基于5G網絡切片的車聯網資源分配優化方法

雷 鶴,趙杰衛,楊 嬛,王祉晴

(中國移動通信集團四川有限公司,四川 成都 610000)

0 引言

隨著互聯網的增長和5G技術的發展,為了提供更好的服務,網絡運營平臺需要對有限的物理資源進行比較,并為用戶提供定制化的基于5G的項目。網絡切片技術應運而生。但由于傳統的網絡切片方式存在一些不足,在客戶數量突然增加時,會影響服務質量。因此,物聯網通信一直在不懈地追求更多的輸出量、減少延長時間、更安全的可靠性以及更廣闊的覆蓋范圍[1]。除設計更有效的編碼、調制、信道估計、均衡和解碼方案外,還可通過優化資源分配來充分利用可用的帶寬、功率和頻譜資源。但存在2大限制:一是部分方法應用的啟發式算法求得的解為局部最優解,這些方法的計算復雜性可能很高,難以實時更新。二是資源分配方法對于精確的系統模型高度依賴。在建立數學模型時,為處理方便,往往會忽略現實中存在的缺陷,導致模型參數的不確定性,影響其性能。眾多學者針對此展開研究,并已經得到一定成果。肖瑤等[2]提出了一種基于灰狼優化和匈牙利算法的D2D資源分配策略。該方法先利用灰狼優化獲得每個D2D用戶的最佳發射功率,后利用匈牙利算法實現D2D用戶與蜂窩用戶的最佳信道匹配,從而最大化D2D用戶的總容量。唐倫等[3]提出了一種基于云霧混合計算的車聯網聯合資源分配算法。該方法先將云計算與霧計算結合,以最大時延作為約束條件,建立資源優化模型,旨在最小化系統能耗和資源成本;再針對海量設備計算卸載引起的網絡擁塞問題,提出了一種基于在線測量的霧節點時頻資源配置算法;最后,借助分式規劃理論和拉格朗日對偶分解方法得到迭代的帶寬和功率分配策略。盡管以上2種方法都具有一定的優勢,但均存在資源分配時間較長的問題。因此,本次研究開展基于5G網絡切片的物聯網資源分配優化方法研究,以解決上述問題。

1 基于5G網絡切片的物聯網資源分配優化方法設計

1.1 建立物聯網資源分配模型

本文提出的基于5G網絡切片的物聯網資源分配模型,如圖1所示。

為了滿足新型電力系統對高可靠性、低延遲的要求,本文在最大限度減少端到端延遲的同時,盡可能提升資源利用率。為進一步簡化計算復雜度,在資源、安全和延遲約束的條件下,本研究將原始優化問題轉化為混合整數線性規劃問題,其具體可表示為:

(1)

式(1)中,VS為切片節點集;VF為切片節點之間的鏈路集;xiu代表的是資源分配后各部分占比,i為每一切片節,u為用戶;c(Vi)為計算容量、安全級別為s1(Vu)。為實現其目標的最小化,需要將請求分配給使用最少的服務器,故其約束條件如下:

(2)

通過式(2),確保每個物理節點只能管理來自相同切片請求的網絡切片節點。

基于5G網絡切片模型中的模型要素包括狀態、動作和獎勵。其中,狀態指actor能夠感知當前的切片狀態;動作指各切片RB的增加、保持和減少等動作;獎勵指切片控制器對actor發出的反饋,以告知一個動作對于一個狀態是好還是壞[4],則每次從回放記憶中抽取批量樣本來訓練網絡參數。網絡參數更新后,回放記憶會更新樣本的優先級。在強化訓練過程中,可以根據優先級定期更新操作值。當播放內存已滿時,無法擦除的舊體驗將被刪除。在每個N步之后,參與者從預測網絡中復制經過訓練的參數,并將其更新為最新版本。本文通過5G網絡切片法,構建基于智能actor的切片資源控制架構,以分布式actor協作方式,從各切片上的actor同步學習經驗,從而實現高效的目的。

1.2 基于5G網絡切片建立資源分配算法

基于已經構建的聯網資源分配模型,建立資源分配算法。5G網絡切片作為典型的多元屬性資源分配算法,基于正負理想邊界條件完成,可先對真實值和理想值之間的偏差程度進行排序,再通過妥協解的方式實現資源的最優分配[5],其運算流程如下:

首先進行切片排序,即對分配占比進行定義,則基于資源分配模型可知:

(3)

基于切片分配比進行匹配的物理節點,其取值為:

xiusr(Vi)≤s1(Vu),?u∈VF,i∈VS

(4)

式(4)中,安全需求為Sr(Vi)。基于公式(3)和(4)的條件得出基于5G網絡切片建立資源分配算法為:

xiusr(Vi)=s1(Vu)+VF,i∈VS

(5)

