图片来自网络

传统上，车辆一直是“人”的动态系统的延伸，车子对驾驶员的“惟命是从”，但是，通信，控制和嵌入式系统方面的最新技术改变了这种模式，为智能车辆网络铺平了道路。现在一辆车是一个强大的传感器平台，吸收来自周围环境（和其他环境）的信息，并将其供应给司机和基础设施，以协助安全导航，污染控制和交通管理。

这一演变的下一步即将到来：自动驾驶汽车的互联网。一款由Google开创的汽车将成为一个分布式交通网络，能够自行决定如何将客户带到目的地。与物联网的其他重要实例（例如智能建筑）一样，车辆互联网将具有通信，存储，思考和学习能力，以预测客户的意图。在本文中，我们讨论从智能车辆网络到自动驾驶，互联网连接的车辆和车载云的演变。

一、从个人的车到云

未来城市车辆将从一系列传感器平台演变，这些传感器平台向驾驶者提供信息并将过滤后的传感器数据（例如，GPS位置，道路状况等）上传到云端;到自动车辆的网络，它们彼此交换其传感器输入信息，形成一个函数算法，在自动驾驶汽车的情况下，此功能能够迅速将乘客送到目的地，并且最大程度地保证安全和舒适，并且对环境影响最小。

换句话说，人们在车队中见证了与传感器网络相同的演变（即，可以从互联网传感器以获取他们的数据）到物联网。在智能家居中，由大量内部和外部覆盖房屋的传感器和执行器组成的物联网可以以最经济的方式管理所有的设施，为居民提供最大的舒适度，而且几乎不需要人为干预。同样，在现代能源电网中，由大小组成的所有组件形成的物联网可以安全高效地管理电力负载，操作员只需扮演观察员的角色。

在车载网络中，与所有其他物联网一样，当人为控制被移除时，自主车辆必须有效地合作以保持道路和公路上的畅通。有远见者预测，这些车辆的表现会比驾驶员得更好，从而能够以更低的延误，更少的污染以及更好的驾驶员和乘客舒适度来处理更多状况。

但是，数十万辆汽车的分布式控制的复杂性不能掉以轻心。如果突然发生自然灾害，比如地震，车辆必须能够快速有序地协调关键区域的疏散。这需要彼此高效沟通并发现所需资源（例如救护车，警车，逃生路线信息等）的能力。

此外，通信必须是安全的，以防止在自动驾驶汽车的情况下发生恶意攻击，因为没有备用控制，并且有可能被驾驶员（可能在网上操作）干预的第二次机会，这在自动驾驶汽车中可能是致命的。

这种有效的通信和分布式处理环境可以通过专门为车辆设计的新网络和计算范例-车辆云提供。这种移动云通过标准的开放接口为所有汽车制造商提供从路由到内容搜索，频谱共享，传播，攻击保护等的几项基本服务，以实现自动车辆应用。本文讨论从智能车辆网络到互联网自动驾驶车辆和车辆云的演变。特别是，我们强调了自动驾驶汽车互联网的优势，同时也暴露了由内容发布网络向可能的敌对攻击带来的挑战。

二、车轮上的新兴应用

车辆通信的应用范围从安全性和舒适性到娱乐和商业服务。本节讨论在新兴车辆应用中观察到的四个显着特征，并提供了对智能车辆网络趋势的看法以及对自动车辆的影响。

应用内容时空有效性：车辆产生大量内容，同时消耗内容。也就是说，他们成为丰富的数据“消费者”。这些内容显示了几个本地相关性的常见属性-本地有效性，明确的生命期和本地利益。本地有效性表明车辆生成的内容对消费者有其自己的空间范围。

例如，在安全应用中，角落附近的速度警告信息仅适用于接近角落的车辆，明确的生命期反映了车辆内容具有其自身的时间有效范围。这也意味着内容必须在其整个生命周期内可用。例如，道路拥堵信息可能对30分钟有效，而道路施工警告的有效期必须持续。

这个概念进一步扩展，以区分消费者的范围。例如，附近的所有车辆都希望收到安全信息，而只有一小部分车辆对商业广告感兴趣。数据的时间空间有效性意味着数据收集/存储/处理应用程序的可扩展性，因为旧数据被丢弃。

这也意味着数据应该保存在车辆上，而不是上传到互联网，从而节省大量的频谱。考虑到自动车辆传感器收集的大量数据，该属性对于自动车辆概念的可扩展性至关重要。

以内容为中心的网络：车辆应用主要对内容本身感兴趣，而不是其来源。这种无记忆的属性是VANET（Vehicular Ad hoc Networks）的特征。在固定的互联网中，当想检查交通拥堵时，她访问了一个最喜欢的服务站点。也就是说，显式网站的URL可以保证访问充足，可靠的信息。

