一種基于網絡切片的車聯網聯合資源分配算法

龍銀江，呂 鵬，于 淵，劉 瑋

(1.北京郵電大學 信息與通信工程學院，北京 100876;2.北京科技大學 計算機與通信工程學院，北京 100083;3.中國移動研究院，北京 100032)

0 引言

網絡切片技術能夠實現按需組網，但車聯網的獨特性不能直接映射到三大應用場景切片或者單片車聯網切片[1-2]。現有車聯網切片研究較少，比如切片粒度與網絡架構[3-4]、5G車聯網切片應用[5]以及與強型移動寬帶共存[6]，但這些研究沒有進一步考慮到車聯網切片資源分配問題。內容緩存與分發作為車聯網研究熱點之一，多路側單元(Roadside Unit，RSU)協作緩存是提高緩存資源利用率和減少中斷概率較為有效的方案[7-9],但這些研究沒有進一步考慮到服務質量的多樣性和差異性需求問題，并且所有緩存資源僅視為一個緩存空間與基于內容流行度緩存策略容易造成文件命中率不平衡問題。為此，本文將網絡切片引入到車與路側基礎設施通信(Vehicle-to-Infrastructure,V2I)下行鏈路中，考慮多路側單元協作緩存場景，提出了一種聯合資源分配算法。

1 系統模型

V2I下行鏈路文件傳輸模型如圖1所示。在雙向通道上由一個基站(Base Station，BS)、M個RSU和多輛車組成V2I通信網絡，RSU之間、路側單元與基站之間通過有線鏈路進行通信。RSU均具備一定的緩存能力，可提前從基站下載文件，再通過V2I通信下行鏈路為車輛提供下載服務。由于RSU之間的有線鏈路長度遠小于RSU到基站的長度，多個RSU可以組成一個RSU群(RSU Group，RSUG)，通過協作緩存文件的方式減少基站前傳鏈路負載和車輛下載文件時延。

圖1 V2I下行鏈路文件傳輸模型Fig.1 V2I downlink file transfer model

2 問題描述

(1)

(2)

則Vm,n,j獲得的總速率表示為：

(3)

式中，Γm,n,j,c為RBc上接收到的信號噪聲干擾比(Signal to Interference plus Noise Ratio，SINR)，可表示為：

(4)

(5)

(6)

則文件f的請求概率可以表示為：

(7)

式中，P(uw,n)為所有屬于類型n文件在基站中的請求概率總和。使用變量km,n,j,f表示Vm,n,j向RSUM請求下載文件f時未下載的數據量，km,n,j,f≤Hn,f。對于βm,n,f=1，Vm,n,j下載文件f所需時間可以表示為：

(8)

(9)

(10)

則Vm,n,j下載文件f所需時間可以表示為：

(11)

(12)

則Vm,n,j在RSUM下載文件f所需時間可以表示為：

(13)

(14)

最終，Vm,n,j完成文件f下載所需總時延可以表示為：

(15)

以優化系統車輛下載文件平均時延為目標，則優化目標可以表示為：

s.t.

(16)

式中，E[·]為隨機變量期望；Xi(t)遵循泊松過程，則E[Xi(t)]可以表示為：

(17)

3 問題計算

優化目標式(16)是一個非線性組合規劃問題，已被證明是一個NP-hard問題[13]，直接求解復雜度極高，本文通過變量解耦方式進行求解。首先，將優化問題拆解為通信資源優化子問題和緩存資源分配與文件放置優化子問題；其次，在求解通信資源優化子問題時，假設緩存資源分配及文件放置為已知，在求出通信資源分配問題后，帶入系統目標函數中進行緩存資源分配及文件放置求解；最后，結合2步迭代算法得到1個次優解。

3.1 通信資源優化子問題

s.t.

(18)

該優化子問題是一個非線性組合規劃問題，本文采用幾何規劃(Geometric Programming，GP)算法進行求解[14]，其標準形式為：

minf0(X)

s.t.

hi(X)≤1，i=(1,2,…,I)，

gj(X)=1，j=(1,2,..,J)。

(19)

(20)

minD

s.t.

