LightDAG-Delegate：面向车联网的RSU委托驱动混合共识协议

LightDAG-Delegate： an RSU-delegation-driven hybrid consensus protocol for vehicle-to-everything

摘要

在车联网中，车端信息交互的实时性是保障车辆安全行驶的基本，因此车联网中的共识机制必须同时满足低延迟与高吞吐性. 现有共识机制采用的PBFT（Practical Byzantine Fault Tolerance）、HotStuff及DAG（Directed Acyclic Graph）类协议在动态拓扑和资源受限的车联网环境下，仍面临着通信开销大、扩展性不足等问题. 为解决上述问题，提出一种基于RSU委托的混合共识协议. 该协议将RSU（Road Side Unit）的稳定算力作为核心共识层，仅让车端节点承担交易生成与委托任务，显著降低了车端的计算与通信开销. 各项实验结果表明，所提方案在不同节点与批处理规模下，不仅具有较高吞吐量和低延迟，还能有效抵御双花攻击、女巫攻击等威胁.

Abstract

In vehicle-to-everything （V2X） networks， the real-time information exchange among vehicles is essential for ensuring safe driving. Therefore， the consensus mechanism in V2X must simultaneously satisfy the requirements of low latency and high throughput. Existing consensus mechanisms based on PBFT（Practical Byzantine Fault Tolerance）， HotStuff， and DAG（Directed Acyclic Graph） still face challenges of high communication overhead and limited scalability in V2X environments characterized by dynamic topologies and resource constraints. To address these issues， a hybrid consensus protocol was proposed based on RSU（Road Side Unit） delegation. The protocol leveraged the stable computing power of RSUs as the core consensus layer， while vehicle-end nodes were only responsible for transaction generation and delegation tasks， thereby significantly reducing the computational and communication overhead of the vehicle ends. Experimental results demonstrated that the proposed scheme not only achieved high throughput and low latency under varying node counts and batch sizes， but also effectively resisted threats such as double-spending and Sybil attacks.

近年来，通信技术与物联网（Internet of Things，IoT）的快速发展为智能交通系统提供了坚实基础^［1］. 车联网（Vehicle-to-Everything，V2X）系统通过部署多模态传感器与车载单元（On-Board Units，OBU）实现车辆与道路基础设施、其他车辆及云平台之间的多维协同通信，构建以车路协同为核心的网络化架构^［2］. 随着边缘智能技术在智能交通领域的深入应用^［3］，V2X在提升交通安全、优化道路效率和推动智慧城市建设方面展现出显著潜力，成为新一代智能交通的重要支撑^［4］.

在车辆与交通设备大规模联网部署的背景下，通信安全、数据隐私以及系统可靠性等关键问题日益凸显^［5］. 为应对上述挑战，区块链技术凭借去中心化、可追溯与抗篡改特性，将信任锚点从集中式架构迁移至分布式协议层，为车联网构建跨域可信计算与安全通信体系提供了可行路径^［6］. 这一信任迁移不仅体现在共识与认证层面，在数据流通层面同样得到验证：基于签密与可编辑区块链的方案已能在保持机密性的同时支持受控修改^［7］. 尽管区块链为车联网奠定了可信交互的基础，但现有共识机制普遍面临通信复杂度随节点规模增长、动态拓扑下成员频繁变更等挑战，难以同时满足高吞吐与低延迟的部署需求. 因此多种针对车联网的区块链共识算法优化与适配研究也随之展开. Hu等人^［8］提出BCA-TG算法，结合时间序列分析与Gossip协议，旨在解决集中式车联网架构中的通信安全与节点认证问题. 该方法实现了去中心化的信息验证机制，在动态拓扑下展现出较好的容错与安全性能. 李俊吉等人^［9］提出一种基于信誉机制的改进PBFT共识算法（RPBFT），通过信誉评估及收集器节点机制，将参与者分类并限制恶意节点行为，从而降低通信复杂度并提高吞吐效率. Wang等人^［10］则对HotStuff算法进行优化，提出基于RSU信任聚合与加权选主机制的共识框架，通过动态调整领导节点权重进一步降低延迟并提升系统稳定性. Zhang等人^［11］则从动态车辆信誉角度出发，设计了融合区块链的车联网通信共识算法，进一步拓展了信誉驱动共识的研究边界. 虽然上述改进方案在车联网场景下降低时延、提高吞吐率和增强安全性等方面取得了一定进展，但仍存在诸多限制. 以R-PBFT^［9］和HotStuff^［10］为例，通过信誉机制降低了PBFT^［12］的平均时延，但仍采取“少数共识委员+多数旁观验证节点”的方案. BFT类算法的通信复杂度呈线性增长，随节点规模扩大而显著增加，进而限制了系统的可扩展性. 车辆在RSU覆盖区内的频繁进出导致链上成员集合不断变化，使区块和投票难以及时传播与确认，从而降低了共识效率并削弱了网络稳定性.

