基于用戶個性化服務質量的蜂窩車聯網與車載自組織網異構車聯網資源分配方法

韓珍珍 周 末 劉恩慧 徐 川 趙國鋒

(重慶郵電大學通信與信息工程學院 重慶400065)

1 引言

得益于第5代移動通信技術(5th Generation,5G)的商用，車聯網技術得到了快速的發展?；诜涓C網絡的車載通信網絡(Cellular-based Vehicle to everything,C-V2X)的數據傳輸量隨之呈爆發式增長[1]，現有的授權頻段難以滿足如此大量的數據傳輸需求，許多研究者提出融合新的網絡技術將蜂窩網絡擴展至非授權頻段與車載自組織網絡(Vehicle Ad-hoc NETwork,VANET)組成異構網絡，以達到提高系統容量的目的[2]。然而，由于網絡接入機制的不同，C-V2X與VANET共存時會引起嚴重的信道沖突，從而導致用戶服務質量(Quality of Service,QoS)急劇下降，嚴重影響了車聯網用戶體驗。另外，由于車聯網的自身特性，如車輛快速移動、網絡拓撲變化頻繁和時延敏感，用戶對QoS的需求也并非一成不變，當傳輸安全類與控制類的信息時，緊急用戶(Emergency User,EU)需要比較低且穩定的時延；當傳輸非安全類的信息時，非緊急用戶(non-Emergency User,nEU)對時延并不敏感，而對高傳輸速率的需求更大[3]。因此，如何合理地分配C-V2X與VANET異構網絡中用戶數據傳輸時間，為不同QoS需求的用戶提供個性化服務對異構車聯網的融合應用有重要意義。

針對C-V2X與VANET異構網絡資源分配的問題。文獻[4]提出一種基于C-V2X技術以支持車對車(Vehicle to Vehicle,V2V)的資源分配方案，通過eNodeB(evolved Node B)控制V2V鏈路通信，消除車輛之間爭用等待時間，以提高車輛間通信的可靠性，降低傳輸時延，提高通信質量。文獻[5]針對專用短程通信的VANET承載傳感數據的情況，提出了一種基于軟件定義網絡(Software Define Network,SDN)多域控制的車聯網架構，SDN控制器以集中方式控制其域中的路側單元(Road Side Unit,RSU)和基站(Base Station,BS)，基于該管控架構設計車聯網絡中流量區分群集路由機制，通過優化數據包傳遞方法優化帶寬和端對端時延。文獻[6]針對融合網絡體系架構中非授權頻譜上CV2X和VANET用戶共存的問題，提出基于能量感知的頻譜共享方案，在保障車輛用戶時延與吞吐量滿意度的情況下最大化接入用戶數量。為解決頻譜分配，功率控制和頻譜共享的問題，文獻[7]提出一種基于LTE非授權頻譜(Long Term Evolution in Unlicensed spectrum,LTE-U)的異構車聯網的非授權頻譜管理策略保證車輛用戶之間的公平共存，在時延約束條件下通過匹配算法求解最大化吞吐量的目標函數，得到最優無線網絡資源管理優化方案。

然而，現有的方案雖然考慮了時延、吞吐量等關鍵網絡指標，但是缺少對不同用戶個性化QoS需求的考慮。因此，在C-V2X與VANET可以和諧共存的基礎上，本文提出一種以時延與吞吐量為優化目標的網絡資源分配方案，以滿足用戶在不同場景下的個性化QoS需求。首先，將單位傳輸時間劃分為競爭時間(Content Period,CP)和無競爭時間(Content Free Period,CFP)兩個階段，分別用于VANET和C-V2X傳輸數據以減少信道沖突，然后利用2維離散Markov鏈對C-V2X和VANET網絡吞吐量與時延分別進行建模，構建用戶吞吐量和時延與用戶數量、傳輸時間分配比例的數學關系，并以最大化異構網絡的吞吐量同時最小化用戶平均時延為目標建立吞吐量-時延聯合優化問題。最后，提出一種基于粒子群優化(Particle Swarm Optimizat i o n,P S O)的時延-吞吐量聯合優化(D e l a y Throughput Joint Optimization Algorithm,DTJOA)算法來求解這個問題，得到Pareto最優解。仿真實驗結果表明，相對于現有方案，本文提出的DT-JOA算法可以有效提升車聯網用戶的個性化QoS體驗。

