基于信道传播模型的车载网V2X通信协议研究

合集下载

V2X通信技术在智慧交通中的应用研究

V2X通信技术在智慧交通中的应用研究V2X通信技术是智慧交通中的重要组成部分，本文将针对其应用研究进行探讨。

一、V2X通信技术简介V2X通信技术是指车辆与基础设施、行人等交通参与者之间的通信技术，其中V代表Vehicle，X代表Everything。

它主要包括V2V车辆与车辆之间的通信、V2P车辆与行人之间的通信、V2I 车辆与基础设施之间的通信、V2N车辆与网络之间的通信等多种场景。

V2X通信技术可以使车辆之间互相通信，达到交通安全、交通效率、环保等方面的优化，也为未来自动驾驶技术的发展打下了基础。

二、V2X通信技术在智慧交通中的应用1. 交通安全V2X技术可以实现车辆之间相互通信，进行实时数据传输，帮助驾驶员做出正确判断，从而避免交通事故的发生。

例如，当一辆车需要变道时，通过V2V通信技术告知周边车辆，车辆就可以及时采取避让措施，从而减少交通事故的发生。

此外，V2X通信技术还能对道路信息、红绿灯等进行实时监测，让驾驶员及时获得交通变化信息，在车辆运行过程中提高安全性。

2. 交通效率V2X通信技术可以实现车辆与城市基础设施的联网，提高道路交通信息的质量和实时性，智能调控交通信号灯，优化车辆流量，从而提升交通效率。

例如，车辆经过路口时，V2X通信技术可以根据实时情况调整信号灯，让车辆顺畅通过。

另外，V2X通信技术还可实现车辆之间的协同驾驶，减小车辆之间距离，通过实时调整车速和行驶路线等方式提高道路利用率和交通效率。

3. 环境保护V2X通信技术可以帮助减少交通堵塞和空转，减少车辆排放物的排放量，从而对环境保护有着重要的作用。

例如，在某些情况下，V2X通信技术可以调整车辆的速度和行驶路线，避免车辆长时间在拥堵道路上行驶，降低油耗和排放。

三、V2X通信技术存在的问题及解决方案1. 通信安全性问题V2X通信技术涉及车辆之间的实时传输数据，通信安全问题是必须要考虑的。

其中涉及车辆之间的身份识别、数据保护等问题。

车载网络中V2X数据包优先级调度

车载网络中V2X 数据包优先级调度一、车载网络中V2X通信技术概述车载网络技术作为现代交通系统的重要组成部分，正在快速发展之中。

V2X（Vehicle-to-Everything）通信技术，即车对一切通信技术，是车载网络技术中的关键技术之一。

它允许车辆与车辆（V2V）、车辆与基础设施（V2I）、车辆与行人（V2P）以及车辆与网络（V2N）之间进行信息交换，从而提高道路安全性、交通效率和驾驶体验。

1.1 V2X技术的核心特性V2X技术的核心特性主要包括以下几个方面：- 实时性：V2X通信技术能够实现实时数据传输，确保车辆及时获取周围环境信息。

- 高可靠性：为了保证行车安全，V2X通信必须具有高可靠性，确保信息传输的准确性。

- 安全性：V2X技术通过加密和认证机制保护数据传输的安全性，防止恶意攻击。

- 扩展性：随着智能交通系统的发展，V2X技术需要具备良好的扩展性，以适应不断增长的通信需求。

1.2 V2X技术的应用场景V2X技术的应用场景非常广泛，包括但不限于以下几个方面：- 碰撞预防：通过V2V通信，车辆可以提前感知其他车辆的位置和速度，预防碰撞事故。

- 交通流量管理：V2I通信使车辆能够获取交通信号灯状态、道路施工等信息，优化行车路线。

- 紧急车辆优先通行：V2X技术可以为救护车、消防车等紧急车辆提供优先通行权。

- 智能停车：V2I通信帮助驾驶员快速找到停车位，提高停车效率。

二、车载网络中V2X数据包调度的重要性在车载网络中，数据包的调度对于确保V2X通信的高效性和安全性至关重要。

由于车载网络环境的动态性和复杂性，传统的数据包调度方法可能无法满足V2X通信的需求。

因此，研究和开发适合车载网络的V2X数据包优先级调度机制显得尤为重要。

2.1 数据包优先级调度的基本概念数据包优先级调度是指根据数据包的类型、紧急程度和重要性等因素，为数据包分配不同的优先级，以确保关键数据包能够优先传输。

在V2X通信中，例如碰撞预警信息的优先级应当高于常规交通信息。

车地无线通信系统中的信道建模与通信质量研究

车地无线通信系统中的信道建模与通信质量研究随着车联网、自动驾驶等技术的快速发展，车地无线通信系统在智能交通领域扮演着越来越重要的角色。

为了实现车辆之间的广域网络连接和与路网的智能交互，信道建模与通信质量的研究显得尤为重要。

本文将重点探讨车地无线通信系统中的信道建模方法和通信质量的相关研究成果。

首先，信道建模是车地无线通信系统研究的基础。

在车辆行驶时，无线信号会受到多径传播、阴影衰落、多径干扰等影响，这些因素对信号的传输造成了一定的衰减和扩散。

因此，建立准确的信道模型是实现可靠通信的前提。

目前，常用的信道模型包括大尺度模型和小尺度模型。

大尺度模型通常用来描述宏观环境对信号的衰落影响，如路径损耗模型、阴影衰落模型等。

小尺度模型则用于描述具体的传播效应，如多径传播模型、移动性模型等。

在大尺度模型中，路径损耗模型是衡量信号质量的重要参数。

常用的路径损耗模型包括自由空间路径损耗模型、两线地面路径损耗模型等。

其中，自由空间路径损耗模型适用于无障碍物的室外环境，而两线地面路径损耗模型则考虑了地面反射对信号的影响。

另外，阴影衰落模型用于描述信号在大尺度上的快速衰落现象。

常见的阴影衰落模型有对数正态分布模型、瑞利衰落模型等。

小尺度模型则更加复杂，需要考虑多径传播和移动性等因素。

多径传播模型是用来描述信号在多个不同路径经过后到达接收端的情况。

常见的多径传播模型有经验模型、确定性模型和统计模型等。

其中，经验模型是通过实测数据得到的，适用于特定环境下的传播场景。

确定性模型则是基于精确的几何分析，可以获取具体的路径损耗、多径传播和相位补偿信息。

统计模型则对移动环境中信号的统计特性进行了建模，通过概率分布来描述不同路径对信号的贡献。

除了信道建模，车地无线通信系统中的通信质量研究也是关键环节。

通信质量通常由信号强度、信噪比、误码率等指标来衡量。

而这些指标又与信道模型密切相关。

通过对信道模型的研究，可以预测和优化通信质量，进而提高车辆之间的通信性能。

车联网中的通信和协议研究

车联网中的通信和协议研究随着智能车的普及和应用，车联网作为一个新兴领域开始受到越来越多的关注。

作为车联网的支撑技术之一，通信和协议的研究也变得非常重要。

本文将从车联网通信方式及其标准化和协议标准化等方面进行探讨。

一、车联网通信方式及其标准化车联网通信方式是整个车联网的核心，它决定了车辆和云端之间信息交换的方式。

目前车联网通信方式主要有以下几种：1. Short Range Communication（短距通信）Short Range Communication（短距通信）指的是在车辆之间或车辆和设备之间使用更短的通信距离进行信息交换。

这种通信方式通常采用无线局域网、蓝牙、红外线等。

2. Long Range Communication（远距通信）Long Range Communication（远距通信）指的是通过领先的通信技术，如4G、5G网络进行长距离的信息传输。

与短距通信相比，此种方式具有更高的速度和更广泛的覆盖范围，但成本也更高。

3. V2X Communication（车辆到X的通信）V2X Communication（车辆到X的通信）主要是指车辆到基础设施、行人、其他车辆之间的通信。

这种方式已经成为车联网技术的重点研究方向。

在V2X中，车辆之间的通信可以采用无线局域网、蓝牙等短距通信技术，而车辆到基础设施的通信则更多地是通过移动通信网络实现。

针对以上几种通信方式，国际标准化组织（ISO）已经制定了相关的标准规范，以确保车联网的通信质量和安全性。

例如ISO 15118标准规定了电动汽车与补电站之间的通信接口标准，而ISO 21217标准则是车辆到X的通信接口标准。

二、协议标准化协议是车联网的另一个重要组成部分，它规定了车辆和云端之间的信息传输方式。

通过制定通用的协议，可以保证车辆和云端之间的信息交换的可靠性和安全性。

目前，车联网的协议标准主要有以下几种：1. 多媒体系统协议（Most）多媒体系统协议（Most）是基于汽车网络的一种通信协议。

国家级车联网先导区的V2X 车路协同架构研究及应用探索

85Internet Application互联网+应用引言：随着5G 时代到来，C-V2X 路线逐渐明确，5G 和边缘计算给车联网应用带来了更多的可能。

车联网产业是电子信息通信、道路交通运输等行业深度融合的新兴产业，也是全球创新的热点，对现阶段相关技术、标准、应用等的研究具有一定价值。

本文主要依托国家车联网先导区试点情况，总结相关经验，对车路协同系统架构、部署方案及应用场景等进行探讨。

一、系统架构传统智能交通主要围绕单车智能技术进行研发，如辅助驾驶，碰撞安全系统等。

但单车智能依赖于车辆自身的传感器和计算处理能力，存在感知盲区、算力有限、协同性弱等问题。

为从根本上解决基于传统单车智能的自动驾驶技术存在的问题，需要结合5G 通信、大数据、物联网、人工智能技术实现智能车联，打造车路协同的智慧交通。

现阶段采用的车路协同架构如下图所示，主要分为4个层级：图1 车路协同系统架构基础设施层：车辆集成的5G 通信模块、车载传感器，路侧部署的各种传感器、摄像头、RSU 等，以及GPS 视觉感知融合的高精度定位技术，实现对车辆、道路环境数据的感知收集和基础计算功能。

