何宗鍵+曹建農(nóng)+鄭俊浩

中圖分類號：TP391 文獻標志碼：A 文章編號：1009-6868 （2014） 01-0031-004

Vehicular Social Networks： Opportunities， Challenges and Applications

摘要：對車聯(lián)社交網(wǎng)絡根據(jù)研究側重點做了分類，并對車聯(lián)社交網(wǎng)絡中的一些機遇和挑戰(zhàn)進行了探討；提出了一種利用社交網(wǎng)絡分享的實時交通信息為車聯(lián)網(wǎng)進行最短路徑規(guī)劃導航的解決方案。實驗數(shù)據(jù)表明該方案在導航效率上超越了現(xiàn)有的靜態(tài)路徑規(guī)劃方案。

關鍵詞： 車聯(lián)網(wǎng)；社交網(wǎng)絡；群智計算；無意識協(xié)作

Abstract： In this paper， we survey and classify existing works on vehicular social networks. Then， some challenging issues are discussed. Finally， we propose an application that uses socially shared real-time traffic information to find the quickest route to a destination. Our evaluations show that the proposed solution outperforms existing static route-planning solutions.

Key words： vehicular networks； social networks； collective computing； opportunistic sensing

隨著通信技術、移動計算技術以及嵌入式技術的發(fā)展，傳統(tǒng)線上社交網(wǎng)絡在不斷地向移動化、普適化方面發(fā)展。使得用戶可以更自由、更方便隨時隨地通過社交網(wǎng)絡分享信息與交流合作。收集并對社交網(wǎng)絡中的信息進行提取、分析、挖掘并加以利用已經(jīng)成為了社交網(wǎng)絡研究領域的重要研究課題。目前，經(jīng)過十多年的發(fā)展，智能手機已經(jīng)相對成熟，能夠提供聯(lián)網(wǎng)能力、移動能力、感知能力和計算能力，從而成為移動社交網(wǎng)絡的主要平臺載體。如果我們要問，下一個移動社交網(wǎng)絡的載體會是什么？下一輪移動社交網(wǎng)絡的增長點在哪里？不難預見，智能汽車將有極大的潛力成為未來移動社交網(wǎng)絡的另外一個重要載體。

智能汽車是具有網(wǎng)絡連接能力、感知能力和計算能力的新型車輛。未來有潛力改變?nèi)藗兊某鲂泻蜕罘绞?。之所以預見智能汽車可以成為移動社交網(wǎng)絡的新載體，主要原因是它可以滿足移動社交網(wǎng)絡所要求的多種相關能力。鑒于移動能力是車輛的天性，在此不再贅述。下文著重闡述智能汽車的聯(lián)網(wǎng)能力、感知能力和計算能力：

（1）聯(lián)網(wǎng)能力

行駛在路上的車輛將不再是孤立的個體。通過無線網(wǎng)絡技術實現(xiàn)車車、車路、車云互聯(lián)已經(jīng)成為未來智能汽車發(fā)展的必然趨勢[1]。當前，部分汽車已經(jīng)通過3G/LTE技術實現(xiàn)了車云互聯(lián)。同時，IEEE已經(jīng)于2010年頒布了車用短距離通信協(xié)議IEEE 802.11p，為將來的車車、車路互聯(lián)提供了底層技術支撐。在企業(yè)界，傳統(tǒng)汽車廠商（寶馬、福特等）和新興的信息技術公司（谷歌、蘋果、特斯拉等）同時都積極展開車聯(lián)網(wǎng)相關的研發(fā)工作。

（2）感知能力

目前的車輛上已經(jīng)擁有了超過100多種傳感器，可以感知車輛速度、油量、引擎轉速、外圍溫度、汽車排放等一系列數(shù)據(jù)。這些傳感器數(shù)據(jù)可以通過標準車載診斷接口（OBD）[2-3]獲取。

（3）計算能力

目前的許多汽車上都已經(jīng)配備了32位的CPU，與此同時，遍布車身還有超過50個MCU，與處理器通過車身控制器局域網(wǎng)（CAN）總線[4]相連，共同構成了強大的計算系統(tǒng)。更為重要的是，通過智能汽車進行復雜計算能耗將不再是關鍵問題，因為車身蓄電池可以為計算系統(tǒng)提供持久的電力供應。這與智能手機平臺相比是一個巨大的優(yōu)勢。

