城市智能交通系统日益依赖车对基础设施（V2I）通信提供绿灯最优速度建议（GLOSA）服务。然而，传统GLOSA系统在混合交通环境中易受路侧单元（RSU）覆盖间隙和通信不稳定的影响。本文中，研究人员提出一种异构通信网络协作框架，将去中心化多跳车对车（V2V）中继
城市智能交通系统日益依赖车对基础设施（V2I）通信提供绿灯最优速度建议（GLOSA）服务。然而，传统GLOSA系统在混合交通环境中易受路侧单元（RSU）覆盖间隙和通信不稳定的影响。本文中，研究人员提出一种异构通信网络协作框架，将去中心化多跳车对车（V2V）中继与常规V2I通信集成，以将信号相位和定时（SPaT）传播扩展到直接RSU覆盖范围之外。一种轻量级基于梯度的速度同步机制支持低计算开销的实时轨迹自适应。该框架通过微观SUMO仿真进行评估，显式建模了不同交通密度和网联自动驾驶车辆（CAV）渗透率（10–70%）下的通信损伤。结果表明，在70% CAV渗透率下，相比仅V2I的GLOSA，旅行时间减少高达22%，停车频率减少高达95%，CO
排放减少超过18%。在10% CAV渗透率的下限，该框架仍实现了约4–6%的旅行时间和15–20%的停车频率可测量改善，确认了即使在最低网联车辆采用率下也具有实际效益。所提框架通过分布式中继传播保持建议连续性，为异构环境中的智能交通协调提供了可扩展且通信鲁棒的增强。
**论文解读：异构通信网络协作框架用于混合V2V–V2I交通信号优化**
随着智能交通系统（ITS）的快速发展，可靠、低延迟且可扩展的车辆通信系统成为支撑实时移动性服务的关键。传统绿灯最优速度建议（GLOSA）系统主要通过车对基础设施（V2I）通信将信号相位和定时（SPaT）信息广播给接近路口的车辆，使其调整速度以减少不必要的停车和加速。然而，在真实城市环境中，路侧单元（RSU）覆盖间隙、数据包丢失、通信不稳定以及混合交通组成（网联自动驾驶车辆CAV与人类驾驶车辆HDV并存）频繁导致建议连续性中断，系统鲁棒性下降。现有研究多假设PA视讯稳定的V2I通信条件，或依赖计算密集型的集中式优化方法（如模型预测控制MPC、深度强化学习DRL），这些方法在部分基础设施覆盖和动态通信条件下可扩展性差。此外，V2V辅助通信研究多聚焦于编队行驶或碰撞避免，而非鲁棒的SPaT传播与交通信号建议连续性。因此，亟需一种既能保持通信连续性又能适应混合交通异构性的轻量级分布式协作框架。
研究人员提出一种用于智能交通环境中混合V2V–V2I交通信号优化的异构通信网络协作框架。该框架将去中心化多跳V2V中继通信与常规V2I的SPaT传播相结合，以在部分RSU覆盖条件下改善建议连续性和通信鲁棒性。同时，开发了一种基于梯度的轻量级速度同步机制，支持低计算复杂度与低通信开销的实时轨迹自适应。通过微观SUMO仿真（包含六个四相位信号化路口，信号周期90秒，车道长度300米），在不同交通密度（低、中、高）和CAV渗透率（10%–70%）下评估框架性能，并与仅V2I的GLOSA及无通信基线进行对比。结果表明：在70% CAV渗透率、高密度条件下，旅行时间减少高达22%，停车频率减少高达95%，CO2排放PA视讯减少超过18%；即使在10%低渗透率下，旅行时间仍有约4–6%的改善，停车频率减少15–20%。该框架通过分布式中继传播保持建议连续性，在部分RSU覆盖下性能提升显著，且在不同通信损伤（丢包率、延迟、信道拥塞）下表现出优雅退化。该研究为异构环境中的智能交通协调提供了可扩展且通信鲁棒的增强方案，论文发表在《Electronics》。
（1）**异构混合V2V–V2I通信架构**：RSU以10 Hz广播SPaT信息；CAV在RSU覆盖范围内直接接收，超出范围后通过短距离V2V（约300 m）中继传播；中继管理包含信号强度阈值（-85 dBm）、跳数限制（≤3跳）、序列号去重（滑动窗口大小10）及生存时间（TTL 200 ms）以抑制广播风暴。（2）**轻量级梯度速度同步机制**：基于区间到达误差（包含绿灯起始与结束时间），利用tanh平滑函数和死区（±0.5 s）进行速度增量更新，计算复杂度为O(k)（k为通信范围内车辆数），无需车辆间协调或离线）**SUMO仿真环境**：通过TraCI接口实现RSU广播、V2V中继、速度优化逻辑；采用PHEMlight排放模型计算油耗与CO2；车辆模型：HDV使用Krauss跟驰模型，CAV使用IDM模型；CAV渗透率从10%到70%变化，每种场景进行50次独立随机仿线）**通信损伤建模**：在仿真层注入均匀随机丢包率（0–50%）、固定延迟（0–300 ms）及信道拥塞模拟（降低SPaT广播频率至3 Hz）。
