方宇杰 李 萌 司鵬搏 楊睿哲 孫恩昌 張延華

(北京工業(yè)大學(xué)信息學(xué)部 北京100124)

(先進(jìn)信息網(wǎng)絡(luò)北京實(shí)驗(yàn)室 北京100124)

0 引言

隨著物聯(lián)網(wǎng)和新一代無(wú)線通信技術(shù)的快速發(fā)展,智能化、網(wǎng)聯(lián)化成為了汽車行業(yè)的發(fā)展趨勢(shì)。網(wǎng)絡(luò)傳輸和數(shù)據(jù)計(jì)算處理能力的大幅提升加速了車輛網(wǎng)絡(luò)到車輛互聯(lián)網(wǎng)的范式轉(zhuǎn)變[1]。因此,車聯(lián)網(wǎng)成為了一種新的網(wǎng)絡(luò)范式,促進(jìn)了智能交通系統(tǒng)的發(fā)展。在這種新模式下,車輛可以進(jìn)行實(shí)時(shí)通信,實(shí)現(xiàn)車對(duì)車(vehicle-to-vehicle,V2V)、車對(duì)行人(vehicle-to-pedestrian,V2P)、車對(duì)基礎(chǔ)設(shè)施(vehicle-toinfrastructure,V2I)、車對(duì)基站(vehicle-to-base station,V2B)[2-3]之間的數(shù)據(jù)共享。在智能交通系統(tǒng)中,車輛可準(zhǔn)確無(wú)誤地獲取周邊環(huán)境信息(如駕駛信息、道路狀況),實(shí)時(shí)改變行駛策略,這為司機(jī)帶來(lái)了沉浸式駕駛體驗(yàn),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(shù)據(jù)交互提高了車與車之間的安全性和可靠性;在信息娛樂(lè)、交通安全和智能導(dǎo)航等多種車載應(yīng)用中,車與乘客間的數(shù)據(jù)交互提升了用戶的駕乘體驗(yàn)[4]。

然而,交通環(huán)境差和障礙物的存在會(huì)導(dǎo)致高響應(yīng)延遲和低內(nèi)容響應(yīng)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(dòng)和不確定行駛軌跡也帶來(lái)了一些問(wèn)題,如車輛容易脫離原有網(wǎng)絡(luò)的有效覆蓋范圍,從而導(dǎo)致通信鏈路中斷,網(wǎng)絡(luò)連通性不能得到保障。

近年來(lái),無(wú)人機(jī)因其高機(jī)動(dòng)性、自主性、低成本和靈活部署的特點(diǎn),在軍事和民用領(lǐng)域得到了廣泛應(yīng)用[5-7],如地震災(zāi)后營(yíng)救、交通控制、農(nóng)作物健康評(píng)估等。在物聯(lián)網(wǎng)應(yīng)用中,無(wú)人機(jī)可充當(dāng)移動(dòng)接收器收集無(wú)線傳感網(wǎng)絡(luò)中地面節(jié)點(diǎn)的數(shù)據(jù)。對(duì)于具有監(jiān)控范圍廣、節(jié)點(diǎn)多、數(shù)據(jù)傳輸任務(wù)重等特點(diǎn)的大規(guī)模物聯(lián)網(wǎng)來(lái)說(shuō),無(wú)人機(jī)可以加快收集速度,提供更長(zhǎng)的網(wǎng)絡(luò)生存期和實(shí)時(shí)的數(shù)據(jù)傳輸。無(wú)人機(jī)與地面用戶之間可靠的視距無(wú)線傳輸(line of sight,LoS),形成空對(duì)地通信鏈路可以提供增強(qiáng)的無(wú)線覆蓋和連通性[8]。未來(lái),無(wú)人機(jī)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(jì)算等能力具有較強(qiáng)的擴(kuò)展性,可以支持各種不同類型的應(yīng)用。因此,無(wú)人機(jī)輔助解決車聯(lián)網(wǎng)的網(wǎng)絡(luò)服務(wù)質(zhì)量提升,被認(rèn)為是一種極具前景的方法。然而,目前對(duì)無(wú)人機(jī)技術(shù)應(yīng)用于車聯(lián)網(wǎng)領(lǐng)域的研究相對(duì)較少,且大多研究還只停留在無(wú)人機(jī)的無(wú)線通信設(shè)計(jì)方面[9-11]。例如,文獻(xiàn)[10]提出了一種基于隱馬爾科夫模型的頻譜預(yù)測(cè)方法,以提高無(wú)人機(jī)通信性能。此外,文獻(xiàn)[11]研究了可重構(gòu)智能表面輔助無(wú)人機(jī)安全通信,旨在提高系統(tǒng)保密率。

綜上所述,本文深入調(diào)研了無(wú)人機(jī)輔助的車聯(lián)網(wǎng)研究現(xiàn)狀及其關(guān)鍵技術(shù),介紹了面向無(wú)人機(jī)技術(shù)輔助車聯(lián)網(wǎng)場(chǎng)景在網(wǎng)絡(luò)通信、內(nèi)容緩存與計(jì)算卸載和安全隱私等方面的相關(guān)研究進(jìn)展。此外,本文還對(duì)其關(guān)鍵挑戰(zhàn)和未來(lái)發(fā)展趨勢(shì)進(jìn)行了廣泛深入的探討。

1 研究現(xiàn)狀

無(wú)人機(jī)輔助車聯(lián)網(wǎng)的架構(gòu)如圖1 所示,主要包括空中無(wú)人機(jī)層和地面車輛層。支持無(wú)線通信的無(wú)人機(jī)不受地形限制,通過(guò)調(diào)整自身位置輔助車輛網(wǎng)絡(luò),保證了通信的可靠性。

