V2X通信的資源管理及功率控制算法

蹇清平，張毅

(1.成都工業(yè)職業(yè)技術(shù)學(xué)院，四川 成都 610218; 2.西南石油大學(xué)，四川 成都 610500)

0 引 言

隨著電子信息技術(shù)的快速發(fā)展，物聯(lián)網(wǎng)技術(shù)和應(yīng)用得到廣泛關(guān)注。第三代伙伴項(xiàng)目(3rdGeneration Partnership Project, 3GPP)推出的長(zhǎng)期演進(jìn)(Long Term Evolution, LTE)是物聯(lián)網(wǎng)的一個(gè)最主要技術(shù)標(biāo)準(zhǔn)，其旨在覆蓋所有物聯(lián)網(wǎng)應(yīng)用[1]。

車至一切(Vehicle to Everything, V2X)通信是物聯(lián)網(wǎng)的最重要應(yīng)用區(qū)域[2]。近期，3GPP推出了基于LTE的V2X通信的第14個(gè)版本，其使車流量管理更有效率，道路行駛更安全。V2X涉及到車-車(Vehicle-to-Vehicle, V2V)、車-基礎(chǔ)設(shè)施(Vehicle-to-Infrastructure, V2I)、車-行人(Vehicle-to-Pedestrian, V2P)和車-網(wǎng)絡(luò)(Vehicle-to-Network, V2N)通信。近期，V2X研究受到廣泛關(guān)注。但V2X的應(yīng)用對(duì)數(shù)據(jù)傳輸?shù)目煽啃院蜁r(shí)延具有嚴(yán)格要求。

車輛的高速移動(dòng)是影響V2X服務(wù)質(zhì)量的關(guān)鍵因素。在3GPP的12/13版標(biāo)準(zhǔn)中，近距離服務(wù)(Proximity Service, ProSe)，即設(shè)備至設(shè)備(Device-to-Device, D2D)通信能夠提供近距離范圍內(nèi)兩個(gè)或多個(gè)設(shè)備直接通信，而無需通過eNodeB轉(zhuǎn)發(fā)。這種通信策略滿足了車載網(wǎng)絡(luò)要求[3]。因此，基于D2D通信的蜂窩網(wǎng)絡(luò)是最有希望推進(jìn)V2X通信的技術(shù)。

相比于下行鏈路(Downlink, DL)，上行鏈路(Uplink, UL)子幀未能得到充分利用。因此，可將UL資源重新分配至D2D通信。D2D通信資源分配有兩Underlay和Overlay兩種模式[4]。Underlay模式[5]允許蜂窩用戶(Cellular Users, C-UEs)和車載用戶(Vehicular Users, V-UEs)共享相同的資源塊(Resources Block, RB)。

因此，Underlay模式能夠獲取最佳的頻譜效率，但是C-UEs與V-UEs間存在干擾。相反, Overlay模式給V-UEs分配專門資源，就不存在V-UEs和C-UEs間的干擾問題，但其頻譜利用率低[6]。

為此，考慮到頻譜效率，采用Underlay模式，并提出有效的資源分配和功率控制(Resources Allocation and Power Control, RAPC)算法。RAPC算先依據(jù)最大化信道容量原則，給V2I用戶分配資源，然后，在維持V2V用戶的時(shí)延和可靠條件下，V2V用戶與V2I用戶共享資源。仿真結(jié)果表明，提出的RAPC算法在保證了數(shù)據(jù)包傳遞率的前提條件下，有效地提高了資源利用率。

1 系統(tǒng)模型

考慮一個(gè)基于D2D通信的車載網(wǎng)絡(luò)環(huán)境，其由k條V2I和m條V2V通信鏈路組成。令κ={1,2,…,k}表示V2V鏈路集。令R={1,2,…,m}表示V2I鏈路集。對(duì)于總體UL帶寬，總共有n個(gè)RBs。且令={1,2,…,n}表示RBs集，如圖1所示。