鑒于以上理由，如果智能汽車與社交網(wǎng)絡二者可以有機融合，將會進一步推動推動車聯(lián)網(wǎng)、移動計算以及群智計算等相關研究領域在廣度和深度上的進一步發(fā)展。本文將其結合成的系統(tǒng)命名為車聯(lián)社交網(wǎng)絡。

然而，智能汽車與社交網(wǎng)絡的結合并不是一蹴而就的。其結合充滿著挑戰(zhàn)，并且需要解決若干關鍵科學問題。

1 車聯(lián)社交網(wǎng)絡研究的

相關工作

現(xiàn)階段，車聯(lián)社交網(wǎng)絡的研究主要集中在兩個方面：一方面從社交網(wǎng)絡出發(fā)，嘗試引入車聯(lián)網(wǎng)的一些特性，來強化社交網(wǎng)絡本身；另一方面從車聯(lián)網(wǎng)絡入手，嘗試把社交網(wǎng)絡中的一些概念等結合進來，其目的是強化車聯(lián)網(wǎng)絡。除此之外，車聯(lián)網(wǎng)與社交網(wǎng)的結合也產(chǎn)生了一些傳統(tǒng)方式難以實現(xiàn)或實現(xiàn)成本過高的應用。本節(jié)將依次按照這3類文獻介紹相關工作。圖1是本節(jié)的文獻分類圖。

車輛輔助的社交網(wǎng)絡主要圍繞車聯(lián)網(wǎng)絡的構建、駕車信息分享等熱點展開。美國麻省理工學院在2006年首次提出了車輛中的社交網(wǎng)絡的概念[5]，與此同時，他們在車輛中開發(fā)了一套名為Flosser的系統(tǒng)，主要用于駕車好友之間信息分享。此后，各大汽車公司紛紛把社交分享功能融入到自家的車載信息系統(tǒng)中，其中比較知名的有通用公司的OnStar和寶馬公司的iDrive[6]。然而，如何在車聯(lián)網(wǎng)環(huán)境下自動構建社交網(wǎng)絡依然是一個問題，Drive and Share[7]提出了一套基于IP多媒體和機器到機器通信的社交網(wǎng)絡構建方法。文獻[8]進一步探討了如何在車聯(lián)網(wǎng)環(huán)境下解決社交網(wǎng)絡的信任問題。

社交輔助的車聯(lián)網(wǎng)絡則主要關注在如何利用社交網(wǎng)絡的社交關系來提供可信網(wǎng)絡傳輸；或者把社交網(wǎng)絡中的一些理論，如小世界理論，集中性分析等引入車聯(lián)網(wǎng)來提高時延容忍網(wǎng)絡的路由精確度。文獻[9]提出了一個車輛之間協(xié)作的框架，其目的是通過車輛間的協(xié)作，提供更好的多跳消息傳遞。文獻[10]把社交網(wǎng)絡中的信任引入了車聯(lián)網(wǎng)，試圖解決車聯(lián)網(wǎng)中的信任問題。文獻[11]把社交網(wǎng)絡中的Socially Selfish理論引入車聯(lián)網(wǎng)，以此提高車聯(lián)網(wǎng)在時延容忍條件下的路由效率。

除了上文提到的社交信息分享以外，車聯(lián)社交網(wǎng)絡的新應用還主要包含如下內(nèi)容：（1）即時通信。RoadSpeak[12]是一個車車之間的即時聊天工具。文獻[13]更進一步把它擴展為多方實時語音通信，可替代現(xiàn)有的基于無線電的出租車呼叫中心等應用。（2）路徑規(guī)劃。文獻[10]、文獻[14]提出了一種基于車聯(lián)社交網(wǎng)絡的路徑規(guī)劃方法，用來通過用戶分享的簡單信息，如交通擁堵，來實現(xiàn)更加實時的車輛導航。（3）實時預警。文獻[15]提出了一種通過社交網(wǎng)絡對駕駛員進行實時預警的應用，例如前方路段危險等。以供駕駛員更方便的駕駛。

