Vehicle-to-Everything (V2X) communication has become an integral component of Intelligent Transportation Systems (ITS) due to its ability to connect vehicles, pedestrians, infrastructure, and create situational awareness among vehicles. Cellular-Vehicle-to-Everything (C-V2X), based on 3rd Generation Partnership Project (3GPP) Release 14, is one such communication technology that has recently gained significant attention to cater the needs of V2X communication. However, for a successful deployment of C-V2X, it is of paramount significance to thoroughly test the performance of this technology. It is unfeasible to physically conduct a V2X communication experiment to test the performance of C-V2X by arranging hundreds of real vehicles and their transceiving on-board units. Although multiple simulators based on frameworks such as NS-3, OMNET++ and OPNET have proven to be reliable and economic alternatives to using real vehicles, all these simulators are time-consuming and require several orders of magnitudes longer than the actual simulation time. As opposed to physical field- and simulation-based testing, network emulators can provide more realistic and repeatable results for testing vehicular communication. This paper proposes a real-time, high-fidelity, hardware-in-the-loop network emulator (RVE-CV2X) based on C-V2X mode 4 that can provide scalable, reliable and repeatable testing scenarios for V2X communication. The accuracy of this emulator is verified by comparing it to an already validated C-V2X simulator based on the NS-3 framework.


翻译:车辆对一切(V2X)通信已成为智能运输系统(ITS)的一个组成部分,因为它能够将车辆、行人、基础设施连接起来,并在车辆中建立状况意识。基于第三代伙伴关系项目(3GPP)第14版的Ceulal-Viclicto- everything(C-V2X)是这种通信技术,最近为满足V2X通信的需要而得到极大关注。然而,对于成功部署C-V2X而言,彻底测试这一技术的性能至关重要。实际进行V2-3通信实验以测试C-V2X的性能是行不通的。虽然基于NS-3、OMNET++和OPNET等框架的多个模拟器已证明可靠而经济,但所有这些模拟器都耗时,比实际模拟框架要长几级。相对于基于实地和模拟的反复测试,网络2 能够提供基于真实、可变校验的硬性网络测试。

0
下载
关闭预览

相关内容

Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
Newsbreak是一家什么公司
计算广告
5+阅读 · 2018年8月28日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
10+阅读 · 2020年4月5日
EfficientDet: Scalable and Efficient Object Detection
Arxiv
6+阅读 · 2019年11月20日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
计算机 | ISMAR 2019等国际会议信息8条
Call4Papers
3+阅读 · 2019年3月5日
计算机类 | ISCC 2019等国际会议信息9条
Call4Papers
5+阅读 · 2018年12月25日
Newsbreak是一家什么公司
计算广告
5+阅读 · 2018年8月28日
(TensorFlow)实时语义分割比较研究
机器学习研究会
9+阅读 · 2018年3月12日
计算机类 | 期刊专刊截稿信息9条
Call4Papers
4+阅读 · 2018年1月26日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员