车联网（V2X）技术详解
1. 概述
V2X（Vehicle-to-Everything，车与万物通信）是自动驾驶技术体系中超越单车智能的协同感知基础。单车智能依赖车载传感器（激光雷达、摄像头、毫米波雷达），存在视距受限、遮挡盲区和超视距感知缺失等固有缺陷。V2X 通过无线通信将车辆与周围车辆、路侧基础设施、行人终端和云端网络连接，实现协同感知、协同决策与协同控制，将感知范围从数百米扩展到数公里甚至更远。
V2X 是实现"聪明的车 + 智慧的路 + 协同的云"三位一体架构的核心技术，也是建设智慧交通系统（ITS, Intelligent Transportation System）的基础设施层。在复杂交叉路口、隧道出入口、恶劣天气等单车智能最薄弱的场景中，V2X 提供的协同信息可以显著降低事故风险，提升自动驾驶系统的感知置信度。
2. V2X 通信技术路线对比
全球 V2X 通信技术主要分为两条路线：DSRC（专用短程通信）和 C-V2X（蜂窝车联网）。
2.1 DSRC（专用短程通信）
DSRC（Dedicated Short Range Communication）基于 IEEE 802.11p 标准，工作在 5.9GHz 频段，采用 WAVE（Wireless Access in Vehicular Environments）协议栈。
主要特性： - 标准体系：IEEE 802.11p（物理层/MAC层）+ IEEE 1609.x（WAVE 协议栈） - 工作频段：5.85–5.925 GHz（美国 75MHz 频段） - 通信距离：约 300–1000 m - 通信时延：< 10 ms（端到端） - 通信模式：Ad-hoc 自组织直连，无需基站中转 - 推动方：美国（USDOT）、欧洲（ETSI ITS-G5）
发展现状：美国 FCC 于 2020 年将 5.9GHz 频段的 45MHz 重新分配给 Wi-Fi，仅保留 30MHz 给 C-V2X。DSRC 在美国的强制部署计划被放弃，产业链逐渐萎缩，但欧洲仍在 ITS-G5 框架下继续部署。
2.2 C-V2X（蜂窝车联网）
C-V2X（Cellular V2X）基于 3GPP 标准，分为两个演进阶段：
LTE-V2X（3GPP Release 14/15）： - PC5 接口（直连通信）：设备间直接通信，无需经过基站，时延 3–5 ms，适合安全类应用 - Uu 接口（蜂窝通信）：经基站和核心网通信，覆盖范围广，适合信息服务类应用
5G-NR-V2X（3GPP Release 16/17）： - 支持更高可靠性、更低时延（< 1 ms）、更大带宽 - 引入单播（Unicast）、组播（Groupcast）通信模式 - 支持高级应用：协同驾驶、传感器数据共享、远程驾驶
2.3 DSRC vs C-V2X 技术对比
| 对比维度 | DSRC | C-V2X (LTE-V2X) | C-V2X (5G-NR-V2X) |
|---|---|---|---|
| 技术标准 | IEEE 802.11p | 3GPP R14/R15 | 3GPP R16/R17 |
| 工作频段 | 5.9 GHz | 5.9 GHz（PC5）/ LTE 频段（Uu） | 5.9 GHz / 毫米波 |
| 直连时延 | < 10 ms | 3–5 ms | < 1 ms |
| 蜂窝覆盖 | 无 | 广域（Uu 接口） | 广域（Uu 接口） |
| 通信距离 | 300–1000 m | 300–1000 m（PC5） | 300–1000 m（PC5） |
| 演进路径 | 有限（标准已冻结） | 向 5G NR-V2X 演进 | 持续演进 |
| 主推地区 | 美国（逐渐退出）、欧洲 | 中国、日本、韩国 | 全球 |
| 芯片生态 | Cohda、NXP | 高通、华为海思、大唐 | 高通、华为海思 |
| 产业链成熟度 | 成熟但萎缩 | 快速成熟 | 快速发展 |
中国明确选择 C-V2X 作为国家技术路线，并在频谱、标准、政策和产业四个维度协同推进。
3. V2X 通信类型详解
3.1 V2V（Vehicle-to-Vehicle，车与车通信）
V2V 通过 PC5 直连接口实现车辆间的低时延广播通信，主要承载安全类应用：
- 前向碰撞预警（FCW, Forward Collision Warning）：前车检测到急刹车时，通过 V2V 向后方车辆广播 BSM（Basic Safety Message）消息，后方车辆在驾驶员反应之前提前预警
