LTE?V2X下的實時視頻流傳輸策略研究*

褚端峰，王卓爾，邱雨潔，陸麗萍，徐志豪，吉鑫鈺

（1.武漢理工大學，智能交通系統研究中心，武漢 430070；2.武漢理工大學計算機科學與技術學院，武漢 430070）

前言

近年來，我國提出大力發展集成人工智能、區塊鏈和無線通信等先進技術的智能交通系統（intelligent transportation system，ITS），使道路和車輛具備感知數據、交互數據、處理數據的能力，實現一個安全高效的智能交通環境。在ITS中，V2X（vehicle?to?everything）技術是實現無線信息交互的基礎。有關研究表明，LTE?V2X技術能夠提升道路安全性和便利性，增加社會效益和經濟效益［1］。基于V2X技術捕獲周圍道路環境的實時視頻并分享給其他車輛，可以有效提升高級駕駛輔助系統，減少駕駛員視覺盲區帶來的交通事故，幫助駕駛員提高駕駛安全性和交通效率［2］。

目前用于自適應視頻傳輸的主流方法主要有3種:基于網絡條件［3-4］、基于緩沖區狀態［5-6］以及基于網絡條件和緩沖區狀態的混合方法［7-8］。其中基于網絡條件的方法會基于當前網絡優劣動態地調整服務器端發送的視頻碼率，在性能上很大程度取決于網絡估計的準確性。基于緩沖區狀態的方法會基于緩沖區填充比率動態調整視頻碼率，關于緩沖區初始緩沖時間、緩沖區狀態與視頻傳輸速率的關系設計都尤為重要，直接影響應用效果。混合方法綜合這兩大基礎，基于真實的網絡環境構建視頻流緩沖區，有效減少視頻播放凍結次數。Zhou等［9］獲取車輛的速度和加速度估計車輛的軌跡，通過位置信道狀態估計器計算數據傳輸速率，基于數據傳輸速率采取車輛協同的視頻流傳輸策略。Xing等［10］基于緩沖區狀態中的視頻緩沖級別和傳輸速率，提出中繼選擇和自適應視頻層選擇的傳輸方案。Xu等［11］提出一種動態規劃算法解決可伸縮視頻流的傳輸問題，基于緩沖窗口和信噪比估算器來解決車輛高移動性的問題，通過圖片組的自適應緩沖窗口提高資源利用效率和視頻質量。

上述研究均未能考慮實際情況下車聯網蜂窩小區內的實時視頻流傳輸會遇到以下具體問題:首先，無線信道會遭受時變衰落、陰影和干擾的影響，導致鏈路吞吐量以及視頻質量發生較大變化；其次，通信還受到車載網絡的高移動性和動態特性的影響。如果系統內整體V2V用戶通信吞吐量不高，那么實時視頻流的傳輸畫面質量勢必會受到很大影響。

因此，本研究將從兩個方面著手提高LTE?V2X下實時視頻流傳輸的畫面質量。首先，為提高蜂窩小區的系統性能以提升實時視頻流傳輸質量，提出在不完美信道狀態下，滿足V2X用戶異構服務質量的同時，最大化V2V通信吞吐量的資源分配算法；其次，使用可伸縮視頻編碼技術［12-13］將實時視頻數據分為基礎層和增強層，支持動態改變傳輸的視頻畫面質量，根據視頻流質量快速完成緩沖區初始緩沖，設計視頻傳輸建立協議和自適應傳輸算法以提高視頻畫面質量。

1 實時視頻流傳輸系統架構

本文中所研究的LTE?V2X下的實時視頻流傳輸場景如圖1所示。蜂窩小區內，M輛DUE（D2D用戶，進行V2V通信）與K輛CUE（蜂窩用戶，進行V2I通信）共享通信鏈路。在該場景下，高速公路是雙向直道，每個方向具有一個車道。當駕駛員遇到前方為大型車輛時，視角會受到遮擋，從而難以評估是否應該超車。因此，可通過攝像頭、基于LTE?V的車載無線通信設備和顯示器等硬件，建立智能網聯汽車之間的無線視頻傳輸連接，實時獲取前車攝像頭采集的視頻數據。

圖1 高速公路場景下的視頻流傳輸

實現網聯汽車之間可靠的實時視頻流傳輸過程中，分別對視頻編碼、實時的網絡感知方法、視頻自適應傳輸策略進行研究，視頻傳輸框架如圖2所示。

如圖2所示，首先攝像頭實時采集視頻流，傳輸到視頻處理模塊。接著視頻處理模塊中的視頻編碼器采用SVC（scalable video coding）技術進行編碼，編碼后的視頻數據幀具有不同的視頻質量等級。然后視頻發送方進行網絡感知，包括本車感知的信道質量和車輛密度，以及視頻接收方的接收速率、分組丟包率、分組傳輸時延和緩沖區級別。下一步以網絡感知的數據為基礎，用自適應傳輸策略求解出傳輸視頻質量等級。最后車載通信設備按照求解的視頻等級進行無線傳輸。

