车联网借助新的通信技术和基础设施,实现人-车-路之间的信息交换和行为协同,是智能驾驶技术的重要组成部分。在智能驾驶服务中,机器智能尚不足以独立完成所有复杂决策,城市交通中将长期存在人类行为智能和机器控制智能混合的人车协同体。每个人车协同体作为智能驾驶服务的使用者和提供者,需要在较广时空范围内进行集中式和分布式相结合的混合式协同。已有研究存在人车协同体行为刻画缺失、缺少混合式的交互模式、缺乏人车协同体的行为可信度量三方面不足,无法为高效智能驾驶服务提供支撑。为此,本文提出混合式多虚拟车协同框架。该框架首先用信息空间中的虚拟车来刻画人车协同体中驾驶员的行为智能,然后将车联网节点之间的分布式或集中式物理通信抽象为信息空间中的逻辑通信。在此基础上,本文对智能驾驶服务进行归纳分析,重点对其中的局部协同服务、全局协同服务和行为可信度量进行了深入研究,取得如下成果:1.针对车联网中多虚拟车局部协同,提出一种基于信息传播和参与激励的服务方法,在网络边缘完成虚拟车之间对象发现和参与决策的整个服务过程。该方法首先根据所订制的服务需求发现潜在协同对象,服务信息通过自组织传播抵达与其没有直接通信的虚拟车个体,从而扩大协同群体范围。在形成一定范围的潜在服务提供群体后,所有个体进行自主决策,完成服务交付。基于交通仿真软件和通信过程模拟的实验表明,所提的方法可以根据所订制的内容进行高效的信息传播和群体自适应决策,从而支持多虚拟车的局部协同感知服务。2.在多虚拟车全局协同方面,提出一种基于价值迭代和组合优化的服务方法,通过虚拟车边缘自主决策和云端群体协调相结合的方式对全局道路资源进行合理分配。该方法采用价值迭代网络,使边缘的虚拟车学习人类驾驶模式并进行拟人的路径规划,然后通过云端协调节点对多个虚拟车的路径候选集合进一步地组合优化。基于真实城市地图和出租车轨迹数据的实验表明,所提的方法可以在城市全局进行有效的协同导航和分流,从而提升城市车辆的通行效率。3.在多虚拟车行为可信度量方面,提出基于邻近传播和中心仲裁的可信度量方法,通过边缘动态评估和云端历史评估结合的方式发现具有不良行为的虚拟车,满足车联网协同服务的可信需求。该方法使虚拟车利用通信或者观察等手段动态地对局部环境、个体进行认知,多个虚拟车分享认知情报后联合计算获得动态信任,再结合中心仲裁器的历史声誉信息对虚拟车个体进行准确度量。基于车辆轨迹和行为仿真表明,所提的方法可以全面准确度量虚拟车的行为,为虚拟车协同提供有效支撑。