基于5G網絡的車聯網系統架構與性能優化研究

中圖分類號：U463.67 文獻標識碼：A 文章編號：1003-8639（2025）07-0036-03

ResearchontheArchitectureand Performance Optimizationof Internetof VehiclesSystem Basedon5GNetwork

Li Ting

（Collge of Optoelectronics and Information Engineering， Wuhan Vocational and TechnicalUniversity，Wuhan 43oo74 China）

【Abstract】 With the in-depth development of intellgent transportation systems towardsnetworking， 5G communicationtechnologyprovidesanewtechnical modelfortheInternetof Vehicles.Thisarticleaimsatthe performancebotteneckofthe traditional Internetof Vehiclesarchitecture inscenarioswith high concurrencyand low latency，andproposesan Internet of Vehiclessystemarchitecture that deeplyintegratesthecharacteristicsof 5G networks.Byconstructingafour-layercollaborative modelofthe terminalperception layer，network transmisionlayer， edgecomputing layerand cloud platform layer，itrealizes the integratedresourceschedulingof vehicles，roadsand clouds.Andbyintegrating keytechnologiessuchasedgecomputingtaskofloading，multi-connection transmission enhancement，andintellgentresourceallocation，itisexpectedtoeffectivelyimprovetheend-to-enddelaycontrol accuracy and communication reliability.

【Key words】5G communication technology；internet of vehicles；system architecture；performance optimization; highlyreliable communication

0 引言

隨著全球城市化加速，智能交通系統向全域網聯化轉型。車聯網融合新一代信息通信與交通運輸技術，重構人車路云協同關系。傳統蜂窩網絡因時延和連接密度限制，難以滿足自動駕駛等場景的毫秒級響應與海量設備接入需求。5G憑借其原生支持超高可靠低時延通信（Ultra-ReliableLow-LatencyCommunication，URLLC）、增強移動寬帶（EnhancedMobileBroadband，eMBB）與大規模機器類通信（MassiveMachine-TypeCommunication，mMTC）的技術特性，為車路協同等業務提供新技術范式，推動車聯網向全域感知、協同決策發展。但城市高密度車輛接入、高速拓撲變化及業務差異化需求，使傳統架構資源調度低效，引發邊緣節點負載失衡等問題，需通過架構革新與跨層優化構建新型體系。本文探討基于5G的車聯網系統架構與性能優化，為系統優化提供參考。

15G通信技術與車聯網的契合性

5G與車聯網技術深度耦合，為智能交通轉型提供支撐。其超高可靠低時延通信（URLLC）突破傳統網絡局限，毫秒級傳輸滿足車輛編隊控制、緊急制動預警等實時業務需求，構建動態場景協同決策通道。在連接層面，5G大規模設備接入能力與車聯網海量終端、路側單元等泛在接入需求共振，為交通流量優化等復雜應用提供底層保障。網絡切片技術可按需構建獨立邏輯網絡，實現自動駕駛與信息娛樂等業務的資源隔離與質量保障，顯著提升系統資源利用率。

2車聯網系統架構設計

2.1 總體架構

基于5G網絡的車聯網系統采用分層解耦與跨域協同架構，構建4層融合體系（圖1）。終端感知層集成車載單元與路側設備，通過毫米波雷達、視覺傳感器與C-V2X通信模組融合，實現車輛狀態與環境數據實時采集2。網絡傳輸層采用5GNR與LTE-V2X混合組網，依托網絡切片技術構建邏輯隔離通道，為不同優先級業務提供差異化傳輸保障。邊緣計算層部署分布式MEC節點形成算力池，通過任務動態卸載與緩存預置實現近端響應，降低云端時延。云平臺層構建中心云與邊緣云協同架構，運用數字孿生技術建立交通虛擬映射，支撐全局資源調度。各層級通過標準化接口貫通數據，車輛軌跡預測與網絡狀態感知形成閉環，驅動傳輸路徑與計算資源動態優化。

2.2 核心功能模塊

2.2.1 動態資源編排系統

動態資源編排系統基于網絡切片技術構建虛擬化資源池，依據車輛密度與業務類型動態劃分無線資源，保障高優先級安全業務帶寬并提升頻譜利用率。通過智能預測算法分析歷史流量與實時態勢，預判計算任務分布以調整邊緣節點算力配比。時間維度采用滑動窗口機制進行微秒級調度，優化時隙分配與功率控制參數，平衡不同車速下的信號穩定性；空間維度實施小區協同管理，基于車輛軌跡預測預準備越區切換，降低傳輸中斷概率。