- 交叉路口碰撞预警（ICA, Intersection Collision Alert）：在视线受阻的交叉路口，侧向来车通过 V2V 广播位置和速度，避免直角碰撞事故（"鬼探头"场景）
- 变道辅助（LCA, Lane Change Assist）：变道车辆与相邻车道车辆通过 V2V 协商，减少盲区变道风险
- 紧急车辆预警（EVA, Emergency Vehicle Alert）：救护车/消防车广播特殊身份，前方车辆提前让道
- 协作式自适应巡航（CACC, Cooperative Adaptive Cruise Control）：编队车辆通过 V2V 共享油门/制动状态，实现更小车距的紧密跟车
BSM 消息（J2735 标准）包含：车辆 ID、时间戳、经纬度、速度、航向、加速度、制动状态等字段，以 10 Hz 频率广播。
3.2 V2I（Vehicle-to-Infrastructure，车与路侧设施通信）
V2I 连接车辆与路侧单元（RSU）、信号控制机、电子标志牌等基础设施：
- SPAT/MAP 消息（信号灯相位与配时）：交通信号控制机通过 RSU 广播当前信号灯状态（红/黄/绿）、剩余时间和路口几何地图（MAP），车辆据此计算绿波车速（GLOSA, Green Light Optimal Speed Advisory）
- 施工区预警（WZ, Work Zone Warning）：施工区域 RSU 广播范围、限速和绕行建议
- 可变限速通知（VSL, Variable Speed Limit）：根据天气、交通流量动态调整限速，通过 RSU 广播
- 道路危险状况预警（RHW, Road Hazard Warning）：结冰、积水、事故路段信息广播
- 电子不停车收费（ETC 升级版）：V2I 支持更精准的车道级通信
3.3 V2P（Vehicle-to-Pedestrian，车与行人通信）
V2P 将行人和骑行者纳入通信节点，解决车辆传感器在遮挡场景下对弱势道路使用者（VRU）的感知盲区：
- 行人通过智能手机或可穿戴设备（运行 V2P 应用或内置 PC5 模块）定期广播位置
- 车辆接收行人位置后与自身轨迹进行碰撞预测，若存在碰撞风险则同时向驾驶员和行人终端发出预警
- 典型场景：行人穿越路口（被货车遮挡）、骑行者从停车场驶出
- 挑战：行人手机 GPS 精度（3–5 m）远低于车辆 RTK 定位精度（0.1 m），位置误差影响预警准确率
3.4 V2N（Vehicle-to-Network，车与云端通信）
V2N 通过蜂窝网络（4G/5G）的 Uu 接口连接车辆与云端平台：
- 高精地图动态更新：车辆实时上报道路变化（新增施工锥桶、标线磨损、新开路口等），云端汇聚后下发给其他车辆
- OTA（Over-The-Air）远程升级：自动驾驶算法、感知模型通过 5G 网络推送更新包
- 远程诊断与运维：车辆健康状态数据上传云端，实现预测性维护
- 高精度定位服务（RTK 差分）：云端 CORS 站下发差分修正数据，将车辆 GNSS 定位精度提升至分米级
- TSP（交通信号优化平台）：聚合全路网车辆数据，进行区域级信号配时优化
3.5 V2G（Vehicle-to-Grid，车与电网通信）
V2G 是 V2X 在能源领域的延伸，使电动汽车成为分布式储能单元：
- 电动汽车在电价低谷时充电（G2V），在电网负荷高峰时向电网反向放电（V2G）
- 通信协议：ISO 15118（PLC 电力线通信）+ 5G/Wi-Fi 远程调度
- V2G 聚合商平台通过 V2N 统一调度区域内电动汽车的充放电策略
- 对自动驾驶的意义：自动泊车与 V2G 结合，实现自动驶入充电桩并参与电网调度
4. 5G-V2X 技术特性
5G 的三大业务场景（eMBB、URLLC、mMTC）与 V2X 高级应用场景高度契合。
4.1 eMBB（增强移动宽带）
- 峰值速率：下行 20 Gbps，上行 10 Gbps
- V2X 应用：高清地图实时推送（矢量地图+点云地图）、路侧摄像头感知结果（目标列表、BEV 特征图）共享、远程驾驶视频回传（4K/8K 低压缩延迟视频流）
- 技术要点：大规模 MIMO（Massive MIMO）天线阵列，频谱效率提升 3–5 倍
4.2 URLLC（超低时延高可靠通信）
- 端到端时延：< 1 ms（空口时延），可靠性 99.9999%