圖1 無(wú)人機(jī)輔助車聯(lián)網(wǎng)的架構(gòu)圖

1.1 網(wǎng)絡(luò)通信

1.1.1 路由協(xié)議

路由協(xié)議對(duì)于提供穩(wěn)定、高效的通信十分重要,對(duì)數(shù)據(jù)傳輸性能有極大的影響。無(wú)人機(jī)自組織網(wǎng)絡(luò)屬于移動(dòng)自組織網(wǎng)絡(luò)的一種,其多跳通信性能可以提高帶寬的利用率。文獻(xiàn)[12]將按需距離向量和優(yōu)化鏈路狀態(tài)2 種路由協(xié)議應(yīng)用于飛行自組織網(wǎng)絡(luò)中,提高了節(jié)點(diǎn)的連通性。文獻(xiàn)[13]提出了無(wú)人機(jī)直接傳送和利用本地連接網(wǎng)絡(luò)的自組織路由策略相結(jié)合的混合數(shù)據(jù)傳輸方法,大幅提高了實(shí)時(shí)數(shù)據(jù)傳輸性能,同時(shí)降低了路由成本。

在車聯(lián)網(wǎng)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(wú)人機(jī)作為空中節(jié)點(diǎn)可有效解決這一問(wèn)題,障礙物存在下的V2V 通信網(wǎng)絡(luò)模型如圖2 所示。將優(yōu)化路由協(xié)議納入無(wú)人機(jī)輔助車聯(lián)網(wǎng)系統(tǒng)已成為改善車輛通信的一個(gè)關(guān)鍵舉措。為了實(shí)現(xiàn)車輛之間可靠的數(shù)據(jù)傳輸,找到有效的端到端連接路徑,文獻(xiàn)[14]提出了一種新的十字路口無(wú)人機(jī)輔助車載自組織網(wǎng)絡(luò)(vehicular Ad Hoc network,VANET)路由協(xié)議,具體可以表述為基于路段連通性和車輛分布信息,無(wú)人機(jī)計(jì)算連通程度,并把連通程度作為新字段加入Hello 報(bào)文中,周期性與車輛實(shí)現(xiàn)共享,確保數(shù)據(jù)包轉(zhuǎn)換可以選擇最連通的路段,提高數(shù)據(jù)包分發(fā)效率。

圖2 障礙物存在下的V2V 通信網(wǎng)絡(luò)模型

無(wú)人機(jī)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(xiàn)[15]設(shè)計(jì)了一種新的路由方法,即基于Q-Learning 的自適應(yīng)無(wú)人機(jī)輔助地理路由。無(wú)人機(jī)采用模糊邏輯算法計(jì)算每條道路的數(shù)值模糊,得到道路對(duì)信息傳輸?shù)倪m宜程度,通過(guò)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(diǎn)根據(jù)Q-Learning 算法結(jié)合全局路由路徑選擇合適的鄰居作為下一跳傳輸數(shù)據(jù)包。當(dāng)車輛節(jié)點(diǎn)在報(bào)文周期內(nèi)找不到合適的鄰居作為數(shù)據(jù)傳輸?shù)南乱惶鴷r(shí),則該節(jié)點(diǎn)的數(shù)據(jù)包將被轉(zhuǎn)發(fā)到無(wú)人機(jī)上以完成數(shù)據(jù)傳輸。

在車載時(shí)延可容忍網(wǎng)絡(luò)(vehicular delay tolerant networks,VDTN)中,車輛與其他設(shè)備端對(duì)端信息傳輸效率受到了環(huán)境(如災(zāi)區(qū)營(yíng)救、城市障礙物等)限制,無(wú)人機(jī)的引入可以顯著提升網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu),提升數(shù)據(jù)傳輸?shù)穆窂竭x擇多樣性。文獻(xiàn)[16]通過(guò)計(jì)算每次相遇車輛節(jié)點(diǎn)之間的相遇概率和持續(xù)連接時(shí)間,設(shè)計(jì)了無(wú)人機(jī)輔助車載時(shí)延容忍網(wǎng)絡(luò)路由協(xié)議,該協(xié)議有效利用無(wú)人機(jī)在VDTN 環(huán)境中進(jìn)行消息轉(zhuǎn)發(fā),提高了通信鏈路的穩(wěn)定性和消息轉(zhuǎn)發(fā)的可靠性,同時(shí)也降低了端到端的時(shí)延和網(wǎng)絡(luò)開銷。

1.1.2 軌跡優(yōu)化

在無(wú)人機(jī)輔助的車輛通信系統(tǒng)中,設(shè)計(jì)一種最優(yōu)的無(wú)人機(jī)軌跡優(yōu)化策略,不僅能夠提高車輛通信質(zhì)量,帶給車輛用戶極佳的服務(wù)質(zhì)量和體驗(yàn),而且還能確保無(wú)人機(jī)飛行過(guò)程中的能量消耗達(dá)到最小,用來(lái)服務(wù)更多的車輛用戶。文獻(xiàn)[17]和[18]對(duì)無(wú)人機(jī)協(xié)同路側(cè)單元(roadside units,RSU)輔助車輛網(wǎng)絡(luò)中的無(wú)人機(jī)軌跡優(yōu)化進(jìn)行了研究。在無(wú)線信道建模中均提到了采用仰角相關(guān)的LoS 模型,考慮了車輛與無(wú)人機(jī)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(xiàn)[17]設(shè)計(jì)了一個(gè)包含云計(jì)算中心控制層、無(wú)人機(jī)空中層、多車地面層在內(nèi)的預(yù)調(diào)度無(wú)人機(jī)輔助車輛邊緣計(jì)算的系統(tǒng)架構(gòu)?；诮煌☉B(tài)勢(shì)感知來(lái)優(yōu)化無(wú)人機(jī)飛行軌跡,同時(shí)考慮了無(wú)人機(jī)直線飛行能耗和轉(zhuǎn)彎能耗。通過(guò)深度Q 網(wǎng)絡(luò),尋找并確定無(wú)人機(jī)最優(yōu)懸停位置,派遣無(wú)人機(jī)到達(dá)指定任務(wù)區(qū)域協(xié)同RSU 及時(shí)為車輛提供通信和計(jì)算服務(wù),該方法提高了無(wú)人機(jī)的服務(wù)質(zhì)量。為了最大化無(wú)人機(jī)的覆蓋范圍,減少城市中固定部署的RSU 數(shù)量,保證車輛的通信性能,文獻(xiàn)[18]通過(guò)改進(jìn)貪婪算法和蟻群優(yōu)化算法,根據(jù)飛行速度和功率約束,優(yōu)化了無(wú)人機(jī)飛行軌跡,其中貪婪算法負(fù)責(zé)選取適當(dāng)?shù)臒o(wú)人機(jī)飛行點(diǎn)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(wú)人機(jī)以恒定的繞圈飛行策略相比,多無(wú)人機(jī)協(xié)同RSU輔助車輛通信更具有減少部署RSU 和提高網(wǎng)絡(luò)通信性能的優(yōu)勢(shì)。