圖2 視頻傳輸框架圖

2 實時視頻流傳輸問題建模

為提高LTE?V2X下實時視頻流傳輸畫面質量，從系統性能優化和視頻傳輸算法優化兩方面入手。系統優化目標是在蜂窩小區內使V2V鏈路的總吞吐量最大化，并滿足V2I鏈路可靠性和V2V鏈路最低吞吐量的約束，盡可能減小V2V鏈路受到的干擾，從而提高系統性能，以改善智能網聯汽車通過V2V進行實時視頻流傳輸的視頻質量；算法部分采用可伸縮視頻編碼技術把實時視頻數據分為基礎層和增強層，從而支持動態改變傳輸的視頻畫面質量。進行通信網絡環境和視頻接收緩沖區的建模，完成網絡感知，并設計視頻傳輸建立協議和自適應傳輸算法。

2.1 資源分配系統模型

在實現每個CUE用戶與基站可靠通信的過程中，通過設置第m個CUE用戶的信噪比sinrcm高于一個預設閾值，來保證數據包能被接收。基于不完美信道下的信道增益建模［14-15］和吞吐量計算方法，DUE用戶總吞吐量可以表示為

該通信資源分配問題是一個優化問題，受到式（2）～式（7）的約束。

式（2）表示DUE用戶的最低吞吐量約束:

式（5）保證CUE用戶的發射功率不會超過最大發射功率。

式（7）表示一個DUE僅允許訪問單個CUE的頻譜。

該優化問題的求解結合了Liang等［16］求解V2I吞吐量的方法。

2.2 視頻傳輸系統模型

2.2.1 視頻編碼

視頻數據均采用可伸縮視頻編碼（SVC）技術進行編碼。編碼后的視頻數據以一個GOP為單位，每個GOP對應一個圖像組，所有GOP的持續時間都為TGOP。GOP中共有k層數據幀，包含1個基本層數據幀和k-1個增強層數據幀。在實際視頻傳輸過程中，接收到越多的視頻增強層數據，那么視頻質量越高。定義傳輸視頻質量共有k種等級，視頻等級越高，對應收到的增強層數據幀數越多。且每種視頻質量等級都對應固定的視頻傳輸幀率、數據幀大小和比特率。其中視頻質量等級j對應的比特率為Sj，視頻質量等級越高的比特率越大。因此，在視頻傳輸過程中，只要解得傳輸視頻質量的等級，即可確定發送的視頻數據幀大小和發送間隔。

2.2.2 網絡感知

對視頻接收方反饋參數和視頻發送方的感知參數，以及每個參數對應的統計模型展開研究。

（1）視頻接收方反饋

a.接收速率

定義接收速率為一定時間內視頻發送方的數據幀通過LTE-V2V成功地被視頻接收方接收的平均速率。它的計算方法為

式中:Tkbps表示接收速率，kbps；M為一個GOP的傳輸數據幀個數，該值由當前GOP對應的視頻質量級別確定；TGOP表示完成一個GOP視頻數據的時間長度，由當前GOP的最后一幀數據的時間序列減去第一幀收到的時間序列；Ci表示當前GOP中序號為i的數據幀大小，單位為字節；flag i的值為1或0，分別表示收到和未收到GOP中序號為i的數據幀。

b.分組丟包率

以一個GOP的數據幀為一個組，對丟包率PLR進行統計，即

c.分組傳輸時延

定義完成傳輸一個GOP為一個統計周期。視頻數據幀在應用層添加時間戳，視頻接收方在應用層收到時根據時間戳來計算一個數據幀的傳輸時延。通過該方法，在每個周期對視頻接收方多個數據幀的平均傳輸時延進行統計，計算公式為

式中:Delayisec表示視頻流中第i個GOP中數據幀的平均傳輸時延；ti，jrecv為視頻流傳輸過程中接收方讀到數據幀j時的時間戳；ti，jsend為發送方在數據傳輸前給數據幀j添加的當前時間戳。

