《Ad Hoc Networks》：Improving object selection for Collective Perception Messages under congestion
编辑推荐：
本文针对车联网中集体感知消息(CPM)在拥堵场景下信道负载过高的问题，提出了一种基于预测偏差的轻量级对象优先选择算法。研究通过真实数据集验证表明，该策略在保持资源消耗不变的前提下，将位置估计精度提升至少7%，为提升协同感知系统的信息价值与通信效率提供了创新解决方案。
随着智能网联汽车(CAVs)的快速发展，车辆通过车载传感器（如摄像头、激光雷达和雷达）感知周围环境的能力不断增强。然而，传感器存在视野遮挡、探测距离有限和恶劣天气影响等固有局限。为了突破这些限制，基于V2X（车联万物）通信的协同感知技术应运而生，它使得车辆和路边单元能够通过交换集体感知消息(CPM)来共享检测到的物体（如车辆、行人、骑行者）信息，从而极大地扩展了单个参与者的环境感知范围，为碰撞避免、车道合并辅助、交叉口协调等安全应用奠定了基础。
然而，在密集交通场景下，随着通信节点数量的增加，共享无线信道可能迅速饱和。大容量的CPM（例如包含20个对象）会占用更多信道时间，导致信道繁忙率(CBR)上升、分组投递率(PDR)下降、传输延迟增加，最终影响协同应用的性能。欧洲电信标准协会(ETSI)定义的分散式拥塞控制(DCC)机制会通过限制消息大小和发送频率来应对高信道负载，这直接要求应用层在生成CPM时必须对包含的对象数量进行限制。因此，如何在信道拥堵时智能地选择最值得传输的对象，确保CPM携带的信息具有高价值，成为了一个关键挑战。
现有的ETSI集体感知服务(CPS)标准提供了一种基于对象动态变化（如位置、速度、航向变化）的优先级机制，但它并未直接评估信息本身的价值。在广播通信中，最有价值的信息往往来自于行为出人意料的物体，即其实际状态与基于历史传输数据预测的状态存在显著偏差的物体。这类“意外”行为通常预示着潜在危险或需要立即关注的情况。
为了解决这一问题，发表在《Ad Hoc Networks》上的这项研究，提出了一种名为“预测-偏差”(Prediction–Deviation)的新型对象选择策略。该策略的核心思想是：优先选择那些当前状态与预测状态偏差最大的对象进行传输，因为这些对象的行为最不可预测，其信息也最具价值。研究人员利用从葡萄牙阿威罗市采集的真实世界数据集进行评估，结果表明，与ETSI标准定义的方法相比，新策略将位置估计精度提高了至少7%，最高提升接近40%（当每条CPM仅限包含2个对象时）。尤为重要的是，该算法是轻量级的，在CPU和内存消耗方面与标准方法相当，非常适合在资源受限的嵌入式平台上部署，为在拥堵网络条件下提升CPM的效率和信息价值提供了实用解决方案。
为开展此项研究，作者团队主要运用了几项关键技术方法。首先，他们构建了一个由12个物理车载单元(OBU)组成的真实世界测试床，并利用虚拟化技术将网络规模扩展至24个节点，用于评估不同CPM大小（5对象 vs 20对象）和网络负载下的信道性能（CBR、PDR、延迟）。其次，他们基于ETSI CPS标准实现了集体感知系统，并对其进行了升级改造，采用了推式数据流和多线程架构（数据管理线程和消息生成线程）以降低延迟。核心的创新方法是集成了预测-偏差算法，该算法利用恒加速度运动学模型，根据对象上一次传输的状态预测其当前位置，并通过计算欧几里得距离来量化预测偏差，作为对象优先级的依据。最后，研究使用来自城市道路场景下相机和雷达传感器的真实数据集（包含24小时轨迹数据）对提出的算法进行了性能验证，并与标准的ETSI策略进行了对比。
3.3. 结果
信道评估结果表明，网络密度和CPM大小对ITS-G5通信效率有直接影响。随着OBU数量的增加，信道繁忙率(CBR)近乎线性增长，消息延迟及其变异性也随之增加，分组投递率(PDR)则出现下降。在24个OBU的最密集网络设置下，包含20个对象的大CPM导致CBR高达83%，延迟达11.9毫秒，PDR相比包含5个小对象CPM下降超过10个百分点。这凸显了在拥堵条件下对CPM内容进行自适应控制的必要性。
6.1. 算法性能
对预测-偏差策略的评估显示，在不同时间间隔（10分钟、1小时、24小时）和不同对象数量限制（2至5个对象/CPM）下，该策略均能显著降低平均预测误差。在限制最严格的条件下（每CPM仅2个对象），预测误差改善最为明显，在10分钟高流量区间内改善达38.9%。即使在不那么拥堵的24小时全景数据中，在5对象限制下仍有7.4%的改善。这表明该策略在拥堵和常规场景下均能有效提升信息质量。
6.2. 计算资源
资源消耗分析表明，预测-偏差策略在发送端和接收端都实现了最低的CPU使用率（发送端11.16%，接收端3.46%）和较低的内存使用率。这表明增加的预测和排序操作带来的计算开销很小，算法保持了轻量级特性，满足嵌入式平台的实时性要求。
6.3. 时间结果
时间分析显示，CPM生成阶段是总处理时间的主要部分。预测-偏差策略的平均生成时间为3.14毫秒，略优于ETSI限制策略（3.18毫秒），并显著优于无限制策略（3.56毫秒）。所有策略的处理时间均远低于CPS应用通常要求的100毫秒（10Hz）周期，证明了该策略的实时可行性。
综上所述，本研究通过实证分析明确了CPM消息大小对V2X通信性能的显著影响，进而创新性地提出并验证了一种基于预测偏差的轻量级对象选择算法。该算法通过优先传输行为偏离预期的对象，有效提升了协同感知系统中共享信息的准确性和价值。研究结论表明，在信道资源受限的情况下，智能地选择信息内容比盲目地传输全部数据更为重要。预测-偏差策略在不增加系统资源消耗的前提下，实现了感知精度的实质性提升，为未来高密度车联网环境中实现高效、可靠的协同感知提供了重要的技术途径和理论依据。未来的工作将探索将该策略与DCC机制深度集成，并根据实时信道状况动态调整对象选择策略，以进一步优化系统性能。