2 車聯(lián)社交網(wǎng)絡面臨的

問題及挑戰(zhàn)

車聯(lián)社交網(wǎng)絡的發(fā)展面臨若干關鍵科學問題及挑戰(zhàn)。本節(jié)將著重介紹這些問題。

2.1 車聯(lián)社交網(wǎng)絡的構造、維護與

傳遞

由于車輛的高移動性特點，車車、車路通信的網(wǎng)絡呈現(xiàn)出拓撲頻繁變化、經(jīng)常斷開等特征。在拓撲高速變化的網(wǎng)絡上如何構造與維護社交網(wǎng)絡是一個極大的挑戰(zhàn)。這其中的研究問題包括：（1）共同興趣結點的發(fā)現(xiàn)，即如何查找、發(fā)掘與發(fā)現(xiàn)有共同興趣，或者有關系的結點。（2）結點的加入和離開。在高速變化的網(wǎng)絡中，如何低成本的維護一個社交網(wǎng)絡的結構，即結點的加入和離開也是一個具有挑戰(zhàn)的問題。（3）車聯(lián)社交網(wǎng)絡的信息傳遞。如何高效、開支更少的通過車聯(lián)社交網(wǎng)絡傳遞信息，這其中包括了信息的單播，多播和社交群內(nèi)的廣播等研究內(nèi)容。

2.2 信息感知與獲取

與傳統(tǒng)社交網(wǎng)絡不同，傳統(tǒng)社交網(wǎng)絡中的信息更多的是用戶有意識地產(chǎn)生的（如發(fā)照片、發(fā)狀態(tài)等）。而在車載環(huán)境下，由于安全原因，駕駛員不方便有意識地共享一些信息。因此，更多的信息需要在用戶無意識的情況下去感知和獲取。這其中的研究問題包括：（1）機會感知。由于缺少用戶主觀采集數(shù)據(jù)，系統(tǒng)需要根據(jù)上下文信息，自主地采集數(shù)據(jù)。（2）數(shù)據(jù)的預處理。從車輛傳感器獲取的原始數(shù)據(jù)往往不包含語義信息（如加速度），需要借助車輛計算平臺進行預處理，以獲得更加有實際意義的信息（如急剎車）。（3）無意識協(xié)作機制。單個用戶無意識貢獻的數(shù)據(jù)往往是稀疏的、殘缺的，甚至是不準確的。需要借助社交網(wǎng)絡，把多個用戶的數(shù)據(jù)整合起來，以推斷出實際的情況。

2.3 社交隱私保護

隱私是車聯(lián)社交網(wǎng)的重要研究內(nèi)容，主要的挑戰(zhàn)來自兩個方面：其一，車聯(lián)社交網(wǎng)絡中產(chǎn)生的很多數(shù)據(jù)都是高度敏感的隱私數(shù)據(jù)，例如用戶的行車軌跡、停車位置、同行人員等；其二，由于車聯(lián)網(wǎng)的拓撲結構的變化性，數(shù)據(jù)緩存、多跳等是必然的數(shù)據(jù)傳遞手段。而在緩存、多跳的過程中，容易產(chǎn)生數(shù)據(jù)泄露風險。因此，如何保證用戶社交信息安全的前提下進行數(shù)據(jù)采集、分享和使用是重要研究課題。

2.4 深度整合的應用

現(xiàn)有的車聯(lián)社交網(wǎng)絡研究還停留在用車聯(lián)網(wǎng)來增強社交網(wǎng)中的原有應用，或反過來用社交網(wǎng)增強車聯(lián)網(wǎng)的原有應用階段。缺乏深度整合的、新產(chǎn)生的應用。因此，如何發(fā)掘、發(fā)現(xiàn)新的車聯(lián)社交網(wǎng)的應用也是一個亟待解決的挑戰(zhàn)。例如，是否可以把社交網(wǎng)絡游戲中的好友競爭機制引入到車聯(lián)網(wǎng)中。激勵好友共同節(jié)省排放、遵守交規(guī)等。

