基于LTE-V2X的車聯網資源分配算法

余 翔，陳曉東，王 政，石雪琴

（重慶郵電大學通信與信息工程學院，重慶 400065）

0 概述

智能交通系統和自動駕駛被視為5G技術中的一個重要部分，其中，V2X（Vehicle to Everything）系統近年來備受人們的關注，其主要目標是提高道路安全和交通效率［1-2］。2016年9月，3GPP（the 3rd Generation Partnership Project）在第14版（R14）中首次發布了LTE-V2X的版本，該版本支持車輛通信并對LTE進行了一些根本性的修改，以滿足高移動性的需求［3］。

3GPP R14中引入了專門為V2V通信而設計的2種新的通信模式，即集中式（Mode 3）和分布式（Mode 4）［4］。在Mode 3中，蜂窩網絡選擇并管理車輛用于其直接V2V通信的無線資源，在Mode 4中，車輛自主地為其直接V2V通信選擇無線資源，Mode 4可以在沒有蜂窩覆蓋的情況下工作，其也為未來車聯網的主要通信模式之一，車輛定期廣播協作感知消息（Cooperative Awareness Messages，CAM），以告知鄰居它們的位置和移動情況［5-6］。

在LTE-V2X環境下，資源分配算法是一個熱門的研究課題，該類研究目前分為Mode 3和Mode 4 2類情況。文獻［7］在Mode 3下考慮資源分配問題，當2個重疊的車輛組之間的分配發生沖突或合并公路時，有些車輛不能接收對方的信息，該文設計了具有不同復雜度和性能的算法來解決此類問題。文獻［8］提出一種基于位置的資源分配方案，其根據車速、密度、方向和位置來分配不同的頻率和時間資源，實驗結果表明，該方案能夠提高分組接收率（Packet Reception Ratio，PRR）。文獻［9］考慮基于車輛位置信息的網絡資源管理問題，其引入最小復用距離的概念，在最小復用距離情況下，同一資源可以被不同的發射機使用而不會影響那些處于感知范圍內的接收器。文獻［10］中的實驗結果表明，定位的準確性會影響定位的誤差率。對于Mode 4，文獻［11-13］分析和優化3GPP標準的SPS算法參數。文獻［14-16］對SPS算法進行修改或擴展，但保留其大部分功能。文獻［14］使VUE（Vehicle User Equipment）更早地執行資源重選操作，以提前通知其他車輛它們將用于后續傳輸的資源。文獻［15］為了達到高可靠和低延遲通信的目標，使VUE告知其他車輛將使用相同無線電資源發送的分組數量，使用合作的解決方案來降低傳輸碰撞概率。文獻［16］中VUE只為較頻繁且較小的分組保留資源，在不保留資源的情況下傳輸較少但更大的數據包。

本文提出一種針對高速道路場景V2V通信方案的兩級自主資源分配機制。根據高速道路的通信場景對車輛的行駛方向進行決策并劃分資源池，以減少不同方向的車輛同時發送消息時的干擾。為了降低并行方向剩余通道的干擾，提出一種改進的SPS算法，通過在占用資源時報告資源的位置來降低VUE的資源碰撞概率。

1 系統模型與問題描述

1.1 V2V通信場景及LTE-V2X簡介

如圖1所示，建立一個雙向行駛的高速公路場景模型［17］。假設公路長為Lm，單向車輛密度分別為dl和dr，則該路段車輛總數為2L（dl+dr）。

圖1 高速公路場景模型Fig.1 Highway scene model

LTE-V2X利用單載波頻分多址（Single Carrier Frequency Division Multiple Access，SC-FDMA）并支持10 MHz和20 MHz的信道，如圖2所示。信道分為1 ms子幀（Sub-Frame，SF）和180 kHz資源塊（Resource Blocks，RB）。LTE-V2X將子信道（Sub-Channel，SC）定義為同一SF中的一組RB，每個SC的RB數量可以根據分組大小與使用的調制和編碼方案（Modulation and Coding Scheme，MCS）而變化。數據通過傳輸塊（Transport Block，TB）傳輸，并且在旁路控制信息（Sidelink Control Information，SCI）中發送控制信息。每個TB包含完整分組（如CAM），具有必須在同一SF中傳輸并且占用2個RB的相關聯SCI，該分組可以是信標、CAM或其他任何事件驅動消息。每個TB具有關聯的SCI，且兩者都必須在相同的SF中發送。SCI占用2個RB，并且包括用于傳輸TB的MCS、TB占用的RB以及用于半持久調度的資源預留間隔（Resource Reservation Interval，RRI）的信息，此間隔是指車輛發送其分組而使用的周期（為100 ms的倍數），這些信息對于其他節點能夠接收和解碼傳輸的TB至關重要，因此，必須正確接收SCI，且TB及其相關的SCI必須始終在同一個SF中傳輸［14，18］。