憑借其靈活的開發能力與按照客戶要求定制專業解決方案的能力，漢高廣受贊譽。而這一成就得益于全球技術測試中心的支持，以及公司對研發和創新的高度重視。此外，公司擁有廣泛的設備、工具和工程合作伙伴網絡，為全球原始設備制造商和一級客戶群提供服務。漢高為下一代電力驅動汽車系統設計并大批量生產了全系列粘合劑解決方案，彰顯了公司致力于兌現其預測客戶電氣化需求的承諾。

視頻流通過LTE-V2V傳輸時，數據幀j可能因為字節數過大而劃分為n個數據包。在傳輸過程中，不可避免地會遇到數據包丟失的情況，從而影響第i個GOP的時延計算。本文中的解決方法是根據數據幀序號j和數據包序號n進行處理:若j=1的數據包丟失，則造成基本層數據幀不完整而GOP無法進行解碼，此時直接將該GOP的傳輸時延賦為無窮大。若不是j=1的數據包丟失，計算方法為

d.緩沖區級別

緩沖區的設計目的是提高實時視頻播放的流暢性，以及通過緩沖區的視頻數據幀數量為視頻傳輸決策提供幫助。緩沖區設計見圖3。

圖3 視頻接收方緩沖區

（2）自身感知

a.車輛密度

在視頻發送方，車輛密度ρ等于車輛數量除以智能網聯汽車組成的總表面積。ρ越大，則說明周圍的車輛越多，更大的概率發生通信干擾，計算公式為

式中:Ni表示與第i輛車在同一區域下的車輛數量，以接收到其他車的BSM數據包表示在同一個區域下；Si表示與第i輛車在同一區域下的總表面積，采用Immich等［17］中的近似凸包算法（bentley faust pre?parata，BFP）來進行計算。

在LTE-V2X中，信道質量指標（channel quality indicator，CQI）是描述信道狀態信息的一項重要指標。CQI能反映當前信道質量的好壞，和信道的信號與干擾加噪聲比SINR（signal to interference plus noise ratio）的大小有直接關系。當SINR越大時，表明當前的信道質量越好，對應的CQI值也就越大。調制和編碼方案就是以CQI為基礎進行選擇的。

3 LTE?V2X下實時視頻流傳輸策略

3.1 通信資源分配算法

3.1.1 功率分配

本算法用來在復用頻譜資源的DUE-CUE中，對單個配對進行最佳功率分配。給定任意頻譜復用的情況下，例如DUEk復用CUEm頻譜，單個CUEDUE對的功率分配問題被簡化為

式（16）保證CUE用戶的發射功率不會超過最大發射功率:

圖4 兩種功率可行解區域

DUEk復用CUEm頻譜資源并配對時，吞吐量計算公式為

3.1.2 頻譜復用對匹配

經過以上計算，得到所有DUE-CUE的可行頻譜復用對。在網聯汽車V2X場景中，最終一個DUE至多選擇一個CUE的信道進行復用并傳輸數據。因為本文考慮的是一個CUE被一個DUE復用的情況，所以一個CUE至多選擇一個DUE組成對。因此，式（1）最終分配最優的資源分配問題可簡化為一個最大權值二分匹配問題，即

該簡化的資源分配問題受到式（26）和式（27）的約束。

式（26）表示一個CUE的頻譜只能與單個DUE共享。

式（27）表示一個CUE的頻譜只能與單個DUE共享。

利用匈牙利算法［18］，可解得在滿足V2I可靠通信的情況下，以最大化V2V總吞吐量為目標的資源分配方案，即CUE和DUE用戶的發射功率控制和頻譜復用選擇。每一步的求解都基于上一步的結果，具體算法的偽代碼如表1所示。

表1 通信資源分配算法

3.2 實時視頻流自適應傳輸算法

當兩輛智能網聯汽車完成視頻傳輸的建立后，開始實時視頻流的傳輸。實時視頻傳輸的過程分為兩個階段，第1階段完成視頻緩沖區初始緩沖，第2階段實時進行視頻流的傳輸。

第1階段中，須完成緩沖時間為Tini的視頻緩沖區。其中Tini的取值為TGOP的正整數倍，這是因為視頻解碼時以一個GOP為單位。

該方案較保守地提高視頻發送方的視頻質量級別，盡可能避免發生網絡擁塞而增大延時。傳輸的帶寬基于最近幾組視頻接收方的瞬時接收速率進行計算，且越靠近當前時間的瞬時接收速率權重越大。使用高斯函數進行接收速率的權重計算，當前時刻的平均速率Saver計算公式為

式中:N為計算平均速率時需要瞬時接收速率數據的個數；c決定高斯曲線的寬窄程度，越靠近當前時間的瞬時速率權重越大。其中N取30，c取12。實時視頻緩沖第1階段的流程如圖5所示。

