长安大学：基于实车数据的CACC车辆队列纵向控制测试平台.pdf_大学文库

基于实车数据的CACc车辆队列纵向控制测试平台邓晓峰',赵祥模’,田彬',徐志刚',张宇琴 (1.长安大学车联网教育部一中国移动联合实睑室,陕西西安710064) 摘要:随着电子商务的发展和网络购物需求的增加,道路物流运输压力不断增大。车辆队列技术是解决这一问题的关键,该技术能够有效提高道路交通的安全性与通行效率,是当前缓解交通拥堵、减轻污染与节约能源的重要手段。协同式自适应巡航控制( Cooperat i veAdapt i veCrui Control,CAC)利用车辆间无线通信技术为车辆编队提供了有效的编队方法。然而,由于该技术的实地测试成本过高、场景受限并具有一定的危险性,CAG车辆队列纵向控制的测试是一个难题。因此,本文搭建了∂AC∂车辆队列纵向控制半物理测试平台,实现了真实车辆数据,真实无线通信传输与车辆队列仿真平台的结合,在尽可能贴近真实的交通状况和网络状况下降低了测试成本与风险,并在此平台上研究多种交通场景下不同的通信延时对车辆队列纵向控制性能的影响。结果表明,该測测试平台利用实车数据得出的测试结果,与理论推导的结果相吻合。关镳词:车辆队列;协同式自适应巡航控制;实车数据;纵向控制中图分类号:TP302 CACC Platoon Longitudinal Control Test Platform based on realvehicle data Deng Xiao-feng, Zhao Xiang-mo, Tian Bin Xu Zhi-gang, Zhang Yu-qin (1.JointLaboratoryforInternetofvehicles MinistryofEducation& ChinaMobile Communications Corporation, Chang'an University, Xian, 710064) Abstract: Withthedevelopmentofe-commerceandtheincreasingdemandforonlineshopping, the pressure of logistics transportation continues to rise. Vehicle platoons the key to solve this problem. This technologycan effectively improve thesafety and efficiencyofroadtraffic, which is an important means to alleviate traffic congestion, reduce pollution and save energy. CACC idesanefficientmethodforvehicleplatooning usinginter-vehiclewirelesscommunicationtechnology. However, duetothehigh limitedscenariosandcertainrisksoffieldtest CACC longitudinalcontroltestisstilladifficultproblem. Therefore, this paper builds a CACC platoon itudinal control semi-physical test platform, which succeedincombining real vehicle data real wirelesscommunicationtransmission and vehicleplatoonsimulation platform, reducing the (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

基于实车数据的 CACC 车辆队列纵向控制测试平台邓晓峰 1 ，赵祥模 1 ，田彬 1 ，徐志刚 1 ，张宇琴 1 （1. 长安大学车联网教育部—中国移动联合实验室，陕西西安 710064）摘要：随着电子商务的发展和网络购物需求的增加，道路物流运输压力不断增大。车辆队列技术是解决这一问题的关键，该技术能够有效提高道路交通的安全性与通行效率，是当前缓解交通拥堵、减轻污染与节约能源的重要手段。协同式自适应巡航控制(CooperativeAdaptiveCruiseControl, CACC)利用车辆间无线通信技术为车辆编队提供了有效的编队方法。然而，由于该技术的实地测试成本过高、场景受限并具有一定的危险性，CACC 车辆队列纵向控制的测试是一个难题。因此，本文搭建了 CACC 车辆队列纵向控制半物理测试平台，实现了真实车辆数据，真实无线通信传输与车辆队列仿真平台的结合，在尽可能贴近真实的交通状况和网络状况下降低了测试成本与风险，并在此平台上研究多种交通场景下不同的通信延时对车辆队列纵向控制性能的影响。结果表明，该测试平台利用实车数据得出的测试结果，与理论推导的结果相吻合。