网络层：连接车辆、路侧传感器、MEC 等设备，利用国家级车联网先导区的V2X 车路协同架构研究及应用探索朱曦宁中国移动通信集团设计院有限公司江苏分公司杨辉中国移动通信集团有限公司翟英鸿张创中国移动通信集团设计院有限公司江苏分公司□【摘要】车联网产业是电子信息通信、道路交通运输等行业深度融合的新兴产业，也是全球创新的热点，是未来5G 赋能行业的重点方向。

传统自动驾驶等智慧交通技术的发展依赖于车厂主导的单车智能技术研发，存在感知盲区和算力受限的瓶颈，而车路协同是解决单车智能技术发展瓶颈的根本手段。

本文依托国家级车联网先导区建设运营经验，重点分析5G 引入对车联网的影响，探究车路协同的整体架构、硬件设计、场景应用等。

【关键词】车路协同 V2X 车联网5G 高速率、低时延、海量连接的特性实现环境信息、车辆信息、控制信息的实时传输。

V2X运营的研究进展

V2X运营的研究进展V2X（车联网）即车辆通信技术，是指实现车辆与车辆、车辆与道路基础设施之间的无线通信。

V2X技术可以实现车辆之间的信息互通，通过收集和分享信息，提高交通安全性、效率和环境可持续性。

以下是V2X运营的研究进展。

首先，V2X运营的研究重点之一是通信技术。

目前，V2X使用的通信技术主要有Wi-Fi、蜂窝网络和卫星通信。

研究人员正在寻找最佳通信技术以满足V2X通信的需求，并提高通信的可靠性和实时性。

此外，研究人员还关注通信安全性，尤其是对于V2X通信的认证和加密保护。

其次，V2X运营的研究还关注车辆感知技术。

V2X需要车辆能够感知周围环境，包括检测其他车辆、行人、障碍物等。

因此，研究人员致力于开发更先进的感知技术，如雷达、摄像头和激光传感器，并将其与V2X通信系统集成在一起，以实现更准确的环境感知和情景分析。

第三，V2X运营的研究还关注交通管理技术。

V2X可以使交通管理部门获得实时交通信息，进而实现智能的流量调度和交通控制。

研究人员正在开发基于V2X的智能交通管理系统，利用大数据和机器学习算法预测交通状况，优化交通信号控制，减少拥堵和排放。

此外，V2X运营的研究还考虑了智能车辆和自动驾驶技术。

V2X可以为智能车辆提供更多的决策支持和环境信息，从而实现更高级别的自动驾驶功能。

研究人员正在开发V2X与自动驾驶系统的集成技术，通过车辆之间和车辆与基础设施之间的协作，提高自动驾驶的安全性和可靠性。

最后，V2X运营的研究还包括对V2X商业模式和标准的研究。

研究人员正在探索V2X的商业化路径，包括车辆制造商、通信运营商和技术提供商之间的合作模式。

此外，研究人员还致力于推动V2X标准化，以确保不同厂商之间的互操作性和兼容性。

总结起来，V2X运营的研究进展包括通信技术、车辆感知技术、交通管理技术、智能车辆和自动驾驶技术以及商业模式和标准。

这些研究进展将进一步推动V2X的发展，为未来智能交通系统的建设提供了基础和支持。

V2X技术在智能交通系统中的应用与研究

V2X技术在智能交通系统中的应用与研究V2X技术在智能交通系统中的应用与研究的研究方案一、研究背景V2X（Vehicle-to-Everything）技术是一种基于车辆与周围环境以及其他交通参与者之间的信息交互而产生的技术，通过实现车辆与基础设施、车辆与车辆、车辆与行人之间的实时通信和数据传输，可以提高交通系统的安全性、效率和可靠性。

在智能交通系统中，V2X技术可以在交通流控制、交通管理、先进驾驶辅助系统、自主驾驶等方面发挥重要作用。

目前，关于V2X技术在智能交通系统中的应用与研究方面已经有了一定的研究成果。

然而，针对特定场景下的V2X技术应用还存在一些问题和挑战，例如在高速公路上的车辆流量大、车速快等特点下，V2X技术的稳定性和实时性如何保证，以及在复杂交通环境下的V2X通信的可靠性如何提高等。

本研究将通过实验和调查的方式，对V2X技术在智能交通系统中的具体应用进行研究和探索，以期提出有效的解决方案，为实际问题的解决提供有价值的参考。

二、研究方法1. 实验设计：本研究将通过在真实交通场景中进行V2X技术应用的实验，采集相关的数据，并对其进行整理和分析。

实验将模拟高速公路上的车辆流量和车速等特点，以验证V2X技术在此场景下的效果和性能。

2. 方案实施：本研究将在实验室和现场两个层面进行。

a. 实验室层面：在实验室中，通过搭建仿真平台和车辆模型，模拟高速公路上的车辆流动情况，并利用实验设备实现车辆与车辆、车辆与基础设施之间的通信和数据传输。

在此基础上，可以进行实验的参数调整和对比分析，以确定V2X技术的性能指标和效果。

b. 现场层面：在真实交通场景中，选取一个高速公路的特定路段作为实验区域。

在该区域选取一定数量的车辆，并安装相关设备，包括车载通信设备、传感器等，实现车辆与车辆、车辆与基础设施之间的通信和数据传输。

通过对这些车辆的运行状态和交通流量等进行实时监测和数据采集，可以获取有关V2X技术应用效果的数据。

车联网-V2X标准分析及测试方法探讨

V2X标准分析及测试方法探讨——中国汽车技术研究中心有限公司秦孔建智能网联部仅供参加2019中国汽车工程学会年会暨展览会的会代表阅读，请勿外传！3LTE-V2X 测试方法4NR-V2X 法规现状目录2LTE-V2X 国内外标准及法规现状5NR-V2X 测试方法1C-V2X 基本概念仅供参加 2019 中国汽车工程学会年会暨展览会的会代表阅读，请勿外传！1.1 定义V2X是用于车辆与车辆(V2V)、车辆与基础设施(V2I)、车辆与网络（V2N ）、车辆与人(V2P)之间进行通信的无线通信技术。

V2XV2V Vehicle-to-VehicleV2IVehicle-to-InfrastructureV2NVehicle-to-NetworkV2PVehicle-to-Pedestrian技术本质：对外界发出/收取电磁波信号，获取信息。

工信部2025年目标30% 80% 20%效率提升事故率降低碳排放减少车联网优势典型场景/应用非视距识别远距离通信互联网连接雨雪雾天气红绿灯识别仅供参加2019中国汽车工程学会年会暨展会代表阅读，请勿外传！1.1 定义C-V2X:cellular-V2X ，以蜂窝通信技术为基础的V2X ，3GPP 标准分为LTE-V2X 和NR-V2X 两个阶段。

目前两种无线通信技术：☐DSRC ——基于IEEE 802.11p 标准☐LTE-V2X ——基于3GPP R14 LTE-Apro 标准PC5：V2V/V2I/V2P 直连通信接口短距离（位置、速度、轨迹等信息）Uu ：eNB 与UE 之间通信接口长距离（交通、天气、事故等信息）仅供参加 2019 中国汽车工程学会年会暨展会代表阅读，请勿外传！1.2 典型应用场景分类应用通信类型（Hz）（ms）(m)(m)低时延、高频率前向碰撞预警V2V10100 1.5300盲区/变道辅助V2V10100 1.5150紧急制动预警V2V10100 1.5150逆向超车碰撞预警V2V10100 1.5300闯红灯预警I2V10100 1.5150交叉路口碰撞预警V2V/I2V101005150左转辅助V2V/I2V101005150高优先级车辆让行/紧急车辆信号优先权V2V/V2I101005300弱势交通参与者预警V2P/I2V101005150车辆失控预警V2V101005300异常车辆提醒V2V101005150道路危险状况提示I2V101005300高时延、低频率基于信号灯的车速引导I2V2200 1.5150限速预警I2V15005300车内标牌I2V15005150前方拥堵提醒I2V15005150智能汽车近场支付V2I15005150信息服务交通安全交通效率自动驾驶仅供参加2019中国汽车工程学会年会暨展会代表阅读，请勿外传！2.1 国家支持力度主导部委发文名称发文内容进展发改委《智能网联汽车创新发展战略》2020年：大城市、高速路LTE-V2X覆盖率90%；2025年：高级别智能汽车实现规模化应用，“人-车-路-云”高度协同，5G-V2X基本满足ICV需要；2035年：全民共享“安全、高效、绿色、文明”的智能汽车社会2018年1月5日发布征求意见稿，2018年1月20日收到100多条建议正式稿等待国务院审批工信部国标委《国家车联网产业标准体系建设指南》明确要求LTE-V2X作为广域和中短程智能网联汽车关键技术2018年6月8日发布工信部《车联网（智能网联汽车）产业发展行动计划》2020年，实现LTE-V2X在部分城市主要道路和高速公路的覆盖，开展5G-V2X示范应用；车联网用户渗透率达到30%以上2018年12月25日发布，后续细化并分解到相关司局作为考核指标仅供参加2019中国汽车工程学会年会暨展会代表阅读，请勿外传！2.2 国家标准化管理委员会ICV相关专业标准技术委员会SAC TC业务指导部秘书处业务范围国家标准化管理委员会TC114汽车标委会工业和信息化部中国汽车技术研究中心有限公司汽车、摩托车等专业领域的标准化工作，对接ISO/TC 22国际归口，下设30个专业分标委，2017年12月29日获批成立ICV分标委。

