傳統上，車輛一直是“人”的動態系統的延伸，車子對駕駛員的“惟命是從”，但是，通信，控制和嵌入式系統方面的最新技術改變了這種模式，為智能車輛網絡鋪平了道路。現在一輛車是一個強大的傳感器平臺，吸收來自周圍環境（和其他環境）的信息，並將其供應給司機和基礎設施，以協助安全導航，汙染控制和交通管理。
這一演變的下一步即將到來：自動駕駛汽車的互聯網。一款由Google開創的汽車將成為一個分佈式交通網絡，能夠自行決定如何將客戶帶到目的地。與物聯網的其他重要實例（例如智能建築）一樣，車輛互聯網將具有通信，存儲，思考和學習能力，以預測客戶的意圖。在本文中，我們討論從智能車輛網絡到自動駕駛，互聯網連接的車輛和車載雲的演變。
一、從個人的車到雲
未來城市車輛將從一系列傳感器平臺演變，這些傳感器平臺向駕駛者提供信息並將過濾後的傳感器數據（例如，GPS位置，道路狀況等）上傳到雲端;到自動車輛的網絡，它們彼此交換其傳感器輸入信息，形成一個函數算法，在自動駕駛汽車的情況下，此功能能夠迅速將乘客送到目的地，並且最大程度地保證安全和舒適，並且對環境影響最小。
換句話說，人們在車隊中見證了與傳感器網絡相同的演變（即，可以從互聯網傳感器以獲取他們的數據）到物聯網。在智能家居中，由大量內部和外部覆蓋房屋的傳感器和執行器組成的物聯網可以以最經濟的方式管理所有的設施，為居民提供最大的舒適度，而且幾乎不需要人為干預。同樣，在現代能源電網中，由大小組成的所有組件形成的物聯網可以安全高效地管理電力負載，操作員只需扮演觀察員的角色。
在車載網絡中，與所有其他物聯網一樣，當人為控制被移除時，自主車輛必須有效地合作以保持道路和公路上的暢通。有遠見者預測，這些車輛的表現會比駕駛員得更好，從而能夠以更低的延誤，更少的汙染以及更好的駕駛員和乘客舒適度來處理更多狀況。
但是，數十萬輛汽車的分佈式控制的複雜性不能掉以輕心。如果突然發生自然災害，比如地震，車輛必須能夠快速有序地協調關鍵區域的疏散。這需要彼此高效溝通並發現所需資源（例如救護車，警車，逃生路線信息等）的能力。
此外，通信必須是安全的，以防止在自動駕駛汽車的情況下發生惡意攻擊，因為沒有備用控制，並且有可能被駕駛員（可能在網上操作）干預的第二次機會，這在自動駕駛汽車中可能是致命的。
這種有效的通信和分佈式處理環境可以通過專門為車輛設計的新網絡和計算範例-車輛雲提供。這種移動雲通過標準的開放接口為所有汽車製造商提供從路由到內容搜索，頻譜共享，傳播，攻擊保護等的幾項基本服務，以實現自動車輛應用。本文討論從智能車輛網絡到互聯網自動駕駛車輛和車輛雲的演變。特別是，我們強調了自動駕駛汽車互聯網的優勢，同時也暴露了由內容發佈網絡向可能的敵對攻擊帶來的挑戰。
二、車輪上的新興應用
車輛通信的應用範圍從安全性和舒適性到娛樂和商業服務。本節討論在新興車輛應用中觀察到的四個顯著特徵，並提供了對智能車輛網絡趨勢的看法以及對自動車輛的影響。
應用內容時空有效性：車輛產生大量內容，同時消耗內容。也就是說，他們成為豐富的數據“消費者”。這些內容顯示了幾個本地相關性的常見屬性-本地有效性，明確的生命期和本地利益。本地有效性表明車輛生成的內容對消費者有其自己的空間範圍。
例如，在安全應用中，角落附近的速度警告信息僅適用於接近角落的車輛，明確的生命期反映了車輛內容具有其自身的時間有效範圍。這也意味著內容必須在其整個生命週期內可用。例如，道路擁堵信息可能對30分鐘有效，而道路施工警告的有效期必須持續。