关键词：车辆队列；协同式自适应巡航控制；实车数据；纵向控制中图分类号：TP302 CACC Platoon Longitudinal Control Test Platform based on RealVehicle Data DengXiao-feng1 , Zhao Xiang-mo1 ,Tian Bin1 ,Xu Zhi-gang1 ,Zhang Yu-qin1 (1.JointLaboratoryforInternetofVehicles, MinistryofEducation&ChinaMobileCommunicationsCorporation, Chang’an University, Xi’an, 710064） Abstract: Withthedevelopmentofe-commerceandtheincreasingdemandforonlineshopping, the pressure of logistics transportation continues to rise.Vehicle platoonis the key to solve this problem. This technologycan effectively improve thesafety and efficiencyofroadtraffic, which is an important means to alleviate traffic congestion, reduce pollution and save energy. CACC providesanefficientmethodforvehicleplatooning by usinginter-vehiclewirelesscommunicationtechnology.However,duetothehigh costs, limitedscenariosandcertainrisksoffieldtest, the CACC platoon longitudinalcontroltestisstilladifficultproblem.Therefore, this paper builds a CACC platoon longitudinal control semi-physical test platform, which succeedincombining real vehicle data, real wirelesscommunicationtransmission and vehicleplatoonsimulation platform, reducing the

costs and risksofthe experiment as closer as possible to the real traffic andnetworkconditions and do researchonthe effects of different communication delays on the longitudinal control ormance vehicle platoon varIous scenarios. Theresultsshowthatthetestresultsobtainedb platformusingrealvehicledataareconsistentwiththetheoreticalderivationresults key words: vehicle platoon; CACC; realvehicle data; longitudinal control 、引言近年来,随着我国国民经济的快速增长,人民群众对网络购物的需求与日俱增,道路物流运输压力不断增大。与此同时带来的一系列交通问题也越来越突出:交通拥堵严重、事故频发、环境污染等已经成为许多城市所面临的难题。为了解决上述难题,研究人员提出了车辆编队策略,基本思想是通过车车通信(2V)的方式实现车辆协同驾驶,研究表明车辆队列能够有效提高车辆安全性与通行效率、缩短行驶时间、减少油耗,同时缓解交通拥堵,减轻污染并提高驾驶舒适性习。协同式自适应巡航控制( Cooperative Adaptive Cruise Control,CACC)是目前主流的车辆编队方法,随着车载通信技术的快速发展,CACC能够使车辆在行驶过程中获得前方车辆的速度、加速度、相对距离等信息,达到跟随前方车辆行驶的目的。与传统ACC技术相比,CACC能够显著地减小车辆稳定跟驰时的间距,同时也能够有效地稳定车辆队列的速度、减小波动,以提高驾驶舒适性, 对提高交通安全有显著意义。目前已经有许多针对车辆队列的实车测试,Demo2000于2000年11月在一条配备5辆自动驾驶汽车的试车道上举行,演示了包括停止、启动、编队、融合以及避障等场景阿 GCDC2011专注于基本车辆编队,包括如何形成与维持车辆队列等:而GCDC2016则更加注重协同驾驶方面,重点演示了车辆队列融合以及交叉口协同通行两个场景,加速了在真实交通环境下引入CACC车辆队列的进程9 但是实车测试也暴露出了一系列问题,如车辆队列的规模受限,且当前符合测试条件的测试道路少、测试场景单一等等。因此,我们提出一种CACC车辆队列纵向控制的半物理测试平台。其中,头车动态数据由真实车辆获得,由头车相连的DSRC设备发给后车的DSRC 设备,后车DSRC设备接收到之后可以计算真实DSRC信道的通信延时及丢包率;将头车数据导入到 Plex车辆队列仿真平台中,本文中上位机纵向控制器采用CACC恒定时距策略 ( Constant Time Gap,CIG),利用现有下位机纵向控制器模拟出后车的动态跟驰过程,从而可以实现真实头车数据与仿真平台的结合,进而可以实现多种测试场景(跟驰间距,城市地图, 高速公路)、多种上位机控制器以及多种通信延时条件下的测试。将测试结果与相关理论分析10进行比较,可以更好的印证理论分析的结论。车辆DSRC通信延时及丢包率测试场景见图1 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