V2X基本概念及讨论

V2X基本概念及讨论V2X可以简单分为两大类，一类是以智能交通（ITS）为核心的，发起者自然是政府机构。

另一类是以智能驾驶为核心的，发起者主要是汽车厂家和电信运营商。

另一种分法就是按通讯方式，一类是DSRC，一类是C-V2X。

DSRC主要是针对智能交通应用的，欧美日都选择以DSRC的智能交通技术路线，某种意义上讲DSRC与C-V2X并非水火不容，C-V2X更侧重智能驾驶。

早在1994年，美国高速公路管理局推出先进高速系统AHS研究课题，1997年成立智能汽车计划小组研究智能交通，2005年完成研究任务，提出了完整的ITS体系。

同时在1999年，FCC就为ITS划分了一个5850MHz - 5925MHz频带，决定用当时最先进的基于802.11a的技术。

并分成七个独立的频道，分别为频道172、174、176、178、180、182、184；各频道均为10MHz。

频道178为控制频道(Control Channel，CCH)，负责WAVE服务广播讯框 (WAVE Service Advertisement，WSA)封包；其他频道则为服务频道(Service Channel，SCH)，只能传递WAVE短信息 (WAVE Short Message，WSM)封包。

同时在2003年，全球八大车厂丰田、日产、福特、通用、戴姆勒、克莱斯勒、大众、宝马成立VSCC车辆安全通讯联盟开展DSRC车端的研究，2005年通用演示了第一个V2V 系统。

之后经过8年的完善，2013年DSRC形成了完备的体系。

2014年2月，欧洲标准组织ETSI与CEN宣布完成第一阶段基于DSRC的ITS标准，底层为IEEE 802.11P，上层为IEEE1609，同时还有SAE J2375和J2945两个标准定义通讯格式。

2014年8月，美国交通部试图强制立法推广DSRC为核心的ITS，但直到今天也没用完成强制立法。

DSRC的IEEE 1609标准架构DSRC架构标准欧洲方面，ITS系统源自1973年英国运输与道路研究所（TRRL）的SCOOT(Split, Cycle and Offset Optimization Technique)，更早SCOOT模型基础原自TRANSYT (TrafficNetwork Study Tool)，采用了同样的周期流分布图（CFP）的建模方式和相近的目标函数。

V2X通讯协议范文

V2X通讯协议范文V2X（Vehicle-to-Everything）是一种包括车辆与周围环境、交通基础设施、网络云端等进行通信的技术。

它通过无线通信技术实现车辆之间、车辆与基础设施之间、车辆与网络之间的信息共享，以提高道路安全性、交通效率和驾驶舒适性。

V2X通讯协议则是V2X技术中信息传递和交互的规范，确保各个设备之间的互操作性和信息正确性。

1.物理层协议物理层协议主要涉及到无线通信的频率、功率和调制方式。

当前，主要采用的物理层协议是基于IEEE802.11p标准的无线局域网（WLAN），也被称为车联网通讯技术（DSRC）。

其通信频段位于 5.9GHz，具有高速率、低延迟和抗干扰能力强的特点。

2.应用层协议应用层协议则根据信息的类型和用途进行划分。

主要包括以下几种：a. Cooperative Awareness Messages (CAM)CAM是车辆之间共享基本位置和运动信息的协议。

通过CAM，车辆可以实时获取其他车辆的位置、速度、加速度等信息。

这些信息对于远程避碰、交通拥堵预测和自动驾驶都非常重要。

b. Decentralized Environmental Notification Messages (DENM)DENM协议用于处理临时和紧急情况下的警报消息，如道路工程、车祸和恶劣天气等。

通过DENM，车辆可以提前获得危险信息，采取相应的行动，避免事故发生。

c. Intersection Collision Avoidance (ICA)ICA协议用于提供交叉口碰撞预警和避免功能。

它能够检测车辆的相对位置和速度，根据交通信号灯的状态和计划，提前预警可能发生的碰撞，并通过车辆间的通信进行协调和规避。

d. Traffic Signal Preemption (TSP)TSP协议用于将交通信号灯的状态信息传递给接近的车辆，以提高交通效率。

通过TSP，车辆可以根据实时的交通信号灯状态进行智能行驶控制，减少停车等待时间和燃料消耗。

V2X技术发展历程及应用研究

V2X技术发展历程及应用研究V2X是指车联网技术中的车与一切（Vehicle to Everything）通信技术，包括车与车（V2V）、车与基础设施（V2I）、车与行人（V2P）以及车与网络（V2N）之间的通信。

它可以实现车辆之间的信息共享，提高道路安全性，提供车辆导航和控制，改善交通流量等。

1.第一阶段：早期的车载通信系统主要是通过车载终端与基础设施进行通信，该系统被称为车路通信（VICS）。

它起初是以广播方式传播交通信息，如路况、交通事故、交通灯信息等。

2.第二阶段：随着无线通信技术的快速发展，车辆之间的通信也得到了提升。

V2V通信系统可以通过短距离通信技术（如802.11p/WAVE）在车辆之间传输实时数据，实现车辆之间的信息交互。

该阶段的V2X系统主要用于提供车辆的安全警示和行车决策支持。

3.第三阶段：由于车辆的智能化和自动化的发展，对于车辆之间信息交流的需求不断增长。

V2X逐渐向车辆自动驾驶技术发展。

这一阶段的V2X系统包含了车辆与基础设施之间的通信（V2I）、车辆与行人之间的通信（V2P）等，以实现更高级别的车辆自动驾驶和交通管理。

1.提高交通安全：V2X技术可以实时收集道路信息，并通过与其他车辆和基础设施通信，提供实时的交通状况信息，包括路况、拥堵、施工等。

这使得驾驶者可以提前做出决策，避免事故的发生。

2.改善交通流量：V2X技术可以实现对车辆的实时调度和路线规划，通过实时交通信息的共享，减少拥堵和交通堵塞，提高整体交通效率。

3.支持智能导航：V2X技术可以提供车辆导航和路径规划的信息，帮助驾驶者选择最佳路线，并提供实时的交通变化和路况信息。

4.促进车辆自动驾驶技术：V2X技术是实现自动驾驶的关键技术之一、通过与其他车辆和基础设施进行通信，车辆可以更加准确地对道路情况进行感知，并做出相应的决策。

这一技术不仅可以提高车辆自动驾驶的安全性和可靠性，还可以减少交通拥堵和碰撞事故的发生。

车载C-V2X通信方式讲解

车载C-V2X 通信方式讲解车联网就是车与一切事物相联的网络（V2X ，Vehicle to Everything ），通过车载自组网及多种异构网络之间的互联，从而实现车与车（V2V ，Vehicle to Vehicle ）、车与道路基础设施（V2I ，Vehicle to Infrastructure ）、车与行人（V2P ，Vehicle to Pedestrians ）、车与云端（V2C ，Vehicle to Cloud ）以及车与家（V2H ，Vehicle to Home ）之间的互联互通。

V2X 技术概览：C-V2X 可提供2种通信方式：Uu 接口（蜂窝通信接口）和PC5接口（直连通信接口）。

Uu 接口（蜂窝通信接口）讲解：Uu 接口进行通信时要求处于蜂窝网络覆盖内，PC5接口通信无网络覆盖要求。

C-V2X 通信接口示意图：Uu 和PC5接口支持的通信距离有差异。

V2XC-V2X （Cellular V2X ）V2V （车与车之间的直接通信）V2P （车与行人之间的通信）V2I （车与道路基础设施之间的通信）V2N（车辆通过移动网络与云端进行通信）DSRC1.Uu接口支持eNB与UE之间通信接口长距离，如交通、天气、事故等信息；2.PC5接口支持V2V/V2I/V2P直连通信接口短距离，如位置、速度、轨迹等信息。

C-V2X接口示意图：Uu通信接口特点：1.Uu接口蜂窝网络通信由于使用蜂窝数据通信，延迟较大，主要应用于远程信息处理、娱乐信息节目和安全信息提醒等场景，如停车位寻找、排队提示、云端传感器共享和路况提示。

2.当支持LTE-V2X的终端设备，如车载终端（V2V）、智能手机（V2P)、路侧单元（V2I）处于蜂窝网络覆盖内时，可在蜂窝网络的控制下使用Uu接口。

Uu接口的优点是上下行传输增强，可融合边缘计算。

基于LTE移动蜂窝网络的V2X通信技术，是C V2X（Cellular V2X）的一种。

V2X车联网技术研究与应用

V2X车联网技术研究与应用摘要：自动驾驶技术快速发展，C-V2X车路协同已成为车联网主流技术路线并被我国采用。

研究整体技术方案及架构，从终端、边缘、云端三层分析各单元功能及平台作用。

结合中国汽车工程协会标准提出的两阶段应用场景，指出车联网在未来发展过程中面临的挑战。

关键词：C-V2X； OBU；RSU； MEC；V2X平台；典型应用1、自动驾驶技术发展现状自动驾驶在人工智能和汽车产业的飞速发展下已成为业内外关注的焦点，自动驾驶技术代表了未来汽车的发展方向。

