TD-LTE 交通安全預警通信系統調度算法研究*

周玉財，陳 婷

(1.青海交通職業技術學院 汽車工程系，青海 西寧810003;2.長安大學 信息工程學院，陜西 西安710064)

0 引 言

交通安全預警通信子系統作為智能交通網預防預警和應急處置體系中的重要組成部分，是保障路網內交通參與各要素通信渠道順暢，對路網內監管車輛進行安全預警、高效引導的關鍵［1-2］，近年來已經成為世界交通發達國家研究、發展與應用的熱點［3-4］。例如，美國實施了通過車載傳感器實現車車之間或者車路之間的信息交互，為駕駛者提供安全輔助控制或全自動控制支持的“智能車輛計劃”、“車輛道路智能集成系統”;歐盟利用先進的信息通信技術促進安全系統的研發與集成應用，提出了包括eSafety，SAFESPOT 等在內的“道路安全計劃”;日本遵循智能交通系統集成理念，利用智能交通系統相關技術及信息與通信技術，進行道路基礎設施的整合，實現其“Smartway”系統。以GSM、GPRS 為代表的2.5 G 移動通信技術和以CDMA 為代表的3 G 移動通信技術均具有覆蓋范圍大且能夠全國漫游的優點，因此被作為當前路網內交通安全預警管理中心向車載終端集中發布各種交通信息的首選通信方式。李晶等［5］對3 G 技術在車載導航系統、快速處理交通事故等方面的應用進行總結，為城市發展智能交通信息系統提供借鑒;Lequerica I 等［6］提出采用3G 技術作為分發部分與服務、協議相關的控制信息的途徑，從而提高車輛通信系統中分組的成功遞交率;Dalai T 等［7］建議將GPRS 作為定位裝置用于在車輛遇險時便于乘客進行緊急信息傳遞;還有很多將移動通信技術應用于智能交通系統的實例［8-9］。

4 G 移動通信的代表技術TD -LTE 具備更好的頻譜利用率和更高的傳輸速率，在20 MHz 頻譜寬帶下，TD-LTE 通信系統可達到下行10.8 b/Hz，上行5. 4 b/Hz 的頻譜利用效率，能夠提供下行100 Mb/s，上行50 Mb/s 的標準峰值速率，及以下行200 Mb/s，上行100 Mb/s 的系統峰值速率，用戶平面內部單向傳輸時延低于5 ms，控制平面從睡眠狀態到激活狀態遷移時間低于50 ms，從駐留狀態到激活狀態的遷移時間小于100 ms;支持100 km 半徑的小區覆蓋;能夠為低于350 km/h 的高速移動用戶提供超過100 kb/s 的通信接入服務，因此，將TD-LTE 引入交通安全預警系統，將為車車或車路間的交通安全預警信息交互提供可靠的通信保障。近年來，雖然已有諸多文獻對適用于TD-LTE 移動通信系統的無線資源調度算法展開研究，還有一些學者和研究機構開始關注TD -LTE技術在公路交通領域中的應用［10-11］，但針對基于TD-LTE 技術的交通安全預警通信系統性能仿真尚處于科研起步階段，鮮有根據交通安全預警信息流自身特點設計TD-LTE 時頻資源調度算法的文獻。基于上述考慮，文中將TD -LTE 技術引入交通安全預警系統，提出了交通安全預警系統時頻資源調度模型，并建議了適用于各類交通安全預警信息流的TD-LTE 無線資源調度算法。

圖1 交通安全預警通信系統及其時頻資源調度模型Fig.1 Traffic safety warning communication system and its time-frequency resource scheduling model

1 基于TD-LTE 的交通安全預警通信系統時頻資源調度模型

基于TD-LTE 的交通安全預警通信系統及其時頻資源調度模型如圖1 所示，交通安全預警管理中心首先通過公網/專網將各類交通預警信息流遞交至監管車輛隸屬的TD -LTE 基站(eNodeB)處，再由該eNodeB 將其快速、可靠的下達至監管車輛車載終端處，從而通過主動預警的方式有效避免和減少交通事故，保障生命安全，提高交通運行效率。圖1 中，eNodeB 處的分類器將對各類交通預警信息流進行分類映射，分別映射為:①視頻預警信息;②話音預警信息;③其它數據預警信息，典型應用參見表1.當eNodeB 向監管車輛發送各類交通預警信息流之前，首先在對等的媒體接入控制層間建立單向的數據承載連接，連接建立后，隸屬各類預警信息的信息流分組都將通過分類映射進入分類器緩存隊列中，然后按照調度器的調度函數值調整下達至監管車輛處的各類交通預警信息流分組的調度順序，與之相關的調度函數設計則是一個開放性問題。