2 系統模型

2.1 場景及問題描述

本文考慮一個C-V2X與VANET區域共存的網絡場景。如圖1所示，C-V2X車輛用戶接入點BS與VANET網絡車輛用戶接入點RSU覆蓋范圍互相重疊，其中C-V2X既可以在授權頻段上工作，也可以在非授權頻段上工作，VANET只工作在非授權頻段上[6]。當授權頻段使用率達到飽和時，C-V2X將擴展自己的工作頻段到非授權頻段上以獲取更大的可用帶寬。為了更好地執行資源分配策略，本文借鑒已有車聯網異構融合體系架構[5,8]，定義了集成蜂窩網絡BS和RSU功能的Hyper-BS，可以感知C-V2X和VANET的網絡狀態(包括每個車輛用戶的信道信息、行駛速度與方向、業務類型及QoS需求等)。在應用SDN技術的條件下，控制器可以對覆蓋范圍內的所有車輛用戶進行集中控制，并基于車輛當前狀態信息進行網絡資源的動態分配，實現車輛與不同BS之間接入的平滑切換[9]。

圖1 C-V2X與VANET異構車聯網場景模型

在車聯網通信中，緊急用戶要求嚴格穩定的低時延，以便自動駕駛系統有足夠的時間規避風險；而非緊急用戶使用的影音娛樂業務通常對時延并不敏感，而要求更高的傳輸速率。因此，對用戶提供個性化QoS的網絡服務對提升用戶體驗有著重大作用[10]。與靜態網絡不同，由于車輛用戶的高速移動性而導致的短時間內車與車之間、車與BS之間距離的急劇變化，會嚴重影響通信鏈路的性能，進而影響用戶體驗。本文的最終目標是同時優化時延和吞吐量，而這兩個指標在某種程度上是相互沖突的，相比于單目標優化，多目標聯合優化更具有挑戰性。基于以上描述，設計C-V2X與VANET異構車聯網資源分配算法，必須解決以下3個關鍵問題：(1)如何保證用戶的服務體驗質量。在解決CV2X與VANET在非授權頻段上和諧共存的基礎上，滿足不同用戶的個性化QoS需求；(2)無線網絡資源的合理分配。即根據當前網絡狀態和用戶需求，如何將有限的傳輸時間資源和頻譜資源進行合理分配；(3)網絡吞吐量和時延的準確刻畫與網絡性能的優化。由于車聯網環境的高動態性和復雜性，需要準確地刻畫吞吐量和時延來優化網絡性能。

2.2 研究思路

針對以上問題，在C-V2X和VANET異構車聯網中，本文提出基于用戶個性化QoS的網絡時頻資源分配方法，主要研究思路如圖2所示。

圖2 C-V2X與VANET異構車聯網用戶個性化QoS聯合優化策略

首先Hyper-BS實時監測C-V2X和VANET的網絡狀態，車輛用戶也會上報自身的行駛狀態和業務類型，控制器根據收集到的網絡狀態信息預測C-V2X和VANET的吞吐量與時延理論值。然后，根據當前緊急用戶與非緊急用戶所上報的信息，將傳輸時間分為CP與CFP分別給VANET與C-V2X傳輸以減少信道沖突，并以所有用戶的QoS需求為約束，最大吞吐量與最小時延為目標建立異構網絡聯合優化模型。最后，通過提出的DT-JOA算法得到最優傳輸時間分配與用戶調度，進而得到無線網絡資源分配最優方案。

由于車聯網的網絡狀態變化很快，緊急用戶與非緊急用戶的數量也是頻繁變化的。因此，需要根據實際情況對無線資源進行合理分配。Hyper-BS在收集了異構車聯網當前的整體網絡狀態后，根據車輛用戶的QoS需求和當前網絡狀態，由內置的SDN控制器計算出使異構網絡吞吐量和時延同時最優的α取值和用戶調度，作為下一個傳輸周期的無線資源分配方案。

3 系統模型分析

在異構網絡場景中，Hyper-BS對VANET與CV2X兩種網絡用戶的傳輸時間分配和信道分配進行集中管理。場景中一共有Nsum個車聯網用戶，其中有NV個VANET用戶，用i∈Nva={1,2,···,NV}表示；有NL個C-V2X用戶，用j=Ncel={1,2,···,NL}表示，Nsum=NV+NL。本文將傳輸信道分為C個子信道，用c∈Φ={1,2,···,C}表示，將一個單位傳輸時間分為T個子幀，用t∈Г={1,2,···,T}表示。