圖1 系統(tǒng)模型

V2I鏈路承載娛樂和交通管理數(shù)據(jù)(非安全數(shù)據(jù))的傳輸，其對(duì)信道容量具有高的要求，但對(duì)傳輸時(shí)延要求并不高。因此，可將V2I用戶看成蜂窩網(wǎng)絡(luò)的C-UEs。而對(duì)安全數(shù)據(jù)的傳輸[7]，要求低時(shí)延。這就是為什么利用D2D鏈路完成車間通信原因。通過D2D鏈路，實(shí)現(xiàn)車輛間直接完成數(shù)據(jù)傳輸，降低時(shí)延。

考慮如圖1所示的系統(tǒng)模型，V2V用戶和V2I用戶共享資源。其中V2V用戶通過蜂窩鏈路完成數(shù)據(jù)傳輸，而V2V用戶通過D2D鏈路完成數(shù)據(jù)傳輸。eNodeB將正交RBs分配給V2I鏈路同時(shí)，在滿足Qos條件，將已分配給V2I鏈路的RBs也重新分配給V2V鏈路，進(jìn)而實(shí)現(xiàn)V2V鏈路和V2I鏈路共享RBs。

然而，由于V2V用戶與V2I用戶共享RB，可能存在干擾。因此，必須在滿足Qos條件，才能進(jìn)行資源共享。為此，提出RAPC算法，對(duì)V2I用戶和V2V用戶資源進(jìn)行有效分配，使V2I用戶實(shí)現(xiàn)速率最大化、V2V用戶的數(shù)據(jù)傳輸時(shí)延最低。

2 RAPC算法

圖2 算法框架

提出RAPC算法的目的就是最大化V2I用戶的信道容量，并維持V2V用戶通信時(shí)延要求。RAPC算法的框架如圖2所示。先分別給V2I用戶、V2V用戶定義指標(biāo)。再依據(jù)指標(biāo)給這些用戶設(shè)定分配資源的優(yōu)先級(jí)。前者主要考慮吞吐量和緩存尺寸；后者主要考慮數(shù)據(jù)包的傳輸時(shí)延。然后，再分配資源。V2I用戶基于速率最大化原則分配RBs，而V2V用戶在不形成干擾的條件下，與V2I用戶共享RBs。

2.1 指標(biāo)

依據(jù)V2I和V2V用戶的要求，給它們?cè)O(shè)置不同的資源分配優(yōu)先級(jí)指標(biāo)。例如，V2V用戶對(duì)時(shí)延要求嚴(yán)格，因此，優(yōu)先給等待時(shí)延長(zhǎng)的用戶分配資源。

2.1.1V2I-用戶指標(biāo)

公平性是資源分配的關(guān)鍵性能。參照文獻(xiàn)[8]的比例公平(Proportional Fairness, PF)算法，將用戶的瞬時(shí)吞吐量與上一個(gè)時(shí)間段的平均吞吐量比例融入V2I用戶的指標(biāo)。同時(shí)，將數(shù)據(jù)緩存區(qū)尺寸納入指標(biāo)。

(1)

其中ri(t)表示第i個(gè)V2I用戶的吞吐量，其定義如式(2)所示。Δc(t)表示所有V2I用戶隊(duì)列緩沖區(qū)的數(shù)據(jù)量之和，而Qi(t)表示第i個(gè)V2I用戶隊(duì)列緩沖區(qū)尺寸。

ri(t)=lg(1+SINRi)

(2)

而Ri(t-1)表示上一時(shí)刻的平均吞吐量，其定義如式(3)所示：

(3)

其中τ表示i個(gè)V2I用戶的平均數(shù)據(jù)率。

2.1.2V2V用戶指標(biāo)

為了降低數(shù)據(jù)包傳輸時(shí)延，將數(shù)據(jù)包在緩存區(qū)內(nèi)等待的時(shí)間納入V2V用戶指標(biāo)。等待的時(shí)間越長(zhǎng)，分配資源的優(yōu)先級(jí)就越高，即優(yōu)先分配資源。

(4)

V2I用戶和V2V用戶分別依據(jù)式(1)和式(4)進(jìn)行排序，指標(biāo)值越大，分配資源的優(yōu)先率就越高。

2.2 資源分配

2.2.1V2I用戶的資源分配

首先，依據(jù)最大信道容量原則給V2I用戶分配RBs分配。依據(jù)Shannon公式，先計(jì)算V2I用戶獲取的數(shù)據(jù)率。假定第i個(gè)V2I用戶在第h個(gè)RB上獲取的數(shù)據(jù)率為C(i,h)：

