第4章車云網(wǎng)技術(shù)

第四章

車云網(wǎng)技術(shù)

第一節(jié)

車云網(wǎng)的概念第二節(jié)

車云網(wǎng)的研究進(jìn)展第三節(jié)

車云網(wǎng)的體系架構(gòu)和劃分依據(jù)第四節(jié)車云網(wǎng)關(guān)鍵技術(shù)車云網(wǎng)(VehicularCloudNetworks，VCN)是近幾年隨著車聯(lián)網(wǎng)和云計(jì)算發(fā)展而發(fā)展起來的新興技術(shù)。在車云網(wǎng)中，車輛及其基礎(chǔ)設(shè)施的存儲(chǔ)、計(jì)算等資源將被整合到虛擬資源池中，云系統(tǒng)根據(jù)資源池中可用的云計(jì)算資源為用戶的服務(wù)請求分配存儲(chǔ)與計(jì)算資源，并根據(jù)服務(wù)請求的變化，動(dòng)態(tài)調(diào)整資源分配以最大化資源利用率，提高任務(wù)的處理速度。由于車輛的移動(dòng)性，使得車云網(wǎng)中各種池化資源總量出現(xiàn)復(fù)雜的高動(dòng)態(tài)性變化，這是以前云系統(tǒng)架構(gòu)中未出現(xiàn)的新問題，給現(xiàn)有云計(jì)算的資源分配帶來嚴(yán)重的挑戰(zhàn)。第一節(jié)

車云網(wǎng)的概念車云網(wǎng)也稱車載云網(wǎng)絡(luò)（VehicularCloudNetworking，VCN），VCN的概念最早是由YU等人以自主車輛云（AVC）的形式提出的，在AVC中，自主車輛將計(jì)算和通信資源動(dòng)態(tài)地分配給授權(quán)用戶。KUAWATA等人更進(jìn)一步引入了一種平臺(tái)即服務(wù)（PaaS）模型，將數(shù)以百萬計(jì)的用戶整合到高度移動(dòng)的環(huán)境中。他們?yōu)樗麄兊钠脚_(tái)介紹了一個(gè)體系結(jié)構(gòu)，并討論了這樣復(fù)雜的應(yīng)用場景將需要一個(gè)資源豐富的PaaS。LI等人介紹了一種由車輛云（VC）、使用云的VANET（VuCs）和混合云（HCs）組成的體系結(jié)構(gòu)。在他們的架構(gòu)中，車輛同時(shí)扮演著兩個(gè)角色，即云服務(wù)提供商和客戶端。它們的體系結(jié)構(gòu)使車輛能夠共享存儲(chǔ)、計(jì)算和帶寬資源。目前的車云網(wǎng)存在著各種不同的類型和架構(gòu)，一般來說，車云網(wǎng)的資源不僅僅是指數(shù)據(jù)中心的資源，還包括了RSU和OBU資源，車云網(wǎng)通過虛擬化技術(shù)整合相關(guān)的計(jì)算、存儲(chǔ)、通信、傳感等資源，并且通過“按需分配”的模式為車輛用戶提供相應(yīng)的服務(wù)。2012年，Olariu等人[50]就引入了車輛云的形式，并且將計(jì)算、傳感、通信、存儲(chǔ)等資源動(dòng)態(tài)分配給授權(quán)用戶。與傳統(tǒng)的云計(jì)算不同，車輛云利用了現(xiàn)有且空閑的車載資源。2013年，Hussian等人[51]在文獻(xiàn)中提出將云計(jì)算集成到不同的車聯(lián)網(wǎng)應(yīng)用中，該體系結(jié)構(gòu)使車輛能夠共享存儲(chǔ)、計(jì)算和帶寬資源。后來2015年，LI等人[52]提出了一種包括車輛云、使用云、混合云的車云網(wǎng)架構(gòu)，在該架構(gòu)下，車輛用戶可以同時(shí)是消費(fèi)者和資源提供者。第二節(jié)車云網(wǎng)的研究進(jìn)展YU等[53]人提出了車輛云、基礎(chǔ)設(shè)施云、遠(yuǎn)端云的三層架構(gòu)，并基于該架構(gòu)分析了車云網(wǎng)應(yīng)用及安全方面的問題。劉家希等[54]提出建立一個(gè)針對車輛云計(jì)算環(huán)境的共享失效檢測器VC－FD，用于解決車輛云計(jì)算中車輛的高度動(dòng)態(tài)性對失效檢測性能的影響。實(shí)現(xiàn)動(dòng)態(tài)無線頻譜資源和云虛擬機(jī)資源的最優(yōu)配置，李云等[55]提出了一種移動(dòng)云環(huán)境下的聯(lián)合資源預(yù)留與分配算法，通過捕獲移動(dòng)用戶的滿意度，對移動(dòng)應(yīng)用的資源需求進(jìn)行匹配。梁裕丞等[56]基于人工神經(jīng)網(wǎng)絡(luò)的連接時(shí)間預(yù)測方法，提出了一種車輛間的卸載任務(wù)分配策略，將部分計(jì)算密集型任務(wù)卸載至周圍車輛協(xié)同處理。有學(xué)者認(rèn)為，車聯(lián)網(wǎng)體系是一個(gè)集成系統(tǒng)，將信息、技術(shù)以及各種功能集為一體，且在車聯(lián)網(wǎng)系統(tǒng)中數(shù)據(jù)的獲取途徑以及處理方法多樣，通信的需求無處不在，就將車聯(lián)網(wǎng)按照交通云和傳感器系統(tǒng)二元分類，其中WSN網(wǎng)絡(luò)是wirelesssensornetwork的簡稱，即無線傳感器網(wǎng)絡(luò)，它是物聯(lián)網(wǎng)的關(guān)鍵技術(shù)[52]。而交通云的概念類似于車云網(wǎng)，車云網(wǎng)是一個(gè)云架構(gòu)的車輛運(yùn)行信息平臺(tái)，它的生態(tài)鏈包含了ITS、物流、客貨運(yùn)、危特車輛、汽修汽配、汽車租賃、企事業(yè)車輛管理、汽車制造商、4S店、車管、保險(xiǎn)、緊急救援、移動(dòng)互聯(lián)網(wǎng)等，是多源海量信息的匯聚，因此需要虛擬化、安全認(rèn)證、實(shí)時(shí)交互、海量存儲(chǔ)等云計(jì)算功能，其應(yīng)用系統(tǒng)也是圍繞車輛的數(shù)據(jù)匯聚、計(jì)算、調(diào)度、監(jiān)控、管理與應(yīng)用的復(fù)合體系。而交通云也包括了云計(jì)算和服務(wù)平臺(tái)（類似于生態(tài)鏈）內(nèi)涵的功能。圖4-1云計(jì)算以及WSN二元架構(gòu)。第三節(jié)車云網(wǎng)的體系架構(gòu)和劃分依據(jù)圖4-1云計(jì)算以及WSN二元架構(gòu)一般來說，車云網(wǎng)是隨車聯(lián)網(wǎng)和云計(jì)算發(fā)展而發(fā)展起來的新興技術(shù)。但其臨近概念多，在筆者劃分時(shí)發(fā)現(xiàn)基于云計(jì)算的車聯(lián)網(wǎng)架構(gòu)（vehicularcloudcomputing，VCC）和VCN概念較為相似，亦有稱“車聯(lián)網(wǎng)移動(dòng)云服務(wù)”；其中不同的人劃分方式不同。根據(jù)劃分方式，可以姑且認(rèn)為VCC、VCN和“車聯(lián)網(wǎng)移動(dòng)云”具有相似的體系架構(gòu)。