高峰時(shí)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(wǎng)絡(luò)服務(wù)。為了服務(wù)支撐更多的地面車輛,文獻(xiàn)[21]根據(jù)交通流結(jié)合道路結(jié)構(gòu)設(shè)計(jì)了最優(yōu)無(wú)人機(jī)飛行軌跡,如圖3所示。具體而言,無(wú)人機(jī)可以根據(jù)交通流調(diào)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(shù)量最大為目標(biāo),最終形成一條最優(yōu)飛行路線。之后,無(wú)人機(jī)在此路徑上盤旋并與車輛建立數(shù)據(jù)鏈路,分配頻譜資源,從而保證車輛網(wǎng)絡(luò)速率最大化。

圖3 無(wú)人機(jī)服務(wù)地面車輛軌跡示意圖

1.2 內(nèi)容緩存與計(jì)算卸載

無(wú)人機(jī)技術(shù)與移動(dòng)邊緣計(jì)算(mobile edge computing,MEC)技術(shù)的結(jié)合為基礎(chǔ)設(shè)施匱乏的偏遠(yuǎn)地區(qū)的通信、計(jì)算和存儲(chǔ)等服務(wù)提供了保障。與傳統(tǒng)固定位置的MEC 服務(wù)器相比,無(wú)人機(jī)輔助的MEC技術(shù)具有靈活、部署方便等特點(diǎn),適用于機(jī)動(dòng)調(diào)度和動(dòng)態(tài)組網(wǎng)。另外,無(wú)人機(jī)可以作為有一定緩存容量的移動(dòng)緩存中繼,預(yù)先緩存流行內(nèi)容,并為用戶提供請(qǐng)求內(nèi)容傳輸服務(wù),有效減輕回程鏈路流量負(fù)載。

1.2.1 內(nèi)容緩存

當(dāng)前,已有諸多學(xué)者面向物聯(lián)網(wǎng)系統(tǒng)引入無(wú)人機(jī)輔助緩存技術(shù)進(jìn)行了深入而廣泛的研究。文獻(xiàn)[22]提出一種無(wú)人機(jī)輔助的霧計(jì)算網(wǎng)絡(luò),無(wú)人機(jī)作為霧計(jì)算節(jié)點(diǎn),配置緩存單元,從而減少了用戶接入時(shí)延,實(shí)現(xiàn)了良好的系統(tǒng)緩存性能。為進(jìn)一步提高無(wú)人機(jī)輔助網(wǎng)絡(luò)的系統(tǒng)緩存性能,文獻(xiàn)[23]將多輸入多輸出(multiple-input multiple-output,MIMO)技術(shù)引入無(wú)人機(jī)輔助無(wú)線網(wǎng)絡(luò),建立了多用戶MIMO 無(wú)人機(jī)網(wǎng)絡(luò)模型,將高速緩存命中概率作為性能指標(biāo)加以分析,結(jié)果表明該模型有效提高了支持緩存的無(wú)人機(jī)網(wǎng)絡(luò)的緩存性能。內(nèi)容緩存在某些程度上也可以保證數(shù)據(jù)的安全,文獻(xiàn)[24]將無(wú)人機(jī)作為中繼節(jié)點(diǎn)從基站獲取內(nèi)容并提供給用戶設(shè)備,實(shí)現(xiàn)了用戶之間的隱私安全。

在車聯(lián)網(wǎng)系統(tǒng)中,內(nèi)容緩存是減少網(wǎng)絡(luò)時(shí)延的有效方法。通過(guò)在基站和附近用戶設(shè)備部署緩存,使得流行內(nèi)容更加接近目標(biāo)用戶實(shí)現(xiàn)低時(shí)延傳輸,例如視頻傳輸?shù)?。然?對(duì)于用戶不在基站的覆蓋區(qū)域等情況,無(wú)人機(jī)可以緩存流行內(nèi)容,減少前饋和反饋網(wǎng)絡(luò)的負(fù)擔(dān)。為了更好地為車輛的流行內(nèi)容服務(wù),文獻(xiàn)[25]提出一種基于緩存的衛(wèi)星-無(wú)人機(jī)-車輛集成網(wǎng)絡(luò),設(shè)計(jì)了能量感知的編碼緩存策略。在該架構(gòu)中,同步衛(wèi)星作為云服務(wù)器,無(wú)人機(jī)被部署為邊緣服務(wù)器,提供了更多的組播機(jī)會(huì),減少了回程鏈路之間能量消耗,提高了能效。