为了应对大规模、异构与动态变化的V2X网络结构，研究者提出了多种轻量化、可扩展的共识机制，其中典型方向包括基于DAG的结构优化与面向异构节点的协同机制^［13］. Bartolomeu等人^［14］率先探索了IOTA Tangle账本在车联网中的应用，利用DAG替代传统链式结构以提升扩展性和并发能力，并引入MAM机制以增强隐私保护. 在共识流程层面，陈友荣等人^［15］提出面向车联网异构节点的高效一致性共识算法（ECCA），通过信用等级机制、跨区身份变更与改进共识流程，有效提升了区块链在车联网中的吞吐量、时延与安全性. 然而，DAG型账本如HDGgraph^［16］以及DRDST^［17］虽然并发度高，但是交易需要依赖“概率收敛”或额外可信角色进行确认，全局线性排序与确定性终局尚未兼顾.

为解决上述问题，本文提出一种基于LightDAG结构^［18］的RSU-车辆混合共识机制，旨在融合RSU节点的稳定性与计算能力方面的优势，与车辆节点交通状态的感知方面的优势，构建适应V2X场景的高效、低延迟、可扩展的共识体系. 实验表明，所提出的机制在交易延迟与系统吞吐率等关键性能指标上相较现有方案表现更优，具备更高的节点扩展能力、异构资源环境下的高适应性，以及在高动态车联网场景中更好的共识稳定性.

1 系统模型和模型假设

1.1 系统模型

本文基于DAG型BFT共识在吞吐量和性能方面的优势^［13］，并结合异构区块链系统的设计理念，构建了一种面向V2X的混合共识架构. 在该架构中，核心共识网络由部署在RSU上的全连接节点组成，而车辆节点作为边缘侧的数据来源，通过签名授权与委托代理机制参与区块的提议与确认过程. 如图1所示，系统主要由车辆节点、RSU节点和云端三部分构成. 在该体系中，车辆节点并不直接参与投票，而是将其感知生成的交易消息（transaction，下文简称“交易”）通过签名授权机制交由覆盖范围内的RSU节点处理. RSU节点在验证委托信息的合法性后，代表车辆完成共识过程，从而实现角色协同与资源隔离. 通过该模式，系统在保持DAG并行处理优势的同时，还有效降低了车辆节点的计算与通信负担.

1.2 模型假设与系统安全前提

为保障所提出的混合共识协议在车联网环境中的一致性与抗故障能力，本文在建模过程中引入如下基本假设：首先，系统由n个RSU共识节点组成，允许其中最多f个节点表现出拜占庭行为. 当满足n\ge \mathrm{3}f+\mathrm{1}的条件时，协议的安全性（全局一致性）在至多 f个拜占庭节点存在的情况下始终成立^［12］. 其次，系统运行在异步网络模型下，消息传输可能出现任意时延，但保证最终可达^［19］. 在该假设下，不对消息传输设定严格上界，更贴近车联网环境中链路动态波动和拓扑频繁变化的实际情况. 最后，系统假设RSU层具备完整的公钥基础设施（PKI）支持. RSU节点与车辆节点分别持有独立的密钥对，以保证身份认证与消息完整性. 同时，系统采用基于异步门限密钥^［20］生成的共识随机数机制GPC，用于每一轮共识过程中选举不可预测的Leader区块，从而防止攻击者操控选主过程并提升协议的安全性与终止性. 此外，系统在签名聚合环节引入BLS方案^［21］，以降低多签名场景下的通信与验证开销.

