)建了一個(gè)從實(shí)際車(chē)輛記錄器大數(shù)據(jù)中檢測(cè)到的潛在風(fēng)險(xiǎn)十字路口的概覽目錄，以便與利益相關(guān)者進(jìn)行討論和分析。

3.2 主要結(jié)論

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

4 霧天計(jì)算中的反轉(zhuǎn)CDN：互聯(lián)和自動(dòng)車(chē)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(jì)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(jī)）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(diǎn)），可以將內(nèi)容直接流式傳輸?shù)皆苹蚩梢跃酆?、存?chǔ)并以分布式方式處理數(shù)據(jù)。這構(gòu)建了一個(gè)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(duì)一的方式從多個(gè)內(nèi)容源流出，高動(dòng)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(xiàn)到最終的存儲(chǔ)目的地。在本文中，作者提出了一個(gè)解決方案，協(xié)同rCDN和霧計(jì)算，以服務(wù)連接自動(dòng)車(chē)輛，車(chē)輛攝像機(jī)和街道攝像機(jī)的視頻內(nèi)容分布在rCDN節(jié)點(diǎn)。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(dòng)車(chē)輛的視頻內(nèi)容會(huì)產(chǎn)生大量的上層流量（從汽車(chē)到云端）以及大量的下層流量（從云端到汽車(chē)）。這改變了完全依賴(lài)云的傳統(tǒng)模式，并且需要具有從車(chē)輛到云的內(nèi)容聚合/處理和存儲(chǔ)/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(chǔ)/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(gè)AD服務(wù)的視頻數(shù)據(jù)聚合、存儲(chǔ)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(mǎn)足來(lái)自多個(gè)來(lái)源的動(dòng)態(tài)和可變內(nèi)容，并且這些內(nèi)容與傳統(tǒng)請(qǐng)求驅(qū)動(dòng)的數(shù)據(jù)流相反（即推送模式而不是拉模式）；

（2）除了存儲(chǔ)、處理和緩存之外，力求使網(wǎng)絡(luò)能夠適應(yīng)從簡(jiǎn)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(dòng)態(tài)方式處理（轉(zhuǎn)換、分析、壓縮等）。

5 在部分連接的車(chē)輛環(huán)境中增強(qiáng)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(dòng)態(tài)，車(chē)輛的預(yù)期駕駛可以在連通車(chē)輛環(huán)境（CVE）中的交通流量中得到很大改善，其中100%車(chē)輛經(jīng)常使用車(chē)輛到車(chē)輛（V2V）通信技術(shù)共享其狀態(tài)。本文討論了部分連接的車(chē)輛環(huán)境（PCVE），其中未連接（手動(dòng)）車(chē)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(shí)現(xiàn)高度預(yù)期的駕駛。更具體地，作者將預(yù)期駕駛稱(chēng)為主車(chē)輛的預(yù)測(cè)控制，考慮其在擴(kuò)展視圖中的先前交通狀況。為了增強(qiáng)對(duì)道路交通狀況的感知，提出了一種道路速度剖面，其通過(guò)有效地從交通大數(shù)據(jù)（即來(lái)自所有周?chē)?chē)輛的廣播數(shù)據(jù)）中提取信息來(lái)簡(jiǎn)明地描述道路的每個(gè)小區(qū)段或小區(qū)中的平均速度到主車(chē)輛上。

動(dòng)態(tài)近似道路速度曲線(xiàn)的這個(gè)過(guò)程分兩步進(jìn)行（圖5）。首先，提出了一種條件持久性預(yù)測(cè)模型來(lái)估計(jì)聯(lián)網(wǎng)車(chē)輛的未來(lái)狀態(tài)。這種預(yù)測(cè)狀態(tài)可以充分補(bǔ)償來(lái)自任何未連接車(chē)輛的丟失數(shù)據(jù)。其次，將車(chē)輛的預(yù)測(cè)時(shí)間、位置和速度映射到道路單元上，隨后，通過(guò)采用加權(quán)移動(dòng)平均技術(shù)來(lái)調(diào)整相應(yīng)的單元速度。持久性預(yù)測(cè)模型和道路速度曲線(xiàn)的準(zhǔn)確性根據(jù)經(jīng)驗(yàn)評(píng)估連接車(chē)輛的不同察覺(jué)能力。最后，通過(guò)結(jié)合所提出的道路速度曲線(xiàn)來(lái)開(kāi)發(fā)模型預(yù)測(cè)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(jìn)行比較。

圖5 在PCVE下的主機(jī)（h）車(chē)輛的視圖中估計(jì)相對(duì)于特定時(shí)間的絕對(duì)道路位置x的速度v的目的目標(biāo)問(wèn)題圖示[5]

5.2 展望

在未來(lái)，將考慮更加真實(shí)的多車(chē)道交通情景以及V2V車(chē)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(chē)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(chē)輛數(shù)據(jù)服務(wù)器實(shí)施[6]

6.1 主要內(nèi)容

在不久的將來(lái)，互聯(lián)汽車(chē)系統(tǒng)有望穩(wěn)步增長(zhǎng)并形成一個(gè)主流。在這種情況下，一些汽車(chē)制造商正在開(kāi)發(fā)標(biāo)準(zhǔn)接口，可用于以獨(dú)立于供應(yīng)商的方式訪問(wèn)車(chē)輛信息，以構(gòu)建更大的聯(lián)網(wǎng)汽車(chē)生態(tài)系統(tǒng)。在本文中，作者介紹了目前正在開(kāi)發(fā)的車(chē)輛數(shù)據(jù)標(biāo)準(zhǔn)和車(chē)輛數(shù)據(jù)訪問(wèn)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(shí)施了車(chē)輛數(shù)據(jù)服務(wù)器，以驗(yàn)證標(biāo)準(zhǔn)的可行性，并總結(jié)了未來(lái)需要解決的問(wèn)題。

VSS（Vehicle Signal Specification）標(biāo)準(zhǔn)基于信號(hào)命名約定和信號(hào)規(guī)范格式定義一組車(chē)輛信息。它基于樹(shù)形結(jié)構(gòu)，因此車(chē)輛OEM可以將他們自己的車(chē)輛信息擴(kuò)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(guò)930種車(chē)輛數(shù)據(jù)集(圖6)。

圖6 VSS樹(shù)的示例[6]

預(yù)計(jì)2020年發(fā)布的汽車(chē)約75%將成為聯(lián)網(wǎng)汽車(chē)，基于實(shí)時(shí)車(chē)輛數(shù)據(jù)的用例（如汽車(chē)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(chē)輛數(shù)據(jù)訪問(wèn)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(qiáng)調(diào)了適用的車(chē)輛數(shù)據(jù)訪問(wèn)標(biāo)準(zhǔn)的重要性。在本文中，作者介紹了一種車(chē)輛數(shù)據(jù)訪問(wèn)接口標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)正在作為事實(shí)標(biāo)準(zhǔn)開(kāi)發(fā)?；诖耍髡唛_(kāi)發(fā)了車(chē)輛數(shù)據(jù)服務(wù)器并驗(yàn)證了該標(biāo)準(zhǔn)的可行性。此外，建議解決基于VSS的車(chē)輛數(shù)據(jù)表示中的性能問(wèn)題，訂閱功能中的過(guò)濾問(wèn)題以及向VSS數(shù)據(jù)表示添加RW（讀/寫(xiě)）信息，以便更有效地進(jìn)行車(chē)輛數(shù)據(jù)處理。