傳統(tǒng)車輛網(wǎng)絡(luò)中V2V、V2I、V2B 通信鏈路在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的動(dòng)態(tài)變化下,很難維持用戶所需的服務(wù)質(zhì)量和服務(wù)體驗(yàn)需求。為了顯著提高網(wǎng)絡(luò)吞吐量和降低數(shù)據(jù)傳輸延遲,文獻(xiàn)[26]和[27]提出了一種具有主動(dòng)緩存功能和先進(jìn)的文件共享策略的無(wú)人機(jī)輔助的數(shù)據(jù)傳播協(xié)議。在主動(dòng)緩存階段,利用無(wú)人機(jī)進(jìn)行有序的廣播,為其飛行覆蓋范圍內(nèi)的車輛緩存數(shù)據(jù)文件,提升了緩存效率,降低了時(shí)延,提高了系統(tǒng)的吞吐量;在文件共享階段,車輛通過(guò)V2V 通信鏈路彼此共享緩存的文件,提高了網(wǎng)絡(luò)的傳輸性能。而文獻(xiàn)[27]在文獻(xiàn)[26]的基礎(chǔ)上,通過(guò)基于三維空間坐標(biāo)的動(dòng)態(tài)軌跡調(diào)度算法優(yōu)化無(wú)人機(jī)的軌跡來(lái)縮短整個(gè)主動(dòng)緩存時(shí)間。在文件共享階段利用遞歸最小二乘法信道預(yù)測(cè)算法實(shí)現(xiàn)近似實(shí)時(shí)處理,降低了通信網(wǎng)絡(luò)資源開銷。

提高數(shù)據(jù)吞吐量和服務(wù)質(zhì)量的滿意度對(duì)于車聯(lián)網(wǎng)系統(tǒng)具有重要意義。文獻(xiàn)[28]和[29]研究了在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化的車輛網(wǎng)絡(luò)中,對(duì)包含內(nèi)容放置和內(nèi)容傳遞的無(wú)人機(jī)緩存方案與飛行軌跡進(jìn)行聯(lián)合優(yōu)化,確保無(wú)人機(jī)輔助地面車輛網(wǎng)絡(luò)傳輸高帶寬內(nèi)容文件。具體而言,文獻(xiàn)[28]從緩沖層和軌跡內(nèi)容交付層分別對(duì)無(wú)人機(jī)的平均可實(shí)現(xiàn)吞吐量進(jìn)行優(yōu)化。在此基礎(chǔ)上,文獻(xiàn)[29]提出了一種基于學(xué)習(xí)的方法,通過(guò)離線優(yōu)化,在線決策實(shí)時(shí)尋找最優(yōu)解,最大限度提高了網(wǎng)絡(luò)吞吐量。

在自動(dòng)駕駛方面,車輛需要及時(shí)獲取區(qū)域環(huán)境的安全交通信息,數(shù)據(jù)緩存會(huì)縮短相應(yīng)的內(nèi)容響應(yīng)時(shí)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(nèi)容在上傳或下載時(shí),會(huì)存在較高的響應(yīng)延遲和較低的數(shù)據(jù)傳輸效率。為了滿足車輛用戶對(duì)安全駕駛內(nèi)容的需求,文獻(xiàn)[30]設(shè)計(jì)了一種基于深度Q-Learning 的空中輔助車輛緩存架構(gòu),其包含飛艇、無(wú)人機(jī)和車輛的三層緩存方案,如圖4 所示。車輛發(fā)送內(nèi)容請(qǐng)求時(shí),無(wú)人機(jī)進(jìn)行內(nèi)容響應(yīng)。若出現(xiàn)無(wú)人機(jī)未緩存所請(qǐng)求的內(nèi)容時(shí),飛艇實(shí)現(xiàn)無(wú)人機(jī)實(shí)時(shí)調(diào)度,應(yīng)對(duì)了無(wú)人機(jī)有限的緩存空間和能量,提高了車輛用戶內(nèi)容緩存響應(yīng)率。

1.2.2 計(jì)算卸載

隨著第5 代移動(dòng)通信技術(shù)(the 5th generation mobile communication technology,5G)的快速發(fā)展,移動(dòng)邊緣計(jì)算在車聯(lián)網(wǎng)方面的應(yīng)用得到了學(xué)術(shù)界廣泛的關(guān)注。由于裝配在車輛上的處理器通常存儲(chǔ)容量有限或計(jì)算資源不足,無(wú)法完全處理或只能部分處理計(jì)算密集型任務(wù),并且會(huì)產(chǎn)生巨大的能量消耗和延遲,這對(duì)一些時(shí)延敏感需求的用戶設(shè)備來(lái)說(shuō)具有很大的挑戰(zhàn)。為了解決這一問(wèn)題,通過(guò)在基站部署MEC 服務(wù)器,車輛通過(guò)無(wú)線傳輸協(xié)議或?qū)Ｓ枚坛掏ㄐ偶夹g(shù)把計(jì)算密集型任務(wù)卸載到邊緣服務(wù)器進(jìn)行計(jì)算,可以有效地緩解車輛的計(jì)算壓力。然而,作為邊緣節(jié)點(diǎn)的基礎(chǔ)設(shè)施位置通常是固定的,而且部署成本相對(duì)較高,導(dǎo)致一些區(qū)域沒(méi)有基礎(chǔ)設(shè)施允許網(wǎng)絡(luò)接入,從而不能更好地滿足高速移動(dòng)車輛的服務(wù)質(zhì)量要求。