2 LightDAG-Delegate共识机制

2.1 委托驱动的系统设计

针对车联网环境中节点资源和连接能力高度异质化带来的局限性^［15］，本文提出LightDAG-Delegate共识机制，该机制利用具备较强计算能力和稳定通信链路的RSU节点作为共识代理节点，接替车辆节点的共识任务. 在该机制下，车辆节点仅需负责交易的生成与签名授权，并通过委托协议将其交易请求提交至覆盖范围内的RSU节点. RSU节点在验证委托合法性后，代表车辆完成区块提议、消息广播及投票等核心共识步骤，从而实现角色分离，并有效地将计算与通信资源的开销转移至RSU节点，显著减轻了车辆端的资源消耗. 通过该方式，系统既能充分利用RSU节点的稳定资源优势，又能减轻车辆节点的计算和通信负担，提升整体网络的吞吐性能与共识效率.

2.1.1 基于群签名与速率受限匿名凭证的委托流程

为同时满足匿名性、抗女巫攻击与可追溯性等安全需求，本文采用群签名机制^［22］与速率受限匿名凭证. 车辆在向RSU提交交易时，其身份保持匿名，但在必要情况下群管理者（GM）仍可对其进行追溯，从而在隐私保护与责任落实之间实现平衡.

具体的委托流程包括以下六个阶段：

1）系统初始化：群管理者生成群公钥与开封密钥，并为后续车辆注册提供群成员私钥分发接口. RSU节点在部署阶段预加载群公钥与撤销列表（CRL）.

2）车辆注册：车辆接入车联网后由GM分配长期群私钥，用于后续匿名群签名的生成.

3）委托请求生成：车辆在时间窗口内构造交易消息，使用群私钥生成群签名，同时生成速率受限证明与标签，确保其在每个时间窗口内的委托次数不超过预设阈值.

4）RSU验证：RSU接收到委托请求后，首先验证群签名的正确性；随后检查速率证明与撤销列表，以保证车辆未超出阈值限制且身份未被撤销.

5）交易打包与签名聚合：RSU节点在完成验证后，按照LightDAG共识流程对交易进行打包，并执行签名聚合操作.

6）撤销与追溯：若车辆被判定为恶意节点，GM将其加入撤销列表并广播更新；如需责任追溯，GM可利用开封密钥解密群签名，从而识别具体车辆身份.

在保障车辆匿名性的同时，通过速率受限与追溯机制，本协议能够有效抵御女巫攻击和恶意行为，为系统的稳健性与安全性提供了制度化支撑.

2.1.2 RSU选择机制

为进一步提升代理节点选择的合理性与系统整体性能，本文采用了一种融合未来轨迹感知与负载信息广播的RSU选择机制^［23］. 在该机制中，RSU节点会周期性地通过地理广播向覆盖范围内的车辆节点发送其当前负载指数. 车辆接收广播信息后，即可实时获取候选RSU的负载状态，并将其用于后续的代理打分计算.

具体而言，车辆轨迹上的交叉路口被选取为代表性点. 从每个代表性点i到附近RSUj的路径长度被估计为D(i,j). 使用指数衰减函数H(i)来衰减距离较远交叉点的影响. 随后，车辆为每个RSU计算一个偏好值F_j，其公式如下：

F_j=\frac{\mathrm{1}}{\alpha {\sum }_{i=\mathrm{0}}^{n}H(i)\times D(i,j)\times \beta \times L_j} .（1）

其中，\alpha和\beta是两个调节参数（\mathrm{0}\le \alpha ,\beta \le \mathrm{1}），用于在路径距离和RSU负载之间进行权衡. 通过这一机制，车辆能够在动态变化的环境中高效、精准地选择代理RSU，优化资源分配并提高整体系统的响应效率.

2.1.3 匿名委托与群签名机制

为保障委托过程中的匿名性与可追溯性，本文采用在车联网隐私保护研究中得到广泛应用的群签名机制. 车辆在生成交易请求时，利用群私钥对消息进行签名；RSU在验证阶段仅需群公钥，即可确认消息来自合法群体成员，而无法识别具体车辆身份，从而有效实现隐私保护. 群签名机制保障车辆节点身份的匿名性与可追溯性，而速率受限证明则进一步约束单个车辆在给定时间窗口内的请求次数. 两者协同作用，使得系统能够在动态车联网环境中实现委托操作匿名性与可追溯性的前提下，有效抵抗女巫攻击.

为进一步形式化描述委托环节中的群签名机制，本小节将详细阐述其核心算法流程，涵盖消息构造、群签名生成、验证以及开封操作.

