蜂窩車聯(lián)網(wǎng)中基于服務(wù)異構(gòu)性的V2V通信資源分配算法研究

李一兵 王寧馨 呂 威

①(哈爾濱工程大學(xué)信息與通信工程學(xué)院 哈爾濱 150001)

②(先進(jìn)船舶通信與信息技術(shù)工業(yè)和信息化部重點實驗室 哈爾濱 150001)

③(聯(lián)通（黑龍江）產(chǎn)業(yè)互聯(lián)網(wǎng)有限公司 哈爾濱 150001)

1 引言

蜂窩車聯(lián)網(wǎng)(Cellular Vehicle-to-Everything,C-V2X)能夠給行駛的車輛提供碰撞預(yù)警、車速引導(dǎo)、路況查詢等服務(wù)，來保證車輛行駛的安全和高效，為自動駕駛鋪平道路。廣泛部署的蜂窩網(wǎng)絡(luò)在實現(xiàn)高效、可靠的車與車(Vehicle-to-Vehicle,V2V)通信，車與設(shè)備(Vehicle-to-Infrastructure,V2I)通信以及提供高移動性免疫力方面顯示出巨大潛力[1-3]。

車聯(lián)網(wǎng)的資源分配實際是競爭問題的優(yōu)化得到最合理的分配，密集環(huán)境下的通信系統(tǒng)的資源分配問題較為復(fù)雜。圖論作為解決離散問題的有效工具，長期以來一直被用于無線網(wǎng)絡(luò)的資源分配設(shè)計[4]。文獻(xiàn)[5]提出啟發(fā)式算法，該算法適應(yīng)車輛信道的大規(guī)模衰落，資源塊不同的設(shè)備到設(shè)備(Device-to-Device, D2D)通信可用車輛之間共享，基于V2V聚類結(jié)果，頻譜共享設(shè)計被順序更新以最大化總V2I容量。文獻(xiàn)[6]充分考慮了車輛的移動性，利用二分圖最大匹配算法中的匈牙利算法進(jìn)行最佳資源分配，得到了更加準(zhǔn)確的蜂窩系統(tǒng)容量。文獻(xiàn)[7]提出了一種基于D2D的資源分配方式，利用社交信息相關(guān)度對用戶進(jìn)行劃分，利用匈牙利算法進(jìn)行資源分配使系統(tǒng)吞吐量最大化。文獻(xiàn)[8]對LTE后續(xù)演進(jìn)(LTE-Advanced, LTE-A)網(wǎng)絡(luò)中上行鏈路的D2D通信根據(jù)用戶對信道的喜好程度建立特征值列表，利用二部圖最大權(quán)匹配方法進(jìn)行資源分配。文獻(xiàn)[9]基于圖論均衡了V2I鏈路和V2V鏈路的需求，最大化車輛用戶的吞吐量。文獻(xiàn)[10]考慮非視距干擾和多用戶干擾，提出基于圖神經(jīng)網(wǎng)絡(luò)的功率控制策略，最大化吞吐量。文獻(xiàn)[11]采用基于免疫克隆的算法，最大化車輛效用，通過圖染色方法避免相鄰車輛之間的干擾，該算法更側(cè)重車輛優(yōu)先級，并未考慮基站的功率分配。文獻(xiàn)[12]針對城市場景中V2V通信資源分配的干擾問題，提出了根據(jù)行駛方向進(jìn)行資源劃分的方法，以降低干擾沖突。文獻(xiàn)[13]基于車輛的位置提出了一種重用距離的貪心算法，但貪心算法只能得到當(dāng)前情況下的最優(yōu)解，無法保證全局的最優(yōu)。文獻(xiàn)[14]進(jìn)一步改進(jìn)了匹配算法，提出了3維匹配算法，但算法并未考慮V2V的可靠性，僅側(cè)重車載系統(tǒng)的吞吐量。

綜上所述，在交通密集環(huán)境下，高密度車流聚集，車輛節(jié)點頻繁競爭固定分配的有限資源會使通信可靠性下降，現(xiàn)有文獻(xiàn)雖然考慮了資源利用率、吞吐量等關(guān)鍵網(wǎng)絡(luò)指標(biāo)，但缺少對車輛服務(wù)異構(gòu)性的考慮，復(fù)用信道資源的研究還存在一定的不足。由于車輛的移動性，周期業(yè)務(wù)的傳輸需要保證較高的通信可靠性，非周期業(yè)務(wù)如視頻、圖像等的傳輸需要更高的傳輸速率，因此對于車輛鏈路服務(wù)的異構(gòu)性與通信可靠性的研究具有重要意義。針對以上不足，本文的貢獻(xiàn)如下：

