董夢圓，付宇釧*，牛曉健

(1.西安電子科技大學(xué) 綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國家重點實驗室，陜西 西安 710071;2.西安電子科技大學(xué) 智慧交通研究院，陜西 西安710071)

0 引言

未來的6G將在5G的基礎(chǔ)上進一步增強帶寬、拓展連接，支持智能交通系統(tǒng)的進一步發(fā)展[1]。中國聯(lián)通 5G-A 通感算融合技術(shù)白皮書V3.0[2]指出5G即5G for Sensing 階段，通過結(jié)合算力的通信感知融合實現(xiàn)感知增強，6G階段為Sensing for 6G階段，進一步實現(xiàn)感知對通信的反哺增強，實現(xiàn)網(wǎng)絡(luò)質(zhì)量和利用率提升。中國通信學(xué)會在《通感算一體化網(wǎng)絡(luò)前沿報告》指出[3]：未來的6G將感知-通信-計算融合，旨在實現(xiàn)利用通信、計算輔助感知增強；利用感知、計算輔助通信增強；感知增強與通信增強進一步輔助計算增強。面向6G，未來車聯(lián)網(wǎng)系統(tǒng)有望將通信、感知和計算資源融合起來，實現(xiàn)一種超靈活、智能的網(wǎng)絡(luò)運行機制，為智能交通領(lǐng)域提供更高的數(shù)據(jù)速率(100 Gbit/s～1 Tbit/s)、極低的端到端延遲(<1 ms)以及極高的端到端可靠性(99.999 99%)。

為了滿足高可靠低時延的任務(wù)處理需求與網(wǎng)絡(luò)中有限的通信、計算資源之間的矛盾，研究者們致力于有效協(xié)同網(wǎng)絡(luò)中的通信、計算資源，利用車聯(lián)網(wǎng)中的V2X通信技術(shù)鏈接網(wǎng)絡(luò)中分散的計算資源，實現(xiàn)計算增強；面對帶寬限制，將計算資源部署于數(shù)據(jù)附近，從而減少傳輸數(shù)據(jù)量，有效減輕通信負載，實現(xiàn)通信增強。雖然通信-計算融合可以在一定程度上促進車聯(lián)網(wǎng)的發(fā)展，但不足以滿足無人駕駛對高可靠低時延的極致需求，因此，探究將車聯(lián)網(wǎng)中感知-通信-計算三者深度融合可進一步提高系統(tǒng)的感知準(zhǔn)確性、通信吞吐量和計算效率。

6G車聯(lián)網(wǎng)中的感知-通信-計算融合將滿足智能交通對于超低時延、超高可靠、超高速率、高精度感知和廣泛覆蓋的要求?；谕ㄐ?計算融合，車聯(lián)網(wǎng)感知-通信-計算三者融合有望通過通算融合感知，提供先驗信息，實現(xiàn)資源互通；感知融合通算，擴展感知深度，實現(xiàn)感知增強。未來車聯(lián)網(wǎng)通感通過資源互通，結(jié)合人工智能技術(shù)對異構(gòu)業(yè)務(wù)需求解耦與資源解耦，實現(xiàn)精準(zhǔn)自適應(yīng)資源分配，有效實現(xiàn)通信增強、感知增強和計算增強。

1 車聯(lián)網(wǎng)通信和計算技術(shù)的發(fā)展

隨著科技的不斷進步，車輛的智能化給人們的出行帶來極大的便利，自動駕駛成為近年來研究的熱門話題。而單車智能由于其感知范圍、感知精度與計算能力的限制，面對高動態(tài)的車輛環(huán)境，無法滿足車輛對高可靠低時延的需求。隨著5G、6G通信技術(shù)與邊緣計算技術(shù)的發(fā)展，大量學(xué)者開始研究將通信、計算融合，通過協(xié)同共享環(huán)境信息并充分利用道路上的計算資源來適應(yīng)高動態(tài)車聯(lián)網(wǎng)環(huán)境下的應(yīng)用需求。

