Rounting in Internet of Vehicles:A Review
主要工作
概述现有所提出的IOV中路由协议及其评估方法，并按一定标准对它们进行分类。
路由协议分类
基于传输策略分类
- 单播：通过hop-by-hop或carry-and-forwarding机制将数据从源传输到单目的地。hop-by-hop机制中中间节点（车辆）单纯转发数据包，不做处理，而carry-and-forwarding中的中间节点可以在流中携带本地数据（ they can carry data until a forward decision is made by their routing algorithm）
- 广播：多用于广播与交通情况，天气，紧急事件相关的消息。
基于位置的广播：将数据从源传输到某个区域（相关区域）内所有的节点（车辆）。
基于信息要求分类
- 基于拓扑：由于移动性，查找和维护都非常困难。
- 基于位置：Greedy Perimeter Stateless Routing (GPSR)是一种基于位置的路由算法，它使用贪婪转发将数据包转发到始终逐步接近目标的节点。
- 基于地图：Traffic-Light-Aware Routing (STAR)利用实时的交通模式和信号灯来决定如何转发数据包。
基于路径：Vehicle-Assisted Data Delivery (VADD)利用可预测的车辆移动性来计算分组传送延迟并找到转发分组的下一条路。VADD使用三种转发协议：位置优先，方向优先和混合VADD。
时延敏感
- 对时延敏感：需要频繁交换道路信息，估计道路延迟并以此选择最佳路径。
对时延容忍：可以容忍一定程度的连接缺失，因此通常采用carry-and-forwarding机制。
场景维度
- 1D：车辆以相同或相反的方向运动，比如高速公路。
- 2D：基于平面的路由转发。
3D：Three-Dimensional scenario oriented Routing (TDR)利用3D信息，逐跳建立路由，尽量将数据包发送到同一平面的邻接节点。
目标网络类型
异构网络：我们可以通过确定以下内容来解决异质IoV中的路由问题：越区切换的时间，VANET中的网关节点，以及传输数据包的无线技术，以及车辆的IP寻址和移动性管理。
评估方法
交通仿真——数据集
配置良好的数据集对于关注自己的主题非常有帮助。比如SUVnet,通过收集三个月GPS数据来重建车辆行驶轨迹。
网络仿真
综合框架
可以使用松散和紧密集成的方法来组合交通和网络仿真，后者支持网络提供反馈来调整车辆移动轨迹，比如前方道路拥堵等，前者不支持。
Security of communications in connected cars Modeling and safety assessment
主要工作
讨论这些IOV中的安全挑战并审查最先进的车载无线解决方案。
攻击类型
IOV中，大量数据在空中传播，这基本上意味着某人（黑客）和未授权方可能有输入数据，修改记录，攻击系统和每次车辆移动的方法。
- 数据真实性。
- 可用性攻击，这种类型的攻击主要利用带宽和传输功率的限制来使IoV系统崩溃。
- 认证系统攻击，IOV的移动性导致车辆需要频繁，不稳定地访问网络，这使得Sybil攻击（通过在对等网络中伪造身份进行攻击）很容易找到机会。
- 保密攻击，保证敏感数据只能被授权的节点访问。
路由攻击，路由过程中有四种不同的攻击类型：窃听，拒绝服务，伪装，路由修改。
解决方法
- 车辆外部接口，保护数据不被窃取以及不允许未授权的访问内部信息。
- 网络层数据，使用公开密钥等方法构建一个车载网络的安全框架。
安全网关，安全网关是联网车辆中实施隐私保护和安全存储的理想平台，其最重要的功能就是其防火墙将外部接口与安全关键的车内网络分开。
Software-Defined Networking for Internet of Things:A Survey
主要工作
讨论了SDIOT架构中不同网络的要求和调整。
边缘网络
汇总数据，包括消除不同类型设备的数据差异和对非结构化数据的整合。SANTO中使用单一聚合器通过制定优化策略构建树状拓扑使得网络中的数据汇总并使流量最小化。
接入网络
- 两个网络层集成，对于两种不同类型的设备，使得它们能以有效的方式通信。
- 动态资源分配（可编程），确保网络流量负载均衡以及满足特点应用的特定要求。
分布式体系结构：网络体系结构必须简单以最大限度地降低复杂性，以便多个供应商可以参与到单个平台中以提供服务。
核心网络
- 充足的安全机制。
- 分类机制，用以有效搜索整个网络。
流量分配机制。
数据中心
- 有效地分别处理长/短器流量。
- 根据流量动态部署VM以满足客户需求并最小化成本。
- 动态请求映射技术在数据中心之间分配请求来解决服务过度分配或分配不足的问题。
数据中心中VN的迁移。
Toward Cloud-based Vehicular Networks with Efficient Resource Management
提出问题
IOV中，所有车辆的大量数据收集和计算对现有的计算和存储资源提出挑战。
主要工作
将云计算集成到车辆网络中，并提出资源分配策略。
资源分配：每次预留一定资源给迁入的VM。当VM数量改变时给每个VM重新分配计算和存储资源。本地创建VM时重新计算不会考虑预留资源，而迁入时会将预留资源算入。
实验结果
实验比较了在不同比例的保留资源下，随着本地VM生成速率上升时，VM丢弃（不能满足VM资源需求时丢弃）的概率。
Software-Defined Networking for RSU Clouds in Support of the Internet of Vehicles
提出问题
IOV云平台中服务供应商根据不断变化的需求将网络重新配置，从而导致大数据或控制平面拥塞。
主要工作
提出一种由传统RSU和专用微型数据中心组成的RSU云架构，新颖之处在于使用SDN来实现VM的动态实例化，迁移和复制服务。并制定整数线性规划问题来模拟云资源管理。
实验结果
利用mininet仿真比较了两种方法和基于成本的优化在VM迁移，时延以及控制平面的修改情况。
Internet of Vehicles: From intelligent grid to autonomous cars and vehicular fogs
提出问题
讨论从智能车辆网到车辆雾（the equivalent of instantaneous Internet cloud for vehicles）和自主互联网连接车辆的演变。
主要工作
阐述了智能车辆雾的应用场景和挑战，并评估其主要功能的性能。
实验结果
实验模拟了在一个雾中车辆发出一个资源请求时的预期命中率（Expected hit ratio）。并用正太分布表示资源属性，用Zipf分布表示属性热度。
VC_bots a vehicular cloud computing testbed with mobile robots
提出问题
目前对于IOV的实验大都是基于仿真，与实际有很大差距。少数几个试验场的成本太高不能公开使用。
主要工作
构建一个为IOV实验服务的实验平台，包括基于OpenStack的远程云服务器和搭载完整Linux系统的模拟车辆。支持创建地图，规划车辆路径，V2V通信以及SDN相关应用。
实验结果
评估了实验平台的消息性能，与WiFi的理论54Mbps带宽相比，用户有效载荷吞吐量最高可达无线总带宽的37％。