首先，復(fù)用V2I上行鏈路以支持密集環(huán)境下的車輛通信，為了支持車輛網(wǎng)絡(luò)的服務(wù)異構(gòu)性，本文最大化高帶寬應(yīng)用的V2I鏈路容量，并引入V2V鏈路的可靠性約束，這對安全消息傳播至關(guān)重要，進(jìn)一步保證密集環(huán)境下的通信質(zhì)量，減少資源沖突的發(fā)生。

其次，本文基于V2V的車輛網(wǎng)絡(luò)的資源分配，其中一個V2I鏈路與多個V2V鏈路共享頻譜，并且不同的車輛鏈路具有不同的服務(wù)質(zhì)量要求。信道狀態(tài)信息反饋會由于極高的車輛移動性而導(dǎo)致大量的信令開銷，與現(xiàn)有的基于信道狀態(tài)信息反饋的研究不同，本文利用移動鏈路的緩慢變化的大規(guī)模衰落信道狀態(tài)信息以減少信令開銷。

最后，提出一種低復(fù)雜度的3維匹配算法來尋找V2I和V2V鏈路之間的最佳頻譜共享策略，并適當(dāng)調(diào)整它們的發(fā)射功率。在一定程度上，基于超圖-遺傳理論的資源分配方法在密集環(huán)境下對資源沖突問題的解決上超越了現(xiàn)有的一些傳統(tǒng)方法，提升了車聯(lián)網(wǎng)的異構(gòu)性能。

2 系統(tǒng)模型及問題建模

2.1 系統(tǒng)模型

本文場景如圖1所示，高速公路場景下設(shè)計M個V2I鏈路由M個單天線車輛發(fā)起，密集環(huán)境下為了避免資源沖突，V2V用戶共享V2I的頻譜，由于車輛網(wǎng)絡(luò)的服務(wù)異構(gòu)性，需保證較高的V2I信道容量，以支持帶寬密集型應(yīng)用。K個V2V鏈路在車輛之間形成，設(shè)計需具有高可靠性，使得周期性生成的安全消息可以在相鄰車輛之間可靠地共享。

圖1 高速公路場景下的車輛通信

本文為單蜂窩覆蓋下的車聯(lián)網(wǎng)通信場景，以基站為圓心，半徑為Rc。 被覆蓋的路段長度為L，路中心距離基站的距離為D， 滿足D2+(L/2)2=R2c。

V2I,V2V鏈路的信號干擾噪聲比(Signal-to-Interference plus Noise Ratio, SINR)可表示為

2.2 問題建模

本文的研究目標(biāo)是針對密集環(huán)境下V2V用戶復(fù)用V2I上行鏈路資源，考慮車輛網(wǎng)絡(luò)的服務(wù)異構(gòu)性，構(gòu)建以最大化V2I信道容量為目標(biāo)的資源分配問題，并充分考慮V2V用戶的可靠性、車輛移動性、信令開銷、功率控制等限制條件，最后的問題被建模為

3 資源分配算法

V2I信道容量和V2V可靠性的優(yōu)化問題本質(zhì)上是組合問題，針對此問題提出了基于超圖理論和優(yōu)化工具結(jié)合的求解算法，在此基礎(chǔ)上結(jié)合遺傳算法提出性能顯著提高的改進(jìn)算法，根據(jù)相應(yīng)算法進(jìn)行資源分配。

3.1 基于超圖理論的資源分配

文獻(xiàn)[6]聯(lián)合二分圖和匈牙利匹配算法，解決了單一RB的共享問題。然而，二分圖只允許1條邊連接兩個頂點，不適用于V2V鏈路復(fù)用多條V2I鏈路，接入多個RB進(jìn)行安全消息傳輸?shù)那闆r，難以達(dá)到遍歷最優(yōu)組合的性能。因此，本文提出基于超圖-遺傳的資源分配機制，首先根據(jù)干擾情況對V2V進(jìn)行分簇，以減少干擾保證通信的可靠性，找到了適用于頻譜共享的V2V集。在對V2V集群進(jìn)行分簇后，對發(fā)射功率進(jìn)行優(yōu)化，最后，通過超圖理論和遺傳算法進(jìn)行資源分配，基于3維匹配理論進(jìn)行建模，尋找最優(yōu)權(quán)重，在保證一定的V2V通信可靠性的前提下，實現(xiàn)V2I信道容量最大化。