costs and risksofthe experiment as closer as possible to the real traffic andnetworkconditions, and do researchonthe effects of different communication delays on the longitudinal control performance of the vehicle platoon in various traffic scenarios.Theresultsshowthatthetestresultsobtainedby the test platformusingrealvehicledataareconsistentwiththetheoreticalderivationresults. key words: vehicle platoon; CACC; realvehicle data; longitudinal control 一、引言近年来，随着我国国民经济的快速增长，人民群众对网络购物的需求与日俱增，道路物流运输压力不断增大。与此同时带来的一系列交通问题也越来越突出：交通拥堵严重、事故频发、环境污染等已经成为许多城市所面临的难题。为了解决上述难题，研究人员提出了车辆编队策略，基本思想是通过车车通信(V2V)的方式实现车辆协同驾驶，研究表明车辆队列能够有效提高车辆安全性与通行效率、缩短行驶时间、减少油耗，同时缓解交通拥堵，减轻污染并提高驾驶舒适性[1-3]。协同式自适应巡航控制(Cooperative Adaptive Cruise Control, CACC)是目前主流的车辆编队方法，随着车载通信技术的快速发展，CACC能够使车辆在行驶过程中获得前方车辆的速度、加速度、相对距离等信息，达到跟随前方车辆行驶的目的。与传统ACC技术相比，CACC能够显著地减小车辆稳定跟驰时的间距，同时也能够有效地稳定车辆队列的速度、减小波动，以提高驾驶舒适性，对提高交通安全有显著意义[4,5]。目前已经有许多针对车辆队列的实车测试，Demo 2000于2000年11月在一条配备5辆自动驾驶汽车的试车道上举行，演示了包括停止、启动、编队、融合以及避障等场景[6]。 GCDC2011专注于基本车辆编队，包括如何形成与维持车辆队列等；而GCDC2016则更加注重协同驾驶方面，重点演示了车辆队列融合以及交叉口协同通行两个场景，加速了在真实交通环境下引入CACC车辆队列的进程[7-9]。但是实车测试也暴露出了一系列问题，如车辆队列的规模受限，且当前符合测试条件的测试道路少、测试场景单一等等。因此，我们提出一种CACC车辆队列纵向控制的半物理测试平台。其中，头车动态数据由真实车辆获得，由头车相连的DSRC设备发给后车的DSRC 设备，后车DSRC设备接收到之后可以计算真实DSRC信道的通信延时及丢包率；将头车数据导入到Plexe车辆队列仿真平台中，本文中上位机纵向控制器采用CACC恒定时距策略 (Constant Time Gap, CTG)，利用现有下位机纵向控制器模拟出后车的动态跟驰过程，从而可以实现真实头车数据与仿真平台的结合，进而可以实现多种测试场景（跟驰间距，城市地图，高速公路）、多种上位机控制器以及多种通信延时条件下的测试。将测试结果与相关理论分析[10]进行比较，可以更好的印证理论分析的结论。车辆DSRC通信延时及丢包率测试场景见图1

最大输出功率 +23dBm(不包含天线增益与调节) 作频率:5.850GHz-5.925GH 通信距离:800m DSRC参数延时:平均低于10ms(4096bit负载) 数据速率:3M,4.5M,6M,9M,12M,18M,24M,27Mbps 信道带宽:10M(172184),20M V2X接口:DSRC,3G/4G移动数据通信外部接口主机接口:RJ45,WIFI, Bluetooth 汽车接口:CAN,RS232 (三) Plex车辆队列仿真模块 Plex是基于 Veins的开源车载网络仿真平台,它不仅继承了 Veins详细的IEE802.lp和 IEEE 16094 DSRC/WAVE协议栈用以实现车载网络的真实模拟,而且具有逼真的车辆动力学和多种巡航控制模型,能够真实地模拟车辆队列跟驰系统。在 Veins的基础上, Plex能够轻松生成和分析大规模以及混合交通流场景,这对研究部署自动车辆队列跟驰系统意重大, 因为混合交通流是传统驾驶过度到自动驾驶所必须经历的发展过程。此外,Pexe易于拓展且拥有丰富的文档注释,还提供了实例用以演示如何使用及修改Demo,被广泛应用于车辆控制理论与车载网络领域研究中 (四)CACC恒定时距策略本文中上位机纵向控制器采用CACC恒定时距策略,利用头车通过无线通信传来的加速度、速度以及跟随车辆传感器检测到的车距信息计算出跟随车辆的期望加速度u k。an+k,(vn-v)+k2(g 其中,k。、k、k分别为加速度增益、速度增益与间距增益;a、v为前车的加速度与速度;v为跟随车辆的速度;g为跟随车辆与前车之前的间距;G=为定义的最小安全车距:T为恒定时距。根据我们此前关于通信延时建模的工作,当r=045,72=1s时,且CACC恒定时距策略参数取k。=02,k,=0.75,k2=025,Gm=2m,则其通信延时的边界在025。以此理论值为依据,我们利用提出的测试平台开展进一步测试工作。三、测试结果本文主要进行三个场景的测试:加速-巡航-减速场景,急刹车场景以及DSRC信道的通信延时及丢包率测试。其中前两个场景是将头车数据导入Pexe车辆队列仿真平台,作为仿真场景下的头车,利用仿真平台内的下位机纵向控制器模拟出跟随车辆的动态跟驰过程,通过设置不同的通信延时并分析其跟驰过程能够得出保证车辆队列安全跟驰的通信延时边界第三个场景是利用DSRC设备将头车的数据发送到跟随车辆上,达到计算真实DSRC信道的通信延时及丢包率的目的 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