2.2.2 服務品質管理模塊

服務品質管理模塊構建3層業務分類模型，按安全等級、時延容忍度及帶寬需求，將車聯網數據流分為關鍵控制、協同感知與信息服務3類，配置專屬傳輸通道和冗余策略。智能流量整形引擎實時解析數據包特征，結合網絡擁塞動態調整隊列權重，保障緊急制動信號等生命安全業務時效。自適應編碼調制機制依信道品質動態選擇調制階數與編碼速率，最大化頻譜效率同時維持目標誤碼率。故障自愈子系統通過雙重檢測定位異常，自動啟動鏈路切換等恢復措施，形成服務品質持續改進閉環。

2.3 協議棧優化

協議棧優化設計旨在提升5G車聯網傳輸效能與可靠性，通過跨層協同重構協議邏輯：物理層以新型波形增強多普勒補償，結合自適應調制編碼優化高速場景信號解調魯棒性；媒體接人控制層設計混合多址機制，融合調度授權與競爭接人，兼顧高優先級業務時延與信道利用率；網絡層構建位置感知智能路由，結合拓撲預測實現蜂窩/直通鏈路協同；傳輸層引人業務感知擁塞控制，依據安全等級動態調整窗口與重傳策略；應用層重構消息格式降低開銷，集成輕量級校驗保障完整性。跨層交互機制實現信道狀態與服務品質控制的實時聯動，驅動傳輸參數動態調諧。

3系統性能優化技術

3.1 低時延保障

低時延保障技術構建端邊云協同體系，壓縮傳輸時延。邊緣節點部署任務卸載引擎，依據車輛狀態與業務時延動態選擇處理策略，通過計算遷移規避云端時延。網絡側采用控制面與用戶面分離架構，下沉用戶面功能縮短鏈路距離。時延敏感業務預設配置資源預留機制，開辟專屬通道并結合快速路由實現微秒級轉發。協議棧重構分層流程，設計跨層框架實現信道與業務需求交互，動態調整參數。另通過車輛軌跡預測預加載數據至邊緣節點，降低響應時延，形成全棧優化體系實現端到端時延可控。

3.2 高可靠通信

高可靠通信技術通過多維度冗余傳輸與智能容錯機制，提升車聯網在復雜信道環境的生存性。多連接聚合傳輸融合蜂窩與直通鏈路，并行發送數據并智能合并，降低單一鏈路中斷風險。自適應冗余編碼依業務等級動態配置參數，注入最優冗余度平衡效率與可靠性。信道狀態預測算法分析頻移和損耗趨勢，協同調整調制編碼與發射功率，維持最大傳輸速率。分布式冗余中繼網絡構建動態協作簇，并行激活多條路徑并智能切換，規避遮擋衰減。物理層安全結合波束賦形與人工噪聲，增強合法鏈路優勢。邊緣節點通過聯盟鏈校驗數據一致性，確保指令完整可追溯。全棧技術體系通過智能適配冗余度與增強故障自愈，保障高動態環境下通信服務的穩定與恢復。

3.3 資源分配優化

資源分配優化聚焦核心資源智能協同管理，構建業務驅動的動態配置體系。頻譜資源維度，基于業務優先級設計動態共享機制，通過頻譜池化與混合調度策略實現時空復用優化，保障安全業務供給。計算資源管理層面，構建邊緣算力協同網絡，依托軌跡預測預遷移任務，借助容器化部署實現彈性伸縮。網絡切片維度創新編排機制，根據流量波動調整資源配比，形成全域協同框架，通過精準調控提升系統效能。

3.4安全與隱私保護

安全與隱私保護聚焦體系化防御，構建可信通信閉環。分布式身份認證引入輕量級區塊鏈，通過車與路側單元共識機制保障設備身份可驗證與不可篡改，解決傳統中心化認證瓶頸。數據隱私保護設計動態匿名標識機制，結合軌跡與時空信息調整匿名度，兼顧數據可用性與身份隱藏。傳輸安全采用物理層安全與上層加密跨層策略，通過波束賦形約束信號輻射，配合國密算法加密通道，形成覆蓋身份認證、隱私保護與傳輸的全方位安全架構。

4結論

本文基于5G通信技術特征與車聯網發展的契合性，提出了分層協同架構設計，通過終端感知、網絡傳輸、邊緣計算與云端管理的垂直整合，并通過動態資源編排系統、服務品質管理模塊形成跨層次優化閉環，并集成低時延保障技術、高可靠通信技術、資源分配優化與安全與隱私保護等優化技術，以優化車聯網系統性能，推動車聯網智能發展。

參考文獻

[1]王超英.車聯網中時延敏感型任務的卸載決策和功率分配研究[D].長春：吉林大學，2024.

[2]李強.C-V2X車聯網安全認證關鍵技術研究[D].北京：北京郵電大學，2023.

[3]葉忠.基于通感一體化技術的多基站車聯網系統與車輛預警系統設計[D]杭州：浙江工商大學，2023.

[4]劉琪，洪高風，梁鵬，等.基于5G智慧園區的車聯網系統應用示范[J].移動通信，2022，46（1）：72-77.

（編輯林子衿）