依据美国汽车工程师协会（SAE）制定的自动驾驶分级标准，自动驾驶可分为L0～L5共6级。

单车智能的自动驾驶已实现L2、L3级别的自动驾驶，单车智能对感知、决策、控制提出了极高的要求，随着智能等级的提高，技术难度呈指数级上升，成本也显著增加。

V2X车联网技术借助新一代信息通信技术，实现车与人、车与车、车与路以及车与城市基础设施之间的全方位网络连接。

因此车联网技术可以弥补单车智能感知和决策上的不足，对实现高级别自动驾驶具有重要作用。

2、V2X通信标准比较目前，世界上用于V2X通信的主流技术包括专用短程通信（dedicatedshort range communication，DSRC）技术和基于蜂窝移动通信系统的C-V2X （cellular vehicle to everything）技术（包括LTE-V2X和5G NR-V2X）。

DSRC是美国主导的V2X通信协议，虽然产业链相关参与方包括许多车厂在DSRC系统上做了很多研究和测试评估，但其商用进展一直不理想，针对自动驾驶等新应用也没有清晰的技术和标准演进路线。

由我国大唐电信和华为公司参与拟订的3GPP标准LTE-V2X作为面向车路协同的通信综合解决方案，能够在高速移动环境中提供低时延、高可靠、高速率、安全的通信能力，满足车联网多种应用的需求。

并且LTE-V2X能够直接利用蜂窝网络，以及现有的基站和频段，组网成本明显降低。

车联网通信协议研究及其在交通安全中的应用

车联网通信协议研究及其在交通安全中的应用随着技术的不断发展，车联网已经成为了未来智能交通的重要模块。

而在车联网中，通信协议则扮演了至关重要的角色。

本文将探讨车联网通信协议的研究状况以及其在交通安全中的应用。

一、车联网通信协议的研究通信协议是车联网中必不可少的一部分，它主要用于车辆之间和车辆与基础设施之间的数据传输。

目前较常用的车联网通信协议包括IEEE 802.11p、Cellular-V2X以及ITS-G5等。

IEEE 802.11p是专为车联网设计的一种无线通信协议，它建立在Wi-Fi技术的基础之上，能够在车间进行短距离通信。

与普通的Wi-Fi相比，IEEE 802.11p在数据传输方面更为可靠，而且具有低延迟的特点。

Cellular-V2X则是一种基于蜂窝网络的车联网通信协议，它主要通过4G或5G网络实现车间通信。

相较于IEEE 802.11p，Cellular-V2X在覆盖范围和稳定性方面更为广泛和可靠。

ITS-G5则是一种在欧洲广泛应用的车联网通信协议，它适用于短距离车间通信和长距离的车辆-基础设施通信。

ITS-G5协议主要基于802.11p标准，但在通信协议的协商和安全性方面进行了多方面的改进。

二、车联网通信协议在交通安全中的应用车联网作为智能交通的重要一环，其最主要的应用体现在提高交通安全性方面。

以下是车联网通信协议在交通安全中的具体应用：1、车辆安全警告利用车联网通信协议，车辆之间可以相互传输信息，当前车辆发现前方车辆突然减速或者有危险时，就可以通过车联网通信协议向后面车辆发送警告信息，以提醒后车驾驶员躲避，从而避免低速追尾事故。

2、交通流量优化车联网的通信协议还可以用于交通流量的优化。

车辆通过通信协议相互传输信息，如车辆自身的速度、预计行驶路线等，这些信息可以帮助交通管理者分析状况，做出合理的调度，从而减少交通堵塞和拥堵现象。

3、道路危险预警通过车联网通信协议，交通管理者和车辆之间可以相互传输信息，车辆可以用自身的传感器检测行车路线上的道路危险因素，并把这些信息实时传回交通管理中心。

基于lte-v2x直连通信的车载信息交互系统技术要求及试验方法

基于lte-v2x直连通信的车载信息交互系统技术要求及试验方法近年来，车联网技术的不断发展，使得车辆之间的信息交互变得更加紧密。

而在车联网技术中，基于LTE-V2X直连通信的车载信息交互系统已经成为一种备受关注的技术方向。

在本文中，我们将介绍这种技术方向的技术要求和试验方法。

一、技术要求1. 通信速率和稳定性要求高：车辆之间的信息交互速率需要达到高速公路上的行驶速度，同时保证通信稳定性，避免信息丢失或传输延迟。

2. 低时延：车载信息交互系统需要能够实现毫秒级的低时延传输，以保证信息的实时性和可靠性。

3. 多用户支持：车联网中同时会出现多辆车之间的通信，车载信息交互系统需要能够支持多用户同时通信，且不受互相干扰。

4. 安全性保障：车辆之间的信息交互需要保证数据安全性，因此车载信息交互系统需要有相关的安全保障措施，例如加密和认证机制。

二、试验方法1. 网络覆盖和容量性能测试：通过在不同的道路和地区进行测试，评估车载信息交互系统在不同网络覆盖和容量状况下的性能表现，包括传输速率、时延等。

2. 多用户干扰测试：模拟多个车辆同时通信的情况，评估车载信息交互系统的多用户支持能力以及干扰抑制能力。

3. 安全性测试：通过对车载信息交互系统的认证、加密等安全机制进行测试，评估系统的数据安全性能。

4. 高速移动性能测试：在高速公路上进行测试，评估车载信息交互系统在高速移动情况下的性能表现，包括传输速率和稳定性等。

总之，基于LTE-V2X直连通信的车载信息交互系统是车联网技术中的重要方向，需要从技术层面和试验层面进行深入研究和测试，以提高其稳定性和可靠性。

车联网V2X通信技术及应用介绍

一、车联网体系车联网是物联网在交通这个特殊行业的典型应用。

在车联网体系参考模型中主要包括三层：数据感知层、网络传输层和应用层。

1．数据感知层数据感知层承担车辆与道路交通信息的全面感知和采集，是车联网的神经末梢，通过传感器、RFID（射频）、车辆定位等技术，实时感知车况及控制系统、道路环境、车辆当前位置、周围车辆等信息，实现对车辆自身属性以及车辆外在环境，如道路、人、车等静、动态属性的提取，为车联网全面、原始的终端信息服务。

数据感知层的数据来源包括多个部分，一是车辆自身的感知，例如速度、加速度、位置、横摆角加速度等，主要通过车内总线、GPS和其他感知设备来实现；二是对周围车辆行驶状态的感知，比如周围车辆的位置、方位、速度、航向角，这就需要车间通信，以及道路环境的感知，比如交通信号状态、道路拥堵状态、车道驾驶方向、这就需要车路通信，每辆车和路边设施单元需要把自己感知到的信息分发出去；三是通过后台或第三方应用交互来获取更多的数据，比如天气数据等。

2．网络传输层为了车与车、车与路、车与人、车与云（车与后台中心）之间实现信息共享，这就需要考虑通信协议的制定。

网络层通过制定满足业务传输需求的能够适应通信环境特征的网络架构和协议模型，在一种网络环境下整合不同实体所感知到的数据，通过向应用层屏蔽通信网络类型，为应用程序提供透明的信息传输服务。

通过云计算、虚拟化等技术的综合应用，充分利用现有网络资源，为上层应用提供强大的通信支撑和信息支撑服务。

3．应用层车联网的各项应用必须在现有网络体系和协议基础上，兼容未来可能的网络拓展功能。

应用需求是推动车联网发展的原动力，车联网在实现智能交通管理、车辆安全控制、交通事件预警等功能的同时，还应为车联网用户提供车辆信息查询、信息订阅、事件告知等各类服务功能。

同时可以运用云计算平台，面向政府管理部门、整车厂商和信息服务运营企业以及个人用户在内的不同类型用户，提供汽车综合服务与管理功能，共享汽车与道路交通数据，从而支持新型的服务形态和商业运营模式。