通过SUMO仿线I的GLOSA模型。在低密度、30% CAV渗透率下，混合框架旅行时间减少约13%；在高密度、70% CAV渗透率下，减少幅度达22%。性能提升归因于V2V中继扩展了通信覆盖，以及梯度速度同步平滑了加速/减速行为。所有结果经Welch’s t检验（Bonferroni校正）在p
<0.001水平显著。
在中密度、50% CAV渗透率下，混合框架将平均停车次数从仅V2I的1.50次/行程降至0.07次/行程，而无通信基线V中继维持SPaT连续传播，避免了仅V2I系统在覆盖间隙内的停车振荡，车辆速度轨迹显示混合框架始终平滑。
使用PHEMlight模型（Euro-6汽油车，整备质量1450 kg）计算。在中密度、50% CAV渗透率下，混合框架CO2排放比仅V2I减少12–16%；在70%渗透率、高密度下减少超过18%。绝对CO2值为170.0 g/km（混合框架），低于无通信基线 g/km）。
在RSU覆盖受限场景中，混合框架旅行时间比仅V2I改善高达19%。车辆加速度曲线的剧烈加减速，而混合框架保持在±0.6 m/s2以内，表明V2V中继维持了连续建议。
在10%低渗透率下，CAV通过平滑轨迹间接稳定周围HDV，仍可测到旅行时间改善4–6%。在30–50%渗透率下，CAV集群显著改善中继连续性；在70%渗透率下接近最优协同。框架在完全网联与过渡混合环境中均有效。
混合框架的SPaT传播连续性显著优于仅V2I，车辆在RSU覆盖范围外仍通过中继保持建议访问。去中心化分发降低了通信盲点，增强了网络鲁棒性。
在中等密度、50% CAV渗透率下，引入丢包率、延迟和信道拥塞。10%丢包率下保留96.5%性能，30%丢包率下保留85.3%，50%丢包率下降至58.9%。延迟100 ms时保留93.6%，300 ms时降至55.7%。信道拥塞（3 Hz广播）下保留60.2%。高CAV渗透率增加中继冗余，提高损伤容忍度。
将仿真扩展至六路口干线，评估全RSU覆盖与半RSU覆盖（仅3个路口安装RSU）。在半覆盖下，混合框架旅行时间改善16.8%，停车频率减少86.1%，通信连续性保留91.2%，接近全覆盖性能（改善18.2%）。RSU间距与V2V中继范围的比值决定覆盖间隙桥接效果：比值90%。
**讨论部分总结**：混合框架相比仅V2I系统持续更优，主要机制是去中心化V2V中继扩展了SPaT传播范围，轻量级梯度算法提供平滑速度调整。在通信损伤下，框架通过中继冗余、增量调整和分布式负载表现出优雅退化。数学上，梯度更新在真实速度范围内保持单调收敛，学习率α∈[0.1,0.4]确保稳定。通信开销可控：每辆车每秒最多发送2条消息（128字节），总信道负载约12.8 kbps，远低于IEEE 802.11p DSRC的6 Mbps带宽。框架兼容现有ITS标准，支持渐进式部署。研究局限性包括：SUMO通信模型简化为均匀随机丢包和固定延迟，未采用物理层衰落模型；评估网络为受控子网络；GPS误差（1–3 m）在死区（±0.5 s）内被自然过滤；中继机制易受Sybil攻击，需PKI认证（每消息2–5 ms签名开销）。
**结论部分翻译**：本文提出一种用于智能交通环境中混合V2V–V2I交通信号优化的异构通信网络协作框架。该框架将直接车对基础设施通信与去中心化多跳车对车中继相结合，以在异构网络条件下改善SPaT传播连续性、协同交通协调和通信鲁棒性。与传统的依赖基础设施的GLOSA系统不同，所提框架使网联车辆能够作为分布式中继辅助通信节点运作，将建议覆盖范围扩展到直接路侧单元通信范围之外。还开发了一种轻量级基于梯度的速度同步机制，以支持低计算和通信开销下的实时协同轨迹自适应。观察到的改善主要得益于去中心化中继辅助的SPaT传播、更平滑的车辆轨迹自适应以及在部分基础设施覆盖条件下改善的建议连续性。这些发现进一步表明，异构协同车辆通信能够显著增强在动态变化通信环境中运行的智能交通协调系统的可扩展性和鲁棒性。重要的是，即使在相对较低的CAV渗透率下，所提框架仍然有效，表明其适用于未来完全网联的交通系统以及过渡期的混合交通环境。通过减少对连续基础设施连接的依赖，并实现车辆间的去中心化信息分发，该框架为当前智能交通系统架构提供了实用且通信感知的增强。因此，本研究为新兴智能交通生态系统中协同异构车辆网络和通信感知移动性协调的更广泛发展做出了贡献。未来工作应集中于利用DSRC或C-V2X测试平台进行真实部署与实验验证、基于信道质量指标的自适应中继选择机制、集成边缘辅助智能交通基础设施与5G-NR V2X网络，以及用于稀疏基础设施区域覆盖扩展的无人机辅助通信中继。