研究人員在車聯(lián)網(wǎng)通信和計算方面進行了長期研究。車聯(lián)網(wǎng)中的三種通信模式為車車通信(Vehicle to Vehicle, V2V)、車與路側(cè)基礎(chǔ)設(shè)施通信(Vehicle to Infrastructure, V2I)以及車與行人通信(Vehicle to Pedestrian, V2P)[4]。自動駕駛隨著5G的普及迎來了快速發(fā)展時期，但車聯(lián)網(wǎng)賦能的自動駕駛?cè)詿o法實現(xiàn)真正的大規(guī)模普及，6G旨在促進無線通信技術(shù)的進一步發(fā)展，提供比5G更高的性能，滿足不同場景的業(yè)務(wù)需求。車聯(lián)網(wǎng)中離散分布的計算資源主要包含本地計算、邊緣計算和云計算。本地計算資源即來自于車輛的計算資源，更靠近于數(shù)據(jù)源，但是數(shù)據(jù)處理能力不足；邊緣計算資源即靠近數(shù)據(jù)源的網(wǎng)絡(luò)邊緣側(cè)的計算資源，距離數(shù)據(jù)源有一定距離，計算能力較強；云計算資源即云端數(shù)據(jù)中心，遠離數(shù)據(jù)源，計算能力強。三種計算資源的計算特性比較如表1所示。

表1 計算特性對比

2 車聯(lián)網(wǎng)通信-計算融合架構(gòu)及需求

車聯(lián)網(wǎng)中通信-計算融合架構(gòu)如圖1所示。其中智能車輛可實現(xiàn)采集數(shù)據(jù)的全部或部分處理，以實時執(zhí)行駕駛決策，通過通信層實現(xiàn)數(shù)據(jù)共享或數(shù)據(jù)卸載至計算層，一方面可實現(xiàn)感知范圍的擴展與感知精度的提高；另一方面可實現(xiàn)數(shù)據(jù)的分布式高效處理，保證信息有效性。

圖1中，車聯(lián)網(wǎng)中應(yīng)用層包含自動駕駛、高精度地圖構(gòu)建等，不同的應(yīng)用對時延的需求不同。網(wǎng)絡(luò)通信是服務(wù)于車聯(lián)網(wǎng)中應(yīng)用的關(guān)鍵媒介。通信層的基本思想是建立穩(wěn)定的互連與信息交換傳輸信道，保證車輛網(wǎng)絡(luò)信息傳輸?shù)目煽啃耘c有效性。通信層一般包含兩個基本技術(shù)，即網(wǎng)絡(luò)接入技術(shù)與信息傳輸技術(shù)，網(wǎng)絡(luò)接入技術(shù)可提供實時的異構(gòu)網(wǎng)絡(luò)接入；信息傳輸技術(shù)為接入資源自適應(yīng)分配網(wǎng)絡(luò)帶寬，平衡網(wǎng)絡(luò)負載[5]。計算層是服務(wù)于車聯(lián)網(wǎng)中應(yīng)用的關(guān)鍵手段。其基本思想是增強網(wǎng)絡(luò)計算能力，為車輛網(wǎng)絡(luò)中的海量數(shù)據(jù)有效處理提供保障，保證行車安全、提高駕駛舒適度。

圖1 車聯(lián)網(wǎng)通信-計算融合系統(tǒng)架構(gòu)

為實現(xiàn)通信與計算的進一步融合，需要設(shè)計新的信息傳輸處理協(xié)議及相應(yīng)系統(tǒng)架構(gòu)，以滿足計算密集型任務(wù)的高效處理需求。因此需要考慮針對不同的場景，設(shè)計低成本、低復(fù)雜度和高效率的通信-計算融合新系統(tǒng)架構(gòu)。

車聯(lián)網(wǎng)通信-計算融合系統(tǒng)架構(gòu)設(shè)計需要考慮系統(tǒng)實現(xiàn)的功能與實際的場景，避免潛在的設(shè)計缺陷。第一，系統(tǒng)應(yīng)擁有適當(dāng)?shù)囊苿庸芾聿呗耘c接入控制策略，面對車輛網(wǎng)絡(luò)的動態(tài)性仍能保證高效運行，保證網(wǎng)絡(luò)鏈路的穩(wěn)定性；第二，面對異構(gòu)業(yè)務(wù)需求，系統(tǒng)能針對業(yè)務(wù)等級，保證有效的協(xié)調(diào)處理；第三，網(wǎng)絡(luò)中通信和計算資源有限，系統(tǒng)應(yīng)設(shè)計資源分配策略，保證網(wǎng)絡(luò)資源的有效利用并滿足任務(wù)處理需求；第四，為了保護用戶的隱私安全，系統(tǒng)需要保證信息傳輸?shù)陌踩煽啃?。分別從車輛移動性、多差分業(yè)務(wù)需求、通信-計算資源有限性和隱私安全四個方面確保系統(tǒng)架構(gòu)的高效性與魯棒性。