3 基于社交網(wǎng)分享信息的

實時路徑規(guī)劃

基于實時交通信息的路徑規(guī)劃相比基于地圖的靜態(tài)路徑規(guī)劃有極大的優(yōu)勢。但是如何獲取實時交通信息是一大難題。傳統(tǒng)采用感應線圈或監(jiān)控探頭的方案由于依賴基礎設施[16]，造成成本高昂。借助車聯(lián)社交網(wǎng)絡，在臨近的好友之間通過無線網(wǎng)絡共享交通信息，可以做到低成本的數(shù)據(jù)收集。

3.1 問題描述

在源車輛準備開始導航前，通過車聯(lián)網(wǎng)向周圍相鄰路段上的車輛發(fā)送數(shù)據(jù)收集請求。周圍的車輛收到數(shù)據(jù)請求后，會繼續(xù)把請求轉發(fā)給相鄰車輛。同時會把自己的周圍的交通狀態(tài)反饋給源車輛。然而，這種方式采集數(shù)據(jù)帶來的最大問題是會造成廣播風暴，浪費大量的網(wǎng)絡帶寬。因此，必須采取措施，限制數(shù)據(jù)采集的規(guī)模。當然，理論上如果要想找到最優(yōu)導航路徑，必須要獲得全局交通信息，但是這在現(xiàn)實中是不可能的。我們只能退而求其次，求解相對可以接受的次優(yōu)方案。該問題等同于在一個初始邊權重未知，但可以逐漸探索可知的圖中尋找最短路徑。該問題在圖論及運籌學中被以有源隨機最短路徑問題（SSPPR）提出。并且已經(jīng)證明了該問題屬于非多項式-完全（NP-Complete）問題[17]。因此，該問題沒有多項式時間內(nèi)的最優(yōu)解，除非P等同NP。

3.2 解決方案

為了解決這個問題，我們提出了一種啟發(fā)式搜索算法。該算法基于如下兩個觀察：經(jīng)過的道路越長，通常消耗的時間也越長；如果最短路徑的擁堵程度可以接受，沒必要另辟蹊徑。因此，我們在搜索的過程中，設置了兩個閾值，一個是最長的路徑閾值a，表示當前規(guī)劃路徑為最短路徑的倍數(shù)。另外一個是擁堵閾值b，表示擁堵程度。搜索的路徑長度不得超過閾值a，同時，在當前道路的擁堵程度小于閾值b時，搜索會沿著最短路徑前進。如果超過了閾值b，則會搜索當前路段的所有相鄰路段。我們把該算法稱為Backoff-and-Fork，簡稱BnF。

圖2是該算法的一個實際例子。假設S和E分別為起點和終點。首先算法會把最短路徑S-c-h-E設為備選路段，然后搜素沿著備選路段進行。對S-c進行交通狀況收集，假設S-c的路況良好。之后，算法對c-h進行交通狀況收集，發(fā)現(xiàn)該段路況擁堵。這時，算法會回退到結點c，把c的所有相鄰路段（即c-d與c-f）設為備選路段。并計算d-E和f-E的最短路徑，并把最短路徑c-d-g-E和c-f-h-E也設為備選路段。接下來繼續(xù)沿著備選路段開展搜索，直至抵達終點E。

4 實驗與結果分析

為了測試方案的有效性，我們基于香港理工大學自行開發(fā)的智能交通平臺iTransNet[18]進行了測試。該測試平臺的拓撲信息如圖3所示。該平臺上有一些可編程控制的車輛，并且車輛之間通過ZigBee進行數(shù)據(jù)通信。因此，我們可以通過ZigBee來獲取周圍路段的交通信息，并實時控制車輛的行進方向。我們把我們的方案與傳統(tǒng)的靜態(tài)圖中尋找最短路徑的Dijkstra算法進行對比。

