李靜林　袁泉　楊放春

摘要：移動(dòng)群智感知與協(xié)同計(jì)算是車聯(lián)網(wǎng)的核心特征之一。通過對(duì)集中式和分布式兩種車聯(lián)網(wǎng)群智感知框架的結(jié)構(gòu)、工作過程、優(yōu)勢(shì)與問題的分析，提出了支持車聯(lián)網(wǎng)群智感知與服務(wù)的混合式框架模型?；旌鲜侥Ｐ腿诤霞惺皆诟兄屎头植际皆谛畔⑿в梅矫娴膬?yōu)勢(shì)，解決了車聯(lián)網(wǎng)群智感知在高效性與實(shí)時(shí)性之間的矛盾，為移動(dòng)智群感知和協(xié)同計(jì)算拓展了新的研究領(lǐng)域。

關(guān)鍵詞： 車聯(lián)網(wǎng)；群智感知；車載自組織網(wǎng)

車聯(lián)網(wǎng)（IoV）是一種基于多人、多機(jī)、多車、環(huán)境協(xié)同的可控、可管、可運(yùn)營、可信的開放融合網(wǎng)絡(luò)系統(tǒng)，其通過先進(jìn)的信息通信與處理技術(shù)，對(duì)人、車、網(wǎng)絡(luò)通信和道路交通基礎(chǔ)設(shè)施等環(huán)境元素的大規(guī)模復(fù)雜靜態(tài)/動(dòng)態(tài)信息進(jìn)行感知、認(rèn)知、傳輸和計(jì)算，解決泛在異構(gòu)移動(dòng)融合網(wǎng)絡(luò)環(huán)境中智能管理和信息服務(wù)的可計(jì)算性、可擴(kuò)展性和可持續(xù)性問題，最終實(shí)現(xiàn)人、車、環(huán)境的深度融合[1-2]。群智感知的核心思想是通過感知個(gè)體信息，繼而挖掘群體信息，實(shí)現(xiàn)對(duì)個(gè)體或群體的泛在化服務(wù)[3]。從車聯(lián)網(wǎng)和群智感知的內(nèi)涵可見，群智感知是車聯(lián)網(wǎng)服務(wù)的核心特征之一。

相比于普通移動(dòng)設(shè)備，車聯(lián)網(wǎng)群智感知會(huì)有更多優(yōu)勢(shì)。首先，車輛的移動(dòng)性更強(qiáng)，感知的覆蓋范圍更廣，且車載設(shè)備沒有嚴(yán)格的能源約束，車輛中可裝載復(fù)雜的傳感器及高性能的數(shù)據(jù)處理、存儲(chǔ)和無線通信設(shè)備。其次，車聯(lián)網(wǎng)提供的車與車（V2V）、車與路邊基礎(chǔ)設(shè)施（V2I）等通信模式，拓展了群智感知的能力和形式。最后，車輛的行駛受道路和交通條件約束，且具有較強(qiáng)的規(guī)律性，使得其軌跡容易預(yù)測(cè)，有利于感知任務(wù)的合理分配。

考慮到車輛作為交通工具的基本屬性，車聯(lián)網(wǎng)群智感知特別適用于交通安全與效率相關(guān)要素的感知。相較于傳統(tǒng)的部署于重要路口和斷面的地感線圈、攝像機(jī)等交通監(jiān)測(cè)手段，車聯(lián)網(wǎng)群智感知使得交通監(jiān)測(cè)的覆蓋區(qū)域更完整，時(shí)空分辨率靈活可調(diào)，并使重點(diǎn)區(qū)域可以獲得更高精度和分辨率的感知數(shù)據(jù)，使得從交通感知到信息服務(wù)的過程更敏捷與實(shí)時(shí)。因此，車聯(lián)網(wǎng)群智感知與服務(wù)是群智感知中感知與服務(wù)一體化的具體體現(xiàn)。

1 集中式的車聯(lián)網(wǎng)群智感知

與服務(wù)