3 車聯(lián)網(wǎng)通信-計算融合關(guān)鍵技術(shù)

3.1 基于任務(wù)執(zhí)行的通信-計算融合

面對來自網(wǎng)絡(luò)中的計算密集型任務(wù)需求，基于任務(wù)執(zhí)行的通信-計算融合通過通信技術(shù)鏈接車輛網(wǎng)絡(luò)中車輛端、邊緣端及云端計算資源，加快任務(wù)處理進程，實現(xiàn)任務(wù)執(zhí)行成功率、延遲等的提升。其基于任務(wù)是否可以劃分為全部任務(wù)卸載與部分任務(wù)卸載。本節(jié)分別從全部任務(wù)卸載和部分任務(wù)卸載對相關(guān)研究進行綜述。

3.1.1 全部任務(wù)卸載

車聯(lián)網(wǎng)中高度集成的任務(wù)或者相對簡單的任務(wù)是不可分割的，可以選擇在本地車輛上執(zhí)行或者全部卸載到其他計算設(shè)備，全部卸載模型如圖2所示。當(dāng)任務(wù)決定在本地執(zhí)行時，由本地計算資源對該任務(wù)進行處理，任務(wù)處理時延主要由本地計算能力決定，能量消耗主要為計算處理消耗[6]。由于車輛網(wǎng)絡(luò)的動態(tài)性，車輛通信性能受到嚴重影響，相關(guān)研究[7-11]針對車輛移動性，對卸載決策進行優(yōu)化。其中多以減少任務(wù)執(zhí)行延遲和降低能耗為優(yōu)化目標(biāo)，對車輛移動造成的通信信道影響[7-8]、切換影響[9-10]、多跳鏈路穩(wěn)定性[11]等進行研究，通過聯(lián)合優(yōu)化通信的傳輸功率及上傳時間、計算的卸載決策和本地CPU頻率，提高車輛網(wǎng)絡(luò)中的通信與計算能力。

圖2 全部卸載模型

3.1.2 部分任務(wù)卸載

部分卸載要求任務(wù)可以劃分為獨立的子任務(wù)，將劃分好的子任務(wù)分配給網(wǎng)絡(luò)中的計算設(shè)備，通過分布式計算，更能充分利用網(wǎng)絡(luò)中的計算資源。如圖3所示，部分卸載一般通過網(wǎng)絡(luò)狀態(tài)制定卸載決策，決定任務(wù)劃分比率，將任務(wù)劃分為一系列子任務(wù)，借助通信技術(shù)將子任務(wù)下發(fā)給網(wǎng)絡(luò)中其他計算設(shè)備協(xié)同處理。

任務(wù)的執(zhí)行時間由以上幾個部分組成，如圖4所示。部分卸載的研究更能靈活地處理數(shù)據(jù)量大和延遲敏感的應(yīng)用。文獻[12-14]針對車輛移動性造成的網(wǎng)絡(luò)不穩(wěn)定問題，對卸載決策及傳輸策略進行優(yōu)化。其中文獻[12]通過設(shè)置7種卸載模式，證明了協(xié)作計算比獨立計算能達到更高的任務(wù)成功率及系統(tǒng)可靠性。為充分利用網(wǎng)絡(luò)中空閑的計算資源，文獻[15-16]研究了利用停放車輛的計算資源對任務(wù)執(zhí)行延遲的影響，通過設(shè)計卸載方案，聯(lián)合優(yōu)化卸載率、卸載決策及資源分配，降低任務(wù)執(zhí)行延遲。

圖4 任務(wù)執(zhí)行時間

綜上，可以看出任務(wù)卸載決策不僅取決于任務(wù)延遲要求和卸載數(shù)據(jù)的傳輸速率，也取決于車輛用戶的CPU頻率和傳輸功率。表2分別從研究目標(biāo)、研究內(nèi)容和計算協(xié)作方式對任務(wù)卸載相關(guān)研究進行了總結(jié)。