- V2X 应用：协同自动驾驶（车辆间毫秒级控制指令同步）、协同避障、电子刹车信号传递（制动动作比声速传播还快）
- 技术要点：迷你时隙（Mini-Slot）调度缩短传输时间间隔（TTI），HARQ 进程优化
4.3 mMTC（海量机器类通信）
- 连接密度：100 万设备/km²
- V2X 应用：路侧传感器大规模部署（每公里路段部署数十至数百个微型传感节点）、城市级 V2X 设备统一接入和管理
- 技术要点：NB-IoT/eMTC 低功耗广域接入，海量设备统一鉴权
4.4 5G 网络切片（Network Slicing）
网络切片将物理网络资源虚拟化为多个逻辑专用网络，为不同业务提供差异化的 QoS 保障：
- V2X 安全切片：超低时延、高可靠，用于 FCW/ICA 等安全消息
- V2X 信息服务切片：大带宽，用于地图更新和 OTA 下载
- V2X 视频监控切片：持续大带宽，用于路侧视频回传
- 切片管理通过 NFV（网络功能虚拟化）和 SDN（软件定义网络）实现动态资源调度
4.5 5G 毫米波（mmWave）
毫米波（24–100 GHz）提供极高带宽（单载波可达 800 MHz），适合高密度路口场景：
- 典型部署：城市核心路口 RSU 搭载毫米波基站，支持高密度车辆同时接入
- 挑战：毫米波绕射能力弱，传播距离短（< 200 m），需密集部署
- 优势：波束赋形（Beamforming）精确指向特定车辆，减少干扰，频谱复用效率高
5. 协同感知（Cooperative Perception）
5.1 单车智能的感知盲区
单车传感器存在三类根本性局限：
- 遮挡盲区（Occlusion）：大型车辆、建筑物遮挡导致传感器无法探测后方目标
- 超视距感知缺失（Beyond-Line-of-Sight）：激光雷达/摄像头感知范围有限（约 150–300 m），弯道/坡道后方信息缺失
- 非视距场景（NLOS, Non-Line-of-Sight）：交叉路口来车无法被检测，是城市最危险的事故场景之一
协同感知通过 V2X 将多个感知节点（车辆+RSU）的感知信息汇聚，从根本上消除上述盲区。
5.2 三种融合层次
| 融合层次 | 传输内容 | 带宽需求 | 时延要求 | 定位精度要求 | 代表方案 |
|---|---|---|---|---|---|
| 原始数据融合（早期融合） | 点云/图像原始数据 | 极高（> 100 Mbps） | < 100 ms | < 0.1 m | 研究阶段，工程难度大 |
| 特征融合（中间融合） | 压缩特征图（BEV特征） | 中等（1–10 Mbps） | < 100 ms | < 0.5 m | CoBEVT、V2VNet |
| 目标级融合（后期融合） | 目标列表（位置/速度/类别） | 低（< 100 Kbps） | < 200 ms | < 1 m | 工程主流，已商业化 |
5.3 中间融合代表算法
V2VNet（Wang et al., 2020）： - 各车辆提取 BEV 特征图后进行空间对齐和压缩 - 通过图神经网络（GNN）在车辆间传播特征 - 相比单车感知，AP（Average Precision）提升约 30%
CoBEVT（Xu et al., 2022）： - 基于 Swin Transformer 的协同 BEV 感知框架 - 引入稀疏注意力机制（Sparse Attention）减少特征传输量 - 在 OPV2V 数据集上达到 SOTA 性能
Where2comm（Hu et al., 2022）： - 空间置信度地图（Spatial Confidence Map）引导选择性特征传输 - 仅传输高价值区域特征，带宽效率提升 100 倍以上
5.4 协同感知主要挑战
- 通信时延：特征传输时延（50–200 ms）导致感知信息失效，需要时延补偿（位置预测外推）
- 带宽限制：PC5 直连带宽约 10–20 Mbps，制约原始数据和特征图传输
- 定位误差：不同车辆坐标系对齐需要精确相对定位，定位误差 > 0.5 m 时显著影响融合质量
- 异构数据格式：不同厂商传感器分辨率、坐标系定义不统一，缺乏标准化感知数据格式
- 信息可信度：恶意车辆发送虚假感知信息（Sybil 攻击）威胁系统安全
5.5 协同感知性能增益
在典型城市交叉路口场景中，V2X 协同感知相比单车感知的性能提升：
| 评估指标 | 单车智能 | V2X 协同感知（目标级融合） | V2X 协同感知（特征级融合） |