Skondras等人[58]提出了VCC兩層架構(gòu)：第一層是基于互聯(lián)網(wǎng)云計(jì)算平臺(tái)，主要為用戶提供數(shù)據(jù)獲取的云服務(wù)需求；第二層則是由多個(gè)車載云所構(gòu)成，以滿足用戶對車載云服務(wù)的需求。在VCC中，車輛的快速移動(dòng)使車載云的形成具有動(dòng)態(tài)自主性，參與交互的實(shí)體也不斷發(fā)生變化，同時(shí)車輛既可以通過廣播道路信息作為服務(wù)提供者，也可以通過享受集中式的互聯(lián)網(wǎng)云服務(wù)。一、車聯(lián)網(wǎng)云計(jì)算（VCC）架構(gòu)有學(xué)者認(rèn)為，車聯(lián)網(wǎng)體系是一個(gè)集成系統(tǒng)，將信息、技術(shù)以及各種功能集為一體，且在車聯(lián)網(wǎng)系統(tǒng)中數(shù)據(jù)的獲取途徑以及處理方法多樣，通信的需求無處不在，就將車聯(lián)網(wǎng)按照交通云和傳感器系統(tǒng)二元分類，其中WSN網(wǎng)絡(luò)是wirelesssensornetwork的簡稱，即無線傳感器網(wǎng)絡(luò)，它是物聯(lián)網(wǎng)的關(guān)鍵技術(shù)[52]。而交通云的概念類似于車云網(wǎng)，車云網(wǎng)是一個(gè)云架構(gòu)的車輛運(yùn)行信息平臺(tái)，它的生態(tài)鏈包含了ITS、物流、客貨運(yùn)、危特車輛、汽修汽配、汽車租賃、企事業(yè)車輛管理、汽車制造商、4S店、車管、保險(xiǎn)、緊急救援、移動(dòng)互聯(lián)網(wǎng)等，是多源海量信息的匯聚，因此需要虛擬化、安全認(rèn)證、實(shí)時(shí)交互、海量存儲(chǔ)等云計(jì)算功能，其應(yīng)用系統(tǒng)也是圍繞車輛的數(shù)據(jù)匯聚、計(jì)算、調(diào)度、監(jiān)控、管理與應(yīng)用的復(fù)合體系。而交通云也包括了云計(jì)算和服務(wù)平臺(tái)（類似于生態(tài)鏈）內(nèi)涵的功能。圖4-2云計(jì)算以及WSN二元架構(gòu)。1．車聯(lián)網(wǎng)中云計(jì)算以及WSN二元架構(gòu)分類圖4-2云計(jì)算以及WSN二元架構(gòu)（1）車聯(lián)網(wǎng)云計(jì)算平臺(tái)（VCC）三層架構(gòu)XIE等人[59]詳細(xì)闡述了VCC技術(shù)的發(fā)展及其特性，同時(shí)將VCC架構(gòu)分成三層進(jìn)行介紹，分別是車輛內(nèi)部層、通信層和云計(jì)算層，分別對應(yīng)于車內(nèi)感知層、車-車間和車-路間的車聯(lián)網(wǎng)網(wǎng)絡(luò)層、基于車聯(lián)網(wǎng)架構(gòu)的應(yīng)用層。車聯(lián)網(wǎng)云平臺(tái)的三層架構(gòu)如圖4-3所示。圖4-3云計(jì)算平臺(tái)三層架構(gòu)第一層是車聯(lián)網(wǎng)感知層，其包括如下幾類傳感器:①行駛監(jiān)測類傳感器；②汽車安全監(jiān)控類傳感器；③環(huán)境監(jiān)測類傳感器。隨著電子技術(shù)的不斷進(jìn)步，車內(nèi)可供配備的傳感器類型也在不斷增加，比如壓力和溫度傳威器、慣導(dǎo)傳感器(INS)和司機(jī)行為識別傳感器(可用于預(yù)測駕駛?cè)说姆磻?yīng)和意識)。傳感器獲取信息后，通過整理核對后，相關(guān)歷史信息將被送到云端存儲(chǔ)或使用，這些信息將作為應(yīng)用層軟件的輸入。例如，提供給健康情況評估和環(huán)境識別應(yīng)用程序作為輸入源。我們假定每個(gè)車都配備了OBU，其包括一個(gè)內(nèi)置的導(dǎo)航系統(tǒng)，本地配有地圖和周邊RSU的位置信息。OBU配有寬帶無線通信設(shè)備，可以通過多種無線通信方式傳輸數(shù)據(jù)，比如WiFix,車載環(huán)境的無線訪問或短距離通信(DedicatedShortRangeCommunication(DSRC)。第二層是車聯(lián)網(wǎng)的網(wǎng)絡(luò)層，其中包括兩部分:第一部分是通過DSRC的車輛間的通信(V2V)。若車輛在運(yùn)行過程中表現(xiàn)出異常舉動(dòng)，比如，大幅度逆轉(zhuǎn)方向，突然限速或車輛的主要機(jī)械部件發(fā)生故障等信息、速度、加速度和違反規(guī)定的移動(dòng)情況。第二部分是車輛(Vehicle)與路邊路側(cè)基礎(chǔ)設(shè)施(Infrastructure)之間的通信(vehicleInfrastructure,V2I)，主要負(fù)責(zé)在車輛和路邊路側(cè)基礎(chǔ)設(shè)施之間通過無線網(wǎng)絡(luò)通信技術(shù)(例如，4G、5G網(wǎng)絡(luò)或衛(wèi)星)傳遞信息。使用V2I將可以充分利用路邊設(shè)施的穩(wěn)定性和位置固定性等特點(diǎn)，更好地彌補(bǔ)移動(dòng)自組織網(wǎng)絡(luò)拓?fù)渥兓鶐淼囊幌盗袉栴}。第三層是車聯(lián)網(wǎng)的應(yīng)用層。在該層中，系統(tǒng)將各種數(shù)據(jù)和功能進(jìn)行統(tǒng)一部署并根據(jù)需要將搜集到的數(shù)據(jù)進(jìn)行再處理、對其相關(guān)功能進(jìn)行再利用。由于該層的內(nèi)容與實(shí)際應(yīng)用直接相關(guān)，因而，這部分研究內(nèi)容更加豐富。比如，隨著平臺(tái)的擴(kuò)展，其可在較少的時(shí)間內(nèi)完成平臺(tái)的組織和構(gòu)建，利用匯集起來的網(wǎng)絡(luò)資源提供網(wǎng)絡(luò)服務(wù)(NetworkasaService,NaaS)利用車載單元空閑的計(jì)算能力，提供計(jì)算服務(wù)(ComputeasaService,CaaS);利用匯集起來的存儲(chǔ)資源，提供存儲(chǔ)服務(wù)(StorageasaService,SaaS).;利用車載影視設(shè)備采集沿途的圖片視頻分信息感興趣還可以實(shí)現(xiàn)部分信息的個(gè)性化定制和推送服務(wù)。在靜止的模式下，車聯(lián)網(wǎng)云平臺(tái)與傳統(tǒng)云平臺(tái)有著相同的功能和運(yùn)行方式。然而由于車輛的可移動(dòng)性帶來了車聯(lián)網(wǎng)云平臺(tái)資源的動(dòng)態(tài)可遷移性。以下將分析車聯(lián)網(wǎng)云計(jì)算和傳統(tǒng)云計(jì)算模式的異同點(diǎn)，以便更深刻地理解車聯(lián)網(wǎng)云計(jì)算的架構(gòu)。