方宇杰 李 萌 司鵬搏 楊睿哲 孫恩昌 張延華

(北京工業(yè)大學信息學部 北京100124)

(先進信息網絡北京實驗室 北京100124)

0 引言

隨著物聯網和新一代無線通信技術的快速發(fā)展,智能化、網聯化成為了汽車行業(yè)的發(fā)展趨勢。網絡傳輸和數據計算處理能力的大幅提升加速了車輛網絡到車輛互聯網的范式轉變[1]。因此,車聯網成為了一種新的網絡范式,促進了智能交通系統(tǒng)的發(fā)展。在這種新模式下,車輛可以進行實時通信,實現車對車(vehicle-to-vehicle,V2V)、車對行人(vehicle-to-pedestrian,V2P)、車對基礎設施(vehicle-toinfrastructure,V2I)、車對基站(vehicle-to-base station,V2B)[2-3]之間的數據共享。在智能交通系統(tǒng)中,車輛可準確無誤地獲取周邊環(huán)境信息(如駕駛信息、道路狀況),實時改變行駛策略,這為司機帶來了沉浸式駕駛體驗,降低了交通事故的發(fā)生概率,提高了道路安全性。此外,在新一代智能交通系統(tǒng)中,車輛間的數據交互提高了車與車之間的安全性和可靠性;在信息娛樂、交通安全和智能導航等多種車載應用中,車與乘客間的數據交互提升了用戶的駕乘體驗[4]。

然而,交通環(huán)境差和障礙物的存在會導致高響應延遲和低內容響應率,車輛之間的通信鏈路受到干擾,吞吐量降低。車輛的高速移動和不確定行駛軌跡也帶來了一些問題,如車輛容易脫離原有網絡的有效覆蓋范圍,從而導致通信鏈路中斷,網絡連通性不能得到保障。

近年來,無人機因其高機動性、自主性、低成本和靈活部署的特點,在軍事和民用領域得到了廣泛應用[5-7],如地震災后營救、交通控制、農作物健康評估等。在物聯網應用中,無人機可充當移動接收器收集無線傳感網絡中地面節(jié)點的數據。對于具有監(jiān)控范圍廣、節(jié)點多、數據傳輸任務重等特點的大規(guī)模物聯網來說,無人機可以加快收集速度,提供更長的網絡生存期和實時的數據傳輸。無人機與地面用戶之間可靠的視距無線傳輸(line of sight,LoS),形成空對地通信鏈路可以提供增強的無線覆蓋和連通性[8]。未來,無人機將成為智能交通系統(tǒng)不可或缺的一部分,其硬件靈活的配置使通信、緩存和計算等能力具有較強的擴展性,可以支持各種不同類型的應用。因此,無人機輔助解決車聯網的網絡服務質量提升,被認為是一種極具前景的方法。然而,目前對無人機技術應用于車聯網領域的研究相對較少,且大多研究還只停留在無人機的無線通信設計方面[9-11]。例如,文獻[10]提出了一種基于隱馬爾科夫模型的頻譜預測方法,以提高無人機通信性能。此外,文獻[11]研究了可重構智能表面輔助無人機安全通信,旨在提高系統(tǒng)保密率。

綜上所述,本文深入調研了無人機輔助的車聯網研究現狀及其關鍵技術,介紹了面向無人機技術輔助車聯網場景在網絡通信、內容緩存與計算卸載和安全隱私等方面的相關研究進展。此外,本文還對其關鍵挑戰(zhàn)和未來發(fā)展趨勢進行了廣泛深入的探討。

1 研究現狀

無人機輔助車聯網的架構如圖1 所示,主要包括空中無人機層和地面車輛層。支持無線通信的無人機不受地形限制,通過調整自身位置輔助車輛網絡,保證了通信的可靠性。

圖1 無人機輔助車聯網的架構圖

1.1 網絡通信

1.1.1 路由協議

路由協議對于提供穩(wěn)定、高效的通信十分重要,對數據傳輸性能有極大的影響。無人機自組織網絡屬于移動自組織網絡的一種,其多跳通信性能可以提高帶寬的利用率。文獻[12]將按需距離向量和優(yōu)化鏈路狀態(tài)2 種路由協議應用于飛行自組織網絡中,提高了節(jié)點的連通性。文獻[13]提出了無人機直接傳送和利用本地連接網絡的自組織路由策略相結合的混合數據傳輸方法,大幅提高了實時數據傳輸性能,同時降低了路由成本。