|---|---|---|---|
| 感知范围 | ≤ 150 m | ≤ 400 m | ≤ 400 m |
| 遮挡场景检测率 | < 30% | 60–70% | 80–90% |
| 交叉路口 AP@0.5 | 55–65% | 70–80% | 85–92% |
| 平均预警提前量 | 2–3 s | 5–8 s | 5–8 s |
| 传输带宽需求 | 无 | < 100 Kbps | 1–10 Mbps |
6. 路侧单元（RSU）架构
RSU（Road-Side Unit）是 V2X 系统的核心基础设施节点，实现路侧感知、计算和通信。
6.1 RSU 硬件组成
典型智能 RSU 硬件架构：
- 通信模块：C-V2X（PC5 直连 + Uu 蜂窝）双模通信芯片，支持 DSRC 兼容模式
- 感知传感器：
- 摄像头（1–4 路，分辨率 2MP–8MP，支持 AI 推理）
- 毫米波雷达（77 GHz，最大探测距离 200 m）
- 激光雷达（可选，16–32 线，用于高精度目标检测）
- 边缘计算服务器：搭载 AI 推理加速卡（GPU/NPU），承担目标检测、追踪和融合计算
- 网络接口：光纤以太网（连接交管中心）+ 5G 无线（备份链路）
- 供电与机箱：-40°C 至 +85°C 工业级机箱，支持 PoE 或独立供电
6.2 RSU 感知处理流程
传感器原始数据
↓
目标检测（YOLO / PointPillars）
↓
多传感器融合（摄像头 + 毫米波雷达）
↓
目标追踪（卡尔曼滤波 / ByteTrack）
↓
坐标转换（像素坐标 → 世界坐标 WGS84）
↓
目标列表广播（RSM 消息，10 Hz）
RSM（Road-Side Message）消息包含：目标 ID、类别（车辆/行人/非机动车）、经纬度、速度、航向、置信度等字段。
6.3 RSU 与信号灯控制器集成
RSU 通过 NTCIP（National Transportation Communications for ITS Protocol）或私有协议与信号控制机（Signal Controller）对接：
- RSU 实时读取当前信号相位（Phase）和配时方案（Timing Plan）
- 封装为 SPAT（Signal Phase and Timing）和 MAP（地理数据集）消息
- 以 10 Hz 频率在 PC5 信道广播，覆盖半径 300–500 m
- 高级应用：RSU 感知行人滞留路口时，可请求信号控制机延长绿灯时间（车路协同信号优化）
6.4 路侧感知精度要求
| 精度指标 | 要求 | 技术挑战 |
|---|---|---|
| 目标定位误差 | < 0.5 m（RMS） | 相机标定精度、地图匹配精度 |
| 目标速度误差 | < 0.5 m/s | 帧间追踪稳定性 |
| 延迟（采集→广播） | < 100 ms | 边缘计算算力限制 |
| 目标检测率 | > 95%（车辆） | 夜间/雨雪场景性能下降 |
| 误报率 | < 5% | 鬼影目标（反射干扰） |
6.5 RSU 部署方案对比
| 部署方案 | 安装位置 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 杆上式 RSU | 路侧立柱（4–6 m高） | 安装灵活，维护便捷 | 视野受限，易被遮挡 | 一般路段、直道 |
| 悬挂式 RSU | 龙门架（6–8 m高） | 俯视视角好，覆盖范围大 | 安装成本高，风阻大 | 交叉路口、高速出入口 |
| 地埋式传感器 | 路面以下 | 不影响景观，防破坏 | 维护困难，探测维度有限 | 停车场、收费站 |
7. 中国 V2X 标准与产业
7.1 国家标准体系
中国 V2X 标准体系由多部门协同构建：
- GB/T 32960：电动汽车远程服务与管理系统技术规范（V2N 基础）
- T/CSAE 53：合作式智能运输系统 车用通信系统应用层及应用数据交互标准（LTE-V2X 消息集）
- T/CSAE 157：合作式智能运输系统 5G 通信性能要求及测试方法
- YD/T 3340：基于 LTE 的车联网无线通信技术 总体技术要求
- GB/T 39264：道路车辆 车载以太网通信协议
- ITS/T 系列：全国智能运输系统标准化技术委员会发布的行业标准
7.2 频谱政策
