车辆大数据技术

汽车大数据技术在网络传输，车车交互，大数据计算等方面影响巨大，本文总结了几种基于数据处理的大数据技术，展示了在车辆交通方面的应用。

1 基于无线传感器网络的智能车载系统认证协议设计[1]

1.1 主要内容

作者提出了用于智能车辆系统的认证协议的设计，其中车辆配备有传感器并且接收器沿着道路放置以接收和/或发送数据到传感器。用户通过从接收器收集数据来监控车辆，并通过采取必要的行动（如果需要）来执行数据分析。此外，该系统使用车辆中的传感器来提供用户友好的平台以与用户通信。现在，认证实体之间认证消息的交换是成功实现智能车辆系统的两个重要问题。在所提出的车辆系统中，存在三个实体，即用户、接收器和传感器，并且需要用户与接收器和接收器之间的两组通信。简而言之，作者已经提出了车载传感器网络中的数据流量/移动架构(见图1)并验证实体。此外，作者分析了有关安全攻击的协议，发现它受到强大的安全攻击保护。此外，所提出的协议在诸如计算和通信成本方面相对更好。

在本文中，作者假设传感器是动态和节能的，它们与车辆电池相连。这里，车辆系统设计在WSN（Wireless Sensor Network）的环境中，用于监测整车，提供解决离线模式中的车辆相关问题的解决方案，例如交通拥堵、速度等。车辆传感器感测实时数据并将其直接转发到附近的汇聚节点，并且网络外的用户可以访问感测的数据。由于通信是通过不安全的信道执行的，因此攻击者可以拦截所传送的消息。因此，消息的认证和隐私是消息通信过程中的主要关注点。为了在不安全的信道上提供安全的通信，作者提出了一种使用WSN的智能车载系统，它提供了一种有效的认证协议，用于保护传感器节点传输和传输给用户。要为车载传感器网络设计有效的身份验证和密钥协商协议，应实现以下安全方面要求：

（1）有效的登录阶段；

（2）涉及的实体（即用户，汇聚节点和传感器节点）之间的认证；

（3）抵抗各种攻击，如：

（a）智能卡被盗攻击;

（b）离线密码猜测攻击;

（c）用户匿名;

（d）已知密钥安全性。

（4）抵制冒充攻击

（a）用户;

（b）传感器节点;

（c）接收节点。

（5）提供用户友好的密码更改阶段

图1 智能车载系统的数据流量示意图[1]

1.2 结论

作者为无线传感器网络中的车载系统提出了一种新的认证协议，以解决在道路上行驶的车辆问题，例如避免交通拥堵和相关问题。用户、接收器和车辆传感器之间的安全通信很重要，因此作者设计了一种能够抵御各种攻击的有效认证协议。此外，性能评估表明新协议具有更好的性能，安全性分析的结果在WSN方面提供了安全性而不增加成本。但是，作者通过展示其在车辆系统中的应用提出了一种新协议。在未来，作者将把这项工作扩展到云，并将物联网与云相结合，为同一应用提供更实用的身份验证协议。

2 基于雾的智能交通车辆互联网环境中的大数据分析：动机、架构、挑战和关键问题[2]

2.1 主要内容

交通系统引入智能交通系统（ITS）概念，以提高道路安全性，有效管理交通，保护绿色环境。如今，ITS应用正变得越来越数据密集，他们的数据使用“大数据的5V”进行描述。因此，为了充分利用这些数据，需要应用大数据分析。

车辆互联网（IoV）将ITS设备连接到执行数据处理的云计算中心。但是，从地理位置分散的设备传输大量数据会产生网络费用和瓶颈，并且会消耗网络资源。此外，遵循集中处理ITS大数据的方法会导致使用延迟敏感的ITS应用程序无法容忍的高延迟。雾计算被认为是用于实时大数据分析的有前途的技术。基本上，雾计算补充了云计算的作用，并在网络边缘分配数据处理，从而更快地响应ITS应用程序查询并节省网络资源。然而，在IoV动态环境中实施雾计算和用于实时大数据处理的lambda架构具有挑战性。在这方面，本文提出了一种用于IoV环境中实时ITS大数据分析的新颖架构（见图2）。所提出的架构合并三个维度，包括智能计算（即云和雾计算）维度，实时大数据分析维度和IoV维度。此外，本文还全面介绍了IoV环境，ITS大数据特征，实时大数据分析的lamb⁃da架构，以及多种智能计算技术。更重要的是，本文讨论了在IoV环境中实施雾计算和实时大数据分析所面临的机遇和挑战。最后，关键问题和未来研究方向部分讨论了为有效实施所提出的架构而应该考虑的一些问题。