圖2 LTE-V2X的子幀和子信道Fig.2 Sub-frame and sub-channel of LTE-V2X

1.2 問題描述

1.2.1 Mode 4下的VUE干擾問題

在Mode 4下，設計eNodeB覆蓋范圍之外V2V操作時的一個基本思路是VUE自主選擇V2V池中的資源以進行數據傳輸。由于不考慮集中調度，因此每個VUE必須獨立做出其決定，但這可能導致同時發送VUE之間的干擾。在特定接收端，來自VUE的接收信號的信號干擾噪聲比（Signal to Interference Plus Noise Ratio，SINR）可以表示為：

其中，PT表示每個VUE的固定發射功率，Gj是VUE-i和VUE-j之間的路徑增益，包括天線增益、陰影衰落、路徑損耗等帶來的影響，N表示噪聲功率，μj是在VUE-j一定通信范圍內產生資源碰撞的VUE的集合，Vi表示VUE-i在相同SF不同RB間產生帶內輻射的VUE的集合是VUE-i對VUE-j造成的帶內輻射的增益系數。

式（1）右側分母中的第1個干擾項對應重復使用同頻資源（即資源沖突）而引起的同信道干擾。當干擾VUE信號的接收功率遠大于預定信號的接收功率時，干擾VUE信號可以掩蔽另一個預定信號，即在一般情況下，需要避免鄰近VUE之間的資源沖突。式（1）右側分母中的第2個干擾項是由帶內發射問題（IBE）引起的，IBE是同一SF不同RB上接收功率相差很大造成的干擾泄露問題。根據文獻［19］采用的模型，IBE的典型電平可能比預期信號功率低20 dB～30 dB。因此，當來自不同傳輸信號的接收功率之間存在很大差異時，可能在V2V中產生明顯的干擾。

1.2.2 SPS算法存在的問題

LTE-V2X下的SPS算法基于感知的每個RB的能量大小來列出空閑資源，每個車輛決定何時需要重新選擇資源，這使得資源在使用中更加受限，并且至少需要20%的空閑資源才能選擇合適的可用資源，以及資源重選的資源塊存在位置不確定性，當VUE的數量較多時，容易發生資源沖突問題。

2 基于行車方向的SPS算法

2.1 基于行車方向的資源池劃分

由于CAM消息是以周期性廣播的形式被發送，因此此時作為發送方的VUE一定少于接收消息的VUE。當行駛在不同方向上的車輛同時作為發送端的可能性大于同時作為接收端，且兩車之間的距離較近時，會產生鄰頻或同頻干擾，從而降低了VUE的PRR并影響了VUE的體驗感受。

本文提出基于LTE-V2X的車聯網資源分配算法。在第1階段，根據車輛的行車方向將資源池分成2個子資源池，子資源池被分配給沿左右方向移動的VUE，如圖3所示。將不同方向的VUE劃分到不同的資源池上以減少對彼此的干擾。

圖3 基于行車方向的資源池劃分Fig.3 Division of resource pool based on driving direction

由VUE選擇的資源池可以描述為：

從圖3可知，還可以根據不同方向的交通流密度預先配置不同的子資源池大小ρA和ρB，該方法可以與其他分布式資源分配機制相結合，以進一步降低每個子資源池中的干擾。

2.2 SPS資源分配算法

在LTE-V2X Mode 4的SPS算法中，每個車輛根據信道感知結果獨立選擇傳輸資源，并保留所選資源供今后使用。SPS算法主要分為感知（Sensing）、可用資源選擇（Selection）和資源重選（Reselection）3個過程。

2.2.1 Sensing過程

Sensing過程即通過感知窗口（Sensing Window，SW）中其他VUE使用的RB情況來確定SW中的資源是否可用。在SW中，監測最近的1 000個SF，VUE不斷接收直通鏈路接收信號強度指示（Sidelink Received Signal Strength Indicator，S-RSSI）閾值以確定給定RB是否正在被使用，若信號大于該閾值，則RB被認為繁忙。該標準沒有指定閾值的具體取值，但是3GPP工作文檔［20］通常通過添加-107 dBm/RB來計算該閾值。

根據Sensing結果，將信號小于閾值的RB作為可用資源，VUE創建自己的可用資源列表Sa，該列表包括所有可用資源，但符合如下條件的資源除外：RB的S-RSSI高于一定的閾值，且資源被其他車輛占用。如果Sa的資源少于20%，增加3 dB參考信號接收功率（Reference Signal Received Power，RSRP），直到Sa的可用資源超過20%，否則繼續執行上述步驟。

2.2.2 Selection過程

VUE在選擇窗口中找出最優的20%資源，即在Sa中具有最低S-RSSI值的20%資源，然后車輛隨機選擇最優20%資源中的傳輸資源，此時會產生一個資源計數器Rc。下一個資源選擇的Rc值取決于CAM的RRI，通常CAM的Rc取值為5～10。

2.2.3 Reselection過程

Rc的值在每次廣播消息后減少1，如果Rc=0，則需要重新選擇分配機制來決定是否保持相同的資源概率ρ以維護其資源，或用概率（1-ρ）重新選擇資源。SPS算法描述如下：