集中式感知是車聯(lián)網(wǎng)群智感知的基本模式，由裝載傳感器的車輛節(jié)點(diǎn)和數(shù)據(jù)處理中心構(gòu)成，如圖1所示。其中，參與群智感知的車輛有專業(yè)和普通之分，專業(yè)車輛為感知任務(wù)發(fā)布機(jī)構(gòu)（如交管中心、氣象局、環(huán)保局，以及車載導(dǎo)航服務(wù)提供商等）所擁有，因此其行駛軌跡可控，且感知數(shù)據(jù)質(zhì)量高，但數(shù)量較少；而更大規(guī)模的是普通車輛（如出租車、公交車，甚至是一些私家車等），其行駛軌跡取決于駕駛?cè)说膶?shí)際需求，感知數(shù)據(jù)質(zhì)量也參差不齊。車輛收集的城市大數(shù)據(jù)，將交由數(shù)據(jù)處理中心進(jìn)行集中管理與分析，并以信息服務(wù)的方式反作用于物理世界，具體過程如下：

·數(shù)據(jù)收集。車載傳感器以固定的時(shí)空間隔感知物理世界，并對(duì)感知數(shù)據(jù)進(jìn)行初步處理，在車載存儲(chǔ)器暫存。當(dāng)其進(jìn)入路側(cè)的無線網(wǎng)絡(luò)接入點(diǎn)或公眾移動(dòng)通信網(wǎng)基站覆蓋范圍時(shí)，將數(shù)據(jù)傳輸至數(shù)據(jù)處理中心。

·數(shù)據(jù)處理。數(shù)據(jù)處理中心擁有強(qiáng)大的計(jì)算和存儲(chǔ)資源，負(fù)責(zé)對(duì)感知數(shù)據(jù)進(jìn)行管理、分析及服務(wù)提供，即特定領(lǐng)域下的城市計(jì)算。其中數(shù)據(jù)管理技術(shù)包括流數(shù)據(jù)管理、圖數(shù)據(jù)管理、軌跡管理和時(shí)空索引等；數(shù)據(jù)分析即大數(shù)據(jù)背景下的數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和可視化等技術(shù)，旨在監(jiān)控城市運(yùn)行狀態(tài)，發(fā)掘潛在異常事件，預(yù)測(cè)城市要素發(fā)展態(tài)勢(shì)；服務(wù)提供則涉及服務(wù)計(jì)算的相關(guān)技術(shù)。

集中式的車聯(lián)網(wǎng)群智感知是一種眾包機(jī)制。在初期的研究中，學(xué)者們提出了各種集中式感知的應(yīng)用場(chǎng)景，如CarTel[4]將車輛作為探針感知交通延誤，并發(fā)現(xiàn)交通擁塞區(qū)域；Pothole Patrol[5]利用安裝在車輛上的三軸加速度傳感器來識(shí)別路面凹坑；Hu等人[6]通過向車輛安裝附加傳感器進(jìn)行城市氣象和空氣質(zhì)量的細(xì)粒度監(jiān)測(cè)；Zhu等人[7]以及OpenStreetMap利用車輛的全球定位系統(tǒng)（GPS）軌跡來繪制電子地圖，這為自動(dòng)駕駛所需厘米級(jí)高精度地圖的繪制提供了思路。在這些場(chǎng)景中，集中式車聯(lián)網(wǎng)群智感知主要用于城市復(fù)雜環(huán)境中長(zhǎng)期大規(guī)模非實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的自然社會(huì)環(huán)境監(jiān)測(cè)。

感知質(zhì)量與效率是評(píng)價(jià)一個(gè)感知系統(tǒng)的重要指標(biāo)。雖然參與群智感知的大部分是非專業(yè)車輛，單一車輛感知精度難以保證，然而數(shù)據(jù)處理中心可以利用全體采樣數(shù)據(jù)的關(guān)聯(lián)關(guān)系進(jìn)行數(shù)據(jù)驗(yàn)證與修復(fù)，從而去粗取精、去偽存真，在感知資源較為充裕的地區(qū)能夠保證群智感知的感知質(zhì)量，但同時(shí)由于依賴大規(guī)模數(shù)據(jù)融合處理，其感知的實(shí)時(shí)性不高。另外，由于非專業(yè)車輛行駛軌跡取決于駕駛?cè)说膶?shí)際需求，會(huì)導(dǎo)致感知資源的時(shí)空分布不均勻。感知資源過剩的區(qū)域（如商業(yè)區(qū)、居民區(qū)等）存在數(shù)據(jù)冗余，浪費(fèi)感知、通信和計(jì)算資源；而感知資源稀缺的區(qū)域（夜間、城鄉(xiāng)結(jié)合部等）存在數(shù)據(jù)缺失，進(jìn)而影響感知質(zhì)量。針對(duì)數(shù)據(jù)冗余問題，在滿足感知質(zhì)量的前提下可選擇盡量少的車輛參與感知，以有效提高感知效率[8]。針對(duì)數(shù)據(jù)缺失問題，插值、主成分分析、矩陣和張量補(bǔ)全[9-10]等方法可以充分利用感知數(shù)據(jù)的時(shí)空相關(guān)性及潛在演變模式實(shí)現(xiàn)缺失數(shù)據(jù)較精準(zhǔn)的估計(jì)。使用動(dòng)態(tài)激勵(lì)機(jī)制[11]來誘導(dǎo)車輛的行駛軌跡與感知行為，實(shí)現(xiàn)感知資源的重分配，是一種主動(dòng)解決數(shù)據(jù)冗余和缺失問題的途徑。