相比之下，车辆应用将查询消息蜂拥而至到本地区域而不是特定车辆，不管内容提供商的身份如何都接受和响应。事实上，这种反应可能来自附近的车辆，而车辆又通过邻近的车辆间接接收这些交通信息。在这种情况下，车辆不关心谁开始了广播。这个特征主要是由于信息来源（车辆）是可移动的且地理上分散的。以内容为中心的网络将在自动车队的管理和控制中发挥重要作用。

这有两个原因：

首先，自动驾驶车辆将与高速公路以高速和短距离行驶，并且必须具有最新的周围车辆信息，长达几公里才能保持稳定的路线。因此，在以内容为中心的网络风格中，车辆定期发送信息需求以接收来自其他车队的位置，速度和方向。

其次，如果发生事故，车辆必须提醒司机（可能已经在其他事项中占用）紧急情况，以便司机可以选择人工干预。

车辆协作共享数据：新兴的车辆应用以协作方式消耗大量的传感器数据。也就是说，安装在车辆上的多个传感器记录着无数的物理现象。车辆应用程序收集这样的传感器记录，甚至从邻近的车辆，以生产增值服务。例如，在MobEyes中，车辆使用一些传感器（包括摄像机）记录所有周围事件，包括驾车时发生车祸。

此后，如果确实报告了事故，则互联网代理人和/或移动代理人（例如警察）在车辆网络搜索证人作为其调查的一部分。CarSpeak应用程序使车辆能够访问相邻车辆上的传感器，其方式与访问它自己的相同。在智能交通系统中，车辆交换交通拥堵和路况信息以构建最新的负载状况数据库，从该数据库计算到本地目的地的最佳路径。

传感器数据共享和处理中的协作是一个自动车辆的强大资产。持续共享位置数据对于保证自动队的稳定性至关重要。采用可用传感器集合的道路状况（恶劣的路面状况，障碍物，事故等）的众包（Crowdsourcing）将允许平稳驾驶，即使在危险的条件下。此外，使用复杂的车载无线电对集合式可用频道进行跟踪，可以精确映射可用频谱，从而实现车队情境感知和内容下载到“被动”驾驶所需的高效通信。

智能车辆网络和车辆云：车辆配备有传感器，每秒产生大量数据。同时，道路上装备了智能微尘组件（smart dust components），RFID标签和嵌入式微控制器。这些东西组成了一个车辆网络，即一个类似于智能发电和配电能源网的智能道路基础设施。

我们想报告的最后一个趋势是车辆云的出现。车辆云是车辆互联网的实例，其包括车辆网有效且安全地运行所需的所有协议和服务。云在网络顶部提供了一个通信和计算环境，以便将网格中感知和移动的所有事物相互联网。车辆云架构的主要受益者之一是自动驾驶。

回想一下，无人驾驶车辆必须能够在没有人力投入的情况下感知周围环境并驾驶汽车。为此，它使用了无数的车载传感器，从雷达，GPS，摄像机到监测车辆内部运行状态的CAN总线传感器。先进的自动驾驶系统处理所有的传感数据，构建交通图，识别适当的路径和避开这些道路上的障碍，并使驾驶安全舒适。

最近，Google1和戴姆勒-奔驰2在真实道路上展示了自动驾驶系统原型。在未来，邻近车辆上的传感器的访问将显着提高驾驶的准确性和安全性。车辆云将提供理想的系统环境，以协调部署未来自动驾驶车辆所需的传感器汇总，融合和数据库共享应用程序。

三、车轮云

汽车正在从简单的数据消费者演变为智能代理，使本地协作能够通过丰富的内容共享实现更丰富的用户体验。我们认为车载云是使这一发展成为可能的核心系统环境。本节介绍云计算和网络的整体功能，并讨论云资源及其互操作。

A.车辆计算

本地区域内的车辆和传感器产生车辆内容。这些内容在附近存储和搜索;并由邻近车辆在其有效期内加工消耗。最近，Gerla引入了一种新的计算模型-车载云计算（Vehicle Cloud Computing,VCC）来解释这些特征。

VCC是移动云计算（Mobile Cloud Computing,MCC）的一个变体，从传统的云计算模型开始，对于资源有限的移动节点，互联网云提供网络访问，以便无限制地计算资源，并将内容存储到互联网或从互联网上下载内容。但是，将每个内容上传到互联网云的成本过高，而且从互联网云搜索和下载内容太费时。