圖5 視頻緩沖流程圖

在實時視頻流傳輸的第2個階段中，視頻接收方開始對視頻流數據幀進行解碼播放。該階段基于網絡感知實時視頻流的傳輸質量，并保證每個GOP基本層的數據被可靠接收。在視頻發送方網絡感知參數包括信道質量、車輛密度是視頻接收方反饋的接收速率、分組丟包率、分組傳輸時延和緩沖區級別。分組丟包率由加權算術平均值計算而來，表示當前與未來的數據包丟失幀數與總數據幀數的比例，使用最近的5個丟包率作為輸入數據，計算公式為

式 中:權 值wi參 考Immich［17］定 義，權 值 為{0.4，0.3，0.15，0.1，0.05}；xi表示每組數據幀的丟包率，共有5組。其中權值0.4為最近xi的權值系數。采用該計算方法優點有:與隱馬爾可夫模型來預測PLR相比，雖然結果不是高度準確，但可以快速獲取比較可靠的結果；可以實時進行計算；該方法遵循無線網絡的時變誤差特性。Immich［19］經過大量視頻序列的仿真表明:丟包率小于5%時視頻質量是良好的；丟包率處于5%～22%之間時，用戶可以忍受對應的視頻質量。丟包率大于22%時視頻質量變得很差。PLR表達式為

信道質量共有15級，根據調制和編碼方式不同，有不同傳輸效率，且劃分較細。在視頻傳輸的過程中，并不需要精確的信道質量級別，且信道質量級別本身會存在細微誤差。所以根據信道質量的調制方式劃分為3個級別，即

式中:c為原始的信道質量級別，共劃分為15級；QPSK、16QAM、64QAM分別為調制方式。

視頻發送方在選擇傳輸視頻質量級別時，首先根據當前緩沖級別BL進行決策。緩沖級別可以反映當前緩沖的視頻數據幀，直接影響視頻的播放質量。例如當BL較小時，則說明緩沖的視頻數據幀較少，接下來大概率會發生緩沖區視頻數據幀用完導致視頻播放停止的情況。所以BL在一定程度上也反映一段時間內網絡狀態的好壞。決策時，若BL小于丟棄閾值，則視頻傳輸質量ql根據網絡鏈路好壞賦值為0或ql減1。若BL大于丟棄閾值，則視頻傳輸質量ql根據網絡鏈路狀態分為3個級別，與傳輸帶寬相結合動態選擇視頻質量級別。其中當前丟棄閾值Dropi的計算公式為

式中:A為常數；ρi為車輛密度；Tini為初始緩沖時間；Dropi-1表示上個周期的丟棄閾值；Delaymin和Delaymax分別表示當前一個GOP中數據幀傳輸延時最小值和最大值。

圖6為第2階段基于網絡環境和緩沖區級別進行實時視頻的自適應傳輸流程圖。當視頻緩沖區級別小于丟棄閾值Dropi時，說明當前緩沖的視頻數據幀較少，基于網絡環境降低視頻級別ql。當視頻緩沖區級別大于丟棄閾值Dropi時，說明當前緩沖的視頻數據幀較多，可以基于網絡環境繼續提高視頻質量級別ql，進行視頻自適應傳輸。當視頻接收方不需要實時視頻數據時，向視頻發送方發送斷開視頻傳輸連接的請求。

圖6 實時視頻自適應傳輸流程圖

4 仿真驗證

基于開源的車輛網絡仿真框架（vehicles in network simulation，Veins）LTE，完成仿真實驗平臺的搭建。基于仿真測試平臺分別對提出的V2X資源分配和視頻流傳輸算法進行驗證分析。

4.1 V2X資源分配實驗

高速公路場景模擬設置如下，該高速公路穿過一個以基站為中心的單個LTE蜂窩小區，每個方向有3個車道，每個車道寬度為3.75 m，穿過蜂窩小區的路段長度為800 m。LTE蜂窩小區的覆蓋半徑為500 m，噪聲功率為-174 dBm/Hz。V2I用戶和V2V用戶在LTE蜂窩小區范圍內的道路上均勻分布，其中V2I用戶數量固定為20，V2V用戶的對數在8～18之間選取。

資源分配系統的仿真參數見表2。

表2 資源分配系統仿真參數

圖7比較本文資源分配算法、等功率資源分配算法和隨機功率資源分配算法下LTE蜂窩小區系統V2V平均吞吐量隨V2V用戶數量的變化情況。其中V2V用戶和V2I用戶的最大發射功率都為23 dBm。