最大输出功率 +23dBm(不包含天线增益与调节) DSRC参数工作频率：5.850GHz-5.925GHz 通信距离：800m 延时：平均低于10ms(4096bit负载) 数据速率：3M,4.5M,6M,9M,12M,18M,24M,27Mbps 信道带宽：10M(172~184),20M 外部接口 V2X接口：DSRC,3G/4G移动数据通信主机接口：RJ45,WIFI,Bluetooth 汽车接口：CAN,RS232 外设接口：USB （三）Plexe 车辆队列仿真模块 Plexe是基于Veins的开源车载网络仿真平台，它不仅继承了Veins详细的IEEE 802.11p和 IEEE 1609.4 DSRC/WAVE协议栈用以实现车载网络的真实模拟，而且具有逼真的车辆动力学和多种巡航控制模型，能够真实地模拟车辆队列跟驰系统。在Veins的基础上，Plexe能够轻松生成和分析大规模以及混合交通流场景，这对研究部署自动车辆队列跟驰系统意重大，因为混合交通流是传统驾驶过度到自动驾驶所必须经历的发展过程。此外，Plexe易于拓展且拥有丰富的文档注释，还提供了实例用以演示如何使用及修改Demo，被广泛应用于车辆控制理论与车载网络领域研究中。（四）CACC 恒定时距策略本文中上位机纵向控制器采用CACC恒定时距策略，利用头车通过无线通信传来的加速度、速度以及跟随车辆传感器检测到的车距信息计算出跟随车辆的期望加速度 id u : min ( )( ) id a p v p g g u k a k v v k g G vT      （1）其中， a k 、 v k 、 g k 分别为加速度增益、速度增益与间距增益； p a 、 p v 为前车的加速度与速度；v 为跟随车辆的速度； g 为跟随车辆与前车之前的间距；Gmin 为定义的最小安全车距；Tg 为恒定时距。根据我们此前关于通信延时建模的工作[10]，当  0.4s ， 1 T s g  时，且CACC恒定时距策略参数取 av g = 0.2, 0.75, 0.25, 2 min k k k Gm   ，则其通信延时的边界在0.25s。以此理论值为依据，我们利用提出的测试平台开展进一步测试工作。三、测试结果本文主要进行三个场景的测试：加速-巡航-减速场景，急刹车场景以及DSRC信道的通信延时及丢包率测试。其中前两个场景是将头车数据导入Plexe车辆队列仿真平台，作为仿真场景下的头车，利用仿真平台内的下位机纵向控制器模拟出跟随车辆的动态跟驰过程，通过设置不同的通信延时并分析其跟驰过程能够得出保证车辆队列安全跟驰的通信延时边界。第三个场景是利用DSRC设备将头车的数据发送到跟随车辆上，达到计算真实DSRC信道的通信延时及丢包率的目的

参数选取:动力传动系统时间常数r=04s:通信延时 delan=0~ls,步长为0.ls:CACC 恒定时距策略参数k=02,k=0.75,k2=0.25,Cm=2m,T=ls 通信延时为0s,02s,0.3s时的跟驰速度、加速度及间距结果见图4 Speed results with different delays Acceleration results with different delays Gap results with different delays fol caGan deay-0 EE8 crash(38,71s,0a3 0 图4急刹车场景下跟驰速度、加速度及间距仿真结果( delay=0s,0.2s,0.3s) 仿真结果表明,随着通信延时的增大,车辆队列纵向控制的效果变差,具体表现为:跟随车辆的速度波动更大,加速度变化更加剧烈且跟驰间距增大。当通信延时达到0.3s时,急刹车场景下的跟随车辆于3871s时刻与头车发生了碰撞。在该测试中,头车的速度震荡角频率接近2rad/s,因此,测试结果与理论延迟边界比较接近。从而,该测试平台利用真实头车运动数据、实际无线传输和 Plex仿真平台,验证了[10]中的理论结果 (三)DSRC信道的通信延时及丢包率测试在同一车道上布置2辆车,间距3~4m,将前两个场景保存的头车数据通过头车的DSRC 设备发给后车的DSRC设备,发送频率设置为10Hz。实验共发送数据1200条,实际收到数据 1192条,通信延时最大为11.8ms,平均延时为3.7ms,丢包率为067% 四、结论本文提出了一种虚实结合的CACC车辆队列纵向控制测试平台。首先,通过CAN总线读取并保存了真实行驶场景下头车的动态数据,并将头车数据导入到 Plex车辆队列仿真平台中,上位机纵向控制器采用CACC恒定时距策略,利用仿真平台内的下位机纵向控制器模拟出后车的动态跟驰过程。测试过程中通过设置不同的通信延时条件并分析对应的跟驰过程得到了加速巡航-减速场景下的车辆队列安全跟驰的通信延时边界为0.8s,急刹车场景下的车 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