表2 基于任務(wù)執(zhí)行的通信-計算融合相關(guān)工作性能比較

3.2 結(jié)合隱私保護的通信-計算融合

隨著自動駕駛的發(fā)展，由于車載計算能力的限制，車輛產(chǎn)生的海量數(shù)據(jù)傾向于卸載到路側(cè)計算設(shè)備協(xié)助計算，這種交互容易造成車輛的信息泄露，區(qū)塊鏈技術(shù)的引入可以提高車聯(lián)網(wǎng)中數(shù)據(jù)共享的可靠性，激勵車輛用戶進行信息共享，促進安全的通信-計算融合[17]。在任務(wù)卸載過程中存在的隱私問題主要有車輛位置信息泄露、用戶的卸載模式泄露、卸載過程中的內(nèi)容信息泄露和卸載到不可信的邊緣服務(wù)器造成的隱私泄露等[18]。本文把隱私泄露風(fēng)險分為基于任務(wù)卸載決策的隱私泄露與基于網(wǎng)絡(luò)特性的隱私泄露。

3.2.1 基于任務(wù)卸載決策的隱私泄露

通過對信道狀態(tài)的有效把握，任務(wù)卸載將傾向于在信道狀態(tài)良好的情況下進行[11]；另外由于車輛的移動，容易造成計算設(shè)備的切換，車輛需要進行數(shù)據(jù)的轉(zhuǎn)移[17]；信道的通信質(zhì)量受通信距離的影響，直接通信范圍內(nèi)數(shù)據(jù)傳輸成功率更高[8]。以上可以總結(jié)出任務(wù)卸載的一些偏好，比如更傾向于距離近的計算設(shè)備和信道狀態(tài)較好的情況。攻擊者利用這些卸載偏好來進行信息的竊取，文獻[19]針對多智能體強化學(xué)習(xí)方法的隱私漏洞存在卸載偏好攻擊，攻擊者誘導(dǎo)用戶將任務(wù)卸載給惡意的RSU；為了避免這種傾向，文獻[20]針對信息不完全的場景，通過結(jié)合區(qū)塊鏈和機器學(xué)習(xí)優(yōu)勢互補，實現(xiàn)隱私保護；針對用戶的計算設(shè)備切換行為，攻擊者可以推斷出用戶的行駛軌跡[21]等。針對邊緣設(shè)備上的推斷攻擊，文獻[22]使用Wald檢驗對推斷攻擊進行識別并揭示該設(shè)備存在的隱私風(fēng)險。

3.2.2 基于網(wǎng)絡(luò)特性的隱私泄露

基于網(wǎng)絡(luò)特性的隱私泄露是由通信過程或計算設(shè)備的不可信產(chǎn)生的。通信的不可信體現(xiàn)在無線通信的廣播性質(zhì)，容易有被攻擊者竊聽的風(fēng)險，文獻[23-24]針對數(shù)據(jù)上傳過程中造成車輛的身份泄露問題，設(shè)置隱私保護機制，保護卸載過程中的位置等隱私信息；計算設(shè)備的不可信體現(xiàn)在邊緣設(shè)備容易被攻擊者攻擊，當(dāng)用戶將多個隱私信息的任務(wù)卸載在同一個邊緣設(shè)備時，很容易造成隱私泄露，為此，文獻[25-26]將包含多個用戶隱私信息的數(shù)據(jù)分別卸載在不同邊緣設(shè)備上，很好地保護了用戶的隱私。在合作邊緣計算系統(tǒng)中，為了增強邊緣節(jié)點之間的信任，文獻[27]設(shè)計了一個基于區(qū)塊鏈的差分邊緣合作系統(tǒng)，保護隱私的同時也滿足了延遲敏感業(yè)務(wù)的延遲需求。

結(jié)合隱私保護的通信-計算融合相關(guān)工作性能比較如表3所示。

表3 結(jié)合隱私保護的通信-計算融合相關(guān)工作性能比較

3.3 基于網(wǎng)絡(luò)有限資源的聯(lián)合通信-計算資源分配

面對車輛的高移動性與復(fù)雜的環(huán)境，自動駕駛車輛行駛過程中激增的業(yè)務(wù)量與網(wǎng)絡(luò)中有限的通信和計算資源產(chǎn)生矛盾，不合理的資源分配將造成網(wǎng)絡(luò)的擁堵與資源浪費，嚴重影響交通安全。因此如何對網(wǎng)絡(luò)中有限的通信-計算資源進行高效分配，來滿足不同用戶的不同業(yè)務(wù)需求是需要解決的難題。