在車聯網系統(tǒng)中,因障礙物的存在,車輛之間通信鏈路的可靠性并不穩(wěn)定。然而,無人機作為空中節(jié)點可有效解決這一問題,障礙物存在下的V2V 通信網絡模型如圖2 所示。將優(yōu)化路由協議納入無人機輔助車聯網系統(tǒng)已成為改善車輛通信的一個關鍵舉措。為了實現車輛之間可靠的數據傳輸,找到有效的端到端連接路徑,文獻[14]提出了一種新的十字路口無人機輔助車載自組織網絡(vehicular Ad Hoc network,VANET)路由協議,具體可以表述為基于路段連通性和車輛分布信息,無人機計算連通程度,并把連通程度作為新字段加入Hello 報文中,周期性與車輛實現共享,確保數據包轉換可以選擇最連通的路段,提高數據包分發(fā)效率。

圖2 障礙物存在下的V2V 通信網絡模型

無人機的引入,可以提高VANET 中地理路由方法的收斂速度和資源利用率。文獻[15]設計了一種新的路由方法,即基于Q-Learning 的自適應無人機輔助地理路由。無人機采用模糊邏輯算法計算每條道路的數值模糊,得到道路對信息傳輸的適宜程度,通過深度優(yōu)先搜索算法得到全局最優(yōu)路由路徑;地面車輛中間節(jié)點根據Q-Learning 算法結合全局路由路徑選擇合適的鄰居作為下一跳傳輸數據包。當車輛節(jié)點在報文周期內找不到合適的鄰居作為數據傳輸的下一跳時,則該節(jié)點的數據包將被轉發(fā)到無人機上以完成數據傳輸。

在車載時延可容忍網絡(vehicular delay tolerant networks,VDTN)中,車輛與其他設備端對端信息傳輸效率受到了環(huán)境(如災區(qū)營救、城市障礙物等)限制,無人機的引入可以顯著提升網絡拓撲結構,提升數據傳輸的路徑選擇多樣性。文獻[16]通過計算每次相遇車輛節(jié)點之間的相遇概率和持續(xù)連接時間,設計了無人機輔助車載時延容忍網絡路由協議,該協議有效利用無人機在VDTN 環(huán)境中進行消息轉發(fā),提高了通信鏈路的穩(wěn)定性和消息轉發(fā)的可靠性,同時也降低了端到端的時延和網絡開銷。

1.1.2 軌跡優(yōu)化

在無人機輔助的車輛通信系統(tǒng)中,設計一種最優(yōu)的無人機軌跡優(yōu)化策略,不僅能夠提高車輛通信質量,帶給車輛用戶極佳的服務質量和體驗,而且還能確保無人機飛行過程中的能量消耗達到最小,用來服務更多的車輛用戶。文獻[17]和[18]對無人機協同路側單元(roadside units,RSU)輔助車輛網絡中的無人機軌跡優(yōu)化進行了研究。在無線信道建模中均提到了采用仰角相關的LoS 模型,考慮了車輛與無人機之間的LoS 路徑損耗和非視距(non line of sight,NLoS)路徑損耗,從而得出了兩者之間的平均路徑損耗。文獻[17]設計了一個包含云計算中心控制層、無人機空中層、多車地面層在內的預調度無人機輔助車輛邊緣計算的系統(tǒng)架構。基于交通態(tài)勢感知來優(yōu)化無人機飛行軌跡,同時考慮了無人機直線飛行能耗和轉彎能耗。通過深度Q 網絡,尋找并確定無人機最優(yōu)懸停位置,派遣無人機到達指定任務區(qū)域協同RSU 及時為車輛提供通信和計算服務,該方法提高了無人機的服務質量。為了最大化無人機的覆蓋范圍,減少城市中固定部署的RSU 數量,保證車輛的通信性能,文獻[18]通過改進貪婪算法和蟻群優(yōu)化算法,根據飛行速度和功率約束,優(yōu)化了無人機飛行軌跡,其中貪婪算法負責選取適當的無人機飛行點覆蓋所有的車輛,蟻群算法確定飛行路線。與傳統(tǒng)地面RSU 部署策略[19-20]和多無人機以恒定的繞圈飛行策略相比,多無人機協同RSU輔助車輛通信更具有減少部署RSU 和提高網絡通信性能的優(yōu)勢。