1）交易签名生成：在每个时间窗口epoch内，车辆首先根据待提交的交易tx构造消息如式（2）所示，随后利用其群私钥s{k}_{G,i}调用群签名算法，生成对应签名{\sigma }_{\mathrm{G}}，如式（3）所示.

m=(tx\_hash||epoch||RSU\_id||nonce) .（2）

{\sigma }_G\leftarrow GSign(s{k}_{G,i},m) .（3）

2）验证与限速控制：RSU节点接收到请求后，利用群公钥p{k}_G验证群签名的正确性如式（4）所示，同时检查速率受限匿名凭证所生成的标签tag与证明，确保该车辆在当前epoch内的委托次数未超过阈值Q.

GVerify(p{k}_G,m,{\sigma }_G) .（4）

3）开封与撤销：若某车辆被检测为恶意节点，群管理者可调用开封算法Open(ok,{\sigma }_G)揭示签名者身份，如式（5）所示，并将其加入撤销列表，从而实现匿名性与可追溯性的平衡.

Open(ok,{\sigma }_G)\to VID .（5）

2.1.4 BLS签名聚合机制

为降低通信与存储开销，本文采用基于双线性映射的BLS聚合签名方案^［21］. 该方案能够将多个用户对不同消息的签名压缩为一个短签名，在保持验证有效性的同时，显著减少系统的签名负担. 聚合签名可证明每个用户均签署了各自的消息，而无需保留和传输所有原始签名.

在RSU节点侧，聚合操作通过将各个签名相乘完成. 对于k个签名，聚合签名计算如式（6）所示：

\sigma ={\displaystyle \prod _{i=\mathrm{1}}^k}{\sigma }_{r_i} .（6）

其中，{\sigma }_{r_i}表示RSU节点对消息m_i^{}的签名.

聚合签名的验证依赖各消息与对应的 RSU 节点公钥P{K}_{r_i}.首先计算出各消息m_i^{}的哈希值h_i=H(m_i^{})，然后利用双线性映射验证等式（7）：

e(\sigma ,g_{\mathrm{2}})={\prod }_{i=\mathrm{1}}^{k}e\left(h_i,P{K}_{r_i}\right) .（7）

其中g_{\mathrm{2}}是群G_{\mathrm{2}}的固定生成元，P{K}_{r_i}为生成该签名的RSU节点公钥.g_{\mathrm{2}}与各RSU公钥均属于系统初始化阶段经PKI注册的公开参数，验证方在本地即可获取，无需随签名重复传输.该方案将k个签名压缩为单个群元素，使签名传输与存储开销降至 O（1）；聚合验证需执行k+1次双线性配对，计算开销随聚合规模线性增长，但单次操作为毫秒级，在车联网100 ms 广播周期内，能够满足高并发、低时延场景的实时性需求.

2.2 LightDAG共识机制

本小节将详细阐述LightDAG共识协议在RSU节点中的运行流程. 作为一种面向异步拜占庭环境的DAG型共识协议，其核心目标是在动态车联网场景下实现高吞吐率、低时延以及确定性终局性^［18］. 相较于传统单链结构的PBFT类协议，LightDAG通过并行出块与多重引用机制，显著提升了系统的扩展性与鲁棒性.

2.2.1 共识流程结构

LightDAG以波为基本单位组织共识，每个波包含三轮CBC协议，分别编号为〈w,\mathrm{1}〉\mathrm{、}〈w,\mathrm{2}〉\mathrm{、}〈w,\mathrm{3}〉. 每一轮由两个阶段组成：VAL（提议阶段）与ECHO（确认阶段）. 如图2所示，在每个轮次中，RSU节点生成新区块并通过VAL消息广播至全体节点. 新区块中会携带其引用的祖先哈希列表，通常为上一轮中已交付的区块. 接收节点在收到区块B后，并不会立即确认该区块是否可交付，而是会首先验证引用的祖先块是否本地可用；若存在缺失，则需从原提议者或其他邻近节点请求补齐. 只有当节点完成对区块B所引用祖先块的交付后，才会进入第二阶段，即向全体节点广播包含区块B的ECHO消息. 这一设计确保节点仅在具备完整祖先上下文的条件下参与确认，从而避免在不完整DAG结构上推进共识.