3.1 VANET系統模型

3.1.1 VANET吞吐量分析

其中，Pc是節點在單位傳輸時間內的碰撞概率，可以等效為在同一時間有多于兩個的用戶都試圖傳輸數據的概率，可以表示為

在CSMA/CA機制中，用戶在回退時間等于0時才能傳輸數據，因此每一個獨立節點成功傳輸概率τ可以表示為

3.1.2 VANET時延分析

通過3.1.1節對吞吐量的分析，也可以得到VANET用戶的平均時延與用戶數量NV的數學關系。如3.1.1節所述，Ts,Tc和σ分別表示成功傳輸、碰撞和空閑的階段，一個數據包被成功發送的時延和由于達到重傳極限次數而被丟棄的時延是兩個不同的隨機過程，下面對兩種情況進行分析。

3.2 C-V2X系統分析

3.2.1 C-V2X吞吐量分析

相對于C-V 2X,VANET是一個V 2V通信網絡，通信通常發生在相鄰的車輛之間，而無論是高速公路還是郊區、城市，行駛車輛之間的速度差異比較小，而且VANET本身的通信范圍也不大，車輛速度對VANET用戶的通信質量沒有太大影響。但是C-V2X系統中快速移動的車輛與靜止的BS之間的相對速度可以很大，高速公路上車輛行駛速度最快可以達到120～150 km/h，車與BS之間的距離會在短時間內快速變化，而距離對無線網絡的通信質量有著顯著影響。因此，分析系統吞吐量時需要考慮C-V2X車輛用戶的速度。

其中，G0表示天線和射頻模塊的功率增益， ?t是上次數據傳輸完成到下一次傳輸開始的時間間隔，dj表示t0時刻BS到用戶j的初始距離，?是衰減指數，h0服從高斯分布h0～CN(0,1)，代表瑞利衰落。根據式(14)得到的信道增益|hj|2，可求得CV2X用戶j在子幀t子信道c上的SINR為

3.2.2 C-V2X時延分析

3GPP規定了幾種Cellular通信的應用場景，其中對時延敏感的場景例如實時游戲、車聯網安全信息等業務，需要將時延控制在50 ms以下，本文將緊急用戶Ne的最大忍受時延Demax設置為這個值。在現在已經商用的5G標準里，空口時延可以低到1 ms，所以數據傳輸時延也會進一步降低，這也大大增強了車聯網的安全性。文獻[14]研究了基于Cellular網絡的V2X的3種傳輸模式：Sidelink(SL)-based V 2X,Uplink(UL)/Downlink(DL)-based V2X,Relay-based V2X。C-V2X的時延通常包括鏈路建立時延、傳輸時延和數據處理時延，下面分別對這幾個時延進行分析，時延單位采用單位傳輸時間間隔(Transmission Time Interval,TTI)。

(2)傳輸時延：eNodeB編碼與排隊時延1.5 TTI,eNodeB發送到EU接收1 TTI，EU解碼需要1.5 TTI，EU的上層應用解碼數據需要3 ms；

(3)數據處理時延：包括在eNodeB轉發消息的時延和回程網絡傳輸時間約20 ms，RSU數據處理時延包括上層應用進程處理時間約3 ms。

本文所考慮的C-V2X車聯網場景中的V2V通信由VANET負責，因此不考慮SL-based V2X模式，本方案優先將緊急用戶分配至C-V2X，出于安全考慮，這一類傳輸安全業務的車輛用戶將只采用UL/DL-based V2X模式。因此C-V2X用戶j的平均傳輸時延可以表示為

其中，L-RRC表示鏈接建立過程中RRC狀態變換時間，L-UL和L-DL分別表示上行鏈路與下行鏈路的傳輸時間，L-NW表示網絡配置與處理時間。

3.3 無線網絡資源分配

本文的目標是在保證C-V2X與VANET網絡和諧共存的基礎上，滿足網絡系統對緊急用戶和非緊急用戶對吞吐量與時延的需求，提升異構車聯網的綜合性能。

由C-V2X和VANET網絡中吞吐量與時延分別建模分析可知，這兩個網絡性能指標直接影響用戶體驗。因此，選擇以最大化吞吐量和最小化時延作為優化目標，通過調整傳輸時間分配比例α和用戶接入網絡調度建立多目標聯合優化問題。在一個單位傳輸時間T里，C-V2X用戶所使用的CFP長度為αT，而VANET用戶使用的CP長度為(1–α)T，可以得到多目標聯合優化目標函數