算法1SPS算法

SPS算法產生顯著數據包沖突［21］的一個原因是VUE所選擇的下一個資源位置具有不確定性。事實上，在SPS算法中，沒有規定VUE可以為資源池中的下一個RB傳遞其所選位置的信息，雖然隨機選擇傳播資源是減少沖突所必需的，但是存在隨機性成本，其碰撞概率不能被最小化。盡管Sensing提供了在SW中使用的可能位置的一些信息，但是通過該信息難以確定性地防止碰撞。

2.3 SPS資源分配算法優化

為了解決SPS算法中Reselection不確定性所帶來的資源選擇碰撞問題，本文讓每個數據包為下一條數據包攜帶資源位置信息。因此，需要一個小的擴展用于存儲SCI，大小約為2 Byte，以在傳輸時獲得更高的可靠性，在需要時宣布下一個資源位置、RC和沖突位置。上述過程不依賴于感知過程，從而減少了由于資源選擇而可能發生的數據包沖突。此外，當Rc的值越大時，位置變化越不確定，要求每個VUE在Rc=1時提前確定下一個資源塊的位置，如圖4所示，由于這些位置信息在Rc=0之前就已確定，如果選擇相同資源的VUE即有機會改變所選的RB并公布新調整的位置。如圖5所示，在開始時刻，VUE1和VUE2因選擇同一資源塊而產生沖突，在攜帶位置信息后，VUE2在Rc=0時已經知道VUE1所要占用的資源塊，因此，VUE2移動到不同的資源位置，從而避免發生資源塊沖突問題。

圖4 SPS算法的資源重選過程Fig.4 Resource reselection process of SPS algorithm

圖5 攜帶位置信息的Reselection示意圖Fig.5 Schematic diagram of Reselection with location information

在Sensing過程中，每次感知的時間復雜度都為常數級別，T1(n)=O(c)，其中，c為常數；在Selection過程中，需要對每一個資源塊進行遍歷，即時間復雜度為線性，T2(n)=O(n)；Reselection過程的時間復雜度也是常數級別，即T3(n)=O(c)。總的時間復雜度為T(n)=T1(n)+T2(n)+T3(n)=O(c)+O(n)+O(c)，使用大O(n)計數法將總時間復雜度表示為T(n)=O(n)。總的空間復雜度為S(n)=O(n)。

3 仿真結果與分析

將本文算法與隨機資源分配算法、SPS資源分配算法進行實驗對比，表1所示為主要仿真參數設置。

表1 仿真參數設置Table 1 Simulation parameters setting

本文算法使得每輛車定期向其所有鄰居廣播一個固定大小的信標，目的是通知它們該輛車的存在。這種應用與公共安全密切相關，因此，需要可靠、低延遲的無線通信。在實驗評價方面，本文采用以下性能指標［17］：

1）PRR，定義為一定時間內所有發送的數據包中成功接收的數據包數量和全部數據包數量的比值，計算公式如下：

其中，Nsuccess是成功接收到的消息總數，Ntotal是在原始車輛通信范圍內的消息總數。

2）碰撞率（Collision Ratio，CR），為通信范圍內碰撞鏈路數與鏈路總數的比值，計算公式如下：

其中，Lcollision表示通信范圍內的碰撞鏈接數，Ltotal是模擬中的鏈路總數。

3）累積分布函數（Cumulative Distribution Function，CDF）曲線。

在消息大小分別為190 Byte和300 Byte時3種算法的PRR對比結果如圖6、圖7所示。從圖6、圖7可以看出，隨著傳輸距離的增加，PRR降低，路徑損耗和干擾增大，且隨機資源分配算法的性能始終最差，這是因為其每次均隨機選擇分配，很容易產生資源碰撞，導致PRR最低。本文算法在250 m距離內發送190 Byte的PRR保持在90%以上，發送300 Byte的PRR也保持在80%以上，因此，該算法能夠滿足實際需求。

圖6 消息大小為190 Byte時3種算法的PRR對比Fig.6 PRR comparison of three algorithms when message size is 190 Byte

圖7 消息大小為300 Byte時3種算法的PRR對比Fig.7 PRR comparison of three algorithms when message size is 300 Byte

圖8所示為3種算法的CR對比結果，從圖8可以看出，隨機資源分配算法的CR最高，這是因為其資源塊的選擇隨機性較大，容易發生沖突，本文算法CR最低，其碰撞率顯著降低且性能更加穩定。

圖8 3種算法的CR對比Fig.8 CR comparison of three algorithms

圖9所示為3種算法的CDF曲線對比結果。從圖9可以看出，對于隨機資源分配算法，約有21%的VUE的PRR大于80%，而本文算法約有75%的VUE的PRR大于80%，即該算法的性能優于2種對比算法。

圖9 3種算法的CDF對比Fig.9 CDF comparison of three algorithms

4 結束語

本文對SPS資源分配算法進行改進，提出一種基于LTE-V2X的車聯網資源分配算法。對不同方向的車輛進行資源池劃分，以降低VUE之間的干擾，在資源重選時，采用在占用資源時報告資源位置的方式來減少VUE資源碰撞的概率，從而提高PRR并減少資源沖突的發生。仿真結果表明，相對傳統SPS算法，該算法的PRR值較高，CR值較低。本文分析的是分布式資源分配方式，下一步將聯合集中式資源分配方式以進行混合資源分配算法研究。