(5)

每個(gè)V2I用戶追求最大的數(shù)據(jù)率，因此，試圖從RB上尋找某個(gè)RB資源，進(jìn)而最大化數(shù)據(jù)率，如式(6)所示：

2018年上半年，中國國內(nèi)生產(chǎn)總值(GDP)實(shí)際同比增長(zhǎng)6.8%，延續(xù)了穩(wěn)定增長(zhǎng)的態(tài)勢(shì)。在出口較快增長(zhǎng)的帶動(dòng)下，制造業(yè)投資和民間投資保持著良好的發(fā)展勢(shì)頭，消費(fèi)則繼續(xù)成為支撐經(jīng)濟(jì)增長(zhǎng)的主要?jiǎng)恿?。而在供給一側(cè)，工業(yè)增加值同比增速也穩(wěn)定在6.6%—6.9%之間，與實(shí)際GDP增速的走勢(shì)基本一致。中國經(jīng)濟(jì)表現(xiàn)出相當(dāng)?shù)捻g性。

(6)

具體而言，每個(gè)V2I用戶先依據(jù)式(5)選擇獲取數(shù)據(jù)率。再從RBs中選擇RB，選擇能獲取最大化數(shù)據(jù)率的RB，如式(7)所示：

Find(i,h)=maxC(i,h)

(7)

其中h表示第i個(gè)V2I用戶能在第h個(gè)RB獲取最大的數(shù)據(jù)率。

然后，將第h個(gè)RB資源分配給示第i個(gè)V2I用戶。并重新更新RBs集，即將第h個(gè)RB資源從中刪除，即=/{h}。同時(shí)，將已分配的RB資源組建成一個(gè)集Ψ←{h}。即Ψ表示已分配給V2I用戶的RB資源。V2I用戶資源分配過程如表1所示。

表1 V2I用戶的資源分配

2.2.2V2V用戶資源分配及功率控制

最初，給每個(gè)V2V用戶的初始功率設(shè)置Pm，且Pm=Pinit。然后，計(jì)算第j個(gè)V2V用戶在占第h個(gè)RB資源上SINR。且第h個(gè)RB資源已分配給第i個(gè)V2I-UE。

(8)

其中Pj,h、Pi,h分別表示第j個(gè)V2V用戶、第i個(gè)V2I用戶在第h個(gè)RB資源上的傳輸功率。而gm、gi,j分別表示第j個(gè)V2V用戶信道功率增益、第i個(gè)V2I用戶至第j個(gè)V2V用戶的干擾信道功率增益。而σ2表示噪聲功率。

(9)

若不滿足式(9)，就依據(jù)式(10)調(diào)整傳輸功率Preq：

(10)

其中Ψ分別表示已分配給V2I用戶的RBs資源集。并將第j個(gè)V2V用戶的傳輸功率進(jìn)行更新，即Pj,h=Preq。為了防止傳輸功率過大，對(duì)傳輸功率進(jìn)行限制，即Preq≤Pmax。Pmax表示允許用戶傳輸?shù)淖畲蠊β省?/p>

然后，重新計(jì)算式(8)獲取新的δj,h。再繼續(xù)判斷是否滿足式(9)。如果滿足，第j個(gè)V2V用戶就與第i個(gè)V2I用戶共享第h個(gè)RB。若不滿足，就依據(jù)式(10)調(diào)整傳輸功率，如圖3所示。

圖3 V2V用戶功率控制及資源分配流程

3 性能分析

3.1 仿真環(huán)境

引用Matlab仿真器建立仿真平臺(tái)，分析RAPC算法性能。考慮一個(gè)簡(jiǎn)單的蜂窩模型：蜂窩區(qū)半徑為1.5km，系統(tǒng)帶寬5 MHz和載波頻率為2 GHz。V2I用戶和V2V用戶數(shù)在50～500變化。eNodeB依據(jù)從用戶所接收信道質(zhì)量指標(biāo)(Channel Quality Indicator, CQI)進(jìn)行資源分配決策，且每隔傳輸時(shí)間間隔(Transmission Time Interval，TTI)就進(jìn)行資源分配一次。具體的仿真參數(shù)如表2所示。

表2 仿真參數(shù)