集中式車聯(lián)網(wǎng)群智感知與服務(wù)是目前應(yīng)用最為廣泛的車聯(lián)網(wǎng)服務(wù)模式，適用于非實(shí)時(shí)或準(zhǔn)實(shí)時(shí)的車聯(lián)網(wǎng)群智感知與服務(wù)。但由于各感知任務(wù)發(fā)布機(jī)構(gòu)擁有獨(dú)立的數(shù)據(jù)處理中心，缺少公共感知服務(wù)平臺(tái)，導(dǎo)致系統(tǒng)與數(shù)據(jù)的復(fù)用率低，在多個(gè)機(jī)構(gòu)的數(shù)據(jù)需求相似時(shí)，存在嚴(yán)重的冗余現(xiàn)象，且多源數(shù)據(jù)相互增強(qiáng)的實(shí)施成本很高。

2 分布式的車聯(lián)網(wǎng)群智感知

與服務(wù)

分布式感知是車聯(lián)網(wǎng)群智感知的一種獨(dú)特模式。在這種模式下，車輛既是感知節(jié)點(diǎn)，也是服務(wù)節(jié)點(diǎn)，車載計(jì)算能力將感知數(shù)據(jù)進(jìn)行處理，并通過專用短程通信技術(shù)（DSRC）、D2D等通信技術(shù)，用自組織的方式進(jìn)行信息傳播，形成感知數(shù)據(jù)收集與利用的局域循環(huán)，強(qiáng)調(diào)感知與服務(wù)的準(zhǔn)確性與實(shí)時(shí)性。分布式感知不依賴數(shù)據(jù)處理中心，僅由車輛節(jié)點(diǎn)之間通過有意識(shí)地協(xié)作或無意識(shí)地協(xié)同來完成，具體包括協(xié)作感知、信息生成、信息傳播、信息作用4個(gè)階段，如圖2所示。

·協(xié)作感知。分布式感知中的數(shù)據(jù)采集與處理都由車輛完成，車輛間通過主動(dòng)組織成“簇”或“社區(qū)”，有意識(shí)地交換不同粒度的數(shù)據(jù)及知識(shí)，通過分布式數(shù)據(jù)處理，逐步迭代收斂形成對(duì)感知內(nèi)容準(zhǔn)確、全面、一致的描述。除此之外，車輛間也可以通過無意識(shí)地交流或互動(dòng)來調(diào)整各自的感知結(jié)果，如車輛根據(jù)自己所掌握的感知數(shù)據(jù)進(jìn)行的行為決策（減速、避讓等），會(huì)通過貝葉斯方法逐步形成對(duì)自動(dòng)駕駛的共識(shí)。

·信息生成。由合適車輛在滿足觸發(fā)條件時(shí)生成用于描述感知內(nèi)容的具有情境的語義化信息，包括時(shí)間、位置、事件類型及程度等。根據(jù)自動(dòng)駕駛和輔助駕駛等應(yīng)用場(chǎng)景的不同，信息應(yīng)被分別語義化為車輛可理解的形式和人可理解的形式。

·信息傳播。信息通過V2V及V2I的方式傳播至有信息消費(fèi)需求的車輛。信息的傳播方法則根據(jù)傳播的范圍、時(shí)延，以及自組織網(wǎng)絡(luò)的節(jié)點(diǎn)可達(dá)性等約束條件有不同選擇，如單播、廣播、地理廣播、利用數(shù)據(jù)騾載運(yùn)數(shù)據(jù)的延遲容忍傳播等。