- 2018 年，工业和信息化部（工信部）划拨 5905–5925 MHz（20 MHz 带宽）用于 LTE-V2X 直连通信（PC5 接口）
- 该频段在全球属于 ITS 专用频段，与欧洲 5.9 GHz ITS 频段部分重叠
- 未来 5G-NR-V2X 将引入更多频段（包括毫米波）
7.3 政策规划
- 《车联网（智能网联汽车）产业发展行动计划》（工信部，2018）：2020 年实现 LTE-V2X 规模部署，2025 年实现 5G-V2X 商用
- 《智能汽车创新发展战略》（发改委，2020）：车路协同是核心战略方向
- 《交通强国建设纲要》（交通运输部，2019）：推进"智慧公路"和车路协同示范
- 新基建政策：5G + 车联网被纳入"新型基础设施建设"国家战略
7.4 示范城市与示范区
| 示范城市/区 | 规模 | 主要特色 |
|---|---|---|
| 上海临港 | 100 km² | 国内首个 C-V2X 全覆盖示范区，华为参与 |
| 北京高级别自动驾驶示范区（HDAS） | 60 km² | 政策先行区，多家科技公司测试 |
| 广州南沙 | 800 km² | 车路协同+无人驾驶一体化示范 |
| 深圳坪山 | 全市域 | 深圳率先立法（《深圳经济特区智能网联汽车管理条例》） |
| 武汉智能网联汽车测试示范区 | 28 km² | 百度 Apollo 主要测试基地，萝卜快跑商业化运营 |
| 雄安新区 | 新区全域 | 新建城市全量部署 V2X，数字孪生一体化规划 |
7.5 国内产业链
| 环节 | 代表企业 | 主要产品/业务 |
|---|---|---|
| 芯片 | 华为海思、大唐联芯 | C-V2X 基带芯片、RSU 处理芯片 |
| 通信模组 | 移远通信、广和通、美格智能 | V2X 车载/路侧通信模组 |
| OBU（车载单元） | 星云互联、金溢科技、千方科技 | 前装/后装 V2X OBU |
| RSU（路侧单元） | 华为、大唐高鸿、星云互联、金溢科技 | 智能 RSU、感知融合一体机 |
| 系统集成 | 华为、阿里云、百度 Apollo | 车路协同平台、云控平台 |
| 整车 | 比亚迪、长安、上汽、华为问界 | 前装 V2X OBU 集成 |
8. V2X 信息安全
V2X 消息的安全性是自动驾驶信任链的关键环节。恶意车辆可发送虚假位置/速度信息欺骗周围车辆，导致错误驾驶决策。
8.1 PKI 公钥基础设施
V2X 安全架构基于 PKI（Public Key Infrastructure）证书管理体系：
- 每辆车/RSU 持有由受信任 CA（Certificate Authority）签发的数字证书
- V2X 消息使用车辆私钥进行数字签名，接收方验证签名真实性
- 签名算法：ECDSA（椭圆曲线数字签名算法），256 位密钥，签名验证时延 < 1 ms
8.2 假名证书（Pseudonym Certificate）
为保护车辆行驶隐私，V2X 安全架构引入假名证书机制：
- 每辆车持有大量（数百至数千个）短期假名证书（有效期约 1 周）
- 车辆频繁轮换所用证书（每 5–300 s 更换一次），使外部观察者无法长期追踪特定车辆
- 证书轮换需在混合区（Misbehavior Detection 监控之外）进行，避免前后证书关联
- 撤销机制：当检测到证书滥用时，CRL（证书撤销列表）及时更新
8.3 SCMS（Security Credential Management System）
美国 USDOT 主导的 SCMS 是 DSRC/C-V2X 统一安全凭证管理体系：
- 根证书机构（Root CA）：信任锚点，签发中间 CA 证书
- 假名证书机构（PCA, Pseudonym CA）：批量签发车辆假名证书
- 登记机构（RA, Registration Authority）：车辆注册和身份验证
- 链接机构（LA, Linkage Authority）：生成隐私保护的链接值，支持撤销而不破坏假名隐私
- 不当行为机构（MA, Misbehavior Authority）：接收不当行为报告，撤销恶意设备证书
8.4 中国 CSMS 体系
中国建立了自主可控的 CSMS（车联网安全凭证管理系统）体系：
- 由国家 CA 和地方 CA 两级构成，符合国家商用密码标准（SM2/SM3/SM4）
- V2X 消息签名采用 SM2 椭圆曲线算法
- 工信部车联网安全标准体系规范假名证书申请、轮换和撤销流程