（2）車載云計(jì)算（VCC）的基本架構(gòu)圖4-4車載云計(jì)算基本架構(gòu)Skondras林谷等[54]人提出了VCC兩層架構(gòu)：第一層是基于互聯(lián)網(wǎng)云計(jì)算平臺(tái)，主要為用戶提供數(shù)據(jù)獲取的云服務(wù)需求；第二層則是由多個(gè)車載云所構(gòu)成，以滿足用戶對車載云服務(wù)的需求。在VCC中，車輛的快速移動(dòng)使車載云的形成具有動(dòng)態(tài)自主性，參與交互的實(shí)體也不斷發(fā)生變化，同時(shí)車輛既可以通過廣播道路信息作為服務(wù)提供者，也可以通過享受集中式的互聯(lián)網(wǎng)云服務(wù)。車載云的形成主要是基于V2V與V2I通信。如圖4-4所示，車輛內(nèi)部的控制器局域網(wǎng)總線將物理資源進(jìn)行整合并利用傳感器收集車輛信息，之后通過車載單元（OnBoardUnit，OBU）實(shí)現(xiàn)與其他車輛或路側(cè)單元（RoadSideUnit，RSU）的信息交互。而車載云是將底層設(shè)備的物理資源整合形成設(shè)施云，進(jìn)而按需部署，在減少未充分利用車載資源的同時(shí)，為用戶提供高效的云服務(wù)。根據(jù)VCC應(yīng)用場景的不同，形成車載云的難度也會(huì)有所差異。例如，在大型停車場附近部署車載云會(huì)相對容易，因?yàn)樵谶@類環(huán)境中，車輛會(huì)長期處于靜止?fàn)顟B(tài)，這使得大量的物理資源被長時(shí)間擱置，因此這些車輛便可以成為云服務(wù)的提供者，利用專用短程通信將閑置資源進(jìn)行匯總形成自主云，從而進(jìn)行高性能的存儲(chǔ)、計(jì)算服務(wù)。但是，對于在城市道路或高速公路上的車輛來說，其高機(jī)動(dòng)性特點(diǎn)使車載云的形成較為困難，車輛的快速移動(dòng)使云成員不斷發(fā)生動(dòng)態(tài)變化，同時(shí)車輛作為服務(wù)提供者和服務(wù)消費(fèi)者的身份也在隨時(shí)變換，這些都對車載云的性能提出了更高的要求?；ヂ?lián)網(wǎng)云則是基于傳統(tǒng)意義上的云所構(gòu)成的網(wǎng)絡(luò)，它可以通過RSU等基礎(chǔ)設(shè)施實(shí)現(xiàn)與車輛的通信交互。互聯(lián)網(wǎng)云主要分為基礎(chǔ)設(shè)施即服務(wù)（InfrastructureasaService，IaaS）、平臺(tái)即服務(wù)（PlatformasaService，PaaS）、軟件即服務(wù)（SoftwareasaService，SaaS）三層。IaaS中最主要的部分為虛擬化層，其包含了計(jì)算、存儲(chǔ)等虛擬化資源；PaaS主要是為了開發(fā)云上的應(yīng)用程序，利用應(yīng)用程序接口（ApplicationProgrammingInterface，API）來作為云服務(wù)提供商與用戶之間的交互通道；SaaS則是通過網(wǎng)絡(luò)提供應(yīng)用服務(wù)，來滿足用戶信息娛樂、互聯(lián)網(wǎng)瀏覽等需求。圖4-5車載云網(wǎng)絡(luò)系統(tǒng)架構(gòu)根據(jù)Ahmad,Kazim,Adnane等人的劃分，車載云網(wǎng)絡(luò)（VCN）可分為三個(gè)層級，車輛云、基建云和終端云，如圖4-5所示。二、車載云網(wǎng)絡(luò)（VCN）的基本架構(gòu)1．車輛云（vehicularCloud,VC）在車輛云網(wǎng)絡(luò)中，車輛的物理資源（存儲(chǔ)和計(jì)算）只在車輛之間共享[60]。這使得網(wǎng)絡(luò)的整體效率很高。在車輛自組網(wǎng)環(huán)境下，車輛云是局域網(wǎng)，車輛之間通過V2V通信共享信息。由于車輛網(wǎng)絡(luò)的機(jī)動(dòng)性能不同，因此形成VC的技術(shù)難度因車輛自組網(wǎng)的不同環(huán)境而異。一般來說，適用于市中心，高速公路，停車場等不同的應(yīng)用場景。2．基建云（InfrastrctureCloud,IC）基建云網(wǎng)絡(luò)主要由道路沿線相鄰的路邊單元發(fā)起，車輛請求訪問云提供的服務(wù)。該云的范圍是路邊單元所在的一小片居于范圍。不同基建云網(wǎng)絡(luò)之間的通信通過專用的本地服務(wù)器進(jìn)行。由于IC涉及到靜態(tài)實(shí)體（路邊單元）和移動(dòng)實(shí)體（車輛），因此對于車輛自組網(wǎng)的不同場景，IC形成的技術(shù)難度是不同的。VC和IC的結(jié)合有助于提高其通信效率。3．終端云（Back-endCloud,BEC）BEC是互聯(lián)網(wǎng)領(lǐng)域中最大的傳統(tǒng)車載云。BEC擁有更多的資源，車輛可以利用這些資源進(jìn)行廣泛的數(shù)據(jù)存儲(chǔ)和高能計(jì)算[61]。BEC的范圍遍布整個(gè)地理區(qū)域，為車輛提供服務(wù)。BEC在帶寬管理應(yīng)用中扮演著重要的角色，它服務(wù)于高帶寬需求的用戶，例如提供車載多媒體。信息社會(huì)中信息量增速迅猛，隨之帶來的大量數(shù)據(jù)滲透于各行各業(yè)，成為了各領(lǐng)域中一筆不小的財(cái)富。新興的大數(shù)據(jù)概念成功引起了人們的注意，對于所謂的大數(shù)據(jù)迄今并沒有較為固定的定義，Gartner公司給出的定義是大數(shù)據(jù)是需要新的處理模式以此來產(chǎn)生更強(qiáng)大決策力以及對流程進(jìn)行優(yōu)化的能力，從而應(yīng)對海量、高增長率和多樣化的信息資產(chǎn)。隨著移動(dòng)智能終端、社交網(wǎng)絡(luò)等規(guī)模逐步擴(kuò)大，新型信息技術(shù)平臺(tái)誕生，而其中大數(shù)據(jù)已經(jīng)成為信息技術(shù)產(chǎn)業(yè)中重要的加速劑，推動(dòng)了科技的進(jìn)步。當(dāng)今社會(huì)掌握最新的信息即搶占了先機(jī)，信息就是財(cái)富，大數(shù)據(jù)也從側(cè)面推動(dòng)了經(jīng)濟(jì)的發(fā)展。第四節(jié)