此外，车辆拾取的大部分内容仅与本地相关，并且可以最好地存储在本地。在VCC中，大多数司机的询问都是关于我们周围的世界（即本地相关性），而车辆是这种环境的最佳探索。

VCC使用本地环境的自组织模型解决查询。也就是说，车辆可以有效地形成一个云，在这个云中生产，维护和消费服务。为了实现这个模型，VCC利用了车辆日益增加的处理和存储能力；它通过使用车辆计算资源的集合来构建云，旨在扩展车辆之间交互的能力。

B.以信息为中心的网络

以信息为中心的网络（Information Centric Networking,ICN）最初被概念化为通信架构的一种通用形式，以在互联网上实现有效的内容分发。ICN专注于内容消费者和发布商的满足，而不是主机（何处）。消费者对内容感兴趣，不管发布人。发布者力求有效地向消费者分发内容。

为此，ICN使用内容名称而不是IP地址，以便内容与发布者分离。最近在互联网上提出的一些ICN体系结构包括DONA（Data-Oriented Network Architecture面向数据的网络体系结构），NDN（Named Data Networking,命名数据网络），PSIRP（(Publish-Subscribe Internet Routing Paradigm-订阅互联网路由范式）和NetInf（(Network of Information信息网络）。

在这些架构中，NDN最近已扩展到车载网络。NDN有两种类型的数据包：来自消费者的兴趣和来自发布者的数据（即内容）。消费者通过向潜在发布者广播兴趣及其名称来请求内容。

当发布商收到兴趣并具有与兴趣相匹配的数据时，它会使用兴趣路径将数据回复给消费者。NDN允许路径上的路由器缓存内容，以便他们在收到匹配兴趣后可以将缓存的内容回复给消费者。这样，NDN实现了VCC严格要求支持面向内容的应用程序有效分发。

C.云资源

一个车辆云被创建用于云成员之间的合作，以产生单独的个人无法提供的先进车辆服务。与由云提供商创建和维护的互联网云不同，车辆云通过互连可用资源而暂时创建在车辆和路侧单元（Road Side Units,RSUs）中。这样的网络资源作为一个共同的虚拟平台运行，使协作效率最大化。VCC和ICN共同协助创建云并有效运行虚拟平台。

车载云中的资源与传统云中的资源不同。每辆车有三类资源-数据存储器，传感器和计算器。

在车载云中，资源通过纯粹的点对点连接进行互联。也就是说，每辆车都直接相互协商资源共享水平。为了提高效率，云中的一辆车可以当选基于一些指标（例如，与车辆的连接性）的经纪人。

然后，它主导资源共享以及其他云操作的过程。在图3中加入云作为静态成员的RSU可以成为谈判者角色的一个很好的候选人。我们也设想部署资源受限的RSU，如相机。他们可能没有足够的存储和计算能力，但仍然与车辆有可靠的连接。如果是这种情况，他们可以存储和管理数据索引以进行有效的内容搜索。

D.案例研究：自主驾驶情景

考虑到车辆和RSU的资源及其潜在的互连，我们举例说明了云系统如何运行以建立虚拟计算平台并在其中启用云协作。我们使用一个简单的自动驾驶场景，如图3所示。

云资源发现:假设车辆V1（云领导者）自我组织为车辆计算云以完成自动驾驶应用程序。该应用程序需要以下三个路段的图像，以提高环境意识的准确性，但V1中的资源仅涵盖一个路段。云端领导发出RREQ（Route Request,RREQ），以在正确的位置招募车辆和RSU，以提供摄像头等正确的感应资源。

云形成：在接收到包含来自他们的资源信息的RREP（Route Reply,RREP）后，领导者选择两个云成员（例如，车辆V2和公路摄像机RC1）并形成新的云。

任务分配和结果收集：然后，云领导会分配任务，让“他们”拍摄下两个场景的图片并将数据返回给它。

内容发布和共享：收集来自云成员的图像后，领导者会处理内容以创建并发布到整个网络。V1为自主驾驶应用程序消耗内容。同时，领导要求其他车辆（图3中的V4）存储并将内容保存在其存储器中，以便在云周围重新使用内容。一段时间后，下列车辆V6和V7运行自动驾驶应用，他们通过广播具有内容名称的兴趣消息来请求内容，找到一个匹配，V4可以直接将匹配的内容传输到V6和V7，而不需要联系V1。

云发布：当云领导决定不再使用云时，它会向所有云成员V2和RC1发布消息。

四、车轮云和自动驾驶车辆挑战

从手动操作到自动车辆（autonomous vehicle，AUV）的演变将带来几个新的挑战。其中一些挑战来自AUV上大量部署的传感器以及AUV可从环境中获取的大量数据。

