近期，由爱游戏大数据与智慧计算（BDSC）课题组刘凯教授为第一/通信作者完成的论文《Fog Computing Empowered Data Dissemination in Software Defined Heterogeneous VANETs》被计算机网络领域顶级学术期刊 IEEE Transactions on Mobile Computing (TMC) 录用（CCF A类，JCR一区）。该论文合作作者包括爱游戏肖颗博士、郭松涛教授，西南交通大学戴朋林博士、香港城市大学李仲诚博士，以及香港理工大学曹建农教授。

面向车联网智能协同的研究促进了传统交通行业与移动互联网、人工智能、大数据等新技术的深度融合，对提高交通安全与交通效率，建设绿色与智慧城市具有重要意义。2020年2月，国家发改委、公安部、交通运输部、工信部等11个国家部委联合下发了“关于印发《智能汽车创新发展战略》的通知”，进一步明确了车联网及其所驱动的智能汽车与智慧交通新业态是当前国家的重要战略方向。在此背景下，该工作致力于解决车联网智能协同的核心问题，即面向软件定义异构车联网环境，研究雾计算赋能车联网的高效数据分发系统架构与调度算法。

该研究面向车联网海量数据传输需求，针对车辆节点高移动性、路网拓扑高动态性以及网络资源高异构性带来的挑战，融合软件定义车联网架构与雾计算服务模式，基于网络编码与车载缓存关键技术，提出了车-云（V2C）/车-雾（V2F）/车-车（V2V）协同服务的系统架构与调度算法，实现了异构车联网环境中的高效数据分发。

首先，提出了软件定义车联网与雾计算融合的高效数据分发系统架构。该架构将与核心网及云服务器相连的蜂窝网络基站视为云节点，作为控制面。同时，将路侧单元（RSU）、5G小/微基站等异构边缘接入基础设施抽象为雾节点，与移动车辆共同形成数据面。 其次，定义了Fog Assisted Cooperative Service (FACS) 问题。该问题利用SDN控制器获取系统实时网络（cyber）与物理（physical）信息，并综合考虑通信约束、资源限制、优化目标等因素，针对云、雾、车各节点实现协作数据分发调度，最大化异构网络资源利用率。进一步，通过在多项式时间内将最小团覆盖（MCC）问题规约为FACS，证明了FACS为NP-难。在此基础上，提出了基于网络编码与车载缓存协同的团搜索（Clique Searching based Scheduling，CSS）算法。该算法考虑异构通信节点的不同数据传输速率与覆盖范围，以及车辆移动性带来的间断通信连接，通过将FACS映射为最小团覆盖问题，并根据约束条件与优化目标设计相应的图转换模型，最终通过贪心策略实现基于V2C/V2F/V2V通信的协同调度。同时，通过算法复杂度分析，讨论了CSS的可行性。最后，基于不同地点、不同时刻的真实车辆轨迹建立了仿真模型，通过全方位的实验结果分析，验证了所提系统框架及算法可显著提高无线资源利用率、降低服务时延、提高数据服务率。该研究成果有效地支撑了复杂、异构车联网环境中的大规模数据分发需求，为实现智能车联网、协同无人驾驶，以及新兴智慧交通系统等新业态打下了坚实基础。

全文链接：https://ieeexplore.ieee.org/document/9099632