3.1.1 V2V分簇

3.1.2 功率分配設(shè)計

V2V鏈路可以與某個V2I鏈路共享頻譜，不同集群的V2V鏈路不允許共享，當(dāng)?shù)趍個V2I鏈路通過第f個資源塊傳輸時，第k個簇中的所有V2V共享該資源塊，為V2I和V2V鏈路找到最佳發(fā)射功率，能有效減少干擾問題，提升V2I信道容量。根據(jù)上行鏈路的基本原理，假定V2V用戶1和用戶2形成一個簇，并且用戶1的信道條件要好于用戶2，則用戶1和用戶2的傳輸速率分別為

同時，當(dāng)V2I 的通信速率等于最小通信閾值時，系統(tǒng)的容量能夠獲得最大值。此時系統(tǒng)的容量獲得最大值，而功率分配因子的上下限為

3.1.3 資源分配

資源分配問題涉及到3個集合之間的匹配，可以通過3維匹配進(jìn)行建模，如圖2所示。

圖2 V2I與V2V之間頻譜共享

M代表V2I鏈路，F(xiàn)代表待分配資源塊，K代表分簇后的V2V簇，對與每一種可能的資源共享模式，通過設(shè)定一定的中斷概率保證V2V一定的通信可靠性，并最大化V2I的信道容量。與文獻(xiàn)[15]類似，解決V2I-RB-V2V資源分配問題相當(dāng)于用權(quán)函數(shù)去解決H=(V,E)的 3維匹配問題，E是V的非空子集，所以?e1,e2∈M0?E，e1∩e2=?，資源匹配問題轉(zhuǎn)化為找到相應(yīng)的M0使權(quán)重函數(shù)最大[15]

3維匹配算法首先找到相互獨立的超邊作為可行解，通過不斷尋找使匹配結(jié)果中超邊的權(quán)重和增加的M0，并將其與已經(jīng)在匹配結(jié)果中的中心點進(jìn)行交換最后得到資源分配的結(jié)果，使V2I的信道容量最大化。

綜上，可以通過3維匹配算法利用求取權(quán)重的方法來進(jìn)行資源匹配。本文將使用有效的算法來近似解決3維匹配問題，來保證近似解接近最優(yōu)。

3.2 超圖—遺傳算法

基于上述超圖理論資源分配，本文將引入遺傳算法與之結(jié)合，進(jìn)一步提升了系統(tǒng)的性能，下面主要介紹一下相應(yīng)的問題設(shè)置和遺傳算法的優(yōu)勢。遺傳算法通過模擬自然進(jìn)化過程中的染色體基因的交叉變異等過程搜索最優(yōu)解。

本文的基本思想是首先根據(jù)V2V簇群的特點估計出最優(yōu)解可能分布的范圍，然后隨機地在該范圍中生成初始化種群，對分簇后的V2V鏈路進(jìn)行尋優(yōu)，決定要加入的最優(yōu)集群，適應(yīng)度函數(shù)即為V2I的鏈路容量，不斷重復(fù)此過程，直到收斂或達(dá)到迭代次數(shù)。

3.2.1 產(chǎn)生初始種群和基因編碼

在選定的范圍有t個V2V簇，可表示為O={O1,O2,...,Ot}， 種群個體的染色體可以表示為G={G1,G2,...,Gt}，即每個個體都是由t個基因組成，其中的元素對應(yīng)著V2V簇。種群由若干個體組成的，是V2V簇選取方案的集合，種群中的某個個體是一種方案，個體的染色體是該方案下簇的集合。

3.2.2 適應(yīng)度函數(shù)的設(shè)定

適應(yīng)度函數(shù)判斷每個V2V簇在遺傳優(yōu)化、變異的過程中是否有可能是最優(yōu)解或者對最優(yōu)解的搜尋有幫助，適應(yīng)度高的V2V簇能遺傳到下一代的概率就高，不能夠遺傳下去的就會被淘汰。定義適應(yīng)度函數(shù)g(t)， 利用遺傳算法尋優(yōu)使得找到對應(yīng)的t使得g(t)最大。上文提到將V2V鏈路，對V2V鏈路進(jìn)行分簇，最終的目標(biāo)是求得V2I鏈路的最大容量，則適應(yīng)度函數(shù)對應(yīng)于公式

最大化V2I容量的問題被轉(zhuǎn)化為尋找t使得給g(t)最大。

3.2.3 選擇、交叉、變異的實現(xiàn)

選擇操作是為了在V2V簇中選出更有意義的個體保留下來，選用冒泡排序?qū)⑦m應(yīng)度函數(shù)值更高的簇保留下來作為下一代的種群，干擾更小的簇群更有可能被遺傳到下一代。交叉操作對父代V2V簇進(jìn)行重組，挑選若干個體將其不同地方的基因隨機進(jìn)行交叉變換，形成全新的基因組合。變異操作是在簇群中隨機選擇若干V2V簇，以一定的變異概率隨機更改個體中的某些基因值，為新個體提供了機會，可以避免陷入局部最優(yōu)。