現(xiàn)有研究針對(duì)無(wú)人機(jī)輔助移動(dòng)邊緣計(jì)算方面開展了大量的工作,無(wú)人機(jī)可以作為輔助節(jié)點(diǎn),在終端設(shè)備與部署MEC 服務(wù)器的無(wú)線接入點(diǎn)(access point,AP)之間提供通信。文獻(xiàn)[31]介紹了在終端設(shè)備與AP 之間通信鏈路中斷情況下,通過(guò)部署無(wú)人機(jī)輔助的MEC 系統(tǒng),終端設(shè)備可以本地計(jì)算,也可以將任務(wù)卸載到無(wú)人機(jī)進(jìn)行處理。同時(shí),無(wú)人機(jī)也可將數(shù)據(jù)傳輸?shù)紸P 進(jìn)行計(jì)算,提高計(jì)算資源的利用率的同時(shí)獲得了較低的計(jì)算時(shí)延和系統(tǒng)能耗。對(duì)于移動(dòng)用戶數(shù)量較多或網(wǎng)絡(luò)設(shè)備分布稀疏的情況,文獻(xiàn)[32]提出了物聯(lián)網(wǎng)設(shè)備可通過(guò)無(wú)人機(jī)輔助,將計(jì)算任務(wù)卸載到邊緣云上,以便為因信號(hào)中斷而無(wú)法訪問(wèn)地面邊緣云服務(wù)器的物聯(lián)網(wǎng)設(shè)備提供移動(dòng)邊緣計(jì)算服務(wù)。對(duì)于交通流量密集的地區(qū),由配備攝像頭、傳感器、計(jì)算和通信資源的無(wú)人機(jī)作為移動(dòng)基站獲取數(shù)據(jù)并執(zhí)行本地處理;此外,無(wú)人機(jī)也可將復(fù)雜的任務(wù)卸載給MEC 服務(wù)器,降低能耗和處理時(shí)間[33]。

面向車聯(lián)網(wǎng),無(wú)人機(jī)可以充當(dāng)裝備MEC 服務(wù)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(jìn)行計(jì)算任務(wù)卸載,其模型圖如圖5 所示。在文獻(xiàn)[34-36]中,為了優(yōu)化系統(tǒng)能耗和車輛任務(wù)執(zhí)行時(shí)間,均提出了車輛的計(jì)算處理任務(wù)分為車輛利用自身的計(jì)算資源進(jìn)行本地計(jì)算,或?qū)⑷蝿?wù)卸載到無(wú)人機(jī),無(wú)人機(jī)作為MEC 服務(wù)器執(zhí)行計(jì)算,以及將任務(wù)直接卸載到配備有邊緣服務(wù)器的基站執(zhí)行。文獻(xiàn)[35]還考慮部署無(wú)人機(jī)作為中繼節(jié)點(diǎn),協(xié)助車輛將計(jì)算任務(wù)轉(zhuǎn)發(fā)給MEC 服務(wù)器,同時(shí)還加入了軟件定義網(wǎng)絡(luò)控制器實(shí)時(shí)收集全部設(shè)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(wú)人機(jī)輔助車輛計(jì)算卸載模型圖

在整個(gè)計(jì)算卸載過(guò)程中,文獻(xiàn)[34]和[36]考慮了車輛和無(wú)人機(jī)之間利用IEEE 802.11P 協(xié)議通信,通過(guò)載波偵聽多路訪問(wèn)/沖突避免的介質(zhì)訪問(wèn)控制協(xié)議實(shí)現(xiàn)無(wú)人機(jī)與車輛之間的數(shù)據(jù)傳輸,考慮了請(qǐng)求發(fā)送/允許發(fā)送(request to send/clear to send,RTS/CTS)方法,任務(wù)傳輸成功周期都加入了RTS和CTS 幀間間隔。文獻(xiàn)[34]具體綜合考慮了MEC選擇、資源分配和任務(wù)卸載,提出了一個(gè)以最小化任務(wù)處理延遲為目標(biāo)的多目標(biāo)優(yōu)化問(wèn)題?；谪?fù)載均衡準(zhǔn)則聯(lián)合進(jìn)行MEC 選擇決策,并根據(jù)拉格朗日對(duì)偶分解對(duì)卸載率和計(jì)算資源優(yōu)化,提出了一種無(wú)人機(jī)輔助VANET 的MEC 選擇、資源分配和任務(wù)卸載聯(lián)合算法。而文獻(xiàn)[36]研究了無(wú)人機(jī)配合RSU 輔助VANET 的聯(lián)合節(jié)能卸載和車輛關(guān)聯(lián)的問(wèn)題,證明了該問(wèn)題是一個(gè)混合整數(shù)線性問(wèn)題,進(jìn)而將其解耦為節(jié)能卸載和用戶關(guān)聯(lián)2 個(gè)子問(wèn)題,并利用標(biāo)準(zhǔn)凸優(yōu)化方法求解,實(shí)驗(yàn)結(jié)果表明該算法降低了系統(tǒng)能耗。

1.3 安全與隱私

在未來(lái)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(guān)重要。在大數(shù)據(jù)信息時(shí)代,安全的數(shù)據(jù)傳輸可有效避免個(gè)人隱私的泄露。因此,在無(wú)人機(jī)輔助的車聯(lián)網(wǎng)中,安全通信具有廣泛的應(yīng)用前景和研究?jī)r(jià)值。文獻(xiàn)[37]考慮了被動(dòng)竊聽、主動(dòng)竊聽、串謀竊聽場(chǎng)景下的V2V 通信,無(wú)人機(jī)作為干擾器來(lái)干擾竊聽者接收的信號(hào),并作為空中基站通過(guò)LoS 鏈路增強(qiáng)車輛發(fā)射所需的信號(hào)強(qiáng)度,提高了車與一切實(shí)體(vehicle-to-everything,V2X)通信的安全性。在此基礎(chǔ)上,文獻(xiàn)[38]研究了無(wú)人機(jī)的地面覆蓋范圍和飛行高度對(duì)無(wú)人機(jī)輔助車聯(lián)網(wǎng)系統(tǒng)的保密中斷性能的影響。此外,文獻(xiàn)[39]提出了一種超橢圓曲線密碼技術(shù)、數(shù)字簽名和哈希函數(shù)相互融合的隱私保護(hù)認(rèn)證方案,降低了無(wú)人機(jī)的計(jì)算和通信資源開銷,防止入侵者獲取無(wú)人機(jī)和車輛位置導(dǎo)致的敏感數(shù)據(jù)泄露。