4 基于PSO的聯合優化算法

式(18)是含有連續變量和離散變量的混合整數多目標聯合優化，屬于NP-hard問題。為適應快速變化的車聯網場景，考慮到車聯網時延敏感性，本文提出一種基于PSO的吞吐量-時延聯合優化算法DT-JOA，以期在較短時間內求得最優解。

為了簡便計算，目標函數可等效轉化為

將式(18)目標函數轉化為式(27)中的最小化目標，分別用objective1和objective2表示。無線網絡資源有限，吞吐量與時延無法同時取得最優值，因此本文多目標聯合優化問題無法求得同時滿足多個目標的最優解，只能得到Pareto最優解。

稱取長柄扁桃粕（苦杏仁苷質量含量5.67%，野黑櫻苷未檢出）10份，每3份作為一組，三組分別加入2.5、5.5、10.0 mg的苦杏仁苷標準品，再分別加入0.1、0.2、0.5 mg的野黑櫻苷標準品，1份留做空白，按照1.2.3.2方法處理，液相測定。計算長柄扁桃粕中平均加標回收率，結果見表1。

在用PSO算法求解的過程中，為了解決原始PSO算法由于收斂過快而導致求解結果精確性不高的問題[15]，本文通過引入一個多樣性保持項來減緩粒子的搜索速度，從而提高求解結果的準確性，即粒子的位置更新公式保持不變，而速度更新公式變為如式(28)的形式

通常情況下，多樣性保護的度量的定義是包含連續變量空間中所有候選解的最小超立方體

其中，xmax,j和xmin,j分別是第j維所有可行解集的上界和下界，Xmax,j和Xmin,j分別是第j維所有變量的上界和下界。因此，Dc本質上表示的是包圍超立方體的最小歸一化邊長。對于每個粒子來說，其多樣性保持系數由如式(32)和式(33)

通過調整參數λc,t，可以控制多樣性保護項的適應值，從而控制粒子更新速度為一個最佳值。綜上，基于PSO的聯合優化算法的流程如表1，當最終全局最優位置不再更新或者最大迭代次數達到最大時，代表最優解已經找到。

表1 基于PSO的聯合優化算法

5 實驗方法及結果分析

5.1 實驗設置

本節在仿真系統中進行模擬實驗以驗證所提算法的可行性和有效性。本實驗各項參數參考文獻[6,7,14]進行設置，包含1000 m×1000 m的一個區域，100個車輛用戶以30～120 km/h的速度行駛，主要參數設置如表2。

表2 仿真參數

5.2 實驗結果對比及分析

5.2.1算法有效性對比分析

本文采用快速收斂的啟發式算法求解優化目標函數，相較于常用的遺傳算法(Genetic Algorithm,GA)[16]，粒子群算法的收斂速度更快。

如圖3所示，PSO與GA都屬于仿生算法，通過隨機搜索的方式優化種群然后一次次迭代得到最優解，收斂速度與種群數量有著直接關系，隨著用戶數量的增加，兩種算法的收斂時間都會增大。然而，PSO算法的每個粒子都保留了當次迭代最優解的位置與速度信息，相對于GA算法，PSO有一定的記憶性，導致PSO在搜索更新的過程中跟隨當前最優解的軌跡，因此會有著更快的收斂速度。當然，收斂速度過快有時候會存在遇到早熟收斂和求解精確度較低的缺點，因此本文對PSO進行了優化，通過第4節對粒子速度-位置更新公式的改進，改善了PSO收斂精確度較差的問題?？梢钥闯?，相對于GA，PSO以少量收斂精確度為代價，獲得了更快的收斂速度，更符合車聯網對低時延敏感的需求。

圖3 MO-PSO與其他算法的對比

5.2.2異構共存方案的網絡性能分析

如圖4所示，在不采用異構網絡共存方案情況下，C-V2X對信道的占用將嚴重影響VANET網絡性能。這是因為此時用戶數量已接近網絡容量的極限，網絡吞吐量已趨于飽和；另外，由于頻繁檢測到信道被占用，VANET用戶的回退次數也越來越多，導致接入時延逐漸上升，在達到一定用戶數量以后，接入時延趨于平緩不再增加，這是由于VANET網絡的IEEE 802.11 p底層協議機制，當用戶達到最大回退重傳次數時，數據包將會被丟棄，從而影響VANET用戶的QoS接入時延和吞吐量。