高峰時段城市交通流量較大,有限的RSU 資源通常不能為VANET 提供完善的網絡服務。為了服務支撐更多的地面車輛,文獻[21]根據交通流結合道路結構設計了最優(yōu)無人機飛行軌跡,如圖3所示。具體而言,無人機可以根據交通流調整自身飛行速度、停留位置和飛行軌跡,并以飛行路徑上車輛數量最大為目標,最終形成一條最優(yōu)飛行路線。之后,無人機在此路徑上盤旋并與車輛建立數據鏈路,分配頻譜資源,從而保證車輛網絡速率最大化。

圖3 無人機服務地面車輛軌跡示意圖

1.2 內容緩存與計算卸載

無人機技術與移動邊緣計算(mobile edge computing,MEC)技術的結合為基礎設施匱乏的偏遠地區(qū)的通信、計算和存儲等服務提供了保障。與傳統(tǒng)固定位置的MEC 服務器相比,無人機輔助的MEC技術具有靈活、部署方便等特點,適用于機動調度和動態(tài)組網。另外,無人機可以作為有一定緩存容量的移動緩存中繼,預先緩存流行內容,并為用戶提供請求內容傳輸服務,有效減輕回程鏈路流量負載。

1.2.1 內容緩存

當前,已有諸多學者面向物聯網系統(tǒng)引入無人機輔助緩存技術進行了深入而廣泛的研究。文獻[22]提出一種無人機輔助的霧計算網絡,無人機作為霧計算節(jié)點,配置緩存單元,從而減少了用戶接入時延,實現了良好的系統(tǒng)緩存性能。為進一步提高無人機輔助網絡的系統(tǒng)緩存性能,文獻[23]將多輸入多輸出(multiple-input multiple-output,MIMO)技術引入無人機輔助無線網絡,建立了多用戶MIMO 無人機網絡模型,將高速緩存命中概率作為性能指標加以分析,結果表明該模型有效提高了支持緩存的無人機網絡的緩存性能。內容緩存在某些程度上也可以保證數據的安全,文獻[24]將無人機作為中繼節(jié)點從基站獲取內容并提供給用戶設備,實現了用戶之間的隱私安全。

在車聯網系統(tǒng)中,內容緩存是減少網絡時延的有效方法。通過在基站和附近用戶設備部署緩存,使得流行內容更加接近目標用戶實現低時延傳輸,例如視頻傳輸等。然而,對于用戶不在基站的覆蓋區(qū)域等情況,無人機可以緩存流行內容,減少前饋和反饋網絡的負擔。為了更好地為車輛的流行內容服務,文獻[25]提出一種基于緩存的衛(wèi)星-無人機-車輛集成網絡,設計了能量感知的編碼緩存策略。在該架構中,同步衛(wèi)星作為云服務器,無人機被部署為邊緣服務器,提供了更多的組播機會,減少了回程鏈路之間能量消耗,提高了能效。

傳統(tǒng)車輛網絡中V2V、V2I、V2B 通信鏈路在網絡拓撲結構的動態(tài)變化下,很難維持用戶所需的服務質量和服務體驗需求。為了顯著提高網絡吞吐量和降低數據傳輸延遲,文獻[26]和[27]提出了一種具有主動緩存功能和先進的文件共享策略的無人機輔助的數據傳播協議。在主動緩存階段,利用無人機進行有序的廣播,為其飛行覆蓋范圍內的車輛緩存數據文件,提升了緩存效率,降低了時延,提高了系統(tǒng)的吞吐量;在文件共享階段,車輛通過V2V 通信鏈路彼此共享緩存的文件,提高了網絡的傳輸性能。而文獻[27]在文獻[26]的基礎上,通過基于三維空間坐標的動態(tài)軌跡調度算法優(yōu)化無人機的軌跡來縮短整個主動緩存時間。在文件共享階段利用遞歸最小二乘法信道預測算法實現近似實時處理,降低了通信網絡資源開銷。

提高數據吞吐量和服務質量的滿意度對于車聯網系統(tǒng)具有重要意義。文獻[28]和[29]研究了在網絡拓撲結構動態(tài)變化的車輛網絡中,對包含內容放置和內容傳遞的無人機緩存方案與飛行軌跡進行聯合優(yōu)化,確保無人機輔助地面車輛網絡傳輸高帶寬內容文件。具體而言,文獻[28]從緩沖層和軌跡內容交付層分別對無人機的平均可實現吞吐量進行優(yōu)化。在此基礎上,文獻[29]提出了一種基于學習的方法,通過離線優(yōu)化,在線決策實時尋找最優(yōu)解,最大限度提高了網絡吞吐量。