針對(duì)非法無(wú)人機(jī)干擾降低合法無(wú)人機(jī)與車輛的通信鏈路的可靠性,如圖6 所示,文獻(xiàn)[40]提出一種基于攻防博弈的無(wú)人機(jī)輔助車聯(lián)網(wǎng)的安全數(shù)據(jù)傳輸方案。通過(guò)攻防博弈分析建模得到無(wú)人機(jī)和干擾器之間的納什均衡,提高了干擾器攻擊下的無(wú)線通信性能。在災(zāi)難救援場(chǎng)景中,路邊基礎(chǔ)設(shè)施遭到破壞無(wú)法收集和分析具體車輛位置信息,從而無(wú)法準(zhǔn)確判斷事故發(fā)生地。通過(guò)具備存儲(chǔ)和通信資源的車輛在無(wú)需部署基礎(chǔ)設(shè)施的情況下實(shí)現(xiàn)容忍延遲數(shù)據(jù)的傳輸[41],可解決上述問(wèn)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(wú)法迅速傳播到車輛網(wǎng)絡(luò)中。因此,文獻(xiàn)[42]利用車對(duì)車通信預(yù)測(cè)信息擴(kuò)散控制無(wú)人機(jī)飛行軌跡,通過(guò)無(wú)人機(jī)空中節(jié)點(diǎn),迅速向更多的車輛傳播有用信息,快速確定事故地點(diǎn),爭(zhēng)取救援時(shí)間以最大程度減少傷亡。

圖6 干擾器存在時(shí)無(wú)人機(jī)輔助的V2V 通信網(wǎng)絡(luò)架構(gòu)

2 未來(lái)機(jī)遇及挑戰(zhàn)

在車聯(lián)網(wǎng)系統(tǒng)中,通過(guò)引入無(wú)人機(jī)輔助技術(shù),顯著提高了車輛用戶對(duì)服務(wù)質(zhì)量和體驗(yàn)質(zhì)量的滿意度,改善了車聯(lián)網(wǎng)的網(wǎng)絡(luò)環(huán)境,降低了網(wǎng)絡(luò)負(fù)載和能源消耗,優(yōu)化了緩存和計(jì)算資源的配置。然而,無(wú)人機(jī)輔助的車聯(lián)網(wǎng)架構(gòu)中還存在一些關(guān)鍵問(wèn)題和挑戰(zhàn)。同時(shí),相關(guān)前沿技術(shù)的融合也將為之帶來(lái)了重大機(jī)遇和研究方向。

2.1 存在的問(wèn)題

2.1.1 數(shù)據(jù)傳輸問(wèn)題

車聯(lián)網(wǎng)系統(tǒng)中的車輛具有高速移動(dòng)的特性,所形成的車輛網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)呈現(xiàn)高動(dòng)態(tài)變化。無(wú)人機(jī)節(jié)點(diǎn)的移動(dòng)、鏈路因電源故障或動(dòng)態(tài)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)發(fā)生變化的中斷、有限的能量和時(shí)間等資源使得路由協(xié)議的設(shè)計(jì)十分困難。因此,針對(duì)不同類型的無(wú)人機(jī)輔助車聯(lián)網(wǎng),應(yīng)該建立不同的路由機(jī)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(zhì)量的數(shù)據(jù)傳輸性能是一個(gè)具有挑戰(zhàn)性的研究。無(wú)人機(jī)輔助的車聯(lián)網(wǎng)為通信網(wǎng)絡(luò)發(fā)生故障的場(chǎng)景中的實(shí)時(shí)數(shù)據(jù)傳輸提供了方便,根據(jù)網(wǎng)絡(luò)擁塞、設(shè)備破壞、無(wú)人機(jī)數(shù)量增加等網(wǎng)絡(luò)狀態(tài)的變化設(shè)計(jì)可靠的實(shí)時(shí)數(shù)據(jù)(如視頻、音頻等)傳輸架構(gòu)十分重要。在未來(lái)的研究中,無(wú)人機(jī)通過(guò)環(huán)境感知,自適應(yīng)做出相應(yīng)的動(dòng)作保證網(wǎng)絡(luò)的連通性,完成實(shí)時(shí)數(shù)據(jù)傳輸、計(jì)算等相關(guān)問(wèn)題亟待關(guān)注。

2.1.2 能源效率問(wèn)題

在智慧城市中,無(wú)人機(jī)動(dòng)態(tài)部署在車聯(lián)網(wǎng)系統(tǒng)中,其執(zhí)行任務(wù)的動(dòng)作(飛行、懸停)和數(shù)據(jù)傳輸、計(jì)算都將消耗大量能量。然而,無(wú)人機(jī)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(wú)人機(jī)的能源消耗成為了巨大的挑戰(zhàn)。在未來(lái)的研究中,可以根據(jù)歷史交通情況,在車輛密度較大的地方設(shè)置無(wú)人機(jī)充電站,并配備一架具有相同作用的候選無(wú)人機(jī)。無(wú)人機(jī)在車流量大的上空?qǐng)?zhí)行任務(wù),電量到達(dá)設(shè)定的充電閾值時(shí)與候選無(wú)人機(jī)互換角色完成車輛請(qǐng)求的任務(wù)。此外,通過(guò)部署無(wú)人機(jī)群、形成飛行自組織網(wǎng)也可有效應(yīng)對(duì)挑戰(zhàn)。當(dāng)無(wú)人機(jī)出現(xiàn)電量不足時(shí),把計(jì)算任務(wù)交付給其他無(wú)人機(jī)并返回鄰近充電樁充電,此時(shí)形成的新飛行自組織網(wǎng)絡(luò)繼續(xù)輔助車聯(lián)網(wǎng)系統(tǒng),完成必要的數(shù)據(jù)傳輸。未來(lái),如何進(jìn)一步提高無(wú)人機(jī)的能源效率,進(jìn)而更好地服務(wù)支撐車聯(lián)網(wǎng)系統(tǒng)也將是一個(gè)重要課題。