車云網(wǎng)關(guān)鍵技術(shù)一、大數(shù)據(jù)處理技術(shù)大數(shù)據(jù)相較于傳統(tǒng)型數(shù)據(jù)，通常被歸納為五個(gè)特點(diǎn)，也被稱作五個(gè)V，通常理解為大容量（volume），高速（velocity），多種類（variety），難以辨識（veracity）以及高價(jià)值（value。但是，大數(shù)據(jù)容量大有價(jià)值的信息密度卻不高，對處理速度和精確度都有較高的要求。目前，Google、Microsoft等互聯(lián)網(wǎng)公司都推出了多種類型的大數(shù)據(jù)處理架構(gòu)或系統(tǒng)并應(yīng)用于不同環(huán)境，主要分為批量處理、流式數(shù)據(jù)處理以及交互式處理。大數(shù)據(jù)借助于上述高性能的處理平臺(tái)可以實(shí)現(xiàn)海量數(shù)據(jù)中有價(jià)值信息的挖掘，大數(shù)據(jù)的分析技術(shù)也在逐步更新發(fā)展。從繁多種類的數(shù)據(jù)中提取合適的數(shù)據(jù)屬性，并針對有效數(shù)據(jù)進(jìn)行處理、分析，最后將結(jié)果呈現(xiàn)給用戶。大數(shù)據(jù)分析技術(shù)的發(fā)展?jié)M足了更多的用戶需求，常用技術(shù)有機(jī)器學(xué)習(xí)、知識計(jì)算、可視化等。有學(xué)者以上海中科深江電動(dòng)車有限公司生產(chǎn)的純電動(dòng)汽車LF620為數(shù)據(jù)來源，車聯(lián)網(wǎng)系統(tǒng)記錄了這些車輛在七個(gè)月內(nèi)每天的行駛數(shù)據(jù)，包括時(shí)間，電機(jī)類數(shù)據(jù)：瞬時(shí)扭矩、轉(zhuǎn)速、瞬時(shí)功率，電池類數(shù)據(jù)：電池瞬時(shí)溫度、瞬時(shí)電壓、瞬時(shí)電流、電池荷電狀態(tài)（StateofCharge，SOC）、充電狀態(tài)，汽車行駛累積里程數(shù)、瞬時(shí)車速等多種類型。基于本文制定出的LF620行駛道路擁堵等級分類標(biāo)準(zhǔn)，通過分析固定時(shí)間段內(nèi)的車輛瞬時(shí)行駛速度集可以得出當(dāng)前道路擁堵等級。如果將擁堵等級結(jié)合剩余電量、汽車駕駛功率消耗情況能夠推斷出當(dāng)前剩余電量可以支撐的剩余行駛里程，可以減緩電動(dòng)車司機(jī)關(guān)于是否需要立即充電的焦慮，幫助用戶有效提升使用舒適感?；趦?nèi)存計(jì)算的處理方法。內(nèi)存計(jì)算的數(shù)據(jù)庫管理技術(shù)的發(fā)展為內(nèi)存計(jì)算技術(shù)的發(fā)展提供了推動(dòng)力。內(nèi)存計(jì)算（In-MemoryComputing，IMC）實(shí)現(xiàn)了分布式、可擴(kuò)展、可靠的NoSQL數(shù)據(jù)存儲(chǔ)，是一個(gè)具有一致性的應(yīng)用平臺(tái)中間件。應(yīng)用程序基礎(chǔ)設(shè)施的快速成熟以及半導(dǎo)體技術(shù)等硬件的成本急速下降，為使用內(nèi)存計(jì)算技術(shù)提供了基礎(chǔ)。Gartner公司曾表示，雖然內(nèi)存計(jì)算技術(shù)目前只適合于專業(yè)性極強(qiáng)的領(lǐng)域，例如金融交易，電信行業(yè)，軍事國防部門，在線社交媒體等有足夠的經(jīng)濟(jì)及硬件基礎(chǔ)支撐其帶來的高額成本和復(fù)雜性。但是IMC技術(shù)已經(jīng)愈發(fā)成熟，那些不考慮引進(jìn)內(nèi)存應(yīng)用基礎(chǔ)設(shè)施技術(shù)的企業(yè)正面臨著被那些已成為主流用戶的競爭對手提出創(chuàng)新領(lǐng)域的淘汰的風(fēng)險(xiǎn)。實(shí)現(xiàn)內(nèi)存計(jì)算的應(yīng)用程序框架一般包括內(nèi)存數(shù)據(jù)庫管理系統(tǒng)、內(nèi)存數(shù)據(jù)網(wǎng)格、高性能消息傳遞架構(gòu)、復(fù)雜事件處理平臺(tái)、內(nèi)存分析和應(yīng)用程序服務(wù)。這些技術(shù)可以滿足對執(zhí)行速度、可擴(kuò)展性以及深刻分析有需求的多種應(yīng)用場景。它將完成批處理的時(shí)間從幾小時(shí)降至幾分鐘甚至幾秒，并且可以作為實(shí)時(shí)云服務(wù)將結(jié)果傳遞給用戶、供應(yīng)商等，同時(shí)，還可以用于檢測模式和相關(guān)性檢測，以幫助在從數(shù)百萬事件中檢測出事件在發(fā)生過程中隨時(shí)面臨的新興的機(jī)遇或威脅的事件。內(nèi)存計(jì)算技術(shù)幫助用戶開發(fā)出的應(yīng)用程序可以在海量數(shù)據(jù)集上執(zhí)行高級查詢或是復(fù)雜事務(wù)，并且具有更大的可擴(kuò)展性。內(nèi)存計(jì)算技術(shù)同樣也面臨一些瓶頸，如缺少統(tǒng)一的標(biāo)準(zhǔn)，缺少技能專業(yè)性，架構(gòu)具有復(fù)雜性，以及安全問題、監(jiān)控和管理方面的挑戰(zhàn)，解決這些問題可以實(shí)現(xiàn)內(nèi)存計(jì)算技術(shù)逐漸被主流采用。現(xiàn)實(shí)生活中自然數(shù)據(jù)往往是不完善的，例如機(jī)器故障、人為錯(cuò)誤等原因會(huì)造成原始數(shù)據(jù)存在一些缺陷，由于這些缺陷，在數(shù)據(jù)分析時(shí)可能會(huì)帶來較大的誤差或是結(jié)果缺失等困擾。因此，在對數(shù)據(jù)進(jìn)行分析之前，需要對原始數(shù)據(jù)進(jìn)行清洗、集成、轉(zhuǎn)換以及規(guī)約化等操作，以保證預(yù)處理后的數(shù)據(jù)達(dá)到算法進(jìn)行模型訓(xùn)練的最低規(guī)范和標(biāo)準(zhǔn)。首先是對缺失數(shù)據(jù)進(jìn)行插補(bǔ)，常見對數(shù)據(jù)處理方法主要有三類，第一類是將包含缺失值的數(shù)據(jù)集刪除，這種方法實(shí)現(xiàn)簡單，但對于盲目刪除可能會(huì)導(dǎo)致模型誤差，第二類方法是統(tǒng)計(jì)方法，通過對數(shù)據(jù)完整部分的模型參數(shù)進(jìn)行估計(jì)，采樣對缺失值進(jìn)行插補(bǔ)，實(shí)現(xiàn)過程復(fù)雜，第三類方法是基于機(jī)器學(xué)習(xí)方法的缺失值插補(bǔ)法。二、多元數(shù)據(jù)預(yù)處理云計(jì)算（CloudComputing,CC）和多接入邊緣計(jì)算（Multi-accessEdgeComputing，MEC）在車云網(wǎng)中起到了重要的作用。其中CC是指將豐富的存儲(chǔ)、計(jì)算資源集中部署于遠(yuǎn)距離的云計(jì)算中心處，但由于數(shù)據(jù)傳輸需經(jīng)過核心網(wǎng)而易導(dǎo)致數(shù)據(jù)擁塞，從而產(chǎn)生較大的時(shí)延。