表1 各類交通預警信息流典型實例Tab.1 Typical examples of traffic warning information flow

TD-LTE 交通安全預警通信系統無線資源配置如圖2 所示，資源塊(Resource Block，RB)是最小的時頻資源配置單元，每個RB 在時域上由兩個時隙構成，在頻域上由一個子信道構成，且在調度時刻僅能分配給一個監管車輛。時域上，TD-LTE交通安全預警通信系統的無線資源被劃分為持續時長為1 ms 的傳輸時間間隔(Transmission Time Interval，TTI)。每個TD-LTE 幀都由10 個連續的TTI 組成，每個TTI 均包含2 個時隙，每個時隙持續時長為0.5 ms;頻域上，整個系統帶寬被劃分為若干子信道，每個子信道為180 kHz，包括12 個連續的子載波，由于子信道帶寬固定，因此，系統帶寬不同，相應的RB 數也不同，例如，當系統帶寬分別為5 和10 MHz 時，系統帶寬分別對應25 個RB和50 個RB.

圖2 TD-LTE 交通安全預警通信系統中的無線資源配置Fig.2 Wireless resource allocation in TD-LTE traffic safety warning communication system

基于TD-LTE 的交通預警系統時頻資源調度函數模型由式(1)給出

式中 ωi，k為第i 個監管車輛與第k 個RB 的匹配指數，總是為ωi，k取值最大的第i 個監管車輛分配第k 個RB.

2 交通安全預警通信系統時頻資源調度算法

目前，已有諸多適用于無線通信的調度算法，然而已形成商用的TD-LTE 調度算法仍是最經典的3 種調度算法，分別是RR 算法、MT 算法、和PF算法，RR 算法可使eNodeB 覆蓋范圍內的所有用戶按照固定順序在相等的時間間隔內輪流獲取RB，從而保證用戶獲取無線資源的短期公平和長期公平，但系統吞吐量相對很低;MT 算法總是在調度時刻將RB 分配給能夠達到最大吞吐量的用戶，進而使系統吞吐量達到最大，但會導致距離eNodeB 較遠或者信道狀況不好的用戶難以獲得任何無線資源，導致“餓死現象”發生;PF 算法是MT算法和RR 算法的折中，能夠在兼顧用戶公平獲取無線資源的同時獲得盡可能高的系統吞吐量，可作為TD-LTE 系統的首選調度方案。然而，上述三種經典調度算法在為eNodeB 覆蓋范圍內的所有監管車輛進行無線資源分配時，均只考慮了系統吞吐量和監管車輛公平性問題，并未考慮監管車輛獲取各類交通預警信息流的時延限定。對于監管車輛而言，及時可靠地獲取來自交通安全預警管理中心的各類信息對于保障行車安全，降低生命財產損失，提高道路通行效率而言至關重要，因此，需要根據實際應用場景對PF 算法進行改進，設計能夠保障各類交通預警信息流傳輸時延的調度算法。

引入時延調節因子對已有PF 算法進行改進，調度時刻t，建議的適用于各類交通安全預警信息流的TD -LTE 無線資源調度算法匹配指數(t)滿足式(2)

式中 Ri，k(t)為調度時刻t 時監管車輛i 在第k 個RB 上期望的數據傳輸速率;(t-1)為到上一調度時刻(t-1)為止，監管車輛i 上的信息流獲得的平均數據傳輸速率;ˉRi，k(t-1)值越小，Ri，k(t)值越大，則值ωi，k越大，監管車輛i 獲得第k 個RB 的可能性就越大。(t-1)可通過式(4)得出

式中 ˉRi，k(t)為監管車輛i 在調度時刻t 的瞬時數據傳輸速率;α 為公平調節因子且滿足式(5)