圖4、圖5是實驗結果圖。圖4的3張是在密集交通的情況下獲得，圖5的3張圖是在稀疏的交通情況下獲得。通過實驗，我們可以看到，在稀疏的情況下，我們的算法與最短路徑算法對比優(yōu)勢不是很明顯，因為此時時間最省的路徑通常就是最短路徑，繞路是不劃算的。但是在密集交通下，我們算法的優(yōu)勢相當明顯。與最短路徑相比，繞開擁堵路段最多可以節(jié)省大約60%的時間。當然，在節(jié)省時間的同時，繞路是有成本的，那就是行駛的距離變長了。從最右側的兩幅子圖中可看出，算法會導致行駛總路徑變長，是方案的額外開銷。

5 結束語

本文首先對車聯(lián)社交網(wǎng)絡的研究現(xiàn)狀做了歸類和綜述。在此基礎上，對車聯(lián)社交網(wǎng)絡中的一些機遇和挑戰(zhàn)進行了探討。然后，提出了一種利用社交網(wǎng)絡分享的實時交通信息為車聯(lián)網(wǎng)進行最短路徑規(guī)劃導航的解決方案。在iTransNet上的實驗數(shù)據(jù)表明該方案在導航效率等方面超越了現(xiàn)有的靜態(tài)路徑規(guī)劃方案。

參考文獻

[1] HARTENSTEIN H， LABERTEAUX K P. A tutorial survey on vehicular ad hoc networks [J]. Communications Magazine， IEEE， 2008，46（6）： 164-171. doi： 10.1109/MCOM.2008.4539481.

[2] ELLISON N B. Social network sites： Definition， history， and scholarship [J]. Journal of Computer - Mediated Communication， 2007，13 （1）： 210-230. doi： 10.1111/j.1083-6101.2007.00393.x.

[3] OBD II Technology. [EB/OL]. （2013-10-20）. http：//www.obdii.com/.

[4] ISO 15765-4：2011. Road vehicles -- Diagnostic communication over Controller Area Network （DoCAN） [S]. 2011.

[5] LIANG P A. Social networking in vehicles [R]. Massachusetts Institute of Technology， 2006.

[6] TSCHELIGI M， MESCHTSCHERJAKOV A， WILFINGER D. Interactive Computing on Wheels [J]. Computer， 2011， 44（8）： 100-102. doi： 10.1109/MC.2011.246.

[7] LEQUERICA I， GARCIAlLONGARON M， RUIZ P M. Drive and share： efficient provisioning of social networks in vehicular scenarios [J]. Communications Magazine， IEEE， 2010，48（11）： 90-97. doi： 10.1109/MCOM.2010.5621973.

[8] ABBANI N， JOMAA M， TARHINI T， et al. Managing Social Networks in vehicular networks using trust rules [C] //Proceedings of Wireless Technology and Applications （ISWTA）， 2011 IEEE Symposium on， 25-28， Sept. 2011， Langkawi， 2011：168-173. doi： 10.1109/ISWTA.2011.6089402.

[9] MOUSANNIF H， KHALIL I， OLARIU S. Cooperation as a service in VANET： implementation and simulation results [J]. Mobile Information Systems， 2012，8（2）： 153-172. doi： 10.3233/MIS-2012-0136.

[10] HUANG D J； HONG X Y， GERLA M. Situation-aware trust architecture for vehicular networks [J]. Communications Magazine， IEEE， 2010，48（11）：128-135. doi： 10.1109/MCOM.2010.5621979.

[11] LI Q H， ZHU S C， CAO G H. Routing in Socially Selfish Delay Tolerant Networks [C] //Proceedings of the INFOCOM， 2010 IEEE， 14-19 March 2010， San Diego， CA， 2010：1-9. doi： 10.1109/INFCOM.2010.5462138.

[12] SMALDONE S， HAN L， SHANKAR P， et al. RoadSpeak： enabling voice chat on roadways using vehicular social networks [C] //Proceedings of the 1st Workshop on Social Network Systems， 2008， New York， NY， USA： ACM， 2008：43-48. doi： 10.1145/1435497.1435505.

[13] HAN L， SMALDONE S， SHANKAR P， et al. Ad-hoc voice-based group communication [C] // Proceedings of the Pervasive Computing and Communications （PerCom）， 2010 IEEE International Conference， March 29 2010-April 2 2010， Mannheim， 2010：190-198. doi： 10.1109/PERCOM.2010.5466977.