在自動駕駛方面,車輛需要及時獲取區(qū)域環(huán)境的安全交通信息,數據緩存會縮短相應的內容響應時間。然而,在一些交通環(huán)境較差或建筑物遮擋的情況下,緩存內容在上傳或下載時,會存在較高的響應延遲和較低的數據傳輸效率。為了滿足車輛用戶對安全駕駛內容的需求,文獻[30]設計了一種基于深度Q-Learning 的空中輔助車輛緩存架構,其包含飛艇、無人機和車輛的三層緩存方案,如圖4 所示。車輛發(fā)送內容請求時,無人機進行內容響應。若出現無人機未緩存所請求的內容時,飛艇實現無人機實時調度,應對了無人機有限的緩存空間和能量,提高了車輛用戶內容緩存響應率。

1.2.2 計算卸載

隨著第5 代移動通信技術(the 5th generation mobile communication technology,5G)的快速發(fā)展,移動邊緣計算在車聯網方面的應用得到了學術界廣泛的關注。由于裝配在車輛上的處理器通常存儲容量有限或計算資源不足,無法完全處理或只能部分處理計算密集型任務,并且會產生巨大的能量消耗和延遲,這對一些時延敏感需求的用戶設備來說具有很大的挑戰(zhàn)。為了解決這一問題,通過在基站部署MEC 服務器,車輛通過無線傳輸協議或專用短程通信技術把計算密集型任務卸載到邊緣服務器進行計算,可以有效地緩解車輛的計算壓力。然而,作為邊緣節(jié)點的基礎設施位置通常是固定的,而且部署成本相對較高,導致一些區(qū)域沒有基礎設施允許網絡接入,從而不能更好地滿足高速移動車輛的服務質量要求。

現有研究針對無人機輔助移動邊緣計算方面開展了大量的工作,無人機可以作為輔助節(jié)點,在終端設備與部署MEC 服務器的無線接入點(access point,AP)之間提供通信。文獻[31]介紹了在終端設備與AP 之間通信鏈路中斷情況下,通過部署無人機輔助的MEC 系統(tǒng),終端設備可以本地計算,也可以將任務卸載到無人機進行處理。同時,無人機也可將數據傳輸到AP 進行計算,提高計算資源的利用率的同時獲得了較低的計算時延和系統(tǒng)能耗。對于移動用戶數量較多或網絡設備分布稀疏的情況,文獻[32]提出了物聯網設備可通過無人機輔助,將計算任務卸載到邊緣云上,以便為因信號中斷而無法訪問地面邊緣云服務器的物聯網設備提供移動邊緣計算服務。對于交通流量密集的地區(qū),由配備攝像頭、傳感器、計算和通信資源的無人機作為移動基站獲取數據并執(zhí)行本地處理;此外,無人機也可將復雜的任務卸載給MEC 服務器,降低能耗和處理時間[33]。

面向車聯網,無人機可以充當裝備MEC 服務器的空中基站,與車輛形成傳輸可靠的LoS 連接,輔助車輛用戶進行計算任務卸載,其模型圖如圖5 所示。在文獻[34-36]中,為了優(yōu)化系統(tǒng)能耗和車輛任務執(zhí)行時間,均提出了車輛的計算處理任務分為車輛利用自身的計算資源進行本地計算,或將任務卸載到無人機,無人機作為MEC 服務器執(zhí)行計算,以及將任務直接卸載到配備有邊緣服務器的基站執(zhí)行。文獻[35]還考慮部署無人機作為中繼節(jié)點,協助車輛將計算任務轉發(fā)給MEC 服務器,同時還加入了軟件定義網絡控制器實時收集全部設備信息,制定卸載策略,使車輛用戶做出卸載決策,最小化系統(tǒng)成本。