為了彌補(bǔ)云計(jì)算的不足，MEC出現(xiàn)了，其核心思想是指將具有一定的存儲(chǔ)、計(jì)算資源的服務(wù)器部署在基站附近，與用戶只有“一跳”的距離，極大地降低了傳輸時(shí)延。并且隨著研究人員對MEC的研究和應(yīng)用場景的不斷豐富，MEC也已經(jīng)成為5G的核心技術(shù)之一。三、云計(jì)算車聯(lián)網(wǎng)與云計(jì)算的融合成為了交通信息化成功的關(guān)鍵。在云框架下，綜合信息采集處理、道路交通狀況監(jiān)測、車輛監(jiān)管與疏導(dǎo)、信號控制、系統(tǒng)聯(lián)動(dòng)以及預(yù)測預(yù)報(bào)、信息發(fā)布與誘導(dǎo)等，都必須做到與整體情報(bào)系統(tǒng)的融合、共享和統(tǒng)一決策。通過將計(jì)算遷移應(yīng)用于車聯(lián)網(wǎng)中，可以較好地突破車載終端自身可用資源的不足，大大提高其智能性，對于提升用戶體驗(yàn)、改善交通狀況具有很重要的意義。但是目前針對車聯(lián)網(wǎng)中計(jì)算遷移的相關(guān)研究主要集中在將MEC與車聯(lián)網(wǎng)結(jié)合，而忽略了CC強(qiáng)大的計(jì)算資源。CC和MEC由于具有互補(bǔ)的優(yōu)勢，所以在車聯(lián)網(wǎng)中計(jì)算遷移的相關(guān)研究中不應(yīng)將兩者對立，相反應(yīng)該更好地將兩者結(jié)合使用。1．微服務(wù)概述微服務(wù)是一個(gè)新興的軟件架構(gòu)，現(xiàn)代軟件工作平臺(tái)并不是交付單一的、獨(dú)立的應(yīng)用程序，而是代表小的、離散的、可重用的、有彈性的、經(jīng)過良好測試的軟件組件。這種相互依賴的軟件組件被單獨(dú)構(gòu)建為微服務(wù)，每個(gè)服務(wù)負(fù)責(zé)自己特定的小功能，如圖4-6所示。圖4-6微服務(wù)概述四、邊緣云的信息調(diào)度2．微服務(wù)架構(gòu)微服務(wù)架構(gòu)如圖4-6所示。（1）車載與路側(cè)終端通過傳感技術(shù)進(jìn)行車輛和路況信息感知，車載單元（OBU）可實(shí)現(xiàn)車與車（V2V）、車與路和車與云之間通信。因此將具有車載數(shù)據(jù)融合計(jì)算、位置定位、路況感知、周期性或事件性數(shù)據(jù)收發(fā)及支撐自動(dòng)駕駛?cè)诤蠜Q策等功能的微服務(wù)部署到車載和路側(cè)終端上；（2）邊緣云邊緣云平臺(tái)作為車聯(lián)網(wǎng)系統(tǒng)中靠近終服務(wù)終端的數(shù)據(jù)處理中心和應(yīng)用軟件部署平臺(tái)，將承載絕大部分的車聯(lián)網(wǎng)應(yīng)用微服務(wù)，如車路協(xié)同、車輛編隊(duì)、安全預(yù)警、遠(yuǎn)程駕駛、交通信息服務(wù)等。由于其部署在網(wǎng)絡(luò)邊緣，能極大的縮短車聯(lián)網(wǎng)應(yīng)用的響應(yīng)時(shí)間;（3）中心云負(fù)責(zé)全局算法，實(shí)現(xiàn)全局交通管控，故將交通區(qū)域決策、規(guī)劃等全局性車輛網(wǎng)應(yīng)用微服務(wù)部署在中心云。但由于其遠(yuǎn)離車輛終端，故許多對計(jì)算速度和時(shí)延要求高的車聯(lián)網(wǎng)應(yīng)用，無法部署到中心云中。圖4-7微服務(wù)架構(gòu)在本架構(gòu)中，三層結(jié)構(gòu)分工明確并協(xié)同配合，共同支撐車輛的智能駕駛及智能交通網(wǎng)絡(luò)。在車聯(lián)網(wǎng)環(huán)境中，基于容器的微服務(wù)的特性，按照不同應(yīng)用的類型將微服務(wù)分配到各個(gè)層級，根據(jù)任務(wù)變化進(jìn)行動(dòng)態(tài)部署。本文使用基于微幅服架構(gòu)的輕量級容器來代替?zhèn)鹘y(tǒng)的虛擬機(jī)進(jìn)行應(yīng)用服務(wù)的部署，以減少架構(gòu)中計(jì)算設(shè)備的開銷、響應(yīng)時(shí)間以及整體的能耗。邊緣云與傳統(tǒng)的邊緣節(jié)點(diǎn)相比，有更強(qiáng)的計(jì)算、存儲(chǔ)及數(shù)據(jù)處理能力，與中心云相比，具有靠近服務(wù)對象、快速響應(yīng)的優(yōu)勢，因此邊緣云技術(shù)是車聯(lián)網(wǎng)系統(tǒng)的核心技術(shù)之一[63]。將大部分車聯(lián)網(wǎng)應(yīng)用微服務(wù)部署到邊緣云平臺(tái)上，即可以降低響應(yīng)時(shí)間、降低帶寬成本、提升服務(wù)質(zhì)量，又能滿足系統(tǒng)的動(dòng)態(tài)彈性的資源需求。因此本文接下來內(nèi)容的研究重點(diǎn)將聚焦在車聯(lián)網(wǎng)邊緣云平臺(tái)中的微服務(wù)資源調(diào)度問題研究上。3．微服務(wù)調(diào)度方法智能駕駛車輛用戶，往往對車聯(lián)網(wǎng)服務(wù)的QoS有很高的要求，由于資源過載造成用戶不可接受的應(yīng)用QoS，可能會(huì)導(dǎo)致交通信息更新不及時(shí)、交通擁堵甚至車禍等嚴(yán)重的交通問題。因此在車聯(lián)網(wǎng)邊緣云平臺(tái)上部署微服務(wù)時(shí)，除了要考慮按照微服務(wù)滿足日常需求而預(yù)估的資源需求量，進(jìn)行資源的合理分配外，還應(yīng)考慮面對突發(fā)狀況時(shí)，對微服務(wù)所需硬件資源進(jìn)行動(dòng)態(tài)擴(kuò)容，從而滿足車聯(lián)網(wǎng)用戶的QoS要求。主流的公有云運(yùn)營商如亞馬遜、谷歌和微軟，均采用反應(yīng)性方法對微服務(wù)資源進(jìn)行動(dòng)態(tài)擴(kuò)容。反應(yīng)性方法為預(yù)先對各個(gè)微服務(wù)的負(fù)載設(shè)置閾值，當(dāng)某個(gè)微服務(wù)負(fù)載達(dá)到閾值時(shí)對其進(jìn)行資源擴(kuò)容。具體流程為：當(dāng)發(fā)生突發(fā)狀況，各應(yīng)用中的存在微服務(wù)的負(fù)載達(dá)到閾值，且還在呈上升趨勢，則利用容器的秒級啟動(dòng)的特性，增加該微服務(wù)實(shí)例；然后將所有增加的容器實(shí)例，按照邊緣云微服務(wù)資源調(diào)度策略合理的部署到各個(gè)物理服務(wù)器上，并接入到原來的應(yīng)用服務(wù)網(wǎng)絡(luò)中，承載新接入用戶的服務(wù)需求；當(dāng)度過突發(fā)狀況，原來應(yīng)用中微服務(wù)的負(fù)載降低到閾值之下，且等到新增加的實(shí)例中的用戶處理完成之后，取消新增實(shí)例，新接入用戶由原有微服務(wù)實(shí)例進(jìn)行處理，以節(jié)約云平臺(tái)計(jì)算資源。通過路側(cè)的終端以及車載終端，交通云平臺(tái)采集豐富的信息，以此詳細(xì)的了解實(shí)時(shí)車輛的位置、路徑以及狀態(tài)等各項(xiàng)信息，可以通過與路側(cè)終端的交互，進(jìn)一步實(shí)現(xiàn)不停車收費(fèi)，還可以為擁擠收費(fèi)提供有力信息，進(jìn)而實(shí)現(xiàn)更有效的管理。不停車收費(fèi)過程完成車輛與收費(fèi)站之間的無線數(shù)據(jù)通信，進(jìn)行車輛自動(dòng)識別和有關(guān)收費(fèi)數(shù)據(jù)的交換，通過計(jì)算機(jī)網(wǎng)路進(jìn)行收費(fèi)數(shù)據(jù)的處理，提高車輛通行能力。第五節(jié)