這個概念進一步擴展，以區分消費者的範圍。例如，附近的所有車輛都希望收到安全信息，而只有一小部分車輛對商業廣告感興趣。數據的時間空間有效性意味著數據收集/存儲/處理應用程序的可擴展性，因為舊數據被丟棄。
這也意味著數據應該保存在車輛上，而不是上傳到互聯網，從而節省大量的頻譜。考慮到自動車輛傳感器收集的大量數據，該屬性對於自動車輛概念的可擴展性至關重要。
以內容為中心的網絡：車輛應用主要對內容本身感興趣，而不是其來源。這種無記憶的屬性是VANET（Vehicular Ad hoc Networks）的特徵。在固定的互聯網中，當想檢查交通擁堵時，她訪問了一個最喜歡的服務站點。也就是說，顯式網站的URL可以保證訪問充足，可靠的信息。
相比之下，車輛應用將查詢消息蜂擁而至到本地區域而不是特定車輛，不管內容提供商的身份如何都接受和響應。事實上，這種反應可能來自附近的車輛，而車輛又通過鄰近的車輛間接接收這些交通信息。在這種情況下，車輛不關心誰開始了廣播。這個特徵主要是由於信息來源（車輛）是可移動的且地理上分散的。以內容為中心的網絡將在自動車隊的管理和控制中發揮重要作用。
這有兩個原因：
首先，自動駕駛車輛將與高速公路以高速和短距離行駛，並且必須具有最新的周圍車輛信息，長達幾公里才能保持穩定的路線。因此，在以內容為中心的網絡風格中，車輛定期發送信息需求以接收來自其他車隊的位置，速度和方向。
其次，如果發生事故，車輛必須提醒司機（可能已經在其他事項中佔用）緊急情況，以便司機可以選擇人工干預。
車輛協作共享數據：新興的車輛應用以協作方式消耗大量的傳感器數據。也就是說，安裝在車輛上的多個傳感器記錄著無數的物理現象。車輛應用程序收集這樣的傳感器記錄，甚至從鄰近的車輛，以生產增值服務。例如，在MobEyes中，車輛使用一些傳感器（包括攝像機）記錄所有周圍事件，包括駕車時發生車禍。
此後，如果確實報告了事故，則互聯網代理人和/或移動代理人（例如警察）在車輛網絡搜索證人作為其調查的一部分。CarSpeak應用程序使車輛能夠訪問相鄰車輛上的傳感器，其方式與訪問它自己的相同。在智能交通系統中，車輛交換交通擁堵和路況信息以構建最新的負載狀況數據庫，從該數據庫計算到本地目的地的最佳路徑。
傳感器數據共享和處理中的協作是一個自動車輛的強大資產。持續共享位置數據對於保證自動隊的穩定性至關重要。採用可用傳感器集合的道路狀況（惡劣的路面狀況，障礙物，事故等）的眾包（Crowdsourcing）將允許平穩駕駛，即使在危險的條件下。此外，使用複雜的車載無線電對集合式可用頻道進行跟蹤，可以精確映射可用頻譜，從而實現車隊情境感知和內容下載到“被動”駕駛所需的高效通信。
智能車輛網絡和車輛雲：車輛配備有傳感器，每秒產生大量數據。同時，道路上裝備了智能微塵組件（smart dust components），RFID標籤和嵌入式微控制器。這些東西組成了一個車輛網絡，即一個類似於智能發電和配電能源網的智能道路基礎設施。
我們想報告的最後一個趨勢是車輛雲的出現。車輛雲是車輛互聯網的實例，其包括車輛網有效且安全地運行所需的所有協議和服務。雲在網絡頂部提供了一個通信和計算環境，以便將網格中感知和移動的所有事物相互聯網。車輛雲架構的主要受益者之一是自動駕駛。
