面向群體感知的智能汽車協同通信方法

孫 亮，吳靜媛，梁翠蘭，楊 樹

(中國交通信息科技集團有限公司 綜合交通運輸大數據處理及應用技術交通運輸行業研發中心，北京 100035)

0 引言

車聯網體系[1-4]的提出加速了汽車的網絡化和智能化進程。在車聯網體系架構下，車輛借助V2X、人工智能等技術，被賦予了豐富的感知、計算和通信能力[5-6]，不僅是信息的消費者，更成為信息的收集者。借助車輛在城市中的廣泛分布和車輛之間的通信協同，可以感知城市交通狀況[7-9]，方便司機避開擁堵[10-11]，合理規劃行車路線。服務商還可以利用車載空氣檢測器，收集融合城市空氣質量數據或噪聲污染數據[12-14]。在智能駕駛應用場景中，基礎設施和交通細節也被納入智能汽車的感知范圍[15]，所感知的高精度地圖具有厘米級精度，包含路面地貌、實時路況、交通信號等道路交通的細節。這些豐富的應用不斷推動車聯網通信架構的演進。

V2X[16-18]是基于3GPP全球統一標準的通信技術，愿景是使用直連、移動蜂窩等多種網絡技術使車與周邊一切元素互聯。目前包含LTE-V2X和 NR-V2X，支持LTE-V2X向NR-V2X的平滑演進。LTE-V2X的目標主要是支持輔助駕駛，通過車輛短消息實時通信共享路面情況，提升道路安全及提高效率；NR-V2X具有更大的帶寬和容量，通過將高帶寬通信技術與人工智能、大數據等新技術結合，可以更好地支持協同駕駛、協同感知等新功能。2019年12月，3GPP通過了標準化項目“5G新空口sidelink增強”將實現對NR-V2X sidelink[19]的增強。未來車聯網融合體系中直連通信部分，除了LTE-V的PC5廣播模式，還將有NR-V2X sidelink所支持的單播、組播模式，使車聯網的運行部署更為靈活，支持更多的協同感知、協同決策的應用。

協同感知、協同決策等服務對V2X協同通信提出了局部高密度、高動態要求，這些服務具有較強信息效用時空衰減性，本地信息需要快速流通融合。另一方面，隨著車聯網節點數量的增加，整個互聯系統的確定性增加，協調控制復雜度增加，通信開銷也成倍增加，因此大規模協同任務也不適合中心控制管理。為了提高車聯網體系應對此類服務，需要研究一種支持局部車輛動態組織的、低通信開銷的協同通信機制。

因此，本文研究了面向群體感知的智能汽車協同通信系統，對已有V2X中的通信機制進行優化，提出基于地理分割的融合反饋方法，動態地組織通信資源，減小服務對通信資源的占用，可進一步提升車輛通信密度、支撐車聯網局部協同服務。

1 任務消息的擴散與時空群落的形成

以一個高精度地圖眾包任務為例，說明面向群體感知的協同通信的作用背景。任務消息的擴散與時空群落的形成如圖1所示，根據任務階段分為任務擴展區和任務感知區。任務擴展區是節點協同進行感知準備工作的區域，也稱擴展地理范圍，通常由定制者指定范圍大小。任務感知區是節點正式進行數據收集的區域。一個地圖供應商發起了對某一路段的感知任務，并將任務投放到任務擴展區內某個發起節點上。任務投放位置不需要十分精確，理想情況下，具體由哪個感知節點發起任務并不影響后續感知任務的效果。

圖1 任務消息的擴散與時空群落的形成Fig.1 Diffusion of task messages and formation of spatiotemporal community

發起節點首先向周圍廣播擴展消息，其余節點收到擴展消息后繼續轉發。為了防止消息無限制傳播，采用地理范圍和生存時間約束消息的擴散。參與消息擴散的節點稱為擴展節點，擴展節點中有參與感知任務意愿的節點構成了一個地理和時間上鄰近，擁有共同目的的智能汽車群體，稱為面向感知任務的時空群落。