車云網(wǎng)的具體應(yīng)用1．不停車收費(fèi)車輛裝了車載器后，當(dāng)行駛至ETC車道時(shí)，安裝在車道上方的檢測器接收到車載器發(fā)射的信號后，欄桿自動(dòng)抬起，讓車輛通過?？梢源蠓岣叱鋈肟谲囕v通行能力，改善車主的使用體驗(yàn)，達(dá)到方便快捷出入的目的。利用數(shù)據(jù)融合技術(shù)，將所獲得的交通信息進(jìn)行有效地篩選與融合，將其中有效的信息為車輛提供安全駕駛的服務(wù)。通過預(yù)警避免車輛在換車道或者交叉口時(shí)出現(xiàn)車輛意外碰撞的現(xiàn)象。利用云系統(tǒng)資源來預(yù)測未來的交通狀況，并能夠檢測一些交通事件，為相關(guān)部門作出決策提供可靠的支持。通過路側(cè)終端以及車載終端所獲取的車輛信息，還可以作為相關(guān)交通執(zhí)法的取證依據(jù)，促使形成了一套傳輸更高效、覆蓋更全面、取證更準(zhǔn)確、抓捕更精準(zhǔn)、處理更及時(shí)的道路交通巡邏執(zhí)法新模式,進(jìn)而為道路交通執(zhí)法系統(tǒng)在交通系統(tǒng)的優(yōu)化中提供科學(xué)依據(jù)。這對提高道路使用效率、減少交通事故發(fā)生率,保障行車安全具有重要意義。2．交通預(yù)警與交通執(zhí)法依靠傳統(tǒng)的動(dòng)態(tài)交通流分配來提升整體交通網(wǎng)絡(luò)的性能在新形勢下面臨諸多困難:交通需求在時(shí)空上的快速變化、路網(wǎng)復(fù)雜程度的幾何級上升、交通瓶頸位置的動(dòng)態(tài)變化、突發(fā)事件的應(yīng)變不足等都給城市交通網(wǎng)絡(luò)性能提升帶來挑戰(zhàn)。借助于移動(dòng)互聯(lián)網(wǎng)下的大數(shù)據(jù),對交通信息平臺(tái)中積累的大量交通數(shù)據(jù)的分析處理,進(jìn)行價(jià)值挖掘,提取數(shù)據(jù)背后潛藏的知識與規(guī)律,這些知識進(jìn)一步轉(zhuǎn)換成預(yù)警和疏導(dǎo)交通擁堵的規(guī)則與方法,這將為提高路網(wǎng)整體性能提供有效支撐。通過路側(cè)終端以及車載終端可獲取車輛的相關(guān)信息，交通云平臺(tái)可以根據(jù)這些數(shù)據(jù)信息進(jìn)行科學(xué)的決策，進(jìn)而判斷詳細(xì)的路況信息，在一定程度上有效的緩解城市巨大的交通壓力。3．交通資源分配在城市道路上行駛的車輛，其連續(xù)性在很大程度上取決于各路口信號的協(xié)調(diào)。利用交通云計(jì)算平臺(tái)來處理各種通過車載終端以及路側(cè)終端獲取的交通數(shù)據(jù)信息，并從這些數(shù)據(jù)信息中有效的判斷車輛的具體狀況，根據(jù)出行的需求以及交通狀況來調(diào)整交通管理協(xié)調(diào)策略，實(shí)現(xiàn)交通管理的最優(yōu)化。利用車聯(lián)網(wǎng)中交通云平臺(tái)有效的預(yù)測交通狀態(tài)，為交通部門進(jìn)行交通決策提供依據(jù)。這不但可以提高城市道路交通設(shè)施的效率、增強(qiáng)安全水平，還可以提高城市交通效率、改善交通環(huán)境、降低汽車污染排放等。4．交通協(xié)調(diào)控制VCN(VirtualClusterNumber)有助于執(zhí)法機(jī)構(gòu)使用高清視頻追蹤車輛或人員，以確保安全。由于高清視頻的實(shí)時(shí)處理需要大量的存儲(chǔ)空間，VCN是執(zhí)法機(jī)構(gòu)立即采取行動(dòng)的最佳手段之一。云視頻監(jiān)控系統(tǒng)。云監(jiān)控服務(wù)大幅降低了用戶的建設(shè)維護(hù)成本，操作上也變得更加便捷，云監(jiān)控?cái)?shù)據(jù)中心虛擬化的計(jì)算存儲(chǔ)與安全管理模式，為系統(tǒng)提供了更強(qiáng)的可擴(kuò)充與共享功能,增加了視頻數(shù)據(jù)的安全與可靠性，從而可以有效解決當(dāng)前視頻監(jiān)控所存在的問題。5．視頻監(jiān)控在傳統(tǒng)的車輛網(wǎng)絡(luò)中，靜態(tài)地理地圖用于車輛導(dǎo)航。VCN通過IC可以很好提供實(shí)時(shí)車輛導(dǎo)航。接收交通信息中心實(shí)時(shí)路況信息的動(dòng)態(tài)導(dǎo)航系統(tǒng)能夠獲知車輛周邊地區(qū)的實(shí)時(shí)交通狀況，而且通過利用無線網(wǎng)絡(luò)傳輸對車輛導(dǎo)航系統(tǒng)的數(shù)據(jù)進(jìn)行更新?？梢杂行б龑?dǎo)出行車輛避開擁堵、節(jié)約出行成本，降低用戶對自身車輛導(dǎo)航系統(tǒng)數(shù)據(jù)的維護(hù)工作。6．實(shí)時(shí)導(dǎo)航以提高城市道路運(yùn)行效率和服務(wù)安全為目的，為緩解城市道路擁堵和提升交通工作效能，需要發(fā)展遠(yuǎn)程交通管控系統(tǒng)。遠(yuǎn)程流量管理是VCN的重要應(yīng)用之一。對于高速公路上排隊(duì)的車輛，可以通過云提供信息和建議。7．遠(yuǎn)程交通管控隨著衛(wèi)星通信技術(shù)的發(fā)展以及業(yè)務(wù)類型的多樣化，如何高效地分配有限的帶寬資源成為必須解決的重要問題。在終端自主注冊云端設(shè)備，注冊后即可開啟上傳定位行駛信息，同時(shí)監(jiān)控端根據(jù)這些信息生成監(jiān)控地圖，終端設(shè)備可向監(jiān)控端上傳異常情況，監(jiān)控端根據(jù)上傳異常等級進(jìn)行報(bào)警。8．帶寬資源分配網(wǎng)絡(luò)接入具有廣泛性。能夠共享資源池，通過動(dòng)態(tài)資源管理的方式為多個(gè)用戶提供服務(wù)。可以基于效用更合理的進(jìn)行定價(jià)，更高效地利用車聯(lián)網(wǎng)環(huán)境下的資源，從而滿足車聯(lián)網(wǎng)應(yīng)用和服務(wù)的需求。車云網(wǎng)通過虛擬化技術(shù)整合相關(guān)的計(jì)算、存儲(chǔ)、通信、傳感等資源，并且通過“按需分配”的模式為車輛用戶提供相應(yīng)的服務(wù)。車云網(wǎng)通常根據(jù)其地理位置被劃分為多個(gè)本地云計(jì)算服務(wù)域，車輛用戶可以通過ＲＳＵ接入到相應(yīng)的本地云計(jì)算服務(wù)域從而獲取云計(jì)算服務(wù)。車云網(wǎng)包括了本地云和中心云，與邊緣計(jì)算相似的是本地云，但是本地云的資源除了本地服務(wù)器之外，還包括了車載設(shè)備的計(jì)算資源，這部分資源是隨著車輛數(shù)量發(fā)生變化的。第六節(jié)

