基于負(fù)載預(yù)測(cè)的車聯(lián)網(wǎng)信道擁塞控制策略*

楊 戈 ，朱永豪

(1.北京師范大學(xué)珠海分校 智能多媒體技術(shù)重點(diǎn)實(shí)驗(yàn)室，廣東 珠海 519087；2.北京師范大學(xué)自然科學(xué)高等研究院，廣東 珠海 519087)

0 引言

近年來我國(guó)汽車總量持續(xù)增加，社會(huì)急需建立基于車聯(lián)網(wǎng)的新型智能交通管理系統(tǒng)。智能交通管理系統(tǒng)能夠?qū)Ξ?dāng)前道路交通狀況進(jìn)行實(shí)時(shí)監(jiān)控，對(duì)道路車輛進(jìn)行交通疏導(dǎo)，保證車輛駕駛員的行車安全。

目前，5G 網(wǎng)絡(luò)基本實(shí)現(xiàn)了全面部署，VANET(Vehicle Ad hoc Network)車聯(lián)網(wǎng)成為了各國(guó)家重點(diǎn)發(fā)展方向。2020 年，歐盟、美國(guó)、俄羅斯等都將車聯(lián)網(wǎng)發(fā)展作為國(guó)家重點(diǎn)扶持項(xiàng)目，將車聯(lián)網(wǎng)全面部署作為國(guó)家重大目標(biāo)。同樣地，我國(guó)也已經(jīng)將車聯(lián)網(wǎng)作為國(guó)家重點(diǎn)發(fā)展項(xiàng)目進(jìn)行研究和推進(jìn)，正在重點(diǎn)發(fā)展車聯(lián)網(wǎng)的自動(dòng)駕駛技術(shù)和輔助駕駛技術(shù)產(chǎn)業(yè)化的研究[1-7]。

1 C2SLP 功率控制策略設(shè)計(jì)與實(shí)現(xiàn)

本文提出一種基于信道負(fù)載預(yù)測(cè)的車聯(lián)網(wǎng)功率控制策略(Congestion Control Strategy based on Channel Load Prediction，C2SLP)，通過控制車聯(lián)網(wǎng)數(shù)據(jù)包傳輸功率來提前避免信道擁塞的發(fā)生。首先進(jìn)行當(dāng)前信道負(fù)載值的評(píng)估，然后將所得當(dāng)前時(shí)刻的信道負(fù)載評(píng)估值代入差分自回歸移動(dòng)平均模型(Auto Regressive Integrated Moving Average，ARIMA)[8]，預(yù)測(cè)下一時(shí)刻的信道負(fù)載值，得到預(yù)測(cè)值后，將其代入功率控制算法。算法將控制傳輸功率的問題等價(jià)替換為調(diào)整傳輸距離的問題，根據(jù)預(yù)測(cè)值調(diào)整傳輸距離，實(shí)現(xiàn)信道擁塞控制。整個(gè)擁塞控制策略可分為3 個(gè)模塊：信道負(fù)載評(píng)估模塊、基于ARIMA 模型的信道負(fù)載預(yù)測(cè)模塊、基于負(fù)載預(yù)測(cè)的功率控制調(diào)整模塊。

1.1 信道負(fù)載評(píng)估模塊

在信道負(fù)載評(píng)估模塊，本文使用帶沖突避免的載波偵聽多址訪問協(xié)議的信道檢測(cè)功能對(duì)信道進(jìn)行感知，根據(jù)所得結(jié)果計(jì)算信道繁忙時(shí)間所占比例大小，設(shè)KP 值為信道繁忙時(shí)間占比，以此來判斷當(dāng)前時(shí)刻的信道狀態(tài)。據(jù)相關(guān)研究表明[9-15]，KP 值不會(huì)因地理環(huán)境、車輛密度或數(shù)據(jù)包大小等參數(shù)的不同而出現(xiàn)不同取值，所以KP值可作為一個(gè)穩(wěn)定可靠的評(píng)判標(biāo)準(zhǔn)來反映信道負(fù)載的評(píng)估結(jié)果，研究結(jié)果表示，當(dāng)信道繁忙占比值為0.5～0.8時(shí)，信道利用率最高，網(wǎng)絡(luò)資源浪費(fèi)最少。