4 仿真結(jié)果

在這一部分，給出了仿真結(jié)果來驗證所提出的基于超圖理論和遺傳算法的車載網(wǎng)絡(luò)的頻譜和功率分配算法。本文對單個小區(qū)的多車道公路進(jìn)行建模，基站位于公路中心，如圖1所示。車輛按照空間泊松過程降落在道路上，車輛密度由車速決定。在生成的車輛中隨機選擇m個V2I鏈路，k個V2V鏈路，表1、表2列出了主要仿真參數(shù)。

表1 模擬參數(shù)

表2 V2I和V2V鏈路的信道模型

圖3為不同算法實現(xiàn)的瞬時V2I鏈路容量的累積分布函數(shù)(Cumulative Distribution Function,CDF)。由圖3可知本文提出的算法在V2I總?cè)萘可蟽?yōu)于啟發(fā)式基準(zhǔn)CROWN算法，貪婪算法、以及文獻(xiàn)[15]提出的改進(jìn)版的貪婪算法。在貪婪算法中，將正交的資源塊隨機分給V2I鏈路，然后利用終端在基站鏈路的CSI，通過貪婪算法進(jìn)行尋優(yōu)，將RB分配給信道條件最好的用戶，貪婪算法只能做出當(dāng)下最優(yōu)的選擇，難以做到整體信道容量和最優(yōu)。文獻(xiàn)[13]提出的啟發(fā)式基準(zhǔn)CROWN算法，將正交的RB分配給V2I鏈路，并要求BS端獲得快速衰落CSI，導(dǎo)致了大量的信令開銷。本文首先將對V2V鏈路進(jìn)行分簇，減少簇內(nèi)的干擾，本文提出的算法資源分配更加靈活，提高了V2I鏈路的信道容量。本文實現(xiàn)了顯著的性能改善，V2I的容量提升了6.48%，代價是進(jìn)一步調(diào)整V2V聚類和資源分配的復(fù)雜性。

圖3 V2I瞬時容量和的CDF

圖4顯示了V2V鏈路的可靠性，其中繪出了任意V2V鏈路的瞬時SINR的CDF。從圖4可以看出，在目標(biāo)中斷概率p0=0.01時，所有提出的算法都達(dá)到了SINR閾值γd0=5 dB，證明了所提出的資源分配方案在密集環(huán)境下保證可靠性的有效性。此外，達(dá)到SINR閾值的結(jié)果準(zhǔn)確地驗證了中斷上限的嚴(yán)密性，用于促進(jìn)功率控制設(shè)計的推導(dǎo)。圖5評估了具有不同目標(biāo)中斷概率的任意V2V的接收SINR的累積分布函數(shù)。每個用戶設(shè)備的期望SINR閾值是5 dB。從圖5可以看出，該算法準(zhǔn)確地滿足了SINR中斷概率的可靠性約束，證明了超圖-遺傳算法的有效性。

圖4 V2V鏈路的瞬時SINR的CDF

圖5 超圖算法下不同中斷概率的V2V的瞬時SINR的CDF

圖6顯示了隨著車速的增加，本文算法與超圖算法的V2I信道容量之和。觀察到兩種算法的V2I信道容量之和隨著車速的增加而減少。這是因為不斷增長的車速會導(dǎo)致公路上的交通更加稀疏。這里，為了保證V2V鏈路的可靠性，需要增加V2V發(fā)射功率來補償V2V信號信道的較高路徑損耗，同時，V2V接收機可以容忍來自V2I發(fā)射機的較少干擾。因此，V2I鏈路的最大允許發(fā)射功率將受到限制來自V2V鏈路的更多干擾朝著V2I鏈路產(chǎn)生，V2I鏈路的信道容量將因此降低。從圖6中，注意到兩種的總V2I容量減少在車輛速度增長中近似線性，即車輛速度對總V2I容量大致具有一致的影響。此外，車輛鏈路的最大發(fā)射功率從17 dBm增加到23 dBm，提高了總V2I容量，并且這種信道容量提高相對于車輛速度也大致相同。

圖6 速度變化時的V2I總?cè)萘?/p>

5 結(jié)論

本文考慮了支持V2V通信的蜂窩車聯(lián)網(wǎng)覆蓋的密集場景下，針對于V2V用戶的可靠性需求，以及V2I用戶的信道容量需求，利用超圖-遺傳理論的3維匹配算法進(jìn)行頻譜資源分配和功率分配，在保證V2V可靠性的前提下，提高了V2I的信道容量，最后的仿真結(jié)果證明，本文算法可以在保證車輛用戶可靠性的前提下，提升V2I的信道容量。