多信道传播模型下C-V2X模式4通信建模与性能分析

doi:10.3969/j.issn.1003-3106.2022.01.003引用格式:高绅,韩恒,陈万培,等.多信道传播模型下C-V2X 模式4通信建模与性能分析[J].无线电工程,2022,52(1):19-27.[GAO Shen,HAN Heng,CHEN Wanpei,et al.Modeling and Performance Analysis of C-V2X Mode4Communication under Multi-channel Propagation Model[J].Radio Engineering,2022,52(1):19-27.]多信道传播模型下C-V2X 模式4通信建模与性能分析高㊀绅,韩㊀恒,陈万培,张㊀涛,杨钦榕(扬州大学信息工程学院,江苏扬州225009)摘㊀要:C-V2X 或LTE-V 作为车联网(Vehicular Communication Networks,VCN)领域的新兴通信技术,能够有效提高道路安全和交通通信效率㊂在3GPP 发布的R14标准中,引入不依赖于任何蜂窝基础设施的直连通信模式4,在模式4中车辆自主选择和管理其无线电资源㊂在不结合实际的交通场景的情况下对C-V2X 模式4通信性能进行评估,提出了一种多信道传播模型下C-V2X 模式4通信性能分析模型,验证了不同传输参数以及不同信号传播信道对性能的影响,试图设计更为完备的分析模型,探索参数的影响并调整参数来进一步提升C-V2X 模式4通信性能的可能性㊂关键词:C-V2X;LTE-V;模式4;车联网;蜂窝车联网中图分类号:TP183文献标志码:A开放科学(资源服务)标识码(OSID ):文章编号:1003-3106(2022)01-0019-09Modeling and Performance Analysis of C-V2X Mode4Communication underMulti-channel Propagation ModelGAO Shen,HAN Heng,CHEN Wanpei,ZHANG Tao,YANG Qinrong(College of Information Engineering ,Yangzhou University ,Yangzhou 225009,China )Abstract :As an emerging communication technology in the field of Vehicular Communication Networks (VCN),C-V2X or LTE-Vcan effectively improve road safety and traffic communication efficiency.In the R14standard published by 3GPP,direct communicationmode4,which is independent of any cellular infrastructure,is introduced.In mode4,the vehicle selects and manages its radio resources autonomously.The C-V2X mode4communication performance is evaluated without combining with actual traffic scenarios,a C-V2Xmode4communication performance analysis model under multi-channel propagation model is proposed,the impacts of different transmission parameters and different signal transmission channels on the performance are validated,trying to design a more complete analysis model,explore the influence of the parameters and adjust the parameters to further enhance the possibility of C-V2X mode4communication performance.Keywords :C-V2X;LTE-V;mode4;V2X;cellular V2X收稿日期:2021-10-22基金项目:国家自然科学基金(61802336)FoundationItem:NationalNaturalScienceFoundationofChina(61802336)0㊀引言车联网(Vehicular Communication Networks,VCN)作为智能交通系统的一部分,能够提高道路安全和交通效率㊂Cellular Vehicle-to-Everything(C-V2X)作为一种新兴的㊁应用在车联网领域上的通信技术,其主要目的是将移动车辆与其他终端或用户进行信息连接[1]㊂3rd Generation Partnership Project (3GPP )发布R14标准规范支持基础V2X 通信的LTE 标准的演进,这种演进通常包含C-V2X,Cellu-lar V2X,LTE-V 和LTE-V2X [2]㊂C-V2X 与IEEE802.11.p 标准相比,C-V2X 可以更好地支持车辆之间使用PC5接口的直连通信㊂R14版本引入2种新的专为Vehicular to Vehicular(V2V)通信设计的通信模式(模式3和模式4),这2种模式与R12版本Device-to-Device(D2D )通信技术中的模式1和模式2有很大不同[3]㊂模式1和模式2使用LTE 侧链协议延长电池的使用寿命,而模式3和模式4两种模式的提出背景是为了满足V2X 高可靠性㊁低延迟和网络可伸缩性等方面的需求㊂在模式3中,蜂窝设备用于选择并管理车辆用于V2V 直接通信的无线资源㊂在模式4中,车辆可以在无任何蜂窝设备的支持下自主选择和管理无线资源,满足实际应. All Rights Reserved.用场景中对低延迟和高可靠性的要求,在无蜂窝网络覆盖的区域内,模式4与V2V的安全应用高度相关㊂文献[4-5]对模式3和模式4性能进行比较,发现在网络覆盖不稳定或无网络覆盖时,模式4仍为最好的通信模式选择方案㊂文献[6]通过实验分析模式4资源分配的分组传输率,证实了模式4的资源分配算法比随机资源分配方式具有明显的性能优势㊂在文献[7]中将模式4与受控资源分配方案进行比较㊂实验结果表明,在一定距离内,模式4的资源分配方式更优㊂文献[8]将模式4自主资源分配与多种资源分配方案进行比较,研究不同方案下的资源分配阻塞率和错误率㊂文献[9]提出使用组合马尔科夫链分析模型来评估C-V2X不同调度方案的性能㊂文献[10]对C-V2X模式3进行建模分析,并将其与IEEE802.11.p进行可扩展性比较㊂值得注意的是,以上研究大都关注模式4资源分配算法与不同资源分配方案的性能比较,且都是建立在简单的仿真环境中㊂文献[11-12]详细分析了LTE-V模式4在高速公路场景中不同行驶速度下的性能,但研究方法仍局限于特定的几个方面以及单个或少量的参数上㊂分析模型作为一种重要的评估工具,可提供各种参数和条件下的性能信息[13-14]㊂为了克服以往工作在分析模型上的不足,本文借鉴文献[6]提出的半双工传输引起的错误㊁接收信号功率低于检测功率阈值引起的错误㊁传播效应引起的错误和分组冲突引起的错误这4种不同类型的C-V2X模式4性能分析参数,使用数学公式量化这4种性能分析参数,结合传输功率水平㊁传输信道模型和调制和解码方案等传输参数,设计更为完备的分析模型,探索参数的影响并通过调整参数来进一步提升性能的可能性和可靠性㊂1㊀C-V2X模式41.1㊀物理层C-V2X模式4使用单载波频分多址技术(SC-FDMA),支持10,20MHz带宽传输㊂每个信道划分为子帧㊁资源块和子信道3部分,其中子信道定义为同一子帧中的一组资源块㊂每个用于传输数据和控制信息的子信道资源块根据数据分组的大小和使用的调制和编码方案的变化而变化㊂数据分组通过物理侧链共享物理侧链控制信道在传输块中传输,而控制信息通过物理侧链控制信道在侧链控制信息中传输㊂传输块包含一个完整的数据分组(如信标或合作意识信息),可以占用一个或几个子信道,并且与其关联的侧链控制信息必须始终在同一子帧中传输㊂侧链控制信息占用2个资源块,该侧链控制信息包括用于传输传输块的调制和编码方案㊁节点信息和已经用于半永久静态传输的资源保留间隔等信息,其他节点只有正确接收侧链控制信息才能够接收和解码传输块㊂用于区分传输块和侧链控制信息传输的资源块如图1所示㊂图1㊀C-V2X:子帧㊁子信道㊁选择和感知窗Fig.1㊀C-V2X:sub-frames,sub-channels,selection and sensing windows1.2㊀基于感知的半静态调度协议在C-V2X模式4中,车辆可以在无蜂窝设备的帮助下自主选择资源,为了实现这个目的,3GPPR14版本中使用基于感知的半静态资源调度协议选择子信道㊂车辆为选定的子信道预留了与重选计数器数量相等的连续传输的数据包㊂每当必须保留新的子信道,以及每100ms发送一次数据包时,重选计数器就会在5~15随机重新设置[12],每次发送数据包后,重选计数器递减1,当值为零时,以1-P的概率选择是保留资源还是重新选择资源㊂通常P 可以设置为0~0.8的任意值,P值越高,表明车辆越有可能长时间保留其选定的资源㊂车辆选择和保留资源所遵循的过程如下:(1)当必须选择新资源时,车辆V必须在一个选择窗口内预留新的资源,选择窗口是数据包生成时间和定义的最大等待时间(ɤ100ms)之间的时间窗口㊂在选择窗口车辆V选择想要保留的候选单子帧资源(Candidate Single-Subframe Resources, CSR)㊂(2)车辆V连续检测感知T时刻之前的1000子帧(如图1所示),此时,车辆V会创建一个列表. All Rights Reserved.L1,记录包含以下2个条件的所有CSR:①车辆V 已经在感知窗口中正确接收来自另外一辆车的SCI,表明其他节点将利用该资源进行下一次传输;②车辆V排除资源块RB上的平均参考信号接收功率(Reference Signal Received Power,RSRP)测量值高于给定阈值的资源㊂RSRP为可配置的参数㊂执行步骤②后,L1必须在选择窗口中至少包含20%的选择窗口资源总户数㊂如果不是,则迭代执行步骤②,直到实现20%的目标,并且在每次迭代中RSRP阈值增加3dB㊂(3)车辆V创建候选列表L2,其中包括L1中低于平均接收信号强度指示(Received Signal Strength Indicator,RSSI)的资源,车辆V随机选择列表L2中一个CSR,根据带宽分配资源计数器,并将其保留用下一次重选计数器传输㊂2㊀分析模型参数C-V2X模式4的操作和性能取决于文中的一组参数㊂本节讨论这些参数,并说明它们对C-V2X的操作和性能的相关性和影响㊂2.1㊀传输错误文献[6]提出了4种不同类型的C-V2X传输错误:半双工传输引起的错误δHD㊁接收信号功率低于检测功率阈值引起的错误δSEN㊁传播效应引起的错误δPRO和分组冲突引起的错误δCOL㊂建立分析模型,假设车辆V t是发送方,车辆V r是接收方,2车之间的距离为d t,r,可以认为,如果不出现任何已知的错误类型(上述4种错误模型),则车辆V r可以正确接收数据分组㊂由于错误具有排他性,使用分组传输率PDR描述这种可能性:㊀㊀PDR(d t,r)=(1-δHD)㊃(1-δSEN(d t,r))㊃(1-δP RO(d t,r))㊃(1-δCOL(d t,r)),(1)归一化后,PDR可以表示为:PDR=1-δ^HD-δ^SEN-δ^P RO-δ^COL,(2)式中,δ^HD=δHD,(3)δ^SEN(d t,r)=(1-δHD)㊃δSEN(d t,r),(4)δ^P RO=(1-δHD)㊃(1-δSEN(d t,r))㊃δP RO(d t,r),(5)δ^COL=(1-δHD)㊃(1-δSEN(d t,r))㊃(1-δP RO(d t,r))㊃δCOL(d t,r),(6) 0ɤδHD,δSEN,δP RO,δCOLɤ1,(7) 0ɤδ^HD+δ^SEN+δ^P RO+δ^COLɤ1㊂(8)2.1.1㊀半双工传输引起的错误δHD由于半双工效应,2个车辆节点有一定的概率选择相同的子帧来传输TB,会导致接收车辆无法接收TB,该概率取决于2个车辆节点每秒传输的数据包数量λ:δHD=λ1000㊂(9) 2.1.2㊀接收信号功率低于检测功率阈值引起的错误δSEN考虑路径损耗和阴影对信号衰落的影响,以及阴影衰落符合正态分布,那么接收信号功率P r也符合正态随机分布,使用均值为0且方差为σ的对数正态随机分布对收信号功率P r进行建模㊂考虑路径损耗和阴影对信号衰落的影响,接收信号功率P r 可以表示为:Pr(d t,r)=P t-P L(d t,r)-P SH,(10)式中,P t为发射功率;P L为路径损耗;P SH为阴影,因为阴影衰落是符合正态分布的,且发射节点和接收节点距离给定处,P L为定值,那么P r整体也符合正态分布的㊂使用均值为0且方差为σ的对数正态随机分布对其建模,则接收信号功率的概率分布函数(PDF)可以表示为:fP r,d t,r(p)=1σ㊀2πexp-P t-P L(d t,r)-pσ㊀2()2(),(11)则δSEN为:δSEN(d t,r)=ʏP SEN-ɕf P r,d t,r(p)d p,(12)式中,P SEN为检测功率阈值㊂把式(10)带入式(12),则:δSEN=121-erfPt-PL(d t,r)-P SENσ㊀2()(),(13)式中,P t为发射功率;P L为路径损耗;P