繁忙檢測(cè)過后，協(xié)議的信道繁忙檢測(cè)功能會(huì)返回信道繁忙指示值ωi，忙時(shí)值為1，閑時(shí)值為0，將檢測(cè)時(shí)間段T 內(nèi)的檢測(cè)結(jié)果代入式(1)：

其中，ωi表示信道繁忙指示值，忙時(shí)值為1，閑時(shí)值為0；T 為信道檢測(cè)總時(shí)長(zhǎng)，t 表示檢測(cè)間隔時(shí)間，取值為1 s，則時(shí)間間隔T 內(nèi)的檢測(cè)次數(shù)為T/t。由式(1)可知，值KP表示在T 內(nèi)進(jìn)行T/t 次檢測(cè)后計(jì)算出的信道繁忙時(shí)長(zhǎng)所占的比例，KP 值越大，信道繁忙時(shí)長(zhǎng)占比越高，負(fù)載越大；反之信道繁忙時(shí)長(zhǎng)占比越小，負(fù)載越小。

1.2 基于ARIMA 的信道負(fù)載預(yù)測(cè)模塊

信道負(fù)載預(yù)測(cè)部分基于1.1 節(jié)所得信道負(fù)載評(píng)估KP 值序列，將該序列值代入模型中對(duì)下一時(shí)刻信道負(fù)載值進(jìn)行預(yù)測(cè)。ARIMA 模型是典型的時(shí)間序列預(yù)測(cè)模型，其對(duì)于短時(shí)間內(nèi)網(wǎng)絡(luò)流量的預(yù)測(cè)準(zhǔn)確性高，適應(yīng)環(huán)境轉(zhuǎn)變迅速，算法復(fù)雜度低。

ARIMA 模型可分為三部分，其中AR 指自回歸部分，I 指差分的階數(shù)，MA 指移動(dòng)平均部分。本文輸入當(dāng)前時(shí)刻負(fù)載評(píng)估數(shù)列值，經(jīng)過模型公式計(jì)算后得到下一時(shí)刻的預(yù)測(cè)時(shí)間序列值。

AR 自回歸模型用于描述當(dāng)前信道負(fù)載值與歷史負(fù)載值之間的關(guān)系，主要用于實(shí)現(xiàn)預(yù)測(cè)部分功能，p 為模型參數(shù)，P 階的自回歸過程如式(2)所示：

其 中，Xt是當(dāng)前時(shí)刻KP 值序列，γ 是自相關(guān)系數(shù)，σ 是時(shí)刻t 的誤差值，μ 是常數(shù)項(xiàng)。MA 移動(dòng)平均模型主要用于實(shí)現(xiàn)誤差消去功能，能夠有效地消除自回歸預(yù)測(cè)中出現(xiàn)的誤差與波動(dòng)，q 階移的動(dòng)平均過程如式(3)所示：

I 為d 階差分，因?yàn)檐嚶?lián)網(wǎng)的信道負(fù)載序列因地理環(huán)境、車輛密度或數(shù)據(jù)包的大小等參數(shù)的不同而具有不穩(wěn)定性，而該模型的參數(shù)數(shù)據(jù)對(duì)穩(wěn)定性的要求較高，所以需首先通過式(4)進(jìn)行d 次差分的到平穩(wěn)的新序列Yt。

根據(jù)其線性回歸的特有性質(zhì)，可得到模型公式如式(5)所示，以歷史序列KP 值為參數(shù)，將Yt代入式(5)中得到下一時(shí)刻信道負(fù)載預(yù)測(cè)值。

其 中，c 為初始KP 值，α 序列為AR 模型參 數(shù)，θ 序列為MA 模型參數(shù)，σ 序列為誤差值。

1.3 基于負(fù)載預(yù)測(cè)的功率控制模塊

得到信道負(fù)載預(yù)測(cè)值后，根據(jù)下一時(shí)刻的負(fù)載預(yù)測(cè)值進(jìn)行傳輸功率控制，由于傳輸功率與傳輸距離線性相關(guān)，傳輸功率越高則傳輸距離越遠(yuǎn)，傳輸功率越低則傳輸距離越近。本文根據(jù)傳輸功率的這一特質(zhì)提出了C2SLP 算法，將調(diào)整傳輸功率的問題等價(jià)轉(zhuǎn)換為調(diào)整消息傳輸距離問題，傳輸距離控制公式如式(6)所示，主要參數(shù)求取過程如式(7)～式(9)所示。