車聯(lián)網(wǎng)中資源分配的資源主要為計算資源、通信資源、存儲資源。計算資源通常指CPU頻率和內(nèi)存。通信資源是指頻譜資源、信道帶寬及傳輸功率等。存儲資源是指一些設(shè)備的存儲空間資源，這些存儲空間用于緩存用戶請求率高的熱門內(nèi)容，針對特定內(nèi)容的請求，可直接將提前緩存好的內(nèi)容交付給用戶，進一步減少計算和通信負擔(dān)。

針對聯(lián)合通信-計算的資源分配，文獻[28]考慮車聯(lián)網(wǎng)中激增的業(yè)務(wù)需求和有限的通信、計算資源的矛盾，聯(lián)合優(yōu)化任務(wù)卸載決策、功率和帶寬資源分配、MEC任務(wù)分配、MEC的頻率比率，使系統(tǒng)的總能量消耗最小。文獻[29]利用車輛網(wǎng)絡(luò)中停放車輛的資源，提出一種端-邊-云協(xié)同通信與計算資源分配問題，減少任務(wù)的執(zhí)行延遲。文獻[30]同時考慮無線通信鏈路能力和計算效率的約束，采用不同的無線接入技術(shù)，設(shè)計了一種車輛-道路-基站協(xié)同任務(wù)卸載體系結(jié)構(gòu)，并分析了三種任務(wù)卸載方式：本地卸載、通過PC5接口的RSU卸載和通過Uu接口的BS卸載，利用強化學(xué)習(xí)實現(xiàn)最優(yōu)的任務(wù)卸載和資源分配，最小化延遲并提高系統(tǒng)吞吐量。

由于交通環(huán)境的復(fù)雜性，網(wǎng)絡(luò)中源源不斷地產(chǎn)生來自不同車輛用戶的不同業(yè)務(wù)需求，然而不同的業(yè)務(wù)類型對任務(wù)延遲需求不同，對業(yè)務(wù)等級的有效劃分可以實現(xiàn)更精準(zhǔn)的需求與資源匹配，表4總結(jié)了不同優(yōu)先級的業(yè)務(wù)類型與其對應(yīng)的延遲需求[31]。文獻[31-33]考慮了任務(wù)的優(yōu)先級加權(quán)，專注于不同類型任務(wù)的資源分配問題，通過聯(lián)合優(yōu)化信道分配和卸載決策，使優(yōu)先級加權(quán)的任務(wù)總時延最小。

表4 不同應(yīng)用優(yōu)先級對比

緩存可以顯著提高系統(tǒng)容量，減少內(nèi)容交付延遲，增大頻譜效率和能源效率。緩存單元可以部署在核心網(wǎng)絡(luò)、無線接入網(wǎng)絡(luò)和用戶設(shè)備上，通過在核心網(wǎng)絡(luò)上部署緩存單元，移動流量可減少1/3～2/3[34]，文獻[35]針對有限的通信和計算資源，整合4C，即通信、本地計算、緩存、協(xié)作計算，提出了車輛邊緣計算中的通信-計算-緩存-協(xié)作計算系統(tǒng)架構(gòu)。文獻[36]為了均衡有限資源與應(yīng)用服務(wù)質(zhì)量之間的矛盾，聯(lián)合分配部分計算卸載決策、社交內(nèi)容緩存和無線電資源，實現(xiàn)系統(tǒng)效用最大化。文獻[10]使用強化學(xué)習(xí)方法優(yōu)化資源分配與邊緣緩存決策，實現(xiàn)超過10%的平均服務(wù)延遲降低。文獻[37]考慮在邊緣端緩存流行軟件，通過優(yōu)化聯(lián)合緩存、卸載和時間分配策略，以節(jié)省網(wǎng)絡(luò)的通信-計算資源。

綜上，分別從研究目標(biāo)、研究內(nèi)容、是否考慮業(yè)務(wù)等級以及是否考慮緩存對現(xiàn)有研究進行總結(jié)，如表5所示。

表5 基于聯(lián)合通信-計算資源分配相關(guān)工作性能比較

4 6G車聯(lián)網(wǎng)中的通感算融合

車聯(lián)網(wǎng)通信-計算融合的研究現(xiàn)狀表明通算融合可以在一定程度上滿足時延敏感型應(yīng)用對高可靠和低時延的需求。但不足以滿足新興智能應(yīng)用對極高可靠性、極低時延的極致需求，而6G車聯(lián)網(wǎng)中的通感算融合旨在增強資源互通，實現(xiàn)網(wǎng)絡(luò)資源協(xié)作增強，為解決上述問題提供了新思路。本節(jié)對車聯(lián)網(wǎng)感知-通信-計算的有效融合進行了探索，并分析了6G車聯(lián)網(wǎng)中的通感算融合的未來應(yīng)用及面臨的挑戰(zhàn)。