SH为阴影; erf为错误函数㊂2.1.3㊀传播效应引起的错误δPRO当接收的数据分组的信噪比低于感知信噪比阈值,会造成接收节点无法正确解码的错误,这种类型的错误只源于传播效应㊂该错误的产生取决于传输功率㊁检测功率阈值㊁噪声㊁传输距离和调制编码方案MCS[1]㊂在发射节点和接收节点距离给定的情况下,信噪比是常数,因此信噪比遵循和阴影相同的随机正态分布,假设接收节点的信噪比是一个随机变量(跟节点之间的距离有关),单位dB,表示为:. All Rights Reserved.SNR (d t ,r )=P r (d t ,r )-n 0,(14)式中,n 0为噪声功率㊂由式(10)可知,式(14)可以表示为:SNR (d t ,r )=P t -P L (d t ,r )-P SH -n 0㊂(15)同理,在发射节点和接收节点距离给定处,P L为定值,因此SNR 遵循和阴影相同的随机分布㊂则SNR 的概率分布函数可以表示为:f SNR ,d t ,r(p )=1σ㊀2πexp -P t -P L (d t ,r )-n 0-pσ㊀2()2(),(16)则δPRO 可以表示为:δP RO =f SNR ,d t ,r(p )1-δSENif P r >P SEN ,(17)当P r <P SEN 时,δPRO =0㊂式中,f SNR ,d t ,r (p )为接收信号功率高于检测功率阈值时信噪比的概率密度函数㊂2.1.4㊀分组冲突引起的错误δCOL 在实际信号传播场景中,由于其他车辆的干扰(信号功率与干扰和噪声的比值(SINR)不足)/碰撞(同一资源在相同子帧或相同子信道上传输),导致接收节点无法正确接收来自发射节点的数据分组,这种分组冲突引起的错误主要取决于C-V2X 模式4的SPS 方案的配置和操作,以及传输参数㊁传播㊁发射节点和接收节点之间的距离以及交通密度[6]㊂假设接收节点车辆接收到的其他车辆干扰信息等效于附加噪声,则接收节点的SINR 表示为:SINR (d t ,r ,d i ,r )=P r (d t ,r )-P i (d i ,r )-n 0,(18)式中,d i ,r 为干扰节点和接收节点之间的距离;P i 为接收节点接收到的其他车辆干扰信息功率㊂SINR 概率分布函数f SINR ,d t ,r (p )为:f SINR ,d t ,r(p )=1σ㊀2π㊃exp -P t -P L (d t ,r )-P i (d i ,r )-n 0-pσ㊀2()2(),(19)则p interfere 表示为:p interfere =f SINR ,d t ,r(p )-δP RO (d t ,r )1-δP RO (d t ,r )㊂(20)发射节点和接收节点使用同一资源传输的概率p some 取决于发射和干扰节点在选择资源之前为考虑其各自传输的概率p s (d t ,i )和不考虑彼此之间传输信息导致选择同一资源的概率p c =δ2HD0.04s 2,s 为子信道数目,则p some 表示为:p some =p s (d t ,i )㊃p c ,(21)式中,p s (d t ,i )=1-τ-1τ()㊃PSR (d t ,i ),(22)τ为每个车辆必须使用同一资源进行传输的平均数,PSR (d t ,i )=1-δSEN 为分组检测速率,则PSR (d t ,i )可以表示为:PSR =121+erfP t -P L (d t ,i )-P SENσ㊀2()(),(23)则δCOL 可以表示为:δCOL =p interfere ˑp some ,(24)式中,p interfere 为干扰车辆在接收节点上产生的干扰大于检测功率阈值的概率;p some 为发射节点和接收节点使用同一资源传输的概率㊂2.2㊀传输功率传输功率显著影响通信范围和车辆产生的干扰㊂原则上在信道负载较高时增加发射功率,在信道负载均衡时或者不高时降低发射功率是合理的㊂事实上,较低的低传输功率在一定程度上可以减少分组冲突发生的可能性,降低分组冲突引起的错误δCOL ㊂然而,降低传输功率会降低通信范围和减少接收方与发射机的通信距离㊂2.3㊀调制和编码方案C-V2X 使用QPSK㊁16-QAM 调制方式和Turbo码编码方案传输传输块,而合适的调制和编码方案(Modulation and Coding Scheme,MCS)对于车对车或者车对多点通信系统至关重要,调制和编码方案能够确保整个通信系统具有最佳的系统容量和较高的鲁棒性[12]㊂因此,MCS 的频谱效率(SE)计算如下:SE ȡS ˑR ˑNBW,(25)式中,S 为数据包的大小;R 为数据包的发送方式;N 为接收端用户数量;BW 为分配带宽㊂为了使通信系统具有较高的传输鲁棒性,MCS 需要较低的频谱效率㊂不同编码方案㊁同一编码方案使用不同的编码速率所带来的频谱效率是不同的,C-V2X 使用不同的调制方式,就会存在不同C-V2X 系统容量和鲁棒性方面的差异㊂2.4㊀信道模型蜂窝网络的信道传播模型具有多样性,而对C-V2X 信道传播模型的研究还处于探索阶段㊂文献[6]指出传播效应引起的错误δPRO 和分组冲突引. All Rights Reserved.起的错误δCOL 与信号的传播信道类型高度相关,信号经过不同传播模型,对应不同路径损失,其δPRO ,δCOL 表现出差异㊂为了验证分析模型,本文只考虑以下大范围传播信道模型,考虑路径损失叠加㊁阴影和多径效应对信号衰减的影响㊂2.4.1㊀two-ray 信道模型在真实场景,车辆V t 和V r 在移动过程中,会存在2条信号传播路径,一条是车辆间的直接传播路径,另一条是路面反射路径㊂因此考虑two-ray 干扰模型是很有必要的,其路径损失PL 计算过程如下:㊀㊀㊀㊀㊀㊀PL =10lg 4πdλ^()2,d ɤd c ,(26)㊀㊀㊀㊀㊀㊀PL =20lgd 2H Tx H Rx(),d >d c ,(27)式中,H Tx ,H Rx 分别为车辆V t 和V r 的天线高度;d 为车辆V t 和V r 之间的距离;d c 为车辆V t 和V r 之间交叉距离,计算如下:d c =4πH Tx H Rxλ^,(28)式中,λ^为波长㊂2.4.2㊀WINNERII 信道模型使用WINNERII 信道模型可以进行通信系统在链路水平和系统层面的仿真,WINNERII 信道模型包含14种信号传播场景,例如室内办公厅㊁城市微小区和室内外等㊂不同场景的延迟是不一致的㊂本文考虑车辆在城市和郊区2种运动场景㊂城市场景分析使用WINNERII B1信道模型,郊区场景使用WINNERII D1信道模型㊂WINNERII B1信道模型的路径损失计算如下:PL =22.7lg(d t ,r )+20lg(f c ),d t ,r <d BP ,(29)PL =40lg(d t ,r )+7.56-17.3lg(d t ,r )ˑ(H Tx -E h )-17.3lg(H Rx -E h )-2.7lg(f c ),d t ,r ȡd BP ,(30)式中,d t ,r 为车辆V t 和V r 之间的距离;f c =5.9GHz ;H Tx ,H Rx 分别代表车辆V t 和车辆V r 的天线高度;E h 为环境高度;d BP 为breakpoint 距离,其计算过程如下:d BP =4H Tx H Rx f cc,(31)式中,c =3ˑ108m /sWINNERII D1信道模型的路径损失计算如下:PL =21.5lg(d t ,r )+20lg(f c ),d t ,r <d BP ,(32)PL =40lg(d t ,r )+10.5-18.5lg(H Tx )-18.5lg(H Rx )+1.5lg(f c ),d t ,r ȡd BP ㊂(33)2.4.3㊀3GPP 信道模型在3GPP R15版本标准中提出新的信道模型,将路径损耗划分为视距(LOS )和非视距(NLOS )2种情况,根据其建议,仿真时采用LOS 场景下的路径损耗计算公式:PL =32.4+20lg(d t ,r )+20lg(f c )㊂(34)在路径损失的具体计算过程中,还需要考虑阴影的值,在LOS 情况下,同样服从对数正态分布,标准差为3dB㊂NLOS 情况下,阴影同样服从对数正态分布,此时的标准差为4dB㊂本文是在LOS 情况下分析模型性能,故采用标准差为3dB 的设置㊂3㊀模型验证本文使用Matlab2019a 搭建实验分析模型,将仿真结果与文献[15]中通过仿真器模拟得到的结果进行比较,先验证分析模型的准确性和可靠性㊂车辆以λ=10Hz 传输数据分组,传输功率分别为P t =20dBm ,P t =23dBm ,使用QPSK r =0.5,QPSK r =0.7,16-QAM r =0.5和16-QAM more [15]四种信号调制与编码方案㊂表1总结了验证所考虑的主要参数,这些参数的设置遵循3GPP C-V2X 模式4评估指南[16-17]㊂表1㊀仿真参数设置Tab.1㊀Simulation parameters setting参数分析值车辆密度β0.1veh /m平均车辆数2000,4000,6000车辆最大移动速度70km /h路长5km车道数量双向4车道信道带宽10MHz 传输功率P t 20,23dBm数据传输率λ10Hz数据大小190bytes距离[0ʒ25ʒ500]H Tx 车辆V t 天线高度 1.5mH Rx 车辆V r 天线高度1.5mE h 环境高度0f c 载波频率5.9GHzc 光速3ˑ108m /sλ^波长1/3m每子帧通道数2RBs per sub-channel12(4sub-channels)MCS(r ,more 为编码速率)QPSK r =0.5QPSK r =0.716-QAM r =0.516-QAM more. All Rights Reserved.3.1㊀性能评估标准本文采用分组传输率PDR 和平均绝对离(偏)差(Mean Absolute Deviation,MAD)2组参数量化评估模型性能㊂由式(1)可知,PDR 表示一定通信范围内接收节点无差错成功正确接收的数据分组可能性㊂而MAD 用来比较分析模型仿真结果和仿真器模拟结果之间的平均绝对误差,使得二者之间的差异可视化㊂PDR 和MAD 的计算过程伪代码见算法1㊂算法1:Calculate PDR AND MADInput :Simulation parametersOutput :PDR (d t ,r ),d t ,r ɪ0ʒ25ʒ500[],MAD Distance =[0ʒ25ʒ500]㊀ʊTx-Rx distances to evaluate(m)Psen =-90.5㊀ʊSensing threshold(dBm)Step_dB =0.1switch B㊀ʊpacket size in bytes,B =190bytes㊀case 190㊀㊀switch S㊀ʊnumber of sub-channels,S =2㊀㊀㊀case 4㊀㊀㊀㊀MCS =QPSK r =0.5㊁QPSK r =0.7㊁16-QAM r =0.5㊁16-QAM more ㊀㊀㊀case 2㊀㊀㊀㊀MCS =QPSK r =0.5㊁QPSK r =0.7㊁16-QAM r =0.5㊁16-QAM more ㊀㊀end endʊCalculate δ^HD ,δ^SEN ,δ^P RO ,δ^COL δ^HD =δHD ㊀ʊEquation (3)δ^SEN (d t ,r )=(1-δHD )㊃δSEN (d t ,r )㊀ʊEquation (4)δ^P RO =(1-δHD )㊃(1-δSEN (d t ,r ))㊃δPRO (d t ,r )ʊEquation (5)δ^COL =(1-δHD )㊃(1-δSEN (d t ,r ))㊃(1-δP RO (d t ,r ))㊃δCOL (d t ,r )㊀㊀ʊEquation (6)ʊCalculate PDR PDR =1-δ^HD -δ^SEN -δ^P RO -δ^COL ʊEquation (2)ʊCalculate MAD MAD_HDMAD_SENMAD_PRO MAD_COL MAD_PDRend 3.2㊀分析验证根据算法1可以计算出不同传输功率㊁不同MCS㊁不同信道模型下不同传输距离的PDR 和MAD㊂从上述对不同传输参数对通信性能可能引起的错误进行的分析可以发现,不同的传输参数可能共同导致错误的发生,为了简化问题,本文采用组合交叉分析的方式,在同一维度下,分析在相同传输功率㊁相同MCS 等仿真参数下的不同信道模型的PDR 分析结果㊂图2分析了不同信道模型下,仿真参数设置为P t =20dBm,λ=10Hz ,β=0.1,每子帧信道数为2时的不同编码和调制方案时PDR(虚线)分析结果,与仿真器模拟的PDR (实线)结果之间的差异㊂仿真结果表明,在发射功率㊁传输速率和车辆密度等仿真参数相同时,不同信道模型在同一MCS 与同一MCS 在不同信道模型下的PDR 的结果与仿真器模拟的PDR 结果存在差异,这种差异主要是由路径损耗P L 带来的㊂从图2中可以看出,信道传播模型和MCS 对信号的广播性能影响较大,PDR 随着传播距离的增加而减少㊂WINNERII B1信道模型在MCS 为16-QAM more,QPSK r =0.5和QPSK r =0.7的PDR 分析结果更为匹配仿真器模拟的PDR 结果,这一定程度佐证了分析的准确性和可靠性㊂而3GPP 信道的PDR 随着传播距离的增加而减少的趋势较其他3种信道模型而言更为缓慢,WINNERIID1信道的PDR 随着传播距离的增加而减少的趋势较其他3种信道模型而言更为明显㊂在不同信道模型下,仿真参数设置为P t =23dBm,λ=10Hz ,β=0.1,每子帧信道数=2时,不同调制和编码方案PDR(虚线)分析结果与仿真器模拟的PDR (实线)结果之间的差异如图3所示㊂从图3(a )中可以看出,在MCS 为16-QAM r =0.5时,不同信道模型的PDR 结果与仿真器模拟的PDR 结果之间存在很大的差异,随着传播距离的增加,各信道模型的PDR 减少趋势更为明显,与仿真器模拟值之间的差值变大,这样的减少水平会损害系统的稳定性和可扩展性㊂WINNERII B1信道模型在MCS 为QPSK r =0.7的PDR 分析结果更为匹配仿真器模拟的PDR 结果㊂由图2和图3可以看出,不同传输功率下,模型的PDR 是不同的,P t =23dBm 的PDR 随着传播距离的增加而下降,明显弱于P t =20dBm ㊂一定程度上,WINNERII B1信道模型的PDR 比其他3种信道模型更为匹配仿真器模拟的PDR 结果,误差也最小㊂在P t =23dBm 和P t =20dBm ,MCS 为QPSK r =0.7时,WINNERII B1信道模型的PDR 更为匹配仿真器模拟的PDR 结果㊂. All Rights Reserved.