2.1.3 應(yīng)急響應(yīng)問(wèn)題

應(yīng)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(yīng)急響應(yīng)系統(tǒng)可以顯著提升事故處理效率,降低生命財(cái)產(chǎn)損失,并且可以有效避免二次事故的發(fā)生。為了派遣應(yīng)急車輛快速、安全到達(dá)事故發(fā)生地,減少事故處理時(shí)間,改善道路安全,文獻(xiàn)[43]提出了一種應(yīng)急車輛優(yōu)先系統(tǒng),通過(guò)考慮事故的類型和嚴(yán)重程度,選擇合適應(yīng)急車輛的優(yōu)先級(jí),結(jié)合當(dāng)前交通狀況提供更好的應(yīng)急管理服務(wù)。此外,文獻(xiàn)[44]提出了一種整數(shù)線性規(guī)劃方法,通過(guò)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(yīng)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?jī)H局限在考慮以地面車輛為主的二維場(chǎng)景,無(wú)法滿足日益增加的應(yīng)急事故處理需求和響應(yīng)效率。通過(guò)構(gòu)建無(wú)人機(jī)輔助車聯(lián)網(wǎng)的三維應(yīng)急響應(yīng)模式,將是該領(lǐng)域未來(lái)的發(fā)展方向。通過(guò)無(wú)人機(jī)搜集路況信息為車聯(lián)網(wǎng)應(yīng)對(duì)突發(fā)狀況提供科學(xué)依據(jù),實(shí)現(xiàn)資源的合理分配。未來(lái),設(shè)計(jì)高效的優(yōu)化策略以確保車聯(lián)網(wǎng)系統(tǒng)在不同環(huán)境下的服務(wù)質(zhì)量,提高車輛的精確視覺(jué)感知和應(yīng)急響應(yīng)時(shí)間,最大限度減少應(yīng)急車輛對(duì)正常交通的負(fù)面影響,是值得關(guān)注的研究方向。

2.2 研究機(jī)遇與挑戰(zhàn)

2.2.1 毫米波技術(shù)支持

毫米波技術(shù)在5G 通信部署方面展示出巨大潛力并發(fā)揮至關(guān)重要的作用。毫米波具有極高的帶寬與波束窄的特點(diǎn),能夠更精確分辨目標(biāo)并還原目標(biāo)細(xì)節(jié),與sub-6 GHz 優(yōu)勢(shì)互補(bǔ),可有效緩解下一代蜂窩網(wǎng)絡(luò)的頻譜緊縮問(wèn)題[45]。毫米波與無(wú)人機(jī)輔助的車聯(lián)網(wǎng)融合,為系統(tǒng)帶來(lái)了大帶寬、高數(shù)據(jù)率,降低了無(wú)人機(jī)與車輛之間的傳輸時(shí)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?cái)U(kuò)大了無(wú)人機(jī)的覆蓋范圍,為通信鏈路帶來(lái)了高增益,更加適合無(wú)人機(jī)輔助的車聯(lián)網(wǎng)架構(gòu)。未來(lái),隨著5G 及下一代通信技術(shù)的全面演進(jìn),毫米波有望成為無(wú)人機(jī)輔助車聯(lián)網(wǎng)不可或缺的關(guān)鍵技術(shù)之一。

2.2.2 6G 網(wǎng)絡(luò)演進(jìn)

隨著無(wú)線通信技術(shù)的發(fā)展,5G 已逐步落地并商用,6G 網(wǎng)絡(luò)的研究工作也已全面展開。與5G 技術(shù)相比,6G 需要通過(guò)使用小型蜂窩或新的無(wú)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(wú)人機(jī)與6G 網(wǎng)絡(luò)的融合在一定程度上可以降低部署密集傳輸網(wǎng)絡(luò)的成本。此外,6G 網(wǎng)絡(luò)具有超高峰值速率、極低時(shí)延和定位精度高等特點(diǎn),將為空地一體化帶來(lái)機(jī)遇,實(shí)現(xiàn)全球無(wú)縫覆蓋。具備自適應(yīng)性被學(xué)術(shù)界認(rèn)為是6G 網(wǎng)絡(luò)的基本特征之一,文獻(xiàn)[48]設(shè)想了一種無(wú)人機(jī)輔助的車輛邊緣計(jì)算系統(tǒng),以滿足6G 網(wǎng)絡(luò)下V2X 通信需求,并提供3D 和自適應(yīng)服務(wù)覆蓋,實(shí)現(xiàn)車輛密集的計(jì)算任務(wù)和數(shù)據(jù)卸載。

在智能交通系統(tǒng)中,6G 網(wǎng)絡(luò)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(yīng)用的車輛與邊緣基礎(chǔ)設(shè)施頻繁交互,給物聯(lián)網(wǎng)設(shè)備帶來(lái)了巨大的負(fù)擔(dān)[49]。文獻(xiàn)[49]把數(shù)據(jù)量大的任務(wù)作為任務(wù)收集節(jié)點(diǎn),通過(guò)無(wú)人機(jī)采集任務(wù),降低了6G 網(wǎng)絡(luò)下與車輛交互的物聯(lián)網(wǎng)設(shè)備的能耗。