[14] SHA W， KWAK D， NATH B， et al. 2013. Social vehicle navigation： integrating shared driving experience into vehicle navigation [C] //Proceedings of the 14th Workshop on Mobile Computing Systems and Applications （HotMobile'13）， April 2013， ACM， New York， NY， USA： ACM， 2013，17（2）：16. doi： 10.1145/2444776.2444798.

[15] HE Z， CAO J， LI T. Mice： A real-time traffic estimation based vehicular path planning solution using vanets [C] //Proceedings of the Connected Vehicles and Expo （ICCVE）， 2012 International Conference， 12-16 Dec. 2012， Beijing， China， 2012：172-178.

[16] SINGH K， LI B. Estimation of traffic densities for multi-lane roadways using a markov model approach [J]. Industrial Electronics， IEEE Transactions， 2011，（99）：1.

[17] ANDREATTA G， ROMEO L. Stochastic shortest paths with recourse [J]. Networks， 1988，18（3）. 193-204.

[18] ZHOU B， CAO J， ZENG X， et al. Adaptive traffic light control in wireless sensor network-based intelligent transportation system [C] //Proceedings of the Vehicular Technology Conference Fall （VTC 2010-Fall）， 2010 IEEE 72nd， 6-9 sept. 2010， Ottawa， 2010：1-5. doi： 10.1109/VETECF.2010.5594435.

作者簡介

何宗鍵，同濟大學軟件工程本科和計算機科學與技術碩士畢業(yè)；香港理工大學計算學系在讀博士研究生；主要研究領域為車聯(lián)網(wǎng)、無線傳感器網(wǎng)絡與移動計算；已發(fā)表論文20余篇，其中被SCI/EI檢索10余篇。

曹建農(nóng)，南京大學計算機科學系本科畢業(yè)、美國華盛頓州立大學計算機碩士和博士畢業(yè)；香港理工大學計算學系教授、博士生導師、系主任，網(wǎng)絡和移動通信實驗室主任；主要研究領域為計算機網(wǎng)絡、移動和普適計算、并行和分布式計算、容錯和中間件等；承擔并完成20余項科研項目；已發(fā)表論文300余篇，其中SCI收錄85篇，EI收錄232篇。

鄭俊浩，杭州電子科技大學計算機科學與技術專業(yè)本科畢業(yè)；香港理工大學計算學系在讀碩士研究生；主要研究方向是車聯(lián)網(wǎng)，特別是基于車聯(lián)社交網(wǎng)絡的應用。

[13] HAN L， SMALDONE S， SHANKAR P， et al. Ad-hoc voice-based group communication [C] // Proceedings of the Pervasive Computing and Communications （PerCom）， 2010 IEEE International Conference， March 29 2010-April 2 2010， Mannheim， 2010：190-198. doi： 10.1109/PERCOM.2010.5466977.

[14] SHA W， KWAK D， NATH B， et al. 2013. Social vehicle navigation： integrating shared driving experience into vehicle navigation [C] //Proceedings of the 14th Workshop on Mobile Computing Systems and Applications （HotMobile'13）， April 2013， ACM， New York， NY， USA： ACM， 2013，17（2）：16. doi： 10.1145/2444776.2444798.

[15] HE Z， CAO J， LI T. Mice： A real-time traffic estimation based vehicular path planning solution using vanets [C] //Proceedings of the Connected Vehicles and Expo （ICCVE）， 2012 International Conference， 12-16 Dec. 2012， Beijing， China， 2012：172-178.

[16] SINGH K， LI B. Estimation of traffic densities for multi-lane roadways using a markov model approach [J]. Industrial Electronics， IEEE Transactions， 2011，（99）：1.

[17] ANDREATTA G， ROMEO L. Stochastic shortest paths with recourse [J]. Networks， 1988，18（3）. 193-204.

[18] ZHOU B， CAO J， ZENG X， et al. Adaptive traffic light control in wireless sensor network-based intelligent transportation system [C] //Proceedings of the Vehicular Technology Conference Fall （VTC 2010-Fall）， 2010 IEEE 72nd， 6-9 sept. 2010， Ottawa， 2010：1-5. doi： 10.1109/VETECF.2010.5594435.