·信息作用。信息以提示、通告或警告等形式出現(xiàn)，對(duì)駕駛員的行為或者自動(dòng)駕駛車輛的行為產(chǎn)生反饋。信息作用與信息傳播是密不可分的兩個(gè)過程，信息通常是邊傳播邊作用，而信息作用的有效性又為信息傳播范圍的確定提供了依據(jù)。

分布式的車聯(lián)網(wǎng)群智感知依托車載自組網(wǎng)，適用于實(shí)時(shí)性要求高的局域感知任務(wù)，強(qiáng)調(diào)從數(shù)據(jù)采集到信息服務(wù)的快速實(shí)施，特別關(guān)注交通安全與效率相關(guān)事件的感知，如急剎車、碰撞告警，障礙、事故告警等。同時(shí)一些研究工作也在嘗試擴(kuò)展應(yīng)用場(chǎng)景，如TrafficView[12]以逐跳信息聚合的方式傳輸周圍車輛的運(yùn)動(dòng)狀態(tài)，從而擴(kuò)大駕駛員的視野范圍。MobEyes[13]提出了分布式感知、存儲(chǔ)、檢索的典型框架，它使用車載攝像機(jī)進(jìn)行城市中異常事件的監(jiān)控。Caliskan等人[14]提出車輛可從停車場(chǎng)的基礎(chǔ)設(shè)施獲取停車位情況，并通過車輛協(xié)作形成某區(qū)域內(nèi)停車位情況的綜合描述。車載信息傳輸協(xié)議（VITP） [15]向下游車輛發(fā)送查詢請(qǐng)求以獲取前方交通狀況，從而實(shí)施動(dòng)態(tài)路徑規(guī)劃。StreetSmart[16]則研究交通擁堵的自動(dòng)發(fā)現(xiàn)機(jī)制，有利于上游來車的分流，緩解交通擁堵等。

在感知質(zhì)量方面，車輛通過協(xié)作可以解決單一車輛感知不精確、不完整、不一致、不及時(shí)的問題，但是在多車協(xié)作過程中卻引入新的信息效用問題。信息效用是信息對(duì)于其所有接收者有效性的綜合評(píng)估，涉及信息的傳播方式、傳播區(qū)域、存活時(shí)間等。當(dāng)信息的冗余量少且針對(duì)性強(qiáng)時(shí)，分布式車聯(lián)網(wǎng)群智感知的信息效用高。提高信息效用不僅可以增強(qiáng)感知服務(wù)效果，也有助于避免信息過載，節(jié)約V2V、V2I的通信資源。在信息傳播過程中，通過對(duì)信息的時(shí)空有效性實(shí)施動(dòng)態(tài)評(píng)估，進(jìn)而確定信息傳播的時(shí)空范圍[17-18]，可以有效提高信息效用。

分布式車聯(lián)網(wǎng)群智感知與服務(wù)雖然保證了信息的實(shí)時(shí)性與針對(duì)性，但其對(duì)車聯(lián)網(wǎng)的滲透率要求很高，當(dāng)僅有少量車輛具備感知與通信能力時(shí)，無法在車輛間形成有效協(xié)作，感知和服務(wù)質(zhì)量難以保證。數(shù)據(jù)采集與服務(wù)提供的局域化導(dǎo)致其難以為大規(guī)模的城市感知服務(wù)提供支持。

3 混合式的車聯(lián)網(wǎng)群智感知

與服務(wù)

為了融合集中式在感知效率和分布式在信息效用方面的優(yōu)勢(shì)，可結(jié)合上述兩種框架的特點(diǎn)并加以優(yōu)化，形成混合式的車聯(lián)網(wǎng)群智感知與服務(wù)框架，如圖3所示。一方面，它建立了統(tǒng)一的感知中心提供公共感知服務(wù)，整合感知資源管理、任務(wù)調(diào)度與數(shù)據(jù)收集功能。另一方面，它基于“去中心化”方式組織和執(zhí)行感知任務(wù)?；旌鲜杰嚶?lián)網(wǎng)感知與服務(wù)打通了從感知到服務(wù)的全局循環(huán)與局域循環(huán)，對(duì)各種應(yīng)用場(chǎng)景均有較好的適用性?；旌鲜礁兄木唧w過程如下：

·注冊(cè)。車輛通過向感知中心注冊(cè)開放其感知能力，并通過周期性地向感知中心上報(bào)位置，支持統(tǒng)一的感知任務(wù)調(diào)配。