- 安全 OBU 集成安全芯片（SE, Secure Element），私钥不出芯片
8.5 其他安全威胁与防护
| 威胁类型 | 描述 | 防护措施 |
|---|---|---|
| Sybil 攻击 | 伪造多个身份广播虚假信息 | 行为一致性检测 + 物理层指纹 |
| 重放攻击 | 重放历史 V2X 消息 | 消息时间戳 + 序列号验证 |
| 数据篡改 | 篡改消息内容 | 数字签名完整性保护 |
| 位置欺骗（GPS 欺骗） | 发送错误位置信息 | 多源定位融合 + 行为异常检测 |
| 拒绝服务（DoS） | 大量无效消息阻塞信道 | 信道拥塞控制（DCC, Decentralized Congestion Control） |
9. V2X 未来展望
9.1 协同自动驾驶（CAD）
CAD（Cooperative Automated Driving）代表了自动驾驶从单车智能到群体智能的演进方向：
- L4 协同驾驶：多辆自动驾驶车辆通过 V2V 实时共享感知、决策意图，协同处理复杂路口、施工绕行等场景
- 意图共享（Intent Sharing）：车辆提前广播计划轨迹（未来 3–5 s），周围车辆据此调整自身规划
- 协同预测：利用多车视角联合预测行人/非机动车行为，减少不确定性
9.2 编队行驶（Platooning）
编队行驶是 V2X 最成熟的商业化应用之一，特别是在高速公路货运场景：
- 领头车辆（Leader）由人类驾驶或自动驾驶，后续车辆（Follower）通过 CACC 自动跟随
- V2V 通信使制动反应时延从 1.5 s（人类反应）降至 0.05 s（通信时延），可将车距从 50 m 压缩至 10–15 m
- 紧密车距显著降低空气阻力，后车油耗/电耗降低约 10–15%
- 代表项目：欧洲 ENSEMBLE 项目（多品牌混编车队）、中国干线物流自动驾驶编队
9.3 车路云一体化架构
中国提出的"车路云一体化"是 V2X 技术的顶层架构升级：
云端（Cloud Layer）
全国高精地图/大模型/安全认证/全局交通优化
↕ V2N（5G Uu）
路端（Road Layer）
RSU + 智能信号灯 + 路侧感知 + 边缘计算
↕ V2I/V2V（PC5）
车端（Vehicle Layer）
OBU + 车载传感器 + 域控制器 + 自动驾驶算法
- 云端负责全局优化、模型训练、安全认证
- 路端承担区域级感知增强和实时信息广播
- 车端专注于本车安全决策，云路提供补充信息
9.4 数字孪生城市与 V2X
数字孪生（Digital Twin）城市与 V2X 的深度融合是智慧交通的终极形态：
- RSU 和 V2X 数据实时驱动城市级数字孪生模型（厘米级精度镜像）
- 数字孪生用于：交通信号全局优化仿真、事故快速定位、应急资源调度
- 自动驾驶车辆在进入复杂区域前，可从云端下载该区域的最新数字孪生数据，实现"提前感知"
- 代表项目：雄安新区数字孪生城市、上海城市信息模型（CIM）平台
10. 参考资料
- 3GPP. Technical Specification for 5G V2X Services. TS 22.186 / TR 38.885. 3rd Generation Partnership Project, 2019.
- 中国信息通信研究院. 车联网白皮书（C-V2X）. 2021.
- SAE International. J2735: V2X Communication Message Set Dictionary. SAE International, 2020.
- Xu, R., et al. "CoBEVT: Cooperative Bird's Eye View Semantic Segmentation with Sparse Transformers." Conference on Robot Learning (CoRL), 2022.
- 工业和信息化部. 车联网（智能网联汽车）产业发展行动计划. 工信部科〔2018〕283 号, 2018.
- Wang, T., et al. "V2VNet: Vehicle-to-Vehicle Communication for Joint Perception and Prediction." European Conference on Computer Vision (ECCV), 2020.