辆队列安全跟驰的通信延时边界为0.2s,这也与文献[0中理论分析的结果相一致。然后, 将前两个场景下保存的头车数据通过头车的DSRC设备发给后车的DSRC设备,并计算出了 DSRC信道的通信延时及丢包率。仿真结果表明,在常规加速-巡航-减速场景下,头车动态缓慢变化,纵向控制策略可以容忍更大的通信延时( delay<∞0.8s)。而在急刹车场景下,头车动态剧烈变化时,纵向控制策略则需要较小的通信延时( delay<o.2s)以保证车辆队列的安全。为下一步实现多种测试场景(不同的跟驰间距、城市交通场景、高速公路场景)、多种上位机控制器以及多种通信延时条件下的测试打下了良好的基础。参考文献 [1] RajamaniR, Tan HS, Law B K, et al. Demonstration of integrated longitudinal and lateral control for the operation of automated vehicles in platoons[J]. IEEE Transactions on Control Systems Technology, 2000, 8(4): 695-708 2] Liang, Kuo-Yun, Jonas Martensson, and Karl H Johansson. "Experiments on platoon formation of heavy trucks in traffic. "Intelligent Transportation Systems(ITSC), 2016 IEEE 19th International Conference on IEEE 2016 3 Ding, Jishiyu, et al. Cooperative Adaptive Cruise Control in Vehicle Platoon under nvironment of i-VICS. 2018 21st International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2018 4] Xu Q, Sengupta R. Simulation, analysis, and comparison of ACC and CACC in highway merging control[C)/ IEEE Intelligent Vehicles Symposium IEEE, 2003 5] Arem B V, Driel C V, Visser R. The Impact of Cooperative Adaptive Cruise Control on Traffic-Flow Characteristics[J]. IEEE Transactions on Intelligent Transportation Systems,2007,7(4)429436 [6]Kato S, Tsugawa S, Tokuda K, et al. Vehicle control algorithms for cooperative driving with automated vehicles and intervehicle communications[J]. IEEE Transactions on ntelligent Transportation Systems, 2002, 3(3): 155-161 [7 Englund C, Chen L, Ploeg J, et al. The Grand Cooperative Driving Challenge 2016 boosting the introduction of cooperative automated vehicles[J]. IEEE Wireless Communications, 2016, 23(4): 146-152 8] Dolk V, Ouden J D, Steeghs $, et al. Cooperative Automated Driving for Various Traffic Scenarios: Experimental Validation in the GCDC 2016J. IEEE Transactions on Intelligent Transportation Systems, 2018, PP(99): 1-14 9] Hult R, Sancar FE, Jalalmaab M, et al. Design and Experimental Validation of a Cooperative Driving Control Architecture for the grand Cooperative Driving Challenge 2016J] IEEE Transactions on Intelligent Transportation Systems, 2018, 19(4): 1290-1301 [10 Bin Tian, Zhigang Xu, Xiaofeng Deng, Yuqin Zhang, Xiangmo Zhao Communication Delay Boundary Modeling for Homogeneous CACC String Stability. 2019. (hal-02000855 请附作者简介,格式见征文要求作者简介邓晓峰,男,长安大学信息工程学院硕士硏究生,主要研究方向为车联网仿真测试评价技术,联系电话:18829041897,电子邮箱:408612838@qq.c0m; (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