(a )P t =20dBm ,16-QAM r =0.5(b )P t =20dBm ,16-QAM more(c )P t =20dBm ,QPSK r =0.5(d )P t =20dBm ,QPSK r =0.7图2㊀相同MCS 等仿真参数下的不同信道模型的PDR Fig.2㊀PDR of different channel models with the samesimulation parameters such as MCS(a )P t =23dBm ,16-QAM r =0.5(b )P t =23dBm ,16-QAMmore(c )P t =23dBm ,QPSK r =0.5(d )P t =23dBm ,QPSK r =0.7图3㊀相同MCS 等仿真参数下的不同信道模型的PDR Fig.3㊀PDR of different channel models with the samesimulation parameters such as MCS. All Rights Reserved.表2~表5分析了模型的准确性㊂这些表格使用MAD 度量了不同信道模型在不同传输功率和不同MCS 下的PDR 和4种不同传输错误㊂从表中的数据可以看出,与通过模拟获得的预测数据相比,对于同一传输功率和同一MCS,不同传输功率和同一MCS,WINNERII B1信道模型的分析数据误差低于其他3种信道模型,在许多情况下,误差大于1%,而two-ray 信道模型表现最差㊂在P t =20dBm ,MCS 为QPSK r =0.5时,WINNERII B1信道模型的分析数据与通过仿真获得数据之间的差距最小,更为贴近仿真数据㊂半双工传输引起的错误δHD 所占的比例最小,且跟传输功率无关㊂传播效应引起的错误δPRO 所占比例较大,不同信道模型在同一传输功率和同一MCS㊁不同传输功率和不同MCS 下的δPRO 平均相差不到0.05%㊂组冲突引起的错误δCOL 占比最大,由于C-V2X 模式4采用基于感知的半静态调度协议,可以认为基于感知的半静态调度协议存在明显的资源碰撞㊂表2㊀PDR 和4种不同类型错误的MAD (P t =20dBm ,P t =23dBm ,QPSK r =0.7)Tab.2㊀MAD for PDR and four different types of error(P t =20dBm ,P t =23dBm ,QPSK r =0.7)信道模型P t βPDRδ^HD δ^SEN δ^P RO δ^COL B1200.1 1.600.190.210.07 1.253GPP 200.110.040.199.940.11 1.64two 200.125.090.227.800.1224.85D1200.1 2.780.32 5.700.08 4.63B1230.1 1.950.210.140.05 1.593GPP 230.1 4.480.21 2.790.09 1.61two 230.125.120.288.010.1224.92D1230.13.360.225.750.125.37表3㊀PDR 和4种不同类型错误的MAD (P t =20dBm ,P t =23dBm ,QPSK r =0.5)Tab.3㊀MAD for PDR and four different types of error(P t =20dBm ,P t =23dBm ,QPSK r =0.5)信道模型P t βPDRδ^HD δ^SEN δ^P RO δ^COL B1200.1 1.170.320.250.12 1.503GPP 200.112.390.369.860.11 3.64two 200.125.120.288.010.1224.92D1200.1 6.050.32 5.780.12 2.35B1230.17.630.210.140.067.363GPP 230.19.570.21 2.790.0811.86two 230.125.120.288.010.1224.92D1230.110.380.213.260.066.97表4㊀PDR 和4种不同类型错误的MAD (P t =20dBm ,P t =23dBm ,16-QAM r =0.5)Tab.4㊀MAD for PDR and four different types of error(P t =20dBm ,P t =23dBm ,16-QAM r =0.5)信道模型P t βPDRδ^HD δ^SEN δ^P RO δ^COL B1200.1 2.670.320.250.12 2.343GPP 200.19.590.329.910.13 3.16two 200.125.120.288.010.1224.92D1200.1 6.770.32 5.780.12 2.35B1230.18.690.210.140.068.423GPP 230.111.170.21 2.790.0813.72two 230.125.120.288.010.1224.92D1230.111.360.213.260.067.95表5㊀PDR 和4种不同类型错误的MAD (P t =20dBm ,P t =23dBm ,16-QAM more )Tab.5㊀MAD for PDR and four different types of error(P t =20dBm ,P t =23dBm ,16-QAM more )信道模型P t βPDRδ^HD δ^SEN δ^P RO δ^COL B1200.1 2.670.320.250.12 2.343GPP 200.19.590.329.910.13 3.16two 200.125.120.288.010.1224.92D1200.1 6.770.32 5.780.12 2.35B1230.18.690.210.140.068.423GPP 230.111.170.21 2.790.0813.72two 230.125.120.288.010.1224.92D1230.111.360.213.260.067.954㊀结束语本文提出了多信道模型下C-V2X 模式4的通信性能分析模型㊂对不同传输功率㊁不同信道模型和不同调制和编码方案等传输参数结合传输过程中可能存在的4种错误进行建模分析㊂将分析模型获得的结果与通过仿真器模拟获得的结果进行比较㊂分析结果表明,分析模型能够较为准确地模拟出C-V2X 模式4的通信性能㊂信号在WINNERII B1信道模型不同实验参数设置下分析得到的结果都更接近仿真模拟结果,验证了分析模型的准确性和可靠性㊂结果还表明,基于感知的半静态调度协议存在明显的分组冲突,如果车辆需要频繁地重新选择资源,或者没有充分利用保留的资源,这必然导致通信资源的损失,需要更为完善的资源分配方案,来提高C-V2X 模式4的通信性能㊂参考文献[1]㊀崔佩佩.基于C-V2X 模式4车载通信性能的研究[D].大连:大连理工大学,2020.. All Rights Reserved.[2]㊀3GPP TS36.300.Evolved Universal Terrestrial RadioAccess(E-UTRA)and Evolved Universal Terrestrial Ra-dio Access Network(E-UTRAN);Overall description;Stage2:Rel-14V14.1.0[S].3GPP,2016. [3]㊀NARDINI G,VIRDIS A,STEA G.Simulating Device-to-Devicec Communications in OMNeT++with SimuLTE:Scenarios and Configurations[J].arXiv preprint arXiv,1609.05173v1,2016.[4]㊀WANG M,WINBJORK M,ZHANG Z,et parisonof LTE and DSRC-based Connectivity for IntelligentTransportation Systems[C]ʊ2017IEEE85th VehicularTechnology Conference(VTC2017-Spring).Sydney:IEEE,2017:1-5.[5]㊀CECCHINI G,BAZZI A,MASINI B M,et al.PerformanceComparison Between IEEE802.11p and LTE-V2V In-coverage and Out-of-coverage for Cooperative Awareness[C]ʊ2017IEEE Vehicular Networking Conference(VNC).Turin:IEEE,2018:109-114.[6]㊀MOLINA-MASEGOSA R,GOZALVEZ J.System LevelEvaluation of LTE-V2V Mode4Communications and ItsDistributed Scheduling[C]ʊ2017IEEE85th VehicularTechnology Conference(VTC Spring).Sydney:IEEE,2017:1-5.[7]㊀NGUYEN T V,SHAILESH P,SUDHIR B,et al.A Com-parison of Cellular Vehicle-to-Everything and DedicatedShort Range Communication[C]ʊ2017IEEE VehicularNetworking Conference(VNC).Turin:IEEE,2017:101-108.[8]㊀CECCHINI G,BAZZI A,MASINI B M,et al.LTEV2Vsim:An LTE-V2V Simulator for the Investigation of ResourceAllocation for Cooperative Awareness[C]ʊ20175th IEEEInternational Conference on Models and Technologies forIntelligent Transportation Systems(MT-ITS).Coimbatore:IEEE,2017:1-10.[9]㊀LI W F,MA X,WU J,et al.Analytical Model and Per-formance Evaluation of Long-Term Evolution for VehicleSafety Services[J].IEEE Transactions on Vehicular Tech-nology,2016,66(3):1.[10]BAZZI A,MASINI B M,ZANELLA A,et al.On the Per-formance of IEEE802.11p and LTE-V2V for the Cooper-ative Awareness of Connected Vehicles[J].IEEE Trans-actions on Vehicular Technology,2017(99):1. [11]MOLINA-MASEGOSA R,GOZALVEZ J.LTE-V for Sidelink5G V2X Vehicular Communications:A New5G Technolo-gy for Short-Range Vehicle-to-Everything Communications[J].IEEE Vehicular Technology Magazine,2017,12(4):30-39.[12]付思雨,姜之源,张舜卿.基于C-V2X直连通信的车辆编队行驶性能优化[J].中兴通讯技术,2020,26(1):30-34.[13]马建章,高驰名.可靠性安全系数法在结构静强度设计中的应用[J].无线电工程,2017,47(3):79-82. [14]侯涛,郑郁正.基于深度学习的通信信号调制方式识别[J].无线电工程,2019,49(9):796-800. [15]R1-160284.DMRS Enhancement of V2V[R].[S.l.]:Huawei,2016.[16]3GPP TR36.885.Study on LTE-based V2X Services:Release14V14.0.0[S].3GPP,2016.[17]牛慧莹.基于GMR-1系统下行链路的π/4-CQPSK解调方法[J].无线电工程,2017,47(3):70-74.作者简介㊀㊀高㊀绅㊀男,(1996 ),就读于扬州大学电子与通信工程专业,硕士研究生㊂主要研究方向:车联网㊁自动驾驶㊂㊀㊀韩㊀恒㊀男,(1998 ),硕士研究生㊂主要研究方向:图像处理㊂㊀㊀陈万培㊀男,(1962 ),硕士,副教授㊂主要研究方向:信号处理与系统集成㊂㊀㊀张㊀涛㊀女,(1993 ),硕士研究生㊂主要研究方向:图像处理㊂㊀㊀杨钦榕㊀男,(1997 ),硕士研究生㊂主要研究方向:电力物联网㊂. All Rights Reserved.。