式中，Tf為時間窗口。

式(2)中，θi(t)為調度時刻t，監管車輛i 的時延調節因子，由式(6)給出

式(6)中 ρi(t)∈［0，τ］為eNodeB 在調度時刻t，向監管車輛i 發送的交通預警信息流隸屬分類器的隊頭分組等待調度的時間;τ 為eNodeB 發送給監管車輛的交通預警信息流目標傳輸時延限定;Δτ∈［0，τ］為系統預定的保護時間間隔，通常設為幀長。如果Δτ≤τ-ρi(t)，即ρi(t)∈［0，τ-Δτ］，則交通預警信息流隸屬分類器的隊頭分組等待調度的時間能夠滿足時延要求，且ρi(t)越小，其調度優先級就越低;如果Δτ ＞τ-ρi(t)，即ρi(t)∈［0，τ-Δτ］，則交通預警信息流隸屬分類器的隊頭分組等待調度的時間即將超出時延限定，其調度優先級最高，應盡快調度該分組。

綜上可知，建議的適用于各類交通安全預警信息流的TD -LTE 無線資源調度算法匹配指數(t)可由式(7)給出，通過將時延調節因子θi(t)引入已有PF 算法，可在兼顧監管車輛公平和系統吞吐量的同時，有效保證交通預警信息流滿足預先規定的時延要求，總是在調度時刻，為隊頭分組即將超出時延限定的交通預警信息流賦予優先調度的權利。

圖3 仿真場景Fig.3 Simulation scenario

3 性能仿真

采用LTE-Sim 仿真工具搭建基于TD-LTE 的交通安全預警通信系統時頻資源調度場景，如圖3所示:小區半徑為1 km，包含1 個eNodeB 和若干個TD - LTE 車載終端，eNodeB 位于小區中心位置，車載終端移動方式符合Way-Point 模型，平均行駛速度為60 km/h. 以下行鏈路為例，每個車載終端同時收發3 類交通預警信息流，采用“highway.yuv”視頻測試序列模擬視頻預警信息流，采用基于開/閉馬爾可夫模型的G.729 VoIP 業務流模擬話音預警信息流，采用FTP 數據下載業務模擬其他數據預警信息流。仿真使用隨機種子初始化，仿真時間設定為200 s，每次仿真過程至少進行10 次，最終結果取平均值。仿真硬件環境為Linux操作系統，2.6 GHz 主頻，4 G 內存。其它仿真參數見表2.

表2 其它系統仿真參數Tab.2 Other system simulation parameters

將建議算法與PF 算法的仿真性能進行對比分析。圖4 和圖5 分別比較了2 種算法下的視頻預警信息流和話音預警信息流的丟包率，可以看到，隨著接入交通安全預警系統的監管車輛數目不斷增加，系統需承載的信息流負荷越來越重，相應的丟包率也將隨之增加，但由于建議算法能夠根據eNodeB 分類器隊頭分組在系統的等待時間自適應的調整其調度優先級，總是為即將超出目標時延限定的分組賦予優先調度的權利，因此，能夠獲得更低的丟包率性能。與PF 算法相比，建議算法的視頻預警信息流和話音預警信息流的平均丟包率性能分別改善了29%和48%，能夠更好的保證實時預警信息的可靠傳輸。

圖6 比較了2 種算法下其它預警信息流的系統吞吐量，可以看到，隨著接入交通安全預警系統的監管車輛數目不斷增加，每輛車能夠有效獲取的無線資源將降低，相應的其它預警信息流吞吐量也會隨之降低。當接入交通安全預警系統的監管車輛不超過20 輛時，監管車輛所需的無線資源低于系統帶寬，建議算法可在保證視頻預警信息流和話音預警信息流的實時傳輸前提下，獲得與PF 算法相差不大的其它預警信息流吞吐量性能;當接入交通安全預警系統的監管車輛超過20 輛時，監管車輛所需的無線資源超過系統帶寬，建議算法需考慮視頻預警信息流和話音預警信息流的時延限定要求，并為即將超出時延限定要求的隊頭分組賦予優先調度的權利，故會犧牲掉部分時延不敏感信息流獲取無線資源的權利，因此，相應的其它預警信息流系統吞吐量性能低于PF 算法。

圖4 視頻預警信息流丟包率Fig.4 Packet loss rate of video warning information flow

圖5 話音預警信息流丟包率Fig.5 Packet loss rate of audio warning information flow

圖6 其它預警信息流吞吐量Fig.6 Throughput of other warning information

圖7 系統用戶公平指數Fig.7 Fairness index of system user

圖7 比較了兩種算法下監管車輛接入交通安全預警系統的公平指數。公平指數越接近1，表明系統監管車輛越能公平地獲取無線資源。可以看到，PF 算法與建議算法的公平指數均與1 十分接近，建議算法雖然略低于PF 算法，但相差不大，建議算法通過對PF 算法的改進，用較低的監管車輛公平性代價換得時延敏感信息流的可靠傳遞，提高了交通安全預警的時效性。