其中，Si(t)為計(jì)算所得的最佳傳輸距離，η 為調(diào)整因子，需由式(7)求得；dsafe為最小安全傳輸距離，需由式(8)、式(9)求得；D 為最大安全傳輸距離，根據(jù)仿真實(shí)驗(yàn)要求取600 m。

首先，通過式(7)求得調(diào)整因子，其中，KP*為預(yù)設(shè)信道擁塞標(biāo)準(zhǔn)值[9]，取值為0.7；KPi為預(yù)測(cè)信道負(fù)載大小。

若預(yù)測(cè)值小于標(biāo)準(zhǔn)值，η 根據(jù)預(yù)測(cè)KP 值大小進(jìn)行取值。KP 值越高說明擁塞程度越高，則調(diào)整因子取較小值；KP 值低說明擁塞程度低，則調(diào)整因子取較大值；若預(yù)測(cè)值大于標(biāo)準(zhǔn)值，說明已經(jīng)發(fā)生信道擁塞，直接將調(diào)整因子置為0。

車輛最小安全傳輸距離dsafe的求取中，本文考慮了現(xiàn)實(shí)中最常見的兩種場(chǎng)景，分別是車輛同向行駛場(chǎng)景和車輛對(duì)向行駛場(chǎng)景。

(1)車輛同向行駛場(chǎng)景

該場(chǎng)景下，車輛同方向行駛，如圖1 所示，后車為A車，前車為B 車。θA和θB分別為A 車和B 車的行駛角度，角度相減取絕對(duì)值|θA-θB|=μ，若μ 值足夠小，則可判定兩車同向行駛。該場(chǎng)景最小車距dsafe求得過程如式(8)所示：

圖1 車輛同向行駛[12]

其中，dmin為最小可接受車距，根據(jù)仿真實(shí)驗(yàn)要求取值為10 m；tr為司機(jī)反應(yīng)時(shí)間；vA和vB為車輛A 和B 的速度；aA和aB為兩車的最大加速度。

(2)車輛對(duì)向行駛場(chǎng)景

該場(chǎng)景下，兩車輛對(duì)向行駛，如圖2 所示，θA和θB分別 為A 車和B 車的行駛角度，通過||θA-θB|-π|=μ 來判斷兩車輛所處場(chǎng)景是否屬于該場(chǎng)景，若μ 的值足夠小，則說明兩車為對(duì)向行駛，該場(chǎng)景最小車距dsafe求得過程如式(9)所示：

圖2 車輛對(duì)向行駛[12]

其中，dmin為最小可接受車距，根據(jù)仿真實(shí)驗(yàn)要求取值為10 m；tr為司機(jī)反應(yīng)時(shí)間；vA和vB為車輛A 和B 的速度；aA和aB為兩車的最大加速度。

由式(7)～式(9)求得主要參數(shù)后，代入式(6)求得最佳傳輸距離，通過調(diào)整傳輸距離為Si(t)來實(shí)現(xiàn)提前調(diào)整車輛節(jié)點(diǎn)傳輸功率，以達(dá)到提前避免信道擁塞的效果。

2 仿真實(shí)驗(yàn)與結(jié)果分析

本節(jié)通過對(duì)比C2SLP 策略和UBRCC 策略的實(shí)驗(yàn)結(jié)果進(jìn)行分析，分別從傳輸時(shí)延、信道占用率兩方面驗(yàn)證算法性能。

2.1 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)硬件環(huán)境：處理器Intel?CoreTMi7-6700HQ 2.60 GHz，8 GB 內(nèi)存，硬盤為Samsung SSD 850 EVO M.2 250 GB，顯卡為NVIDIA GeForce 960M。

實(shí)驗(yàn)軟件環(huán)境：操作系統(tǒng)Microsoft Windows 10 64 位，集成開發(fā)環(huán)境MATLAB，開發(fā)語言為C 語言，任務(wù)圖生成器tgff-3.5。