圖5 無人機輔助車輛計算卸載模型圖

在整個計算卸載過程中,文獻[34]和[36]考慮了車輛和無人機之間利用IEEE 802.11P 協議通信,通過載波偵聽多路訪問/沖突避免的介質訪問控制協議實現無人機與車輛之間的數據傳輸,考慮了請求發(fā)送/允許發(fā)送(request to send/clear to send,RTS/CTS)方法,任務傳輸成功周期都加入了RTS和CTS 幀間間隔。文獻[34]具體綜合考慮了MEC選擇、資源分配和任務卸載,提出了一個以最小化任務處理延遲為目標的多目標優(yōu)化問題。基于負載均衡準則聯合進行MEC 選擇決策,并根據拉格朗日對偶分解對卸載率和計算資源優(yōu)化,提出了一種無人機輔助VANET 的MEC 選擇、資源分配和任務卸載聯合算法。而文獻[36]研究了無人機配合RSU 輔助VANET 的聯合節(jié)能卸載和車輛關聯的問題,證明了該問題是一個混合整數線性問題,進而將其解耦為節(jié)能卸載和用戶關聯2 個子問題,并利用標準凸優(yōu)化方法求解,實驗結果表明該算法降低了系統(tǒng)能耗。

1.3 安全與隱私

在未來的智能交通系統(tǒng)中,車輛與車輛、RSU、基站之間的安全通信至關重要。在大數據信息時代,安全的數據傳輸可有效避免個人隱私的泄露。因此,在無人機輔助的車聯網中,安全通信具有廣泛的應用前景和研究價值。文獻[37]考慮了被動竊聽、主動竊聽、串謀竊聽場景下的V2V 通信,無人機作為干擾器來干擾竊聽者接收的信號,并作為空中基站通過LoS 鏈路增強車輛發(fā)射所需的信號強度,提高了車與一切實體(vehicle-to-everything,V2X)通信的安全性。在此基礎上,文獻[38]研究了無人機的地面覆蓋范圍和飛行高度對無人機輔助車聯網系統(tǒng)的保密中斷性能的影響。此外,文獻[39]提出了一種超橢圓曲線密碼技術、數字簽名和哈希函數相互融合的隱私保護認證方案,降低了無人機的計算和通信資源開銷,防止入侵者獲取無人機和車輛位置導致的敏感數據泄露。

針對非法無人機干擾降低合法無人機與車輛的通信鏈路的可靠性,如圖6 所示,文獻[40]提出一種基于攻防博弈的無人機輔助車聯網的安全數據傳輸方案。通過攻防博弈分析建模得到無人機和干擾器之間的納什均衡,提高了干擾器攻擊下的無線通信性能。在災難救援場景中,路邊基礎設施遭到破壞無法收集和分析具體車輛位置信息,從而無法準確判斷事故發(fā)生地。通過具備存儲和通信資源的車輛在無需部署基礎設施的情況下實現容忍延遲數據的傳輸[41],可解決上述問題。然而,在車輛稀疏或因道路阻斷車輛行駛范圍受限,信息無法迅速傳播到車輛網絡中。因此,文獻[42]利用車對車通信預測信息擴散控制無人機飛行軌跡,通過無人機空中節(jié)點,迅速向更多的車輛傳播有用信息,快速確定事故地點,爭取救援時間以最大程度減少傷亡。

圖6 干擾器存在時無人機輔助的V2V 通信網絡架構

2 未來機遇及挑戰(zhàn)

在車聯網系統(tǒng)中,通過引入無人機輔助技術,顯著提高了車輛用戶對服務質量和體驗質量的滿意度,改善了車聯網的網絡環(huán)境,降低了網絡負載和能源消耗,優(yōu)化了緩存和計算資源的配置。然而,無人機輔助的車聯網架構中還存在一些關鍵問題和挑戰(zhàn)。同時,相關前沿技術的融合也將為之帶來了重大機遇和研究方向。

2.1 存在的問題

2.1.1 數據傳輸問題

車聯網系統(tǒng)中的車輛具有高速移動的特性,所形成的車輛網絡拓撲結構呈現高動態(tài)變化。無人機節(jié)點的移動、鏈路因電源故障或動態(tài)網絡拓撲結構發(fā)生變化的中斷、有限的能量和時間等資源使得路由協議的設計十分困難。因此,針對不同類型的無人機輔助車聯網,應該建立不同的路由機制,如何尋找最有效的路徑以及以較低的路由成本獲得高質量的數據傳輸性能是一個具有挑戰(zhàn)性的研究。無人機輔助的車聯網為通信網絡發(fā)生故障的場景中的實時數據傳輸提供了方便,根據網絡擁塞、設備破壞、無人機數量增加等網絡狀態(tài)的變化設計可靠的實時數據(如視頻、音頻等)傳輸架構十分重要。在未來的研究中,無人機通過環(huán)境感知,自適應做出相應的動作保證網絡的連通性,完成實時數據傳輸、計算等相關問題亟待關注。