图2 实时智能交通系统大数据分析（RITS-BDA）架构[2]

2.2 结论及展望

通过考虑这些方面，本文提出了一种新的三维架构（智能计算，实时大数据分析和IoV），以实现IoV环境中的实时ITS大数据分析。此外，还讨论了IoV和智能计算平台正在创造的机遇和挑战。作者还介绍了不同边缘计算技术之间的比较。作者还强调了关键问题和未来研究方向，应考虑改进许多ITS应用的实时大数据分析。

最后，所提出的架构为该领域的未来研究提供了良好的基础，并且它可以用作智能运输系统的一部分，以实现实时应用，例如避免碰撞、危险警告、高级驾驶员辅助系统和自动驾驶。结果表明，通过使用更安全的运输系统，将挽救许多人的生命。此外，运输系统将变得更加高效和环保。

3 从车辆记录仪大数据中检测到的警示十字路口时空车辆轨迹三维可视化的最优视点[3]

3.1 主要内容

交通事故仍困扰着全社会。销售的行车记录仪数量有所增加，因此作者收集了用于支持交通安全的大型车辆记录仪数据。作者已经开发出一种系统，用于根据车辆记录器数据、道路形状和天气信息检测潜在风险的十字路口。在单个显示器中将空间和时间结合起来的可视化称为“空间时间立方体（STCSpace Time Cube）”，有助于在谨慎的十字路口上理解和分析时空移动数据。STC使作者不仅可以同时探索车辆轨迹的形状和位置，还可以探索其时间分布。然而，用户难以手动找到用于理解轨迹特征的良好视点。在本文中，作者提出了一种最佳视点选择方法，用于使用STC在大型十字路口上可视化车辆轨迹的时空特征（见图3）。

图3 不同十字路口（a）和（b）的三个常见最佳观点[3]

本文的主要贡献如下：

（1）作者提供了一种基于视点熵加权的算法，该算法基于轨迹角度，水平线作为投影2D图像上视点质量的度量。

（2）作者证明该解决方案可以适应不同轨迹形状的十字路口。作者还扩展了所提出的方法，以找到多个十字路口的最佳视点。

（3）作者通过用户的评估来验证所提出的方法。

（4）作者构建了一个从实际车辆记录器大数据中检测到的潜在风险十字路口的概览目录，以便与利益相关者进行讨论和分析。

3.2 主要结论

作者已经开发并提出了一种新方法来选择最佳视点，来探索时空立方体中的轨迹。作者提供了一种基于视点熵加权的算法，该算法通过轨迹角度与投影的2D图像上的水平线加权。据作者所知，目前还没有关于使用STC进行轨迹可视化的视点选择的研究。作者通过用户的评估和案例研究评估了所提出的方法。在案例研究中，作者生成了许多谨慎十字路口的可视化，并与利益相关者进行了讨论。作者计划提供一种自动查找最合适的瓦片尺寸的方法。作者还计划通过将其与其他方法（例如Lee等人报道的方法）进行比较来评估作者的方法。利用众包来收集观点之间的成对比较是另一种评估结果的可能性。

4 雾天计算中的反转CDN：互联和自动车辆视频数据的生命周期[4]

4.1 主要内容

本文介绍了雾计算协同的反转内容分发网络（rCDN，reverse Content Delivery Network）基础设施的概念。在许多物联网用例中，视频内容和其他流数据从底层设备（摄像机）流向上层设备（例如物联网网关、路边单元、网络边缘节点），可以将内容直接流式传输到云或可以聚合、存储并以分布式方式处理数据。这构建了一个改变传统CDN模型的内容分发网络（CDN）。这就产生了rCDN，这是一系列相关视频流，以多对一的方式从多个内容源流出，高动态视频数据可能被多次聚合、处理、分析、转换、缓存和迁移。路线到最终的存储目的地。在本文中，作者提出了一个解决方案，协同rCDN和雾计算，以服务连接自动车辆，车辆摄像机和街道摄像机的视频内容分布在rCDN节点。作者还讨论了rCDN在智慧城市中数据可重用性的作用，并突出了现有的挑战。