辆队列安全跟驰的通信延时边界为0.2s，这也与文献[10]中理论分析的结果相一致。然后，将前两个场景下保存的头车数据通过头车的DSRC设备发给后车的DSRC设备，并计算出了 DSRC信道的通信延时及丢包率。仿真结果表明，在常规加速-巡航-减速场景下，头车动态缓慢变化，纵向控制策略可以容忍更大的通信延时(delay<0.8s)。而在急刹车场景下，头车动态剧烈变化时，纵向控制策略则需要较小的通信延时(delay<0.2s)以保证车辆队列的安全。为下一步实现多种测试场景（不同的跟驰间距、城市交通场景、高速公路场景）、多种上位机控制器以及多种通信延时条件下的测试打下了良好的基础。参考文献 [1] Rajamani R , Tan H S , Law B K , et al. Demonstration of integrated longitudinal and lateral control for the operation of automated vehicles in platoons[J]. IEEE Transactions on Control Systems Technology, 2000, 8(4):695-708. [2] Liang, Kuo-Yun, Jonas Mårtensson, and Karl H. Johansson. "Experiments on platoon formation of heavy trucks in traffic." Intelligent Transportation Systems (ITSC), 2016 IEEE 19th International Conference on. IEEE, 2016. [3] Ding, Jishiyu, et al. "Cooperative Adaptive Cruise Control in Vehicle Platoon under Environment of i-VICS." 2018 21st International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2018. [4] Xu Q , Sengupta R . Simulation, analysis, and comparison of ACC and CACC in highway merging control[C]// IEEE Intelligent Vehicles Symposium. IEEE, 2003. [5] Arem B V , Driel C J G V , Visser R . The Impact of Cooperative Adaptive Cruise Control on Traffic-Flow Characteristics[J]. IEEE Transactions on Intelligent Transportation Systems, 2007, 7(4):429-436. [6] Kato S , Tsugawa S , Tokuda K , et al. Vehicle control algorithms for cooperative driving with automated vehicles and intervehicle communications[J]. IEEE Transactions on Intelligent Transportation Systems, 2002, 3(3):155-161. [7] Englund C , Chen L , Ploeg J , et al. The Grand Cooperative Driving Challenge 2016: boosting the introduction of cooperative automated vehicles[J]. IEEE Wireless Communications, 2016, 23(4):146-152. [8] Dolk V , Ouden J D , Steeghs S , et al. Cooperative Automated Driving for Various Traffic Scenarios: Experimental Validation in the GCDC 2016[J]. IEEE Transactions on Intelligent Transportation Systems, 2018, PP(99):1-14. [9] Hult R , Sancar F E , Jalalmaab M , et al. Design and Experimental Validation of a Cooperative Driving Control Architecture for the Grand Cooperative Driving Challenge 2016[J]. IEEE Transactions on Intelligent Transportation Systems, 2018, 19(4):1290-1301. [10] Bin Tian, Zhigang Xu, Xiaofeng Deng, Yuqin Zhang, Xiangmo Zhao. Communication Delay Boundary Modeling for Homogeneous CACC String Stability. 2019. 〈hal-02000855〉请附作者简介，格式见征文要求作者简介邓晓峰，男，长安大学信息工程学院硕士研究生，主要研究方向为车联网仿真测试评价技术，联系电话：18829041897，电子邮箱：408612838@qq.com；