2 群落關鍵信息共享

所有具有參與意愿的節點已經從邏輯上構成了一個時空群落，由于一次V2X廣播消息只能跨越單跳距離，群落成員對于群落中遠距離節點的意愿缺乏了解。任務發起節點無法預估所能提供的感知量，因此不能向定制者提供有效的反饋。

消息擴散過程到達邊界后，處于邊界上的節點可以通過3種方法向發起節點反饋關鍵信息：簡單反饋、動態簇和基于地理分割的融合反饋。以上信息共享方法中，時空群落仍然需要擴散節點幫助傳播消息。

2.1 簡單反饋

簡單反饋機制是一種普通的V2X消息傳播方法。每一個群落成員都生成一則消息，向發起節點的區域洪泛，利用常用的競爭-退避機制，使每一跳盡量選擇最遠的中繼節點轉發，以便消息盡快到達發起節點。簡單反饋的方法沒有在轉發過程中融合數據，每一個群落成員的消息都需要消耗單獨一條傳播路徑，造成較大的通信開銷。基于簡單反饋的消息傳遞方法如圖2所示。

圖2 基于簡單反饋的消息傳遞方法Fig.2 Message passing method based on simple feedback

2.2 動態簇

動態簇反饋機制是一種常見的V2X消息傳播方法。如圖3所示，擴展區域內每個節點(包括群落成員和擴展節點)搜尋以自己為中心，半徑為R的區域內是否存在簇頭，如果沒有則自己成為簇頭。

圖3 基于動態簇的消息傳遞方法Fig.3 Message passing method based on dynamic cluster

然后，群落成員被劃分至各個簇頭管轄。簇頭收集本簇所有節點的信息。每個簇還生成“簇首”和“簇尾”作為中繼，輔助簇頭之間通信。依靠分層的結構，消息只需要在少量節點之間傳遞，發起節點就可以獲取所有群落成員信息。該方法的代價是簇的維護消耗通信資源。

2.3 基于地理分割的融合反饋

本文提出了基于地理分割的融合反饋方法，圖4對這種方法進行了說明。通過競爭轉發機制將每一跳距離L盡可能長，同時通過L劃分出相互交疊的地理區域。每個區域中通過競爭生成轉發節點，該節點統計本區域內有參與意愿的節點，并將本區域消息融合在轉發消息中，消息在回傳過程中伴隨著融合更新。有的節點可能被2條反饋路線重復統計(如A節點可能被路線1和路線2重復統計)，也有節點可能被2個相鄰的轉發節點覆蓋統計(如B節點可能被H1和H2重復統計)，故每輛車均設置判重標記，已被標記的節點代表已經被上述2種情況之一統計。最終，整個任務擴展區內有參與意愿的節點信息被反饋至發起節點。與SF相比，GFF增加了信息融合過程；與DC相比，GFF沒有顯式的簇生成和維護過程，所以通信開銷較小。GFF額外的開銷主要發生在區域之間判重，這是由于地理分割的不精確造成的。

圖4 基于地理分割的融合反饋消息傳遞方法Fig.4 Fusion feedback message passing method based on geographic segmentation

3 仿真與分析

3.1 仿真環境

TransModeler是一款用于交通仿真的軟件，可以逼真地模擬出各類交通網絡和多種出行方式的交通流，使用動畫把交通流的情況、信號燈的運作情況以及道路交通網絡的性能直觀地展現出來。本文在TransModeler二次開發的基礎上，實現了汽車邏輯通信仿真系統。系統通過網絡通信接收來自應用層的服務請求，TransModeler仿真車輛路徑或通信進行控制。圖5為TransModeler的仿真界面和本實驗的仿真城市環境。