回想一下，無人駕駛車輛必須能夠在沒有人力投入的情況下感知周圍環境並駕駛汽車。為此，它使用了無數的車載傳感器，從雷達，GPS，攝像機到監測車輛內部運行狀態的CAN總線傳感器。先進的自動駕駛系統處理所有的傳感數據，構建交通圖，識別適當的路徑和避開這些道路上的障礙，並使駕駛安全舒適。
最近，Google1和戴姆勒-奔馳2在真實道路上展示了自動駕駛系統原型。在未來，鄰近車輛上的傳感器的訪問將顯著提高駕駛的準確性和安全性。車輛雲將提供理想的系統環境，以協調部署未來自動駕駛車輛所需的傳感器彙總，融合和數據庫共享應用程序。
三、車輪雲
汽車正在從簡單的數據消費者演變為智能代理，使本地協作能夠通過豐富的內容共享實現更豐富的用戶體驗。我們認為車載雲是使這一發展成為可能的核心繫統環境。本節介紹雲計算和網絡的整體功能，並討論雲資源及其互操作。
A.車輛計算
本地區域內的車輛和傳感器產生車輛內容。這些內容在附近存儲和搜索;並由鄰近車輛在其有效期內加工消耗。最近，Gerla引入了一種新的計算模型-車載雲計算（Vehicle Cloud Computing,VCC）來解釋這些特徵。
VCC是移動雲計算（Mobile Cloud Computing,MCC）的一個變體，從傳統的雲計算模型開始，對於資源有限的移動節點，互聯網雲提供網絡訪問，以便無限制地計算資源，並將內容存儲到互聯網或從互聯網上下載內容。但是，將每個內容上傳到互聯網雲的成本過高，而且從互聯網雲搜索和下載內容太費時。
此外，車輛拾取的大部分內容僅與本地相關，並且可以最好地存儲在本地。在VCC中，大多數司機的詢問都是關於我們周圍的世界（即本地相關性），而車輛是這種環境的最佳探索。
VCC使用本地環境的自組織模型解決查詢。也就是說，車輛可以有效地形成一個雲，在這個雲中生產，維護和消費服務。為了實現這個模型，VCC利用了車輛日益增加的處理和存儲能力；它通過使用車輛計算資源的集合來構建雲，旨在擴展車輛之間交互的能力。
B.以信息為中心的網絡
以信息為中心的網絡（Information Centric Networking,ICN）最初被概念化為通信架構的一種通用形式，以在互聯網上實現有效的內容分發。ICN專注於內容消費者和發佈商的滿足，而不是主機（何處）。消費者對內容感興趣，不管發佈人。發佈者力求有效地向消費者分發內容。
為此，ICN使用內容名稱而不是IP地址，以便內容與發佈者分離。最近在互聯網上提出的一些ICN體系結構包括DONA（Data-Oriented Network Architecture面向數據的網絡體系結構），NDN（Named Data Networking,命名數據網絡），PSIRP（(Publish-Subscribe Internet Routing Paradigm-訂閱互聯網路由範式）和NetInf（(Network of Information信息網絡）。
在這些架構中，NDN最近已擴展到車載網絡。NDN有兩種類型的數據包：來自消費者的興趣和來自發布者的數據（即內容）。消費者通過向潛在發佈者廣播興趣及其名稱來請求內容。
當發佈商收到興趣並具有與興趣相匹配的數據時，它會使用興趣路徑將數據回覆給消費者。NDN允許路徑上的路由器緩存內容，以便他們在收到匹配興趣後可以將緩存的內容回覆給消費者。這樣，NDN實現了VCC嚴格要求支持面向內容的應用程序有效分發。
C.雲資源