車云網(wǎng)的優(yōu)缺點(diǎn)和難點(diǎn)優(yōu)點(diǎn)投資規(guī)模大。根據(jù)規(guī)劃，中國將在2035年實(shí)現(xiàn)高度自動(dòng)駕駛。為了實(shí)現(xiàn)我國車聯(lián)網(wǎng)技術(shù)發(fā)展的這一總體目標(biāo)，不僅需要在技術(shù)上有重大創(chuàng)新，還需要有巨大的資金投入。截至2020年9月，我國機(jī)動(dòng)車保有量達(dá)3.65億輛，高速公路里程14.26萬公里，無論是DSRC還是C-V2X作為我國車聯(lián)網(wǎng)商用技術(shù)的標(biāo)準(zhǔn)，對于車載終端的安裝和路側(cè)單元的部署都是必不可少的，還有大量傳感設(shè)備的安裝，例如攝像頭、定位雷達(dá)以及環(huán)境感知設(shè)備等，這些都需要成本和投入。海量接入數(shù)據(jù)價(jià)值難以挖掘。未來“車—路—人—云”感知高度協(xié)同統(tǒng)一的車聯(lián)網(wǎng)生態(tài)體系，必將是網(wǎng)絡(luò)體系中各個(gè)終端節(jié)點(diǎn)的數(shù)據(jù)交互在一起，而龐大的數(shù)據(jù)接入量不僅給存儲(chǔ)空間帶來挑戰(zhàn)，數(shù)據(jù)的處理也將是一大難題。隨著車聯(lián)網(wǎng)業(yè)務(wù)應(yīng)用功能的不斷增加，例如視頻通話、車載遠(yuǎn)程會(huì)議以及遠(yuǎn)程車輛控制等新應(yīng)用，既對數(shù)據(jù)傳輸速率有很高的要求，同時(shí)也要求有很強(qiáng)的數(shù)據(jù)處理能力。此外，哪些應(yīng)用優(yōu)先運(yùn)行，哪些數(shù)據(jù)優(yōu)先處理，如何進(jìn)行無線資源分配，如何優(yōu)化系統(tǒng)性能等，這些都是需要解決的問題。缺點(diǎn)從車聯(lián)網(wǎng)環(huán)境的特點(diǎn)來看，由于通信鏈路呈現(xiàn)間斷性，需要在移動(dòng)的拓?fù)浣Y(jié)構(gòu)中進(jìn)行高速的數(shù)據(jù)傳輸，而不同QoS的請求對于資源需求又是不同的，高效和動(dòng)態(tài)的資源管理對于車云網(wǎng)來說尤為重要。區(qū)別于靜態(tài)資源管理方式，動(dòng)態(tài)資源管理技術(shù)對服務(wù)的需求更敏感，由于它更接近于對服務(wù)的真正需求，所以可以更為有效地減少因資源過度分配而造成資源浪費(fèi)的現(xiàn)象。同時(shí)，有效的資源預(yù)留技術(shù)也能減少服務(wù)的響應(yīng)時(shí)間。從資源的角度來看，由于車云網(wǎng)中包含了計(jì)算存儲(chǔ)、通信等多域的資源，而這些資源之間并非完全孤立的關(guān)系，往往還存在一定的置換關(guān)系，所以，對于如何在多域進(jìn)行資源合理置換，也是車云網(wǎng)資源管理較為關(guān)注的一個(gè)問題。難點(diǎn)1云資源管理車云網(wǎng)的目標(biāo)是根據(jù)用戶不同的服務(wù)水平協(xié)議(SLA)，為用戶提供相應(yīng)質(zhì)量級別的服務(wù)。服務(wù)提供者應(yīng)該保證云資源的可用性、可靠性等性能。而由于車云網(wǎng)存在一些的不穩(wěn)定因素，特別是車輛的高速移動(dòng)性和網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)性，往往會(huì)使得服務(wù)質(zhì)量也會(huì)隨之受到影響。因此，在整個(gè)服務(wù)執(zhí)行過程中，SLA規(guī)范的定義和SLA評估也有待進(jìn)一步的研究。車云網(wǎng)可分為靜態(tài)云和動(dòng)態(tài)云兩種類型，而這兩個(gè)子模型之間的通信和協(xié)調(diào)，也是車云網(wǎng)研究的一大難點(diǎn)。車輛節(jié)點(diǎn)在云網(wǎng)絡(luò)中的生存時(shí)間是有限的，因而需要有一些策略去保證車輛節(jié)點(diǎn)間通信、車輛與云端通信的連續(xù)性和高效性。同時(shí)，還需要研究適用于在車云網(wǎng)組件內(nèi)部或組件之間進(jìn)行數(shù)據(jù)交換的通信協(xié)作。難點(diǎn)2服務(wù)質(zhì)量難點(diǎn)3通信與協(xié)作車云網(wǎng)的安全性和隱私問題應(yīng)該集中在完善可信度機(jī)制、確保數(shù)據(jù)完整性控制數(shù)據(jù)訪問，防止數(shù)據(jù)手失、保護(hù)用戶的隱私數(shù)據(jù)等方面。例如。車輛在通信中需要交換車輛的位置和身份信息，而如果這些信息被惡意節(jié)點(diǎn)所利用，車輛用戶的安全和隱私就會(huì)受到威脅。目前已有一些文獻(xiàn)提出了利用假名和加密技術(shù)來保證車輛身份的安全。在車云網(wǎng)環(huán)境中，還面臨著一個(gè)難題，即對于傳感器采集數(shù)據(jù)的感知和聚合。需要研究新的解決方案來有效地感知和聚合各種類傳感器所采集的數(shù)據(jù)，包括交通數(shù)據(jù)駕駛?cè)说慕】敌畔?、環(huán)境信息、道路上車輛以及行人的行動(dòng)等。利用車載傳感器和路側(cè)傳感器，車輛可以獲取許多有用的信息。通過V2V通信，車輛按需發(fā)出請求，其他車輛通過過車載傳感器對自身狀態(tài)(加油、停車、堵車等)進(jìn)行判斷，將有用信息傳回給發(fā)起請求的車輛。文獻(xiàn)提出了一種數(shù)據(jù)協(xié)同感知和壓縮的方法，通過利用車輛傳感網(wǎng)絡(luò)(VehicleSensorNetworks，VSNs)實(shí)現(xiàn)對城市環(huán)境的監(jiān)測。