圖5 仿真環境示意Fig.5 Schematic diagram of simulation environment

仿真在美國San Antonio的城市地圖上進行，其道路拓撲及宏觀車流狀況來自真實數據，所得數據均采用多次實驗取平均值的方法獲得。

經典V2X協同通信方法有2種[10-12]：基于洪泛的簡單反饋是V2X從VANET中繼承來的最經典的信息傳遞方法；動態簇因為采用分層結構優化信息傳播而被廣泛采用。另外，基于地理分割的融合反饋方法是根據V2X場景優化后提出的方法，將與前2種經典方法進行實驗對比。

3.2 指標統計

通信指標包括總通信次數和總時間。

廣播雖然是一對多的消息傳播，但由于其只占用一個信道，所以也記為一次通信。如果一個節點分別向N個節點單播，則記為N次。完成感知協同任務需要的總次數可以反映通信開銷。

精確仿真時間消耗比較困難，令每一次通信消耗一個單位時間T，則從發起節點開始擴散消息到協調分工消耗的總時間可以通過累計通信次數m所消耗的時間mT近似。

3.3 試驗結果

實驗安排在一條1 000 m的直線主干道上，消息擴散范圍限制為發起節點下游1 000 m以內，V2X直連有效通信距離為150 m。

3.3.1 車輛密度對通信效果的影響

如圖6所示,GFF方法在3種方法中擁有最低的通信總次數。隨著車輛密度的增加,3種信息共享方法協同形成群落的通信總次數隨之增加。不同的是，DC和GFF增加幅度較小，SF增加幅度較大，因此SF不太適合車輛密度較大的場景。

圖6 車輛密度對通信總次數的影響Fig.6 Influence of vehicle density on total communication times

車輛密度-通信總時間(圖7)曲線中，在擴散地理范圍的約束下，各方法的通信總時間是一個與車輛密度無關的常數。SF所消耗的時間最短，GFF消耗時間最長，為SF的2～3倍，原因在于GFF方法中一旦轉發節點生成，需要耗費額外的時間對周圍節點實施統計。考慮到V2X中一個單位時間片T通常處于10～100 ms的數量級，增加的時間開銷是可以接受的。另外，DC作為V2X中的經典方法，其表現在2種指標下都較好。

圖7 車輛密度對通信總時間的影響Fig.7 Influence of vehicle density on total communication time

因此， DC和GFF均適合非實時協同感知服務。對實時性要求高的服務，應選用SF。對于頻譜資源短缺的情況，GFF可以實現極低的通信開銷，是一種有效的協同感知方法。

3.3.2 道路拓撲對通信效果的影響

城市復雜道路環境可能降低算法的效果。一個具有魯棒性的算法應該能夠適應不同結構的道路，如直道、彎道、十字路口。仿真實驗在一定車輛密度范圍(40～60)內觀察道路拓撲對不同方案的影響。信息擴散的地理范圍約束均為1 000 m×1 000 m。

道路狀況對通信總次數的影響如圖8所示，道路狀況對通信總時間的影響如圖9所示。

圖8 道路狀況對通信總次數的影響Fig.8 Influence of road conditions on total communication times

圖9 道路狀況對通信總時間的影響Fig.9 Influence of road conditions on total communication time

由圖8和圖9可以看出，3種方法的通信指標隨不同道路拓撲均有小幅波動，說明3種方法均適應復雜道路拓撲。

4 結束語

車聯網技術進步促進了智能汽車協同通信的研究。本文討論了面向群體感知的智能汽車協同通信方法，提出了基于地理分割的融合反饋機制。該方法面向地圖商的大型感知任務，利用V2X在感知現場動態組織資源對任務進行規劃和執行。該方法對V2X的協同通信方式進行了改進，能夠有效減小通信開銷，提高車輛密度，并能適應直道、彎道、十字路口等復雜拓撲情況。后續將在相關研究基礎上，進一步研究設計獎勵機制以優化群體感知的效果。