当某个节点接收到至少n-f个包含区块B的ECHO消息后，即可判定该区块在全网范围内已达成传播一致性，从而执行交付操作，并将该区块纳入本地DAG图中. 每个区块在DAG中的位置通过slot来唯一标识，定义为slot=〈w,e,i〉，其中w为波编号，e为波内轮次，i为提议节点的编号. 每个slot最多包含一个区块，以确保单调性与结构完整性. 每个新区块会引用前一轮中至少n-f个已交付区块，从而建立清晰的祖先依赖关系. 即便部分节点未能提议，其slot仍在DAG中逻辑存在. 这一slot约束与多重引用机制共同构成了LightDAG协议保障活性与安全性的核心基础. 在该机制下，即便部分节点宕机或缺席提议，系统仍可依赖其他诚实节点的slot获得足够数量的有效引用，满足Leader块提交所需的阈值条件f+\mathrm{1}，从而确保共识流程能够连续推进并最终终止.

为进一步降低延迟，LightDAG在协议设计上进行优化，如图3所示，将波w的第三轮〈w，3〉与波w+\mathrm{1}的第一轮〈w+1，1〉合并为一个实际的共识轮次，从而实现每个共识波仅需5次通信步骤即可完成全部过程.

2.2.2 Leader块选举与提交判定机制

LightDAG协议采用了基于领导者区块驱动的提交机制. 该机制依赖全局完美抛币（Global Perfect Coin，GPC）从每波第一轮提出的所有区块中随机选出一个领导者区块L_w. 领导者区块将作为一个参考点，用于提交和确认之前轮次中未被提交的区块. 全局完美抛币具备不可预测性和全局一致性，这确保所有诚实节点计算出的领导者结果一致，从而为后续提交过程奠定基础.

1） 领导者选取

在系统初始化阶段，签名私钥SK通过门限方案分片至全网n个节点，每个节点持有一份私钥分片S{K}_{r_j}. 在第w个波次中，每个诚实节点利用其私钥分片对波次编号w进行门限签名，得到签名分片{\sigma }_j，并将其广播给其他节点. 当某节点收集到不少于f+\mathrm{1}个有效签名分片后，即可通过恢复函数合成完整门限签名{\sigma }_w，如式（8）所示：

{\sigma }_w=Combine({\sigma }_{{}_{\mathrm{1}}},{\sigma }_{\mathrm{2}},{\sigma }_{\mathrm{3}},...,{\sigma }_{{}_{f+\mathrm{1}}}) .（8）

随后，系统对{\sigma }_w进行哈希运算，并映射为领导者区块索引，如式（9）和式（10）所示：

r_w=H({\sigma }_w) .（9）

L_w=r_w\mathrm{m}\mathrm{o}\mathrm{d}n .（10）

其中，n表示该波第一轮中提出的候选区块数，L_w为最终确定的领导者区块位置.

2） 提交判定与传播

一旦确定领导者区块L_w，节点进入引用判断阶段，检测L_w是否在该波第二轮〈w,\mathrm{2}〉中被至少f+\mathrm{1}个不同区块引用. 若条件满足，则认为L_w已直接确认，并进入正式提交阶段；若条件不满足，则该区块仍保留在DAG中，等待后续波次通过间接引用完成提交.

当某节点p确认领导者区块L_w可被提交时，提交从最近未提交领导者 L_u到当前领导者L_v的领导者序列L_{u,v}，即L_u至L_v的所有尚未提交领导者. 该过程确保所有节点可在DAG图中构建一致的提交路径和交易顺序. 如图4所示，若某一波的领导者L_w未在当前波中直接提交，但在后续波的领导者L_v中被引用链覆盖，则通过L_v的提交过程，L_w可被间接提交.

3 实验分析

3.1 实验环境

在macOS 15. 6系统环境下，本文基于OMNeT++6. 0、SUMO 1. 11. 0与Veins 5. 2的联合仿真平台构建车联网交通场景，并采用blspy库完成BLS聚合签名的实验，以验证提出算法在不同规模与场景下的性能表现. 本文选取PBFT、HotStuff与Hashgraph作为基线算法. 其中，PBFT属于典型的三阶段强领导者串行出块机制，HotStuff通过线性通信与流水化视图切换优化了主节点切换开销，而Hashgraph则代表基于DAG的无领导并行出块与虚拟投票方案. 由于当前多数车联网共识协议均可视为这三类算法的变种或组合，因此选取PBFT、HotStuff与Hashgraph作为对照，不仅具有代表性和通用性，而且能够为所提算法的性能优势提供清晰、可复现的对比依据.