基于已經計算出的物理節點分配算法進行調用模塊和網絡連接。文中在假設物理節點資源配置中,首先,基于5G網絡切片技術計算每個網絡切片和網絡節點的Q值,并從小到大進行排序;其次,選擇合適的網絡切片與物理節點進行一一映射,并進行網絡傳輸時延約束條件限定查找;最后,完成分配算法的成功執行,具體流程如圖2所示。

圖2 基于5G網絡切片的資源分配算法

在切片鏈路配置階段,使用最短路徑算法獲得切片鏈路的物理路徑。考慮到切片鏈路的時延,提出了一種路徑選擇策略,如表1所示。

表1 最短路徑算法上的切片鏈路配置算法

1.3 實現物聯網資源分配

基于已經構建的資源分配算法,進行對邊緣服務器資源的分配機制。首先,設置指定路段上每一個路側單元的屬性信息為{rn,θk},并將這N個屬性信息匯聚在一張狀態表格當中,采用表格來制作。基于5G網絡切片的車聯網資源分配優化方法采用的是RSU表格。RSU表格較為清晰明了,更能清楚地觀察到表格信息,并進行匯總。信息加入表格后,在狀態表中定時定期地更新特定信息。在車輛行駛路段的新間隔開始時刻,車輛進入區間,資源開始更新。基于上述算法出現選擇,主要決定當前車載任務是否要取消,以及對路邊概況的預判。判斷條件根據公式(6)所示。

(6)

式(6)中,Dm代表車輛進入區間的實際任務分配效率,fvm代表車輛進入區間獲得最佳分配服務效率,γm代表設定閾值。

一旦滿足了上述條件,該任務就在本地開始處理;否則,便向離其最近的RSU請求網絡上的RSU狀態表。對于進行任務卸載的時延估算,具體分為以下幾步:

首先,需要考慮任務傳輸終端與車端之間的時延問題。在本文中的卸載模式下,任務信息可以通過IEEE從車輛直接傳輸到REU端。假設發電機工廠中的所有信號源塊都相互正交,就可以忽略發電機工廠的信道問題。其次,通過模擬大尺度衰減和小尺寸衰減來對傳播路徑進行建模。最后,建立良好的任務處理機制,即對任務處理進行梳理劃分。基于上述流程得到一個小時間隙內指定路段上邊緣云資源分配機制。

2 對比實驗

2.1 實驗準備

本實驗采取3GPP TR36.885標準中的城市公路場景來設置仿真環境,并采用空間泊松過程隨機部署車輛初始位置。V2V和V2I鏈路從生成的車輛中隨機選擇。RSU覆蓋范圍測試中,在T形路口處利用支架固定部署路側設備,車載設備固定于電動車前置筐內。實際測試過程中設備由移動電源供電,并由便攜式PC依據AT指令發送控制命令,路側設備不間斷廣播消息,車載設備以一定速度分別以東西方向和南北方向移動,向東行駛距離約400 m,向南行駛距離約300 m(包含轉彎路口后的距離)。車載設備性能測試中,固定其中一個車載設備靜止不動,另一個設備沿著東西方向進行移動。車載設備測試主要面向低密度場景,從實際的測試中獲得PRR、通信時延,分析通信性能與距離的關系。為驗證基于5G網絡切片的車聯網資源分配優化方法,對高密度通信場景中的車載設備聯網性能進行總結。

在實際的測試環境中,無論是東西行駛還是南北行駛,除了近距離下的無障礙傳輸,在較遠距離時無線信號都會受到建筑物、樹木等障礙物的遮擋。車載設備在移動過程中,根據有無障礙物的遮擋,傳輸信道有所不同,測試場景為非視距傳輸。測試設備包括OBU、RSU、移動電源和支架等。測試參數信道帶寬設置為固定值,測試變量主要包括消息大小、設備移動速度以及天線位置,具體如表2所示。

表2 測試設備

2.2 實驗結果

選取基于灰狼優化和匈牙利算法的D2D資源分配策略[2]和基于云霧混合計算的車聯網聯合資源分配算法[3]作為對比方法,開展對比實驗,獲得對比結果如表3所示。

表3 3種方法的資源分配時間結果 單位:s

由表3可知,所提方法在車輛識別模塊資源分配時間、信息通信模塊資源分配時間和路邊設備模塊資源分配時間都低于對比方法。其中,識別模塊資源分配時間最短為2 s;路邊設備模塊資源分配時間最長為4 s。因此,可以證明基于5G網絡切片的物聯網資源分配優化方法具有高效性。

3 結語

本文針對新型車電力系統的特點,提出了一種基于5G網絡切片的啟發式算法。該方法根據切片節點的拓撲特性、資源利用率和延遲時間,利用5G網絡切片方法對其重要性進行排序,在切片鏈路配置階段,使用最短路徑算法獲得切片鏈路的物理路徑。仿真結果表明,本文提出的方案能夠在保證業務端到端時延要求的同時實現較高的切片配置成功率,可滿足新型電力系統5G網絡切片的安全要求。