4.1 6G車聯(lián)網(wǎng)中的通感算融合的探索

基于5G的NR-V2X標(biāo)準(zhǔn)已成功運用在車聯(lián)網(wǎng)領(lǐng)域，有效促進車輛編隊行駛、自動駕駛等技術(shù)的發(fā)展與進步。6G時代，將在5G網(wǎng)絡(luò)的基礎(chǔ)上顯著提升網(wǎng)絡(luò)性能。借助通信性能的提升，智能交通系統(tǒng)將得到進一步發(fā)展：基于空天地一體化通信技術(shù)實現(xiàn)全域覆蓋，促進安全可靠的無人駕駛技術(shù)的實現(xiàn)；基于通信感知集成技術(shù)，通信信號實現(xiàn)目標(biāo)的精準(zhǔn)感知，太赫茲通信技術(shù)和光通信技術(shù)將進一步增強對環(huán)境信息的感知與獲取，實現(xiàn)安全可靠的感知；支持區(qū)塊鏈的分布式網(wǎng)絡(luò)架構(gòu)可進一步提高信息安全，實現(xiàn)安全可信的信息共享。

現(xiàn)有研究通過雷達通信一體化與邊緣計算協(xié)同，一定程度上融合了通感算資源。文獻[38]從聯(lián)合優(yōu)化的角度探討通信、感知和計算的協(xié)調(diào)增益，將移動邊緣計算與通信-感知集成技術(shù)相結(jié)合，構(gòu)建了感知-通信-計算融合實現(xiàn)框架。文獻[39]從車聯(lián)網(wǎng)感知-通信融合到感知-通信-計算融合探討了實現(xiàn)感知-通信-計算融合的理論難題和技術(shù)挑戰(zhàn)。另外，針對以環(huán)境數(shù)據(jù)作為輸入的應(yīng)用，通過協(xié)調(diào)網(wǎng)絡(luò)中感知設(shè)備的選取與通信-計算資源的聯(lián)合分配，在一定程度上融合了通感算資源。其中文獻[40]針對車路協(xié)同感知場景，聯(lián)合分配感知塊信息、通信資源和計算資源，增強感知信息的時效性和降低信息處理的時延；文獻[41]針對任務(wù)卸載過程導(dǎo)致的高傳輸時延問題，提出一種自適應(yīng)傳輸數(shù)據(jù)或計算指令的卸載方法，通過調(diào)配網(wǎng)絡(luò)中感知設(shè)備協(xié)同感知及通信計算資源的合理分配，減少傳輸資源的利用和任務(wù)處理時延。

綜上，6G車聯(lián)網(wǎng)中的通感算融合旨在增強資源互通，實現(xiàn)按需資源調(diào)配。通過通算融合感知，提供先驗信息，實現(xiàn)資源互通；感知融合通算，擴展感知深度，實現(xiàn)感知增強。通感算融合可實現(xiàn)網(wǎng)絡(luò)資源協(xié)作增強，是車聯(lián)網(wǎng)未來的研究趨勢。

4.2 6G車聯(lián)網(wǎng)中的通感算融合的應(yīng)用

6G車聯(lián)網(wǎng)中的通感算融合有望將先進的感知資源、通信資源和計算資源集成運用于整個智能交通系統(tǒng)，有效解決無限需求與有限資源之間產(chǎn)生的矛盾沖突，增強系統(tǒng)的可靠性、高效性及時效性，在自動駕駛、數(shù)字孿生、編隊控制、安全可信等領(lǐng)域具有越來越廣泛的應(yīng)用。

自動駕駛促進更高級別的自動駕駛的發(fā)展與大規(guī)模落地，結(jié)合6G空天地一體化通信技術(shù)實現(xiàn)全域覆蓋，拓展自動駕駛車輛的通信寬度，利用通信感知集成技術(shù)實現(xiàn)駕駛過程中的感知增強，端-邊-云協(xié)同的計算網(wǎng)絡(luò)增強人工智能使能的實時決策，實現(xiàn)安全可靠的無人駕駛技術(shù)。