圖7 V2V平均吞吐量隨V2V用戶對數變化

本文算法在求解頻譜資源和功率分配方案時，考慮V2I可靠通信下保證V2V最低吞吐量，以及在LTE蜂窩小區內減小對V2V通信鏈路造成信號干擾。而等功率資源分配算法和隨機功率資源分配算法在小區內沒有很好地對每個V2V用戶和V2I用戶進行發射功率控制，所以V2V用戶的通信鏈路受到干擾更大，平均吞吐量比本文提出的資源分配算法要小。

隨著V2V用戶對數增多時，圖中3個算法的平均吞吐量都會減小。這是因為V2V用戶數量增加時，LTE蜂窩小區內的部分V2V通信鏈路會受到更大的信號干擾。所以在保證可靠通信情況下，V2V用戶頻譜分配和功率分配過程中可選擇的復用組合更少，V2V用戶對的平均吞吐量會越來越小。在V2V用戶對數增多時，本文提出的資源分配算法比等功率資源分配算法高出的吞吐量之差也越來越大。該現象表明，本文提出的資源分配算法在信號干擾加大的情況下，求解的頻譜分配和發射功率對于V2V平均吞吐量的提高越來越明顯。

4.2 視頻流傳輸實驗

視頻仿真實驗采用的視頻文件為車載攝像頭采集的真實數據，分辨率為640×360像素，幀速率為30幀/s。視頻數據編碼為一個基礎層和5個增強層數據，每個GOP的持續時間TGOP為0.5 s。針對編碼后的視頻數據幀，對每個視頻質量級別的數據幀大小和視頻畫面質量進行統計，得出平均比特率和峰值信噪比（peak signal to noise ratio，PSNR）。其中本文視頻數據采用SVC編碼后的視頻分級見表3。

表3 SVC視頻信息

在仿真實驗中，初始視頻緩沖時間Tini為0.5 s。環境車的數量為V2V用戶數量的1/3。采用PSNR和平均凍結次數作為評價智能網聯汽車之間視頻傳輸質量的指標。將本文視頻流傳輸算法與具有基礎層保護的視頻傳輸算法RALSB［20］和視頻質量自適應傳輸算法VQAS［10］進行比較，如圖8所示。

從圖8可以看出，隨著V2V用戶數量的增加，3個算法的視頻平均PSNR逐漸降低。這是因為實時視頻流傳輸的V2V用戶變多，導致系統負載增加，受到的信號干擾變大，所以實際平均傳輸速率減小，丟包率增大。

圖8 視頻平均PSNR隨V2V用戶數量變化

在V2V用戶數量增加的過程中，本文提出的視頻流傳輸算法的平均PSNR是最優的。RALSB算法在V2V用戶數量在24～36之間時，平均PSNR的變化斜率最小，這是因為此時網絡擁塞較大，該算法優先保證基礎層視頻數據幀，從而最大可能保證一個GOP能被正常的解碼和播放。

圖9為視頻平均凍結次數隨V2V用戶數量變化。從圖9中看出，V2V用戶數量從12～36增加的過程中，本文提出的視頻流傳輸算法在凍結次數上都要少于RALSB算法和VQAS算法，說明視頻觀看體驗是最優的。同時表明本文提出的視頻流傳輸算法在應對車載無線網絡信道不穩定或網絡擁塞的情況下，有著更好的網絡感知能力和適應能力。

圖9 視頻平均凍結次數隨V2V用戶數量變化

5 結論

對V2X資源分配問題和實時視頻傳輸問題進行深入研究，旨在提高蜂窩小區內的視頻傳輸質量，增強智能網聯汽車的視角盲區感知能力，并采用仿真進行驗證和分析，得出如下結論。

（1）在V2V用戶數量增加的過程中，本文提出的視頻流傳輸算法在平均PSNR上要高于其他兩個算法，說明本文提出的算法在視頻平均質量上最優。

（2）本文提出的視頻流傳輸算法在凍結次數上都要少于RALSB算法和VQAS算法，說明視頻觀看體驗是最優的。同時表明本文提出的視頻流傳輸算法在應對車載無線網絡信道不穩定或網絡擁塞的情況下，有著更好的網絡感知能力和適應能力，所以能更加合理地改變視頻傳輸級別，減小視頻播放凍結的發生。

本文提出的算法是基于單個蜂窩小區完成的通信資源分配，如果考慮多個蜂窩小區的場景，需要在信道增益處考慮不同蜂窩小區之間的信號干擾，再采用本文的通信資源分配算法進行問題的求解。未來的研究工作主要集中在解決多個蜂窩小區場景下的通信資源分配問題，在視頻流傳輸算法中加入路由算法，來提高通信鏈路的吞吐量和可靠性。