2.2.3 區(qū)塊鏈技術(shù)應(yīng)用

目前,相關(guān)研究更多將無(wú)人機(jī)作為干擾中繼節(jié)點(diǎn)防止車輛數(shù)據(jù)被竊聽。然而,在該過(guò)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(shù)應(yīng)用與無(wú)人機(jī)輔助的車聯(lián)網(wǎng)系統(tǒng)中的研究還相對(duì)較少。區(qū)塊鏈具有去中心化、不可篡改和開放性等特點(diǎn),為無(wú)人機(jī)輔助的車輛通信系統(tǒng)帶來(lái)了應(yīng)用前景,其網(wǎng)絡(luò)架構(gòu)模型如圖7 所示。區(qū)塊鏈技術(shù)中的智能合約可以為無(wú)人機(jī)與車輛之間的數(shù)據(jù)傳輸過(guò)程建立信任機(jī)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(wú)人機(jī)輔助數(shù)據(jù)傳輸網(wǎng)絡(luò)

在未來(lái)空地一體化架構(gòu)中,多架無(wú)人機(jī)通過(guò)動(dòng)態(tài)部署形成飛行自組織網(wǎng)絡(luò)輔助車聯(lián)網(wǎng)系統(tǒng)。區(qū)塊鏈技術(shù)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(diǎn)的空地一體化網(wǎng)絡(luò),并為之帶來(lái)巨大的安全效益。區(qū)塊鏈安全共識(shí)機(jī)制為無(wú)人機(jī)間的數(shù)據(jù)共享提供了可能,防止惡意無(wú)人機(jī)或其他車輛的攻擊(如重放攻擊),加快了無(wú)人機(jī)處理數(shù)據(jù)的速度,在某種程度上降低了系統(tǒng)的時(shí)延和能量消耗。

2.2.4 人工智能技術(shù)賦能

人工智能(artificial intelligence,AI)技術(shù)的快速發(fā)展為無(wú)人機(jī)輔助的車聯(lián)網(wǎng)提供了史無(wú)前例的發(fā)展機(jī)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(duì)動(dòng)態(tài)環(huán)境具有持續(xù)學(xué)習(xí)能力,并且能夠以較低的計(jì)算復(fù)雜度進(jìn)行實(shí)時(shí)推理[52]。AI 算法中的聯(lián)邦學(xué)習(xí)(federated learning,FL)優(yōu)化策略通過(guò)共享數(shù)據(jù)模型而不是原始數(shù)據(jù),避免了因車聯(lián)網(wǎng)應(yīng)用中因數(shù)據(jù)激增而產(chǎn)生的數(shù)據(jù)隱私泄露。但是,低效率通信已經(jīng)成為基于人工智能優(yōu)化過(guò)程的一個(gè)關(guān)鍵瓶頸。為此,文獻(xiàn)[53]把無(wú)人機(jī)作為中繼節(jié)點(diǎn),輔助車輛將模型參數(shù)轉(zhuǎn)發(fā)給計(jì)算處理服務(wù)器,提升了網(wǎng)絡(luò)的拓展性和可操作性,使FL 模型在處理過(guò)程中的性能顯著增強(qiáng)。文獻(xiàn)[54]提出了一種基于區(qū)塊鏈的去中心化橫向聯(lián)邦學(xué)習(xí)框架,采用閾值多簽名智能合約為跨域無(wú)人機(jī)提供動(dòng)態(tài)認(rèn)證服務(wù),消除了無(wú)人機(jī)協(xié)作學(xué)習(xí)障礙,解決了數(shù)據(jù)隱私泄露問(wèn)題。融合元學(xué)習(xí)的深度強(qiáng)化學(xué)習(xí)算法訓(xùn)練的策略具有良好的泛化能力,可以通過(guò)有限的經(jīng)驗(yàn)快速適應(yīng)新環(huán)境[55]。在無(wú)人機(jī)輔助車聯(lián)網(wǎng)架構(gòu)中,應(yīng)用元學(xué)習(xí)方法,保證了車輛快速適應(yīng)環(huán)境中的動(dòng)態(tài)變化,提高了車聯(lián)網(wǎng)智能決策的泛化性能。

3 結(jié)論

本文對(duì)無(wú)人機(jī)技術(shù)應(yīng)用于車聯(lián)網(wǎng)領(lǐng)域進(jìn)行了系統(tǒng)性綜述。詳細(xì)總結(jié)了無(wú)人機(jī)技術(shù)在車聯(lián)網(wǎng)領(lǐng)域的應(yīng)用現(xiàn)狀,包括無(wú)人機(jī)與車聯(lián)網(wǎng)的通信、無(wú)人機(jī)輔助車輛數(shù)據(jù)內(nèi)容緩存和邊緣計(jì)算卸載以及在安全隱私方面的研究工作。最后,指出了無(wú)人機(jī)應(yīng)用于車聯(lián)網(wǎng)中的關(guān)鍵問(wèn)題,并展望了毫米波、6G 網(wǎng)絡(luò)、區(qū)塊鏈和人工智能等技術(shù)為無(wú)人機(jī)輔助的車聯(lián)網(wǎng)發(fā)展帶來(lái)的機(jī)遇與挑戰(zhàn)。通過(guò)對(duì)無(wú)人機(jī)輔助的車聯(lián)網(wǎng)及其相關(guān)技術(shù)綜述,回顧總結(jié)了已有的研究成果及其關(guān)鍵技術(shù),希望能夠?yàn)槲磥?lái)本領(lǐng)域的相關(guān)研究帶來(lái)一定的理論依據(jù)和參考借鑒。