2.1.2 能源效率問題

在智慧城市中,無人機動態(tài)部署在車聯網系統(tǒng)中,其執(zhí)行任務的動作(飛行、懸停)和數據傳輸、計算都將消耗大量能量。然而,無人機因配備有限的電源能量成為了智能交通系統(tǒng)快速發(fā)展的瓶頸。因此,如何改善無人機的能源消耗成為了巨大的挑戰(zhàn)。在未來的研究中,可以根據歷史交通情況,在車輛密度較大的地方設置無人機充電站,并配備一架具有相同作用的候選無人機。無人機在車流量大的上空執(zhí)行任務,電量到達設定的充電閾值時與候選無人機互換角色完成車輛請求的任務。此外,通過部署無人機群、形成飛行自組織網也可有效應對挑戰(zhàn)。當無人機出現電量不足時,把計算任務交付給其他無人機并返回鄰近充電樁充電,此時形成的新飛行自組織網絡繼續(xù)輔助車聯網系統(tǒng),完成必要的數據傳輸。未來,如何進一步提高無人機的能源效率,進而更好地服務支撐車聯網系統(tǒng)也將是一個重要課題。

2.1.3 應急響應問題

應急事故的發(fā)生極大地影響了城市交通安全,因此,建立高效的應急響應系統(tǒng)可以顯著提升事故處理效率,降低生命財產損失,并且可以有效避免二次事故的發(fā)生。為了派遣應急車輛快速、安全到達事故發(fā)生地,減少事故處理時間,改善道路安全,文獻[43]提出了一種應急車輛優(yōu)先系統(tǒng),通過考慮事故的類型和嚴重程度,選擇合適應急車輛的優(yōu)先級,結合當前交通狀況提供更好的應急管理服務。此外,文獻[44]提出了一種整數線性規(guī)劃方法,通過V2V 通信鏈路收集道路類型以及車輛信息(位置和速度),給出使應急車輛速度和鏈路空閑空間最大化的鏈路路徑。然而,這些研究僅局限在考慮以地面車輛為主的二維場景,無法滿足日益增加的應急事故處理需求和響應效率。通過構建無人機輔助車聯網的三維應急響應模式,將是該領域未來的發(fā)展方向。通過無人機搜集路況信息為車聯網應對突發(fā)狀況提供科學依據,實現資源的合理分配。未來,設計高效的優(yōu)化策略以確保車聯網系統(tǒng)在不同環(huán)境下的服務質量,提高車輛的精確視覺感知和應急響應時間,最大限度減少應急車輛對正常交通的負面影響,是值得關注的研究方向。

2.2 研究機遇與挑戰(zhàn)

2.2.1 毫米波技術支持

毫米波技術在5G 通信部署方面展示出巨大潛力并發(fā)揮至關重要的作用。毫米波具有極高的帶寬與波束窄的特點,能夠更精確分辨目標并還原目標細節(jié),與sub-6 GHz 優(yōu)勢互補,可有效緩解下一代蜂窩網絡的頻譜緊縮問題[45]。毫米波與無人機輔助的車聯網融合,為系統(tǒng)帶來了大帶寬、高數據率,降低了無人機與車輛之間的傳輸時延。

毫米波覆蓋了7 GHz 波段(57～64 GHz)超越了sub-6 GHz 波段的窄帶寬[46],有效地擴大了無人機的覆蓋范圍,為通信鏈路帶來了高增益,更加適合無人機輔助的車聯網架構。未來,隨著5G 及下一代通信技術的全面演進,毫米波有望成為無人機輔助車聯網不可或缺的關鍵技術之一。

2.2.2 6G 網絡演進

隨著無線通信技術的發(fā)展,5G 已逐步落地并商用,6G 網絡的研究工作也已全面展開。與5G 技術相比,6G 需要通過使用小型蜂窩或新的無線電頻譜頻段(如7～20 GHz 或sub-THz)以提供更大的容量和速度[47]。無人機與6G 網絡的融合在一定程度上可以降低部署密集傳輸網絡的成本。此外,6G 網絡具有超高峰值速率、極低時延和定位精度高等特點,將為空地一體化帶來機遇,實現全球無縫覆蓋。具備自適應性被學術界認為是6G 網絡的基本特征之一,文獻[48]設想了一種無人機輔助的車輛邊緣計算系統(tǒng),以滿足6G 網絡下V2X 通信需求,并提供3D 和自適應服務覆蓋,實現車輛密集的計算任務和數據卸載。