本文使用面向?qū)ο蟮木W(wǎng)絡(luò)仿真器NS2 對(duì)算法性能進(jìn)行檢驗(yàn)，使用SUMO(Simulation of Urban Mobility)交通仿真模擬軟件構(gòu)建道路模型[10]。本文利用SUMO 交通仿真器構(gòu)建了如圖3 所示的街區(qū)仿真拓?fù)鋱D，在NS2 中搭建車聯(lián)網(wǎng)協(xié)議架構(gòu)，在應(yīng)用層對(duì)每個(gè)車輛節(jié)點(diǎn)添加數(shù)據(jù)分組發(fā)送器和接收器；運(yùn)輸層使用UDP 用戶數(shù)據(jù)包傳輸協(xié)議；在網(wǎng)絡(luò)層使用洪泛協(xié)議實(shí)現(xiàn)數(shù)據(jù)包周期性發(fā)送；在數(shù)據(jù)鏈路層選擇傳輸速率為6 Mb/s的IEEE802.11P 協(xié)議。將功率控制周期設(shè)置為1 s。仿真實(shí)驗(yàn)會(huì)將C2SLP 擁塞控制策略與UBRCC 擁塞控制策略在傳輸時(shí)延和信道占用率兩方面進(jìn)行對(duì)比和分析。

圖3 仿真拓?fù)鋱D

2.2 實(shí)驗(yàn)結(jié)果分析

基于表1 和表2 所列仿真參數(shù)，使用網(wǎng)絡(luò)仿真器和交通仿真模擬軟件對(duì)C2SLP 控制策略和UBRCC 算法進(jìn)行仿真實(shí)驗(yàn)，通過對(duì)比實(shí)驗(yàn)結(jié)果以驗(yàn)證算法性能。

表1 仿真參數(shù)

表2 算法參數(shù)

信道占用率的收斂過程如圖4 所示，兩種算法均可有效地控制信道擁塞。在仿真實(shí)驗(yàn)初期，信道占用率隨著車流平均密度的增加開始穩(wěn)步上升穩(wěn)定至0.6 左右，此時(shí)信道資源得到了充分利用。在20 s 時(shí)車輛密度上升，UBRCC 算法雖然有效控制了信道擁塞，但信道占用率在20 s 時(shí)升至了0.9，發(fā)生了信道擁塞，而C2SLP 算法通過信道負(fù)載預(yù)測(cè)提前調(diào)整傳輸功率，成功避免了信道擁塞的產(chǎn)生。從圖4 可以看出，C2SLP 控制策略的穩(wěn)定性優(yōu)于UBRCC 算法，信道資源得到了更充分的利用。

圖4 信道占用率

圖5 描述了車輛密度增加時(shí)C2SLP、UBRCC、固定傳輸功率的平均消息傳輸時(shí)延。20 s 時(shí)車輛密度增加，車聯(lián)網(wǎng)中的車輛的平均傳輸時(shí)延增加。固定功率的情況下傳輸時(shí)延急劇上升，甚至達(dá)到了160 ms，有功率控制的情況下，C2SLP 的平均傳輸時(shí)延穩(wěn)定在30 ms，始終低于UBRCC，可看出C2SLP 能夠確保數(shù)據(jù)分組的可靠發(fā)送和及時(shí)傳輸，滿足了車輛的安全需求。

圖5 平均傳輸時(shí)延

3 結(jié)論

本文提出了C2SLP 算法，針對(duì)現(xiàn)有可知的準(zhǔn)確信道負(fù)載值，來預(yù)測(cè)下一時(shí)刻的車聯(lián)網(wǎng)信道負(fù)載概率，根據(jù)預(yù)測(cè)值使用C2SLP 擁塞控制策略自適應(yīng)調(diào)整傳輸功率，消除了現(xiàn)有擁塞控制算法相對(duì)被動(dòng)且具有滯后性的缺點(diǎn)，提前避免了信道擁塞，滿足了車聯(lián)網(wǎng)安全應(yīng)用的需要。在保證車輛之間安全距離的同時(shí)通過調(diào)整傳輸距離來避免信道資源的緊缺和信道的擁塞。