3.2 批处理大小对延迟与吞吐量的影响

图5展示了不同批处理阈值下各算法的吞吐量与p95延迟表现. 当批阈值由200增至1 000时，LightDAG 的吞吐量从约3 000 tx/s增长至约13 000 tx/s；在批阈值为1 000时，其吞吐量约为PBFT的4.3倍、HotStuff 的1.6倍. 与此同时，LightDAG的p95延迟稳定在1.2~1.3 s，而吞吐量最高的 Hashgraph（约36 000 tx/s）其p95延迟维持在2.0 s 左右，约为LightDAG的1.6倍. 上述结果表明，LightDAG在吞吐量与尾延迟之间取得了较好的折中，其并行出块结构与 RSU 委托机制使批量增长的交易负载可分摊至多条并行路径，而非受限于 PBFT/HotStuff 的串行领导者瓶颈，批处理大小对延迟和吞吐量影响较小.

3.3 扩展性实验

图6给出了不同节点规模下各算法的吞吐量与p95延迟对比结果. 随节点数量由10增至50，四种算法呈现出截然不同的扩展特征：LightDAG的吞吐量从约800 tx/s提升至约3 000 tx/s，在50节点规模下约为PBFT的10倍、HotStuff的4. 3倍；而PBFT基本维持在约300 tx/s，HotStuff仅从约600 tx/s增至约700 tx/s，两者均受限于通信复杂度随节点规模的快速增长. Hashgraph的吞吐量从约1 800 tx/s增至约8 000 tx/s，扩展能力最强，但其p95延迟始终为四种算法中最高，反映出无领导虚拟投票机制在并发度与确认延迟之间的固有权衡. 在延迟维度上，LightDAG的p95延迟由约1. 1 s增至约1. 25 s，增长仅14%；相比之下，PBFT增长75%，HotStuff增长40%. 这一差异源于协议结构的根本不同：PBFT每轮通信量为O（n^2），HotStuff虽优化至O（n）但受限于串行提议路径，而LightDAG通过波次并行出块与跨轮多重引用机制，使新增节点的出块能力可直接转化为吞吐增益，同时将延迟增长控制在较低水平. 因此，LightDAG在节点规模扩展时兼顾了吞吐提升与延迟控制，验证了其良好的可扩展性.

3.4 BLS签名聚合实验

图7给出了平均聚合时间随消息大小与消息数量变化的实验结果. 可以观察到，当消息大小逐渐增大时，平均聚合时间基本稳定在1.6 ms~2.0 ms区间，这表明BLS聚合验证的计算开销与单条消息的大小近似无关. 在固定场景下，随着聚合消息数由1 000增至5 000，平均聚合时间由0.8 ms线性增长至4.7 ms，呈现出随消息数量增加而近似线性上升的趋势. 实验结果表明，提出方案单次聚合与验证均可在毫秒级内完成，远低于车联网10 Hz广播周期（100 ms）以及典型的感知/调度时隙预算，从而能够满足V2X场景的实时性需求.

4 总结

本文针对车联网在低延迟、高吞吐与强鲁棒共识方面的需求，设计了一种基于RSU委托驱动的混合共识协议. 该协议通过委托机制，将共识与打包职责外包至具备稳定算力与链路条件的RSU节点，同时结合了群签名机制、GPC随机选主及BLS聚合签名方案，在多层DAG结构中实现了通信轮次更少、认证高效且具溯源能力与匿名性的改进型共识流程. 仿真结果表明，所提机制在批处理规模与节点数扩展场景下均能保持较高的吞吐量与较低的时延表现；同时在多种攻击模型下仍维持拜占庭安全，验证了协议的可扩展性与抗攻击能力.

后续工作将进一步面向复杂交通拓扑与极端网络条件开展大规模实测，以更全面评估系统性能. 同时计划引入动态信誉与隐私保护机制，以完善委托过程中的信任管理与数据安全；并对LightDAG在超大规模节点部署下的负载均衡与通信开销控制进行优化控制. 这些工作旨在支撑智慧城市级车联网应用对高效、鲁棒共识的需求，并最终推动区块链与智能交通的深度融合与实际落地.

参考文献

[1] 肖恒辉，李炯城，丁胜培，等. 面向公路智能交通系统的无线物联网技术研究［J］. 电信科学，2013，29（1）：89-96.

[2] 张新钰，卢毅果，高鑫，等. 面向智能网联汽车的车路协同感知技术及发展趋势［J］. 自动化学报，2025，51（2）：233-248.

[3] GONG T Y， ZHU L， YU F R，et al. Edge intelligence in intelligent transportation systems：A survey［J］. IEEE Transactions on Intelligent Transportation Systems，2023，24（9）：8919-8944.