在智能交通系統(tǒng)中,6G 網絡有望為車輛提供高速通信。然而,因通信帶寬和通信頻率增加,具有密集型應用的車輛與邊緣基礎設施頻繁交互,給物聯網設備帶來了巨大的負擔[49]。文獻[49]把數據量大的任務作為任務收集節(jié)點,通過無人機采集任務,降低了6G 網絡下與車輛交互的物聯網設備的能耗。

2.2.3 區(qū)塊鏈技術應用

目前,相關研究更多將無人機作為干擾中繼節(jié)點防止車輛數據被竊聽。然而,在該過程中存在干擾合法車輛正常通信的可能性。目前,將區(qū)塊鏈技術應用與無人機輔助的車聯網系統(tǒng)中的研究還相對較少。區(qū)塊鏈具有去中心化、不可篡改和開放性等特點,為無人機輔助的車輛通信系統(tǒng)帶來了應用前景,其網絡架構模型如圖7 所示。區(qū)塊鏈技術中的智能合約可以為無人機與車輛之間的數據傳輸過程建立信任機制[50],保證了通信的安全性與可靠性。

圖7 區(qū)塊鏈支持的V2V 通信無人機輔助數據傳輸網絡

在未來空地一體化架構中,多架無人機通過動態(tài)部署形成飛行自組織網絡輔助車聯網系統(tǒng)。區(qū)塊鏈技術集成公開加密算法(如橢圓曲線加密)[51]的發(fā)展適合具有分布式特點的空地一體化網絡,并為之帶來巨大的安全效益。區(qū)塊鏈安全共識機制為無人機間的數據共享提供了可能,防止惡意無人機或其他車輛的攻擊(如重放攻擊),加快了無人機處理數據的速度,在某種程度上降低了系統(tǒng)的時延和能量消耗。

2.2.4 人工智能技術賦能

人工智能(artificial intelligence,AI)技術的快速發(fā)展為無人機輔助的車聯網提供了史無前例的發(fā)展機遇。與傳統(tǒng)的優(yōu)化方法(如凸優(yōu)化、博弈論等)相比,基于AI 的解決方案對動態(tài)環(huán)境具有持續(xù)學習能力,并且能夠以較低的計算復雜度進行實時推理[52]。AI 算法中的聯邦學習(federated learning,FL)優(yōu)化策略通過共享數據模型而不是原始數據,避免了因車聯網應用中因數據激增而產生的數據隱私泄露。但是,低效率通信已經成為基于人工智能優(yōu)化過程的一個關鍵瓶頸。為此,文獻[53]把無人機作為中繼節(jié)點,輔助車輛將模型參數轉發(fā)給計算處理服務器,提升了網絡的拓展性和可操作性,使FL 模型在處理過程中的性能顯著增強。文獻[54]提出了一種基于區(qū)塊鏈的去中心化橫向聯邦學習框架,采用閾值多簽名智能合約為跨域無人機提供動態(tài)認證服務,消除了無人機協作學習障礙,解決了數據隱私泄露問題。融合元學習的深度強化學習算法訓練的策略具有良好的泛化能力,可以通過有限的經驗快速適應新環(huán)境[55]。在無人機輔助車聯網架構中,應用元學習方法,保證了車輛快速適應環(huán)境中的動態(tài)變化,提高了車聯網智能決策的泛化性能。

3 結論

本文對無人機技術應用于車聯網領域進行了系統(tǒng)性綜述。詳細總結了無人機技術在車聯網領域的應用現狀,包括無人機與車聯網的通信、無人機輔助車輛數據內容緩存和邊緣計算卸載以及在安全隱私方面的研究工作。最后,指出了無人機應用于車聯網中的關鍵問題,并展望了毫米波、6G 網絡、區(qū)塊鏈和人工智能等技術為無人機輔助的車聯網發(fā)展帶來的機遇與挑戰(zhàn)。通過對無人機輔助的車聯網及其相關技術綜述,回顧總結了已有的研究成果及其關鍵技術,希望能夠為未來本領域的相關研究帶來一定的理論依據和參考借鑒。