作者簡介

何宗鍵，同濟大學軟件工程本科和計算機科學與技術碩士畢業(yè)；香港理工大學計算學系在讀博士研究生；主要研究領域為車聯(lián)網(wǎng)、無線傳感器網(wǎng)絡與移動計算；已發(fā)表論文20余篇，其中被SCI/EI檢索10余篇。

曹建農(nóng)，南京大學計算機科學系本科畢業(yè)、美國華盛頓州立大學計算機碩士和博士畢業(yè)；香港理工大學計算學系教授、博士生導師、系主任，網(wǎng)絡和移動通信實驗室主任；主要研究領域為計算機網(wǎng)絡、移動和普適計算、并行和分布式計算、容錯和中間件等；承擔并完成20余項科研項目；已發(fā)表論文300余篇，其中SCI收錄85篇，EI收錄232篇。

鄭俊浩，杭州電子科技大學計算機科學與技術專業(yè)本科畢業(yè)；香港理工大學計算學系在讀碩士研究生；主要研究方向是車聯(lián)網(wǎng)，特別是基于車聯(lián)社交網(wǎng)絡的應用。

[13] HAN L， SMALDONE S， SHANKAR P， et al. Ad-hoc voice-based group communication [C] // Proceedings of the Pervasive Computing and Communications （PerCom）， 2010 IEEE International Conference， March 29 2010-April 2 2010， Mannheim， 2010：190-198. doi： 10.1109/PERCOM.2010.5466977.

[14] SHA W， KWAK D， NATH B， et al. 2013. Social vehicle navigation： integrating shared driving experience into vehicle navigation [C] //Proceedings of the 14th Workshop on Mobile Computing Systems and Applications （HotMobile'13）， April 2013， ACM， New York， NY， USA： ACM， 2013，17（2）：16. doi： 10.1145/2444776.2444798.

[15] HE Z， CAO J， LI T. Mice： A real-time traffic estimation based vehicular path planning solution using vanets [C] //Proceedings of the Connected Vehicles and Expo （ICCVE）， 2012 International Conference， 12-16 Dec. 2012， Beijing， China， 2012：172-178.

[16] SINGH K， LI B. Estimation of traffic densities for multi-lane roadways using a markov model approach [J]. Industrial Electronics， IEEE Transactions， 2011，（99）：1.

[17] ANDREATTA G， ROMEO L. Stochastic shortest paths with recourse [J]. Networks， 1988，18（3）. 193-204.

[18] ZHOU B， CAO J， ZENG X， et al. Adaptive traffic light control in wireless sensor network-based intelligent transportation system [C] //Proceedings of the Vehicular Technology Conference Fall （VTC 2010-Fall）， 2010 IEEE 72nd， 6-9 sept. 2010， Ottawa， 2010：1-5. doi： 10.1109/VETECF.2010.5594435.

作者簡介

何宗鍵，同濟大學軟件工程本科和計算機科學與技術碩士畢業(yè)；香港理工大學計算學系在讀博士研究生；主要研究領域為車聯(lián)網(wǎng)、無線傳感器網(wǎng)絡與移動計算；已發(fā)表論文20余篇，其中被SCI/EI檢索10余篇。

曹建農(nóng)，南京大學計算機科學系本科畢業(yè)、美國華盛頓州立大學計算機碩士和博士畢業(yè)；香港理工大學計算學系教授、博士生導師、系主任，網(wǎng)絡和移動通信實驗室主任；主要研究領域為計算機網(wǎng)絡、移動和普適計算、并行和分布式計算、容錯和中間件等；承擔并完成20余項科研項目；已發(fā)表論文300余篇，其中SCI收錄85篇，EI收錄232篇。

鄭俊浩，杭州電子科技大學計算機科學與技術專業(yè)本科畢業(yè)；香港理工大學計算學系在讀碩士研究生；主要研究方向是車聯(lián)網(wǎng)，特別是基于車聯(lián)社交網(wǎng)絡的應用。