·任務(wù)發(fā)布。任務(wù)發(fā)布機(jī)構(gòu)根據(jù)監(jiān)測(cè)需求，向感知中心提交感知任務(wù)，明確任務(wù)預(yù)算、監(jiān)測(cè)時(shí)段和區(qū)域、數(shù)據(jù)精度和時(shí)空分辨率等指標(biāo)。感知中心通過任務(wù)預(yù)算激勵(lì)普通車輛貢獻(xiàn)感知能力，并通過控制數(shù)據(jù)精度和時(shí)空分辨率達(dá)到特殊時(shí)段和區(qū)域重點(diǎn)監(jiān)測(cè)的目的。

·任務(wù)分解。感知中心根據(jù)感知任務(wù)需求和感知資源分布情況，將感知任務(wù)分解并派發(fā)給相應(yīng)車輛或車輛“社區(qū)”，以使用盡可能少的感知資源實(shí)現(xiàn)符合要求的感知質(zhì)量，提高感知效率。感知中心的頂層調(diào)度有利于解決感知數(shù)據(jù)的冗余和感知效率問題。

·任務(wù)執(zhí)行。車輛和車輛“社區(qū)”在感知中心的頂層調(diào)度下完成感知任務(wù)，并上傳感知數(shù)據(jù)。車輛“社區(qū)”的加入有利于提高感知數(shù)據(jù)的價(jià)值密度，解決感知數(shù)據(jù)信息效用問題，并通過車輛協(xié)作提高信息與服務(wù)的實(shí)時(shí)性。

·數(shù)據(jù)集成。感知中心收集感知數(shù)據(jù)，并進(jìn)行融合和增強(qiáng)，以保證感知質(zhì)量。

·數(shù)據(jù)報(bào)告。感知中心將具有質(zhì)量保證的感知數(shù)據(jù)返回給任務(wù)發(fā)布機(jī)構(gòu)，最終完成從感知到服務(wù)的全局循環(huán)。

混合式的車聯(lián)網(wǎng)群智感知更符合感知即服務(wù)的理念，公共的感知中心避免了感知資源的重復(fù)建設(shè)，能夠通過多源群智感知數(shù)據(jù)融合，有效降低感知數(shù)據(jù)冗余，提高全局感知數(shù)據(jù)質(zhì)量及重用能力。同時(shí)，車輛群智協(xié)同過程中的語義化信息（如交通擁堵情況）既可用于車輛協(xié)同，又可作為高質(zhì)量感知數(shù)據(jù)源，進(jìn)一步提高感知效率。

混合式的車聯(lián)網(wǎng)群智感知與服務(wù)使得感知中心專職完成感知資源的頂層調(diào)度，而感知任務(wù)的執(zhí)行細(xì)節(jié)則由車輛“社區(qū)”內(nèi)自適應(yīng)地協(xié)商。這種全局調(diào)度與局部自組織的方式，需要綜合考慮車輛分布、車輛各自的感知與計(jì)算能力、車輛歷史聲譽(yù)和可獲收益等諸多因素。如何尋求這些因素的平衡，不管是對(duì)宏觀車輛協(xié)作關(guān)系的建立方法、任務(wù)分配方法和資源調(diào)度方法，還是對(duì)微觀的車輛間協(xié)作與任務(wù)分擔(dān)方法，都是極具挑戰(zhàn)的工作。

4 結(jié)束語

車聯(lián)網(wǎng)群智感知與服務(wù)是車聯(lián)網(wǎng)與移動(dòng)群智感知這兩個(gè)新興技術(shù)碰撞的產(chǎn)物。一方面車聯(lián)網(wǎng)為移動(dòng)群智感知提供了新的終端類型、網(wǎng)絡(luò)載體、應(yīng)用場(chǎng)景、感知與服務(wù)模式，是對(duì)其感知、認(rèn)知、傳輸和計(jì)算能力的一次全面升級(jí)；另一方面，移動(dòng)群智感知為車聯(lián)網(wǎng)中人、車和環(huán)境的深度融合提供了感知數(shù)據(jù)計(jì)算方法支撐，是車聯(lián)網(wǎng)服務(wù)基礎(chǔ)。文章討論了車聯(lián)網(wǎng)群智感知與服務(wù)的框架和特點(diǎn)，介紹了典型應(yīng)用及關(guān)鍵問題，為移動(dòng)智群感知和協(xié)同計(jì)算拓展了新的研究領(lǐng)域。

參考文獻(xiàn)