4 結 論

為改善各類交通安全預警信息的通信傳輸質量，將TD-LTE 技術引入車路通信系統，建議了適用于TD-LTE 交通安全預警系統的調度算法。

1)該建議算法在已有PF 算法基礎上，將時延調節因子引入交通預警系統時頻資源調度函數，使得系統總是為即將超過目標時延限定要求的交通信息流分組賦予優先調度的權利，有效降低交通預警信息流的丟包率，保證交通預警信息的實時傳達;

2)仿真表明，該算法與典型的PF 算法相比，能夠為乘客提供更加可靠的安全預警信息傳輸保障，更適用于交通安全預警系統。

References

［1］ 劉文峰，李 斌，郝 亮.智能交通技術在改善道路交通安全中的潛在優勢［J］.公路交通科技，2012，29(S1):121 -124，151.LIU Wen-feng，LI Bin，HAO Liang.Potential advantages of intelligent transport technologies in improving road safety［J］. Journal of Highway and Transportation Research and Development，2012，29(S1):121-124，151.

［2］ 陳 超，呂植勇，付姍姍，等.國內外車路協同系統發展現狀綜述［J］. 交通信息與安全，2011，29(1):102-105.CHEN Chao，LV Zhi-yong，FU Shan-shan，et al.Collaborative review of development of domestic and foreign vehicle road system［J］.Journal of Transport Information and Safety，2011，29(1):102 -105.

［3］ 王云鵬.智能車路協同系統［C］//第三屆智能交通論壇.武漢:武漢理工大學，2010.WANG Yun-peng. Intelligent vehicle-road cooperative system［C］//The third session of intelligent transportation BBS. Wuhan:Wuhan University of Technology，2010.

［4］ 李 晶，張 莉，杜 娟，等.3G 網絡技術在智能交通系統中的應用［J］.吉林交通科技，2010(2):38-39.LI Jing，ZHANG Li，DU Juan，et al.3D Net application technology in ITS［J］. Science and Technology of Jilin Communication，2010(2):38 -39.

［5］ Lequerica I，Ruiz P M，Cabrera V. Improvement of vehicular communications by using 3G capabilities to disseminate control information［J］. Network，IEEE，2010，24(1):32 -38.

［6］ 厲保軍，梁 明，吳冬琴.3S 與GSM 通信技術智能消防系統探討［J］. 西安科技大學學報，2010，30(3):363 -367.LI Bao-jun，LIANG Ming，WU Dong-qin.A study of intelligent fire-fighting system based on 3S and GSM communication technology［J］. Journal of Xi’an University of Science and Technology，2010，30(3):363 -367.

［7］ Stewart J，Shen X，Wang C，et al. From 3 G to 4 G:standards and the development of mobile broadband in China［J］. Technology Analysis ＆ Strategic Management，2011，23(7):773 -788.

［8］ Choi J G，Bbhk S. Cell-throughput analysis of the proportional fair scheduler in the single-cell environment［J］.Vehicular Technology，IEEE Transactions on，2007，56(2):766 -778.

［9］ Capozzi F，Piro G，Grieco L A，et al. Downlink packet scheduling in LTE cellular networks:key design issues and a survey［J］.Communications Surveys ＆ Tutorials，IEEE，2013，15(2):678 -700.

［10］ 姬楊蓓蓓，張小寧，孫立軍.交通事件持續時間預測方法綜述［J］.公路工程，2008(3):72 -79，141.JIYANG Bei-bei，ZHANG Xiao-ning，SUN Li-jun. Prediction of traffic incident duration［J］. Highway Engineering，2008(3):72 -79，141.

［11］ 劉 浩，張曉亮，張 可.基于粗糙集交通信息提取計算的城市道路行程時間預測［J］. 公路交通科技，2008(10):117 -122.LIU Hao，ZHANG Xiao-liang，ZHANG Ke. Rough set city road travel time calulation based on the extraction of traffic information prediction［J］.Journal of Highway and Transportation Research and Development，2008(10):117 -122.