车联网中基于分段的创新路由：发挥TD-ISAC的优势

《IEEE Transactions on Intelligent Transportation Systems》：Innovative Segmentation-Based Routing in VANETs: Leveraging the Advantages of TD-ISAC

　　**摘要：**在车辆自组织网络（VANETs）中，可靠的超低时延通信对于自动驾驶车辆的安全至关重要，然而现有的路由协议在动态环境中面临着高开销和频繁的链路中断问题。一个关键的局限性在于，它们未能充分利用现代车辆中已有的丰富传感器数据进行网络级协同。本文提出了一种基于分段的新型路由框架，通过将车载传感器数据转化为共享的高分辨率网络拓扑，直接解决了上述挑战。我们的核心贡献是一种动态道路占用矩阵，通过将道路划分为速度自适应的单车段来构建，从而为所有节点提供统一的近实时交通环境视图。该矩阵利用受5G侧链路启发的时分综合感知与通信（TD-ISAC）框架进行高效分发。我们提出了一种混合拉格朗日松弛与分支定界算法，用于动态优化TD-ISAC帧结构，在感知精度与通信吞吐量之间实现平衡。为了进一步提高拓扑精度并缓解车辆移动性影响，该框架集成了卡尔曼滤波器和Transformer模型进行预测性位置估计，并采用备用中继机制以确保多跳链路稳定性。综合仿真结果表明，我们的框架显著优于现有最先进协议。值得注意的是，与ZRP相比，端到端时延降低了最高68%，与基于TD-ISAC的Starling Flocks相比降低了41%，同时减少了路由开销。这种双重改进使得面向安全关键型应用的网络更加高效和稳健。**I. 引言**自动驾驶车辆的兴起有望彻底改变交通安全与效率[1]，而这一愿景严重依赖于车辆自组织网络（VANETs）所促进的超高可靠低时延通信[2]。为了满足国际自动工程师学会（SAE）定义的四级和五级自动化的严格安全要求[3]，车辆配备了大量先进传感器，包括激光雷达、雷达和摄像头[4]、[5]。这些传感器共同为每辆车提供了高保真度的实时局部环境感知能力，使其能够精确检测和监测其他车辆、行人及道路特征[6]。然而，一个根本性的悖论由此产生：尽管个体车辆对其物理环境拥有丰富且近乎瞬时的认知能力，但它们所依赖的用于网络级协同的通信协议却基本忽视了这一宝贵信息。车辆的先进感知能力与其网络层智能之间的这种脱节，迫使路由协议消耗大量带宽并产生时延来发现拓扑信息——而这些信息实际上已通过车载传感器隐性可用[7]、[8]、[9]。