此外，為了更好地分析RAPC算法性能，選擇基于位置的資源分配(Position-based Resource Allocation, PRA)[9]和基于定位的資源分配(Location Dependent Resource Allocation, LDRA)[10]算法作為參照，并分析對(duì)比分析它們的吞吐量、數(shù)據(jù)包丟失率、數(shù)據(jù)傳輸時(shí)延等性能。

3.2 數(shù)據(jù)分析

3.2.1實(shí)驗(yàn)一

首先，分析系統(tǒng)吞吐量隨用戶數(shù)的變化情況。系統(tǒng)吞吐量是指在仿真時(shí)間內(nèi)所有用戶(V2V和V2I用戶)傳輸?shù)臄?shù)據(jù)量。如圖4所示。

圖4 系統(tǒng)吞吐量

從圖4可知，相比于PRA和LDAR算法，RAPC算法獲取最高的吞吐量。原因在于：RAPC算法以最大信道率原則給V2I用戶分配資源，并在維護(hù)SINR前提下給V2V用戶分配資源，進(jìn)而提高網(wǎng)絡(luò)效率和蜂窩性能。因此，RAPC算法提高了資源使用率，提高了吞吐量。

3.3 實(shí)驗(yàn)二

本次實(shí)驗(yàn)分析RBs資源利用率。從圖5可知，相比于PRA和LDRA算法，RAPC算法的資源利用率最高。RAPC算法和LDAR算法的RBs利用率超過100%，這主要因?yàn)閂2I用戶和V2V用戶間能夠共享RBs。此外，RAPC算法的資源利用率高于LDAR算法，且當(dāng)用戶數(shù)為100時(shí)，RAPC算法的資源利用率超過LDAR算法40%。這主要因?yàn)椋篟APC算法依據(jù)車輛位置進(jìn)行資源分配，這容易引入資源匱乏。

圖5 RBs利用率

3.4 實(shí)驗(yàn)三

本次實(shí)驗(yàn)分析V2V用戶和V2I用戶的平均隊(duì)列時(shí)延，如圖6所示。從圖6可知，相比于PRA和LDAR算法，RAPC算法的能夠有效地控制隊(duì)列時(shí)延。

對(duì)于V2I用戶而言，RAPC算法依據(jù)式(1)定義了指標(biāo)，其考慮了隊(duì)列尺寸，使有具有多個(gè)數(shù)據(jù)包的用戶優(yōu)先分配資源，這就降低了數(shù)據(jù)包在隊(duì)列中的時(shí)延。

從圖6(b)可知，相比于LDAR算法，RAPC算法使V2V用戶擁有更少的隊(duì)列時(shí)延。例如，當(dāng)V2V用戶數(shù)為500時(shí)，RAPC算法的平均隊(duì)列時(shí)延比LDAR算法下降了20ms。

圖6 平均隊(duì)列時(shí)延

3.5 實(shí)驗(yàn)三

最后，通過實(shí)驗(yàn)三分析數(shù)據(jù)包丟失率，如圖7所示，其中圖7(a)顯示V2I用戶的數(shù)據(jù)包丟失率；圖7(b)顯示了V2V用戶的數(shù)據(jù)包丟失率。

圖7 數(shù)據(jù)包丟失率

從圖7可知，RAPC算法有效地降低了數(shù)據(jù)包丟失率，其數(shù)據(jù)包丟失率低于PRA和LDRA算法。而PRA算法的V2I用戶的數(shù)據(jù)包丟失率最高，原因在于：它并沒有考慮緩存區(qū)尺寸。例如，當(dāng)V2I用戶數(shù)為500時(shí)，PRA算法的數(shù)據(jù)包丟失率達(dá)到0.8。

4 結(jié) 語

本文針對(duì)基于D2D通信的V2X服務(wù)的資源分配者了研究，并提出RAPC算法。RAPC算法先給V2V和V2I用戶定義指標(biāo)，并依據(jù)這些指標(biāo)設(shè)備資源分配的優(yōu)先級(jí)。然后，依據(jù)最大信道容量原則，給V2V用戶分配資源，并使V2I用戶與V2V用戶共享資源，提高資源利用率。最后，通過仿真實(shí)驗(yàn)分析了RAPC算法性能。