難點(diǎn)4隱私和安全難點(diǎn)5數(shù)據(jù)感知和聚合云數(shù)據(jù)中心每年都會(huì)消耗大量的能源，所以，車云網(wǎng)的另一個(gè)主要問題就是提高能源效率。針對節(jié)能的問題，一方面需要提高數(shù)據(jù)中心本身的資源利用率，為了降低云服務(wù)平臺(tái)的能耗，有文獻(xiàn)提出一種通過對系統(tǒng)能耗進(jìn)行監(jiān)控，并對任務(wù)進(jìn)行調(diào)度的任務(wù)集整合算法(TSC)該算法對負(fù)載進(jìn)行了整合，從而使得服務(wù)器數(shù)量得到了縮減，進(jìn)而減少了數(shù)據(jù)中心的能源開銷。另一方面，云服務(wù)提供商可以通過一些替代服務(wù)器(如車載計(jì)算機(jī))減少數(shù)據(jù)中心的能耗成本。由于車輛節(jié)點(diǎn)都是自供能的，所以使用這些移動(dòng)資源，與完全依賴數(shù)據(jù)中心的資源相比，能耗也會(huì)有一定程度地降低。難點(diǎn)6節(jié)能環(huán)保1．完整性基于車輛內(nèi)部的完整性主要是針對車載數(shù)據(jù)與車載通信兩部分。對車載數(shù)據(jù)而言，完整性應(yīng)防止未經(jīng)授權(quán)的實(shí)體對OBU上的本地?cái)?shù)據(jù)進(jìn)行更改；并且應(yīng)保證用戶對車輛內(nèi)部軟件進(jìn)行更新升級操作的真實(shí)性。而針對車載通信的完整性，OBU應(yīng)驗(yàn)證經(jīng)車載網(wǎng)絡(luò)傳輸?shù)南?shù)據(jù)是否發(fā)生未經(jīng)授權(quán)的更改，同時(shí)位于車載平臺(tái)中的所有實(shí)體都應(yīng)該向除自身以外的其他車輛證明其內(nèi)部資源的真實(shí)和完整性?；跓o線網(wǎng)絡(luò)通信的完整性，應(yīng)防止未經(jīng)授權(quán)實(shí)體對位于無線通信信道上的數(shù)據(jù)進(jìn)行修改、刪除等操作，同時(shí)經(jīng)無線網(wǎng)絡(luò)傳輸而收到的消息也應(yīng)由OBU進(jìn)行完整性驗(yàn)證?；谠频耐暾詣t是針對云系統(tǒng)的虛擬化資源、云數(shù)據(jù)信息的安全防護(hù)需求，尤其是防止內(nèi)部人員的惡意篡改。第七節(jié)

車云網(wǎng)的安全需求和風(fēng)險(xiǎn)車云網(wǎng)的安全需求2．可用性VCC的形成主要是基于V2V與V2I通信，由于云的多租戶性特點(diǎn)，無線通信信道的共享面臨著極大的安全挑戰(zhàn)。尤其是針對可用性的安全威脅，很容易導(dǎo)致網(wǎng)絡(luò)通信的中斷，從而影響信息數(shù)據(jù)的安全傳輸。因此，針對可用性需求，主要是保證無線網(wǎng)絡(luò)通信處于穩(wěn)定安全的工作狀態(tài)，從而使用戶能夠隨時(shí)訪問云資源，享受云服務(wù)。3．機(jī)密性存在于VCC中的信息數(shù)據(jù)通常涉及用戶的敏感信息，例如有關(guān)交通狀況的廣播通信一般與車輛位置信息相關(guān)，基于車載軟件的數(shù)據(jù)容易分析出駕駛?cè)说男熊囓壽E、生活喜好等隱私信息。因此，在VCC中保證機(jī)密性至關(guān)重要。機(jī)密性安全需求首先應(yīng)防止惡意人員對車載數(shù)據(jù)或通信進(jìn)行篡改和泄露。其次，應(yīng)對無線網(wǎng)絡(luò)通信中的數(shù)據(jù)進(jìn)行安全加密，只有授權(quán)實(shí)體才可進(jìn)行訪問。對車輛的身份和位置信息實(shí)施匿名隱私保護(hù)。此外，應(yīng)識別驗(yàn)證云實(shí)體的合法身份，僅允許對已授權(quán)的云實(shí)體公開數(shù)據(jù)信息，實(shí)現(xiàn)對系統(tǒng)資源的訪問限制，并且應(yīng)根據(jù)云實(shí)體的不同分別設(shè)置其特定的訪問控制權(quán)限。車云網(wǎng)的安全需求4．不可抵賴性不可抵賴性則適用于車輛發(fā)生沖突的情況，為保證數(shù)據(jù)的發(fā)送方和接收方誠實(shí)的面對自身行為，從而對發(fā)送和接收的數(shù)據(jù)不可否認(rèn)。因此，不可抵賴性的實(shí)現(xiàn)保證了對信息源頭的可追溯性，并且驗(yàn)證數(shù)據(jù)的真實(shí)性。同時(shí)不可抵賴性還包括云實(shí)體與其他任何實(shí)體存在有交互的不可否認(rèn)性。5．可認(rèn)證性認(rèn)證主要是為了防止攻擊者在無線通信網(wǎng)絡(luò)中的惡意攻擊，采用認(rèn)證方式確保信息發(fā)送者的合法性和真實(shí)性，防止惡意實(shí)體的侵入?；谲囕v的高機(jī)動(dòng)性特點(diǎn)，有必要對其位置信息進(jìn)行驗(yàn)證，從而保證所接收信息的真實(shí)性和與當(dāng)前環(huán)境的關(guān)聯(lián)程度。車云網(wǎng)的安全需求車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對策針對完整性攻擊基于完整性的防護(hù)對策數(shù)據(jù)篡改：攻擊者對通信信道上的數(shù)據(jù)進(jìn)行惡意刪除、修改等操作，以達(dá)到破壞數(shù)據(jù)完整性的目的。在通信網(wǎng)絡(luò)中廣播發(fā)送虛假的安全消息，營造出一個(gè)良好的行車環(huán)境，使駕駛?cè)俗龀鲥e(cuò)誤判斷。偽裝攻擊：攻擊者冒充合法車輛的身份信息，在無線網(wǎng)絡(luò)通信中向目標(biāo)車輛發(fā)送惡意消息，使合法車輛做出錯(cuò)誤判斷。中間人攻擊：攻擊者參與合法車輛之間的正常通信，使車輛雙方誤以為都在與對方通話，實(shí)則是與攻擊者進(jìn)行通信，從而可以達(dá)到監(jiān)聽的目的。針對數(shù)據(jù)篡改。主要解決方法就是對通信中的信息進(jìn)行加密操作，并使用消息認(rèn)證碼來查看其完整性。Koscher等提出了一種基于橢圓曲線加密技術(shù)的端對端認(rèn)證安全方案，為通信過程提供機(jī)密性、完整性、可用性三位一體的安全服務(wù)。針對偽裝或中間人攻擊，防護(hù)對策主要是基于加密和認(rèn)證技術(shù)的安全協(xié)議，保證信息傳輸?shù)目煽啃浴Ｍ瑫r(shí)，利用證書吊銷列表對通信中的惡意節(jié)點(diǎn)進(jìn)行檢測并及時(shí)廣播，從而減少此類攻擊的危害性。車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對策針對可用性攻擊基于可用性的防護(hù)對策拒絕服務(wù)攻擊：攻擊者在V2V、V2I通信網(wǎng)絡(luò)中發(fā)送過量的虛假