[4] KUMAR V，ALI R， SHARMA P K. IoV-6G+：A secure blockchain-based data collection and sharing framework for Internet of vehicles in 6G-assisted environment［J］. Vehicular Communications，2024，47： 100783.

[5] 况博裕，李雨泽，顾芳铭，等. 车联网安全研究综述：威胁、对策与未来展望［J］. 计算机研究与发展，2023，60（10）： 2304-2321.

[6] KUMAR S， VELLIANGIRI S， KARTHIKEYAN P，et al. A survey on the blockchain techniques for the Internet of Vehicles security［J］. Transactions on Emerging Telecommunications Technologies，2024，35（4）：e4317.

[7] LIU X Y， XIONG X， WANG J，et al. An Internet of Vehicles road traffic data sharing scheme based on signcryption and editable blockchain［J］. Computer Networks，2024，255： 110864.

[8] HU W， HU Y W， YAO W H，et al. A blockchain-based Byzantine consensus algorithm for information authentication of the Internet of vehicles［J］. IEEE Access，2019，7： 139703-139711.

[9] 李俊吉，张佳琦. 基于信誉机制的改进PBFT共识算法［J］. 计算机应用研究，2024，41（6）：1628-1634.

[10] WANG R， YUAN M F， WANG Z Y，et al. Improved fast-response consensus algorithm based on HotStuff［J］. Sensors，2024，24（16）：5417.

[11] ZHANG L C， HANG L， ZU K K，et al. Dynamic vehicle reputation consensus：Enhancing IoV communication with a blockchain algorithm［J］. IEEE Transactions on Vehicular Technology，2025，74（3）：4788-4806.

[12] CASTRO M， LISKOV B. Practical Byzantine fault tolerance［C］//Proceedings of the 3rd USENIX Symposium on Operating Systems Design and Implementation， 1999：173-186.

[13] RAIKWAR M， POLYANSKII N， MÜLLER S. SoK： DAG-based consensus protocols［C］//2024 IEEE International Conference on Blockchain and Cryptocurrency （ICBC）. Dublin：IEEE， 2024： 1-18.

[14] BARTOLOMEU P C， VIEIRA E， FERREIRA J. IOTA feasibility and perspectives for enabling vehicular applications［C］//2018 IEEE Globecom Workshops （GC Wkshps）. Abu Dhabi： IEEE， 2018： 1-7.

[15] 陈友荣， 章阳， 陈浩， 等. 面向车联网异构节点的区块链高效一致性共识算法研究［J］. 电子与信息学报， 2022， 44（1）： 314-323.

[16] CHEN R L， GUAN Y P. Hierarchical reputation consensus model for VANET［J］. IEEE Access， 2025， 13： 3521-3531.

[17] CHEN R H， LUO H X， SUN G， et al. DRDST： Low-latency DAG consensus through robust dynamic sharding and tree-broadcasting for IoV［J］. IEEE Transactions on Mobile Computing， 2026， 25（1）： 1236-1253.

[18] DAI X H， WANG G X， XIAO J， et al. LightDAG： A low-latency DAG-based BFT consensus through lightweight broadcast［C］//2024 IEEE International Parallel and Distributed Processing Symposium （IPDPS）. San Francisco：IEEE， 2024： 998-1008.

[19] FISCHER M J， LYNCH N A， PATERSON M S. Impossibility of distributed consensus with one faulty process［J］. Journal of the ACM， 1985， 32（2）： 374-382.

[20] ABRAHAM I， JOVANOVIC P， MALLER M， et al. Reaching consensus for asynchronous distributed key generation［C］//Proceedings of the 2021 ACM Symposium on Principles of Distributed Computing. ACM， 2021： 363-373.

[21] BONEH D， GENTRY C， LYNN B， et al. Aggregate and verifiably encrypted signatures from bilinear maps［M］//Advances in Cryptology-EUROCRYPT 2003. Berlin， Heidelberg： Springer， 2003： 416-432.

[22] 郑明辉， 段洋洋， 吕含笑. 车联网中基于群签名的身份认证协议研究［J］. 工程科学与技术， 2018， 50（4）： 130-134.

[23] HUANG C F， JHANG J H. Efficient RSU selection approaches for load balancing in vehicular ad hoc networks［J］. Advances in Technology Innovation， 2019， 5（1）： 56-63.