圖4 C-V2X對VANET用戶的影響

圖5 采用方案后C-V2X對VANET用戶的影響

如圖5所示，在采用本文所提出的共存方案后，隨著C-V2X用戶數量增加，VANET用戶數據速率的下降趨勢得到了很大緩解，VANET用戶數據速率從圖4中網絡容量接近飽和時的25 Mbps上升到了100 Mbps；而VANET用戶的接入時延并沒有多大改變，因為在本文的優化方案中將所有非緊急用戶都接入VANET網絡，這部分用戶對低時延并沒有很強烈的需求，對于傳輸非安全類業務的VANET用戶來說，較高的時延是可以忍受的。因此，本文所提出的優化方案提升VANET用戶的數據速率，保證非緊急用戶對吞吐量的個性化QoS需求。此外，當車輛速度為100 km/h時，VANET的吞吐量比車輛速度為60 km/h時要小，同時VANET的用戶時延要更高，因為車輛速度越快，VANET網絡越不穩定，網絡拓撲的頻繁變化會讓鏈路斷開的概率增加，導致網絡性能降低。

5.2.3用戶個性化QoS分析

如圖6所示，隨著用戶數量的增加，由于信道的繁忙程度逐漸增加，C-V2X用戶與BS之間的鏈路干擾逐漸增大，因此C-V2X用戶的時延呈上升趨勢。在DT-JOA優化方案中，由于將緊急用戶都接入C-V2X，因此緊急用戶的接入時延即C-V2X的時延的增加較為緩慢。而文獻[6]與文獻[7]所提出的方案，由于沒有考慮到用戶傳輸業務類型的緊急程度，當用戶需要傳輸對時延敏感的業務而又接入了VANET網絡時，用戶時延會隨著用戶數量增加而急劇增大，無法滿足安全類業務的低時延需求，而DT-JOA能夠將緊急用戶的接入時延控制在50 ms內。另外，從圖6中時延分布的箱型圖可以看出，相比文獻[6]的單目標優化和文獻[7]的TS-DS優化算法，DT-JOA優化算法對時延的抖動控制更為穩定，因為C-V2X用戶接入網絡的過程中沒有信道檢測-回退機制，用戶數量對C-V2X用戶的接入時延影響并不大。因此，本文的DT-JOA優化方案能夠更有效地保證緊急用戶對低時延的個性化QoS需求。

圖6 緊急用戶的時延分布

圖7 非緊急用戶的吞吐量下降情況

如圖7所示，隨著用戶數量增加，由于信道干擾逐漸增大和信道擁塞，非緊急用戶的吞吐量都呈現下降趨勢。相比于文獻[6]的單目標優化方案和文獻[7]的TS-DS優化方案，由于DT-JOA將一部分用戶分配至C-V2X網絡，因而能夠在一定程度上緩解VANET的網絡擁塞，在相同用戶數量條件下，本文的方案可以為非緊急用戶提供更高的數據速率，提升了非緊急用戶對更大吞吐量的QoS需求。當然，此時緊急用戶的吞吐量因為C-V2X用戶的增加有一定下降，但是在車聯網中緊急用戶傳輸的安全類業務數據量通常都很少，對數據傳輸速率的需求并不大，而對低時延的需求更大，因此對于緊急用戶而言犧牲少部分數據速率而獲得更低、更為穩定的時延仍然是值得的。

綜上所述，本文所提出的DT-JOA聯合優化方案可以有效地滿足緊急用戶與非緊急用戶的個性化QoS需求，提升用戶體驗。

6 結論

針對C-V2X與VANET組成的異構車聯網在非授權頻段上共存時互相沖突的問題，本文通過對信道沖突和資源分配的研究，提出了一種基于傳輸時間動態分配和用戶接入動態調度的共存機制與資源分配方案，在和諧共存的基礎上，保證了用戶的個性化QoS需求，從而優化異構網絡的綜合性能。仿真結果表明，與現有其他算法相比，本文所提資源分配方案有效地滿足了用戶個性化QoS需求，提升了車聯網用戶的體驗。