4.2 主要结论

联通和自动车辆的视频内容会产生大量的上层流量（从汽车到云端）以及大量的下层流量（从云端到汽车）。这改变了完全依赖云的传统模式，并且需要具有从车辆到云的内容聚合/处理和存储/缓存的分布式可视云模型。在Fog架构之上的反向CDN（rCDN）受到内容传送网络（CDN）的启发，并提供多层存储/缓存资源。在本文中，作者介绍了rCDN可以在Fog架构之上提供的不同特性/功能，以支持多个AD服务的视频数据聚合、存储和缓存（图4）。

虽然rCDN希望建立在传统CDN功能的基础上，但它们的不同之处在于：

图4 rCDN中的数据流方向[4]

（1）旨在满足来自多个来源的动态和可变内容，并且这些内容与传统请求驱动的数据流相反（即推送模式而不是拉模式）；

（2）除了存储、处理和缓存之外，力求使网络能够适应从简单消息流到更丰富背景的多到一数据流的转变；

（3）rCDN使视频流量能够以动态方式处理（转换、分析、压缩等）。

5 在部分连接的车辆环境中增强交通状况感知的道路速度剖面[5]

5.1 主要内容

考虑到先前交通的微观动态，车辆的预期驾驶可以在连通车辆环境（CVE）中的交通流量中得到很大改善，其中100%车辆经常使用车辆到车辆（V2V）通信技术共享其状态。本文讨论了部分连接的车辆环境（PCVE），其中未连接（手动）车辆在交通中混合，并提出了一种理解交通状况的新方法，该方法可用于实现高度预期的驾驶。更具体地，作者将预期驾驶称为主车辆的预测控制，考虑其在扩展视图中的先前交通状况。为了增强对道路交通状况的感知，提出了一种道路速度剖面，其通过有效地从交通大数据（即来自所有周围车辆的广播数据）中提取信息来简明地描述道路的每个小区段或小区中的平均速度到主车辆上。

动态近似道路速度曲线的这个过程分两步进行（图5）。首先，提出了一种条件持久性预测模型来估计联网车辆的未来状态。这种预测状态可以充分补偿来自任何未连接车辆的丢失数据。其次，将车辆的预测时间、位置和速度映射到道路单元上，随后，通过采用加权移动平均技术来调整相应的单元速度。持久性预测模型和道路速度曲线的准确性根据经验评估连接车辆的不同察觉能力。最后，通过结合所提出的道路速度曲线来开发模型预测控制框架中的预期驾驶方案，并且将预期驾驶的性能与需要CVE的现有方案进行比较。

图5 在PCVE下的主机（h）车辆的视图中估计相对于特定时间的绝对道路位置x的速度v的目的目标问题图示[5]

5.2 展望

在未来，将考虑更加真实的多车道交通情景以及V2V车辆的不同渗透率，研究具有各种目标的预期驾驶，例如最佳车道变换，燃料消耗优化以及基于PCVE中的RSP的其他可能应用。

6 基于新兴行业标准的车辆数据服务器实施[6]

6.1 主要内容

在不久的将来，互联汽车系统有望稳步增长并形成一个主流。在这种情况下，一些汽车制造商正在开发标准接口，可用于以独立于供应商的方式访问车辆信息，以构建更大的联网汽车生态系统。在本文中，作者介绍了目前正在开发的车辆数据标准和车辆数据访问接口标准作为行业标准。此外，作者基于这些标准实施了车辆数据服务器，以验证标准的可行性，并总结了未来需要解决的问题。

VSS（Vehicle Signal Specification）标准基于信号命名约定和信号规范格式定义一组车辆信息。它基于树形结构，因此车辆OEM可以将他们自己的车辆信息扩展到私人分支。今年上半年发布的VSS 1.0标准定义了超过930种车辆数据集(图6)。

图6 VSS树的示例[6]

预计2020年发布的汽车约75%将成为联网汽车，基于实时车辆数据的用例（如汽车监控、智能家居集成和驾驶员行为分析等）不断增加并有望传播。

6.2 主要结论与建议

当车辆数据访问接口因制造商而异，这种生态系统的传播可能存在限制，因此强调了适用的车辆数据访问标准的重要性。在本文中，作者介绍了一种车辆数据访问接口标准，该标准正在作为事实标准开发。基于此，作者开发了车辆数据服务器并验证了该标准的可行性。此外，建议解决基于VSS的车辆数据表示中的性能问题，订阅功能中的过滤问题以及向VSS数据表示添加RW（读/写）信息，以便更有效地进行车辆数据处理。