问题——随着智能网联汽车加速落地，车路协同、自动驾驶等应用对通信网络的可靠性和时延提出更高要求。作为车联网通信的重要技术路线之一，C‑V2X在无网络覆盖或直连场景下采用的Mode 4资源分配机制，正面临多业务、多数据流同时运行的挑战：不同类型信息并行传输时，资源调度容易出现“忙的更忙、闲的更闲”的结构性失衡，导致冲突增多、时延上升、信道利用率不高，进而影响安全类与效率类业务体验。 原因——研究指出，现有半静态调度机制在多数据流并行条件下主要受两类因素影响：一是数据包生成频率差异明显，周期性上报与事件触发类消息的发送节奏天然不一致；二是业务服务需求不同，安全告警更看重低时延，而状态广播更强调持续性与覆盖面。在统一的资源重选策略下，参数配置难以同时兼顾多类业务，容易出现资源重选不及时或过于频繁等问题，最终造成多个子信道之间的占用与重选不均衡。 影响——在车联网高密度场景下，上述问题会被放大并产生连锁反应：冲突概率上升会直接推高平均传输时延，关键消息到达的不确定性增加；信道利用率下降意味着单位频谱承载有效信息的能力不足，系统吞吐受到挤压。对于城市快速路、隧道、枢纽互通等复杂交通环境，这类性能波动可能削弱车路协同的稳定性，也会增加上层应用在融合感知、决策控制中的冗余开销，影响整体交通效率与安全冗余设计。 对策——针对多数据流并行竞争同一资源的瓶颈，兰州交通大学团队提出基于多数据流并行的S‑SPS资源调度协议思路：以数据流生成频率与服务需求为依据，对资源重选计数器（RC）窗口参数进行差异化配置，使不同优先级数据流在资源重选节奏上“各取所需”，从而改善资源占用结构、减少无效竞争。为验证并量化协议性能，研究建立离散时间马尔可夫链模型刻画通信过程，在理论层面推导稳态概率，并据此评估平均时延、冲突概率、平均信道利用率等指标。同时，研究引入多目标优化框架，对RC参数进行权衡设计，在“降低时延”与“提高利用率”之间寻找更稳健的折中，避免单一指标最优带来另一指标明显退化。 研究给出的优化结果显示，在设定的多类数据流条件下，通过对不同数据流采用差异化RC窗口配置，可获得更均衡的系统表现。仿真对比表明，相较既有方案，所提协议在单流与多流场景中均能改善关键指标：平均时延最低减少12毫秒，平均碰撞概率降低9.52%，平均信道利用率提升16.75%，吞吐量提高0.67兆比特每秒，体现出在复杂业务并行条件下的适配性与可用性。 前景——业内普遍认为，车联网通信正从“单一信息流连通”走向“多业务并行的确定性服务”。在此趋势下，面向Mode 4等分布式资源选择机制的优化，关键在于将业务差异、负载波动与频谱稀缺纳入统一框架，形成可解释、可落地的参数配置与调度策略。该研究通过“协议优化—理论建模—多目标权衡—仿真验证”的链条式论证，为多数据流场景下的资源调度提供了可复用的方法路径。下一步，有关思路有望在更复杂交通流、不同车速与密度、以及与感知融合业务耦合等条件下继续验证，并与工程实现中的参数自适应、跨层协同等方向结合，支撑更大规模的智能交通应用部署。
在智能交通加速发展的背景下，车联网通信能力的提升直接关系到协同感知、决策控制等关键环节的稳定运行。兰州交通大学这项研究聚焦Mode 4多数据流并行带来的资源失衡问题，提出可量化、可优化的调度思路，并给出理论与仿真支撑。随着标准演进与产业落地推进，面向多业务确定性服务的资源调度优化，有望为更安全、更高效的出行与交通组织提供基础能力。