智能网联汽车期刊是核心。《智能网联汽车》杂志是经过工业和信息化部、国家新闻出版广电总局审批的正规出版物。它的杂志宗旨与定位核心是为智能网联汽车领域研究型期刊，从不同角度深层剖析，围绕某一热点话题或重要课题将智能网联汽车领域最有价值的信息奉献给广大读者。所以智能网联汽车期刊是核心。
车联网作为智能网联汽车的核心技术，随着电动化、智能化升级，车联网系统逐渐成为车辆标配。如今大街上跑的汽车，若没有联网功能，简直能被人看成“老古董”。但是近年来不少用户发现，一些车联网功能开始收费，不少消费者甚至直到车联不上网了才得知，这些功能居然是限时免费的，需要缴纳一定费用才能继续使用。那么，车联网收费，究竟是体验升级还是消费陷阱？
车联网可以实现智能交通管理、智能动态信息服务和车辆控制的一体化网络，是物联网技术在交通领域的典型应用，是移动互联网和物联网向业务本质和深度发展的必由之路，是未来信息通信、环保、节能、安全发展的集成技术。目前车企对于车联网功能划分不统一，但大部分都是围绕联网提供配套功能。业内人士对记者表示，从车联网服务提供的成本来看，主要包括硬件成本（车载终端及软件）、通讯成本（数据流量）和内容成本三部分，由于硬件一般作为车载终端，往往直接预埋在车上，成本纳入了整车价格，所以车联网收费组成其实在通讯成本和内容成本上。
智能网联汽车已经成为新型智能终端。有观点认为，硬件构成了车辆的基本架构，而真正定义汽车是软件应用，因为软件更具想象空间，也更有价值。换句话说，汽车产业价值链将从以往单一硬件销售转向持续的软件及服务溢价商业模式，车联网服务增值也逐渐成为车企利益增长点。不同车企提供不同联网功能，虽然业界对车联网还没有形成统一收费标准，但是大部分车企都有对此收费的想法。
国内目前在车联网订阅服务概念、功能、收费标准和期限等方面仍存在界限模糊和权责不明现象。因此，近年来消费者对此的看法甚至是抱怨越来越多。消费者胡先生则表示，现在越来越多车联网收费项目是“隐形”的，这才是问题所在。在他看来，当车企“隐形”车联网收费持续时间足够长，消费者会在裹挟中被迫接受。那么，消费者就被当成“韭菜”了。从消费者角度看，如果车联网应用功能体验感足够优异，且价格合理，消费者也是愿意买单的。就目前来看，消费者更倾向于为偏功能的智能服务买单，车企也更愿意对此投入来增加车辆附加价值。中国消费者对于软件付费意愿不强，近两年有了显著提高。对此，车企需要思考如何开发更易让消费者接受的创新联网服务和产品，少钻空子、割韭菜。
【引言】
随着物联网在交通系统中日益普及，为了打造交通系统中更安全、更快、更智能的车辆，车载通信网络和自动驾驶技术是构建未来一代、功能强大的智能交通系统的基石技术。基于物联网的交通系统可以为自动化网联 汽车 提供大规模设备连接和传感器连接。通过使用物联网技术，网联自动驾驶车辆的数量将显著提高。随着网联自动驾驶 汽车 数量的增长，亟待提出新的技术方法并重新思考下一代 汽车 网络的设计，尤其是自动化网联 汽车 。因此，有必要研究新的理论、架构和技术，利用物联网提供的能力，形成更高效、更智能的交通系统。本期特刊旨在为学术界和工业界的研究人员、开发人员和从业人员提供一个平台，传播最新的成果，并推动物联网在自动化网联 汽车 技术方面的应用。
【征集主题包括但不限于】
【重要时间节点】
【投稿须知】
所有IEEE Internet of Things Journal 的原稿或修订本必须通过IEEE稿件中心(http://mc.tcentral.com/iot)以电子方式提交。作者指南和提交信息可以在找到。IEEE Internet of Things Journal鼓励作者在投稿过程中推荐潜在的审稿人，这可能有助于加快审稿速度（请只推荐那些不存在利益冲突的审稿人）。提交稿件时注意必须按适当的关键字分类。
【客座编辑】
曹东璞博士，滑铁卢大学，
李力博士，清华大学，
Clara Marina博士，保时捷，
陈龙博士，中山大学，
邢阳博士，克兰菲尔德大学，
庄卫华教授，滑铁卢大学，
IEEE Internet of Things Journal (Impact Factor 5.86)
Special Issue on
Internet of Things for Connected Automated Driving
Internet-of-things (IoT) is becoming increasingly prevalent in the transportation systems. The traffic system depends on safer, faster, and more intelligent vehicles. The vehicular communication networks (vehicle-to-everything, V2X) and the automated driving technique are two of the cornerstone technologies enabling the construction of future-generation highly functional and intelligent transportation system. The IoT-based transportation system can provide enormous connections of devices and sensors for the networked automated vehicles. The capacity of connected automated vehicles is expected to be dramatically enhanced by employing the IoT techniques. This calls for novel approaches and rethinking of the design of next-generation vehicular networks, particularly for the automated vehicles. Therefore, it is essential to pursue research on new theories, architectures, and techniques to exploit the capability that is delivered by IoT for forming more efficient and intelligent transportation system. This special issue aims to create a platform for researchers, developers and practitioners from both academia and industry to disseminate the state-of-the-art results and to advance the applications of IoT for connected automated driving technology.
Topics of interests include (but are not limited to) the following：
➢Innovative IoT techniques to connect automated vehicles
➢ V2X communication
➢ IoT-based solutions for connected vehicles
➢ Vehicular IoT Infrastructure
➢ IoT-based sensing and recognition
➢ Testing and verification of connected automated vehicles
➢ IoT-based navigation and localization systems
➢ AI and deep learning approaches for IoT-enabled connected automated vehicles
➢ Cyber-physical-social systems based parallel driving
Submissions
All original manuscripts or revisions to the IEEE IoT Journal must be submitted electronically through IEEE Manuscript Central, http://mc.manuscriptcentral.com/iot. Author guidelines and submission information can be found at http://iot.ieee.org/journal. The IEEE IoT Journal encourages authors to suggest potential reviewers as part of the submission process, which might help to expedite the review of the manuscript. Please suggest only those without conflict of interest. Each submission must be classified by appropriate keywords.
Guest Editors
Dr. Dongpu Cao, University of Waterloo, Canada,
Dr. Li Li, Tsinghua University, China,
Dr. Clara Marina, Porsche Engineering, Germany,
Dr. Long Chen, Sun Yet-sen University, China,
Dr. Yang Xing, Cranfield University, UK,
Dr. Weihua Zhuang, University of Waterloo, Canada,