一個車輛雲被創建用於雲成員之間的合作，以產生單獨的個人無法提供的先進車輛服務。與由雲提供商創建和維護的互聯網雲不同，車輛雲通過互連可用資源而暫時創建在車輛和路側單元（Road Side Units,RSUs）中。這樣的網絡資源作為一個共同的虛擬平臺運行，使協作效率最大化。VCC和ICN共同協助創建雲並有效運行虛擬平臺。
車載雲中的資源與傳統雲中的資源不同。每輛車有三類資源-數據存儲器，傳感器和計算器。
在車載雲中，資源通過純粹的點對點連接進行互聯。也就是說，每輛車都直接相互協商資源共享水平。為了提高效率，雲中的一輛車可以當選基於一些指標（例如，與車輛的連接性）的經紀人。
然後，它主導資源共享以及其他雲操作的過程。在圖3中加入雲作為靜態成員的RSU可以成為談判者角色的一個很好的候選人。我們也設想部署資源受限的RSU，如相機。他們可能沒有足夠的存儲和計算能力，但仍然與車輛有可靠的連接。如果是這種情況，他們可以存儲和管理數據索引以進行有效的內容搜索。
D.案例研究：自主駕駛情景
考慮到車輛和RSU的資源及其潛在的互連，我們舉例說明了雲系統如何運行以建立虛擬計算平臺並在其中啟用雲協作。我們使用一個簡單的自動駕駛場景，如圖3所示。
雲資源發現:假設車輛V1（雲領導者）自我組織為車輛計算雲以完成自動駕駛應用程序。該應用程序需要以下三個路段的圖像，以提高環境意識的準確性，但V1中的資源僅涵蓋一個路段。雲端領導發出RREQ（Route Request,RREQ），以在正確的位置招募車輛和RSU，以提供攝像頭等正確的感應資源。
雲形成：在接收到包含來自他們的資源信息的RREP（Route Reply,RREP）後，領導者選擇兩個雲成員（例如，車輛V2和公路攝像機RC1）並形成新的雲。
任務分配和結果收集：然後，雲領導會分配任務，讓“他們”拍攝下兩個場景的圖片並將數據返回給它。
內容發佈和共享：收集來自雲成員的圖像後，領導者會處理內容以創建併發布到整個網絡。V1為自主駕駛應用程序消耗內容。同時，領導要求其他車輛（圖3中的V4）存儲並將內容保存在其存儲器中，以便在雲周圍重新使用內容。一段時間後，下列車輛V6和V7運行自動駕駛應用，他們通過廣播具有內容名稱的興趣消息來請求內容，找到一個匹配，V4可以直接將匹配的內容傳輸到V6和V7，而不需要聯繫V1。
雲發佈：當雲領導決定不再使用雲時，它會向所有云成員V2和RC1發佈消息。
四、車輪雲和自動駕駛車輛挑戰
從手動操作到自動車輛（autonomous vehicle，AUV）的演變將帶來幾個新的挑戰。其中一些挑戰來自AUV上大量部署的傳感器以及AUV可從環境中獲取的大量數據。
其他挑戰源於AUV“自主駕駛”的事實，而駕駛員可能忙於活動，並且在緊急情況下不能立即干預。在本節中，我們將回顧這些挑戰及其對車輛協議和應用程序的影響，以及車載雲架構設計。
A.NDN網絡層
上一節表明VCC的“窄腰”網絡層是NDN。換句話說，NDN網絡需要查找內容，而不是主機或IP地址-也就是說，通過利用地理相關性而不是命名層次結構來發現內容。事實上，由於節點移動性，不能假定存在地理上一致的名稱層次結構，使得前綴位置給出關於目標內容位置的暗示。然而，在我們的案例中，大部分查詢將與位置相關。