(21)

最終，通信資源優化子問題可轉化為標準GP進行求解，具體算法如下：

算法1:通信資源分配算法① 初始化并輸入:RSUM網絡切片數量N,RB數量C,帶寬B,發射功率Pmc,噪聲功率σ2,通信資源分配方案αψ ,迭代次數ζ1=1,誤差τ1。② 迭代:如果ζ1大于0,則進入步驟③;③ 更新計算:更新?m,n,i,j,cζ1 ,計算得出通信資源分配方案αζ1 ;④ 判斷:如果αζ1 -αζ1-1 ≤τ1,則α=α(ζ1),跳到步驟⑤,否則,ζ1=ζ1+1跳到步驟③;⑤ 輸出:α

3.2 緩存資源和文件放置優化子問題

通信資源分配變量α為已知，則從優化目標函數分解出的緩存資源和文件放置優化子問題可以表示為：

s.t.

(22)

(23)

整理后的拉格朗日函數可以表示為：

L(S,β,δ,η)=f(S)+f(β)+f(Φ)

s.t.

η3,η4,η5，

(24)

s.t.

η3,η4,η5。

(25)

算法2:兩步迭代算法① 初始化并輸入:基站文件數量W,傾斜度θ,文件類型n集合,RSU數量M及網絡切片數量N,緩存容量集合及分配策略m,通信資源和文件放置矩陣α和β,路側單元文件緩存狀態βm,n,w=0;迭代次數ζ=ζ1=ζ2=1,δmnζ2 =0,ηm,n,wζ2 =0,誤差τ=τ1=τ2;② 迭代:如果ζ大于0,則進入步驟③;否則,跳到步驟⑥;③ 通信資源分配策略:根據算法1求出通信資源分配策略αζ1 ;④ 緩存資源和文件放置策略:L,β,δ,η =f +fβ +fΦ ,更新計算δmnζ2 和ηm,n,wζ2 ,ζ2=ζ2+1,得出mn(ζ2)和β(ζ2);⑤ 判斷:如果Dζ -Dζ-1 ≤τ,則α=α(ζ1),β=β(ζ2),mn=mn(ζ2),D=Dζ ;否則跳到步驟②;⑥ 輸出:α,β,m,D。

4 仿真分析

不同文件數量和傾斜度對系統平均時延的影響如圖2所示。隨著傾斜度參數增大，車輛請求文件越集中，流行度等級越高的文件請求概率越大，從而降低系統車輛下載文件的平均時延；當傾斜度參數過大時，文件數量所需要的時延幾乎相同。

不同通信資源數量和緩存容量對時延的影響如圖3所示。隨著通信資源數量的增大，車輛可分配的資源塊也越多，不同緩存容量下的系統平均時延不斷降低且逐漸緩和；當通信資源數量相同時，由于流行度等級越靠后的文件請求概率越小，雖然增大緩存容量可以提高文件請求命中率，但差距不是很明顯，和傾斜度參數大小有關。

圖2 文件數量和傾斜度對時延的影響Fig.2 The influence of the number and inclination of documents on the time delay

圖3 通信資源和緩存容量對時延的影響Fig.3 Influence of different communication resources and buffer capacity on delay

不同車速度對系統車輛下載文件平均時延的影響如圖4所示。一定范圍內的車輛速度可以降低車輛下載文件的平均時延，但車輛速度過大時，車輛可能需要經過多個RSU才能完成請求文件的下載，甚至可能由低速率的BS完成下載，從而導致系統時延迅速升高。

圖4 車速對時延的影響Fig.4 Influence of different speeds on time delay

算法性能對比如圖5所示。為了與不同算法性能進行對比，本文列舉了2個常用的算法，算法3：基于切片車輛比例的通信資源與緩存資源分配和基于流行度的文件放置策略；算法4：通信和緩存資源平均分配與隨機文件放置選擇策略。不難發現，本文所提算法的系統平均時延始終低于算法3和算法4，并且隨著RSU數量增加，性能優勢更為明顯。

圖5 算法性能對比Fig.5 Performance comparison of different algorithms

5 結束語

受5G技術啟發，本文將網絡切片引入到RSU文件傳輸場景中，提出了一種聯合通信資源、緩存資源與文件放置算法。該算法能很好地解決文件服務質量差異性問題，通過與2個常用算法進行對比，該算法具有明顯的性能優勢。在未來工作中，將對車聯網計算任務卸載問題進行研究。