NR-V2X在智能网联中的应用研究

图2 用户设备自主选择资源模式
对比上述两种模式，由于在智能网联应用中，车际网是实现车辆间或车辆与路侧通信设施之间中短程距离通信的动态网络，是NR-V2X技术重点应用的场景。

在车辆道路和行人之间直接进行数据和信息交换，将一个个独立的车辆通过信息通信连成一体，采用自组网技术，通过车辆间或车辆与路侧通信设施之间的无线通信，使驾驶员能够在超视距范围内获得其他车辆的状况信息（如车辆位置行使驶方向，行车速度，刹车操作等）和实时路况信息还可以通过路边的站点接入互联网，使司机和乘客可以方。

基于C-V2X车联安全性的研究

基于C-V2X车联安全性的研究发布时间：2022-08-12T06:47:12.119Z 来源：《中国科技信息》2022年第33卷3月6期作者：傅丹[导读] 随着交通智能化、信息化的发展，5G技术、车联网C-V2X技术应势而生，保障车辆安全行驶傅丹南宁富联富桂精密工业有限公司产品研发部广西南宁 530001）摘要：随着交通智能化、信息化的发展，5G技术、车联网C-V2X技术应势而生，保障车辆安全行驶至关重要。

本文通过对车联网的概述和5G技术的优势入手，简述了基于5G技术的车联网的几个主要构成，对车联网主要的组网架构做了简要介绍，然后提出了一种可提高C-V2X车联安全性的提案方法。

关键词：车联网概述；5G技术；C-V2X技术；倾斜传感器；数据采集；边缘计算引言随着交通智能化、信息化的发展，车联网C-V2X技术应势而生，优化交通建设，减少拥堵、降低交通事故的发生是人们共同的愿望。

利用车联网可以实现车联、道路、中心系统的实时信息共享，保障道路交通通畅有序，减少交通事故的发生，保障车辆行驶安全至关重要的。

一、基于5G技术的车联网优势特点车联网指的是由交通状况、车辆的位置、行驶的速度等等信息组成的庞大数据网络，通过各种传感设备和定位系统，能够对车辆信息进行实时采集与分析，并通过通讯互联网技术将道路上进行行驶的所有车辆信息上传到云端，再由云端进行进一步计算并进行信息反馈，及时优化道路信息并进行分流，降低拥堵，减少交通事故和污染排放，有效提高道路交通的运行效率。

5G技术（5th Generation Mobile Communication Technology），即第五代移动通信技术，具有速度快、低延时、连接范围广等特点，是实现车联网的基础。

相对于之前的网络通信技术标准来说，5G技术在熟读、连接稳定性、降低延迟等方面都有着飞跃性的提升。

在5G技术的加持下，车辆信息数据包、交通状况时收发信号，降低了资源的浪费，提高了网络的利用效率。