[1] 李靜林， 劉志晗， 楊放春. 車聯(lián)網(wǎng)體系結(jié)構(gòu)及其關(guān)鍵技術(shù) [J]. 北京郵電大學(xué)學(xué)報(bào)， 2014， 37（6）： 95-100

[2] YANG F， WANG S， LI J， et al. An Overview of Internet of Vehicles [J]. Communications， China， 2014， 11（10）： 1-15

[3] 陳薈慧， 郭斌， 於志文. 移動(dòng)群智感知應(yīng)用 [J]. 中興通訊技術(shù)， 2014， 20（1）： 35-37.doi： 10.3939/j.issn. 1009-6868.2014.01.008

[4] HULL B， BYCHKOVSKY V， ZHANG Y， et al. CarTel： A Distributed Mobile Sensor Computing System[C]//Proceedings of the 4th International Conference on Embedded Networked Sensor Systems， Boulder， Colorado， USA， 2006： 125-138

[5] ERIKSSON J， GIROD L， HULL B， et al. The Pothole Patrol： Using a Mobile Sensor Network for Road Surface Monitoring[C]//Proceedings of the 6th International Conference on Mobile Systems， Applications， and Services， Breckenridge， CO， USA， 2008： 29-39

[6] HU S C， WANG Y C， HUANG C Y， et al. A Vehicular Wireless Sensor Network for CO2 Monitoring[C]//Sensors， 2009 IEEE， 2009： 1498-1501

[7] ZHU Y， LIU X， and WANG Y. Pervasive Urban Sensing with Large-Scale Mobile Probe Vehicles [J]. International Journal of Distributed Sensor Networks， 2013：7-13

[8] HAMID S A， TAKAHARA G， and HASSANEIN H S. On the Recruitment of Smart Vehicles for Urban Sensing[C]//Global Communications Conference （GLOBECOM）， 2013 IEEE， 2013： 36-41

[9] MENDEZ D， LABRADOR M， and RAMACHANDRAN K. Data Interpolation for Participatory Sensing Systems [J]. Pervasive and Mobile Computing， 2013， 9（1）： 132-148

[10] LI Z， ZHU Y， ZHU H， et al. Compressive Sensing Approach to Urban Traffic Sensing[C]// 2011 31st International Conference on Distributed Computing Systems （ICDCS）， 2011： 889-898

[11] JAIMES L G， VERGARA-LAURENS I， and LABRADOR M A. A Location-Based Incentive Mechanism for Participatory Sensing Systems with Budget constraints[C]// 2012 IEEE International Conference on Pervasive Computing and Communications （PerCom）， 2012： 103-108

[12] NADEEM T， DASHTINEZHAD S， LIAO C， et al. TrafficView： A Scalable Traffic Monitoring System[C]// 2004 Proceedings 2004 IEEE International Conference on Mobile Data Management ， 2004： 13-26

[13] LEE U， ZHOU B， GERLA M， et al. Mobeyes： Smart Mobs for Urban Monitoring with a Vehicular Sensor Network [J]. Wireless Communications， IEEE， 2006， 13（5）： 52-57

[14] CALISKAN M， GRAUPNER D， and MAUVE M. Decentralized Discovery of Free Parking Places[C]//Proceedings of the 3rd International Workshop on Vehicular Ad-Hoc Networks， Los Angeles， CA， USA， 2006： 30-39

[15] DIKAIAKOS M D， FLORIDES A， NADEEM T， et al. Location-Aware Services over Vehicular Ad-Hoc Networks Using Car-to-Car Communication [J]. IEEE Journal on Selected Areas in Communications ， 2007， 25（8）： 1590-1602

[16] DORNBUSH S， and JOSHI A. StreetSmart Traffic： Discovering and Disseminating Automobile Congestion Using VANET's[C]//Vehicular Technology Conference， 2007 VTC2007-Spring IEEE 65th， 2007： 11-15

[17] REZAEI F， NAIK K， NAYAK A， et al. Effective Warning Data Dissemination Scheme in Vehicular Networks for Intelligent Transportation System Applications[C]// 2013 16th International IEEE Conference on Intelligent Transportation Systems - （ITSC） ， 2013： 1071-1076

[18] YUAN Q， LIU Z， LI J， et al. A Traffic Congestion Detection and Information Dissemination Scheme for Urban Expressways Using Vehicular Networks [J].Transportation Research Part C： Emerging Technologies， 2014， 47（P2）： 114-127