例如，我們希望找到一個視頻，一個博物館在城市的某個區域的剪輯;或在車禍中目擊證人；或關於給定路線上的路面狀況（例如坑窪，顛簸等），火車站附近的救護車或者我們應該開車經過的擁堵街道的照片或視頻的信息。這種“環境監測”服務將會在道路上將出現大量AUV的時候大受歡迎，今天，Google汽車漫遊了城市和地圖拓撲結構，並結合建築物的實際圖片。有遠見的人認為，AUV將比普通汽車更能映射整個“世界”，在存儲在AUV上的大量數據中查找期望的內容對於VCC的車載NDN服務將是一個挑戰。
B.信標和警報
在車輛雲中建立的一個重要應用是“信標和警報”。回想一下，AUV傳感器（從光學到激光雷達）大部分工作都是為了讓車輛及其乘客避免麻煩。然而，傳感器本身並不足以保持高速穩定運行並極大地減少車輛間距。在卡車成排中尤其如此（圖4）。
在這種情況下，感知前後車的通信是必要的，以避免碰撞的發生。同樣，V2V（車對車）通信是必要的，以避免在前方發生減速或事故時，在長隊AUV中形成衝擊波。由於AUV（不同於人類駕駛員）遵守信號，並且大多數汽車是自主的，所以交叉口碰撞並不會如此關鍵擔心。
C.智能交通
自動駕駛的推出將極大地提升智能交通。AUV能夠比人類駕駛更有效地使用現有的高速公路網，因為它們可以運行在緊湊的車隊中。他們還可以通過在這些車道上維護“車輪上的列車”配置，並通過使用傳感器和V2V通信的組合，實現高效的進出車道切換，從而有效使用首選（或按次付費服務）車道。以比人類更安全的方式（考慮到所涉及的高速度）。AUV也可以管理自動收費。在安全方面，AUV可以意識到其他手機共享道路，比如說行人和自行車。他們可以跟蹤先進的傳感器/激光雷達，並可以通過V2V通信與後面的車輛和兩條車道之一共享“前方自動車”信息。
D.基礎設施故障恢復
AUV依賴於基礎設施（例如，WIFI接入點，DSRC RSU和LTE）用於多種非安全功能，例如高級傳感器數據處理和智能傳輸。在地震造成重大基礎設施失效的情況下，也就是說，其中一些功能必須由人類駕駛員接管。然而，在發生大規模基礎設施故障和人類接管運行之間存在一個灰色時期，在此期間AUV必須自行解決問題。
這是一個非常關鍵的窗口，因為AUV只知道他們的近鄰。災難發生後，他們已經失去了傳感器所能接觸到的鄰居的知識，而這些傳感器是由互聯網ITS服務器提供的。為了避免由AUV失控造成的第二次災難，維持相鄰道路上V2V支持的交通狀況是非常重要的。這種“眾包crowdsourcing”交通的背景將允許AUV做出智能路線決策（以防地震發生時避開障礙物或堵塞道路）。
E.認知無線電和頻譜數據庫眾包
以前的應用指出了AUV之間V2V的關鍵需求。DSRC專用頻譜原則上可以支持V2V流量，或者至少支持信標和緊急服務的流量。然而，有遠見者預計，DSRC 75 Mhz頻譜將被基礎安全應用迅速耗盡。在這種情況下，先前的研究表明，V2V的要求必須在動態頻譜共享模式下得到WIFI頻譜的支持，並與居民用戶在城市環境中競爭。認知無線電功能必須得到多無線電AUV平臺的支持。他們也可以得到AUV眾包對802.11b/g頻道佔用率的支持。
五、結論
城市車隊正從一系列傳感器平臺演變為自動駕駛汽車互聯網。與物聯網的其他實例一樣，車輛互聯網將具有通信，存儲，智能和學習能力來預測客戶的意圖。
我們認為車輛雲，相當於車輛互聯網雲，將成為使演變成為可能的核心繫統環境，自動駕駛將成為雲架構的主要受益者。我們詳細展示了一個車輛雲模型，並討論了潛在的設計視角以及關於自主車輛AUV的亮點，以供未來研究。
閱讀更多 蓋世汽車 的文章