數(shù)字孿生6G推進實現(xiàn)物理世界和數(shù)字世界的交互，太赫茲通信技術(shù)和光通信技術(shù)提供超低延遲、超高容量的數(shù)據(jù)傳輸，實現(xiàn)智慧化的交通決策與管理。

編隊控制6G車聯(lián)網(wǎng)中的通感算融合將促進編隊狀態(tài)更新速率，結(jié)合通信可靠性增強與時延降低，為車輛編隊行駛提供更可靠的保證。

安全可信區(qū)塊鏈能夠為車聯(lián)網(wǎng)信息數(shù)據(jù)提供安全保障，6G中支持區(qū)塊鏈的分布式網(wǎng)絡(luò)架構(gòu)可進一步提高信息安全，實現(xiàn)安全可信的信息共享。

4.3 面臨的挑戰(zhàn)

6G車聯(lián)網(wǎng)中的通感算融合旨在將感知資源、通信資源、計算資源有效集成，滿足各種新興應(yīng)用對極高可靠性、極低時延的需求。但是，實現(xiàn)感知-通信-計算的有機融合將面臨以下技術(shù)挑戰(zhàn)。

異構(gòu)環(huán)境下的需求保障車聯(lián)網(wǎng)中存在海量業(yè)務(wù)需求，對需求進行分析與解耦可實現(xiàn)更可靠的資源分配決策，高效處理網(wǎng)絡(luò)中的海量異構(gòu)業(yè)務(wù)需求。

安全可信的數(shù)據(jù)共享自動駕駛在行駛過程中不斷地收集信息來制定相應(yīng)的駕駛決策，保證駕駛安全，因此激勵更多的車輛用戶參與信息共享是保障安全行駛的關(guān)鍵。因此，如何設(shè)置信息的共享機制來保障用戶的隱私安全，實現(xiàn)安全可信的數(shù)據(jù)共享是亟需解決的難題。

通感算資源的相互制約與耦合關(guān)系理論研究通過分析通感算資源的內(nèi)在沖突與權(quán)衡，可以有效促進資源的高效利用，保障安全可靠的自動駕駛。但目前研究欠缺關(guān)于通感算資源的相互制約與耦合關(guān)系理論研究。

智能的通感算資源調(diào)度如何設(shè)計高效的自適應(yīng)通感算資源調(diào)度決策，實現(xiàn)業(yè)務(wù)需求與資源的高度匹配，提高網(wǎng)絡(luò)資源利用率，平衡有限的資源與海量需求之間的矛盾，是需要解決的難題。人工智能技術(shù)由于其智能化的計算特性，可有效輔助實現(xiàn)高效的感知-通信-計算資源調(diào)度策略。

5 結(jié)束語

隨著車聯(lián)網(wǎng)中通信和計算技術(shù)的迅速發(fā)展，通信-計算融合因其帶來的巨大協(xié)作增益而備受關(guān)注。但隨著無人駕駛的發(fā)展，其難以滿足車輛對高可靠低時延的極致需求。而6G車聯(lián)網(wǎng)中的感知-通信-計算融合有望實現(xiàn)超低時延、超高可靠、超高速率、高精度感知和廣泛覆蓋的要求，在智能交通領(lǐng)域具有廣泛的發(fā)展前景。首先，回顧了車聯(lián)網(wǎng)中通信和計算技術(shù)的發(fā)展；其次，針對車聯(lián)網(wǎng)中通信-計算融合的系統(tǒng)架構(gòu)和關(guān)鍵技術(shù)兩個方向?qū)ο嚓P(guān)工作進行了回顧總結(jié)，分別從基于任務(wù)執(zhí)行的通信-計算融合、結(jié)合區(qū)塊鏈的網(wǎng)絡(luò)安全的通信-計算資源融合、基于網(wǎng)絡(luò)有限資源的聯(lián)合通信-計算資源分配三個方面對現(xiàn)有的通信-計算融合關(guān)鍵技術(shù)進行了綜述；最后，提出了6G車聯(lián)網(wǎng)中的通感算融合在未來的研究方向與面臨的挑戰(zhàn)。本文通過對車聯(lián)網(wǎng)通信-計算融合已有研究成果的綜述，進一步提出對6G車聯(lián)網(wǎng)中的通感算融合的未來展望，為相關(guān)領(lǐng)域研究人員對車聯(lián)網(wǎng)通信-計算融合和感知-通信-計算融合的研究提供參考和幫助。