其他挑战源于AUV“自主驾驶”的事实，而驾驶员可能忙于活动，并且在紧急情况下不能立即干预。在本节中，我们将回顾这些挑战及其对车辆协议和应用程序的影响，以及车载云架构设计。

A.NDN网络层

上一节表明VCC的“窄腰”网络层是NDN。换句话说，NDN网络需要查找内容，而不是主机或IP地址-也就是说，通过利用地理相关性而不是命名层次结构来发现内容。事实上，由于节点移动性，不能假定存在地理上一致的名称层次结构，使得前缀位置给出关于目标内容位置的暗示。然而，在我们的案例中，大部分查询将与位置相关。

例如，我们希望找到一个视频，一个博物馆在城市的某个区域的剪辑;或在车祸中目击证人；或关于给定路线上的路面状况（例如坑洼，颠簸等），火车站附近的救护车或者我们应该开车经过的拥堵街道的照片或视频的信息。这种“环境监测”服务将会在道路上将出现大量AUV的时候大受欢迎，今天，Google汽车漫游了城市和地图拓扑结构，并结合建筑物的实际图片。有远见的人认为，AUV将比普通汽车更能映射整个“世界”，在存储在AUV上的大量数据中查找期望的内容对于VCC的车载NDN服务将是一个挑战。

B.信标和警报

在车辆云中建立的一个重要应用是“信标和警报”。回想一下，AUV传感器（从光学到激光雷达）大部分工作都是为了让车辆及其乘客避免麻烦。然而，传感器本身并不足以保持高速稳定运行并极大地减少车辆间距。在卡车成排中尤其如此（图4）。

在这种情况下，感知前后车的通信是必要的，以避免碰撞的发生。同样，V2V（车对车）通信是必要的，以避免在前方发生减速或事故时，在长队AUV中形成冲击波。由于AUV（不同于人类驾驶员）遵守信号，并且大多数汽车是自主的，所以交叉口碰撞并不会如此关键担心。

C.智能交通

自动驾驶的推出将极大地提升智能交通。AUV能够比人类驾驶更有效地使用现有的高速公路网，因为它们可以运行在紧凑的车队中。他们还可以通过在这些车道上维护“车轮上的列车”配置，并通过使用传感器和V2V通信的组合，实现高效的进出车道切换，从而有效使用首选（或按次付费服务）车道。以比人类更安全的方式（考虑到所涉及的高速度）。AUV也可以管理自动收费。在安全方面，AUV可以意识到其他手机共享道路，比如说行人和自行车。他们可以跟踪先进的传感器/激光雷达，并可以通过V2V通信与后面的车辆和两条车道之一共享“前方自动车”信息。

D.基础设施故障恢复

AUV依赖于基础设施（例如，WIFI接入点，DSRC RSU和LTE）用于多种非安全功能，例如高级传感器数据处理和智能传输。在地震造成重大基础设施失效的情况下，也就是说，其中一些功能必须由人类驾驶员接管。然而，在发生大规模基础设施故障和人类接管运行之间存在一个灰色时期，在此期间AUV必须自行解决问题。

这是一个非常关键的窗口，因为AUV只知道他们的近邻。灾难发生后，他们已经失去了传感器所能接触到的邻居的知识，而这些传感器是由互联网ITS服务器提供的。为了避免由AUV失控造成的第二次灾难，维持相邻道路上V2V支持的交通状况是非常重要的。这种“众包crowdsourcing”交通的背景将允许AUV做出智能路线决策（以防地震发生时避开障碍物或堵塞道路）。

E.认知无线电和频谱数据库众包

以前的应用指出了AUV之间V2V的关键需求。DSRC专用频谱原则上可以支持V2V流量，或者至少支持信标和紧急服务的流量。然而，有远见者预计，DSRC 75 Mhz频谱将被基础安全应用迅速耗尽。在这种情况下，先前的研究表明，V2V的要求必须在动态频谱共享模式下得到WIFI频谱的支持，并与居民用户在城市环境中竞争。认知无线电功能必须得到多无线电AUV平台的支持。他们也可以得到AUV众包对802.11b/g频道占用率的支持。

五、结论

城市车队正从一系列传感器平台演变为自动驾驶汽车互联网。与物联网的其他实例一样，车辆互联网将具有通信，存储，智能和学习能力来预测客户的意图。

我们认为车辆云，相当于车辆互联网云，将成为使演变成为可能的核心系统环境，自动驾驶将成为云架构的主要受益者。我们详细展示了一个车辆云模型，并讨论了潜在的设计视角以及关于自主车辆AUV的亮点，以供未来研究。