一種面向智能網聯汽車的自適應車輛位置管理方案

趙 輝

（蘭州石化職業技術大學，甘肅 蘭州 730060）

1 課題背景

智能網聯汽車系統是一種規范的，可為乘客、司機和交通管理人員提供大量安全信息和娛樂服務功能的下一代異構無線網絡通信系統。在異構無線接入技術及基于5G/6G 等標準的不同無線網絡快速發展的大背景下，汽車智能網聯系統作為一種為乘客、司機和交通管理人員提供大量安全信息和娛樂服務的下一代異構無線網絡通信系統［1-2］，其無線通信技術在密集網絡中的可擴展性和通信效率成為目前棘手的問題［3］。如汽車應用行業（汽車編隊和全自動駕駛控制）目前面臨的挑戰是在提供準確可靠的位置服務時存在期望延遲、成本過高和準確性較差等問題，這需要在聯網的車輛網絡中通過有效的溝通及無縫的鏈接技術來解決。

下一代智能網聯汽車的車聯網系統由異構無線通信標準組成，其包括 IEEE 802.11P 協議［4-5］、長期演進技術（LET）［6］和最近的第五、六代網絡系統（5G/6G）。在車輛與基礎設施的通信協議以及車輛與車輛的通信協議的協助下，這種異構無線通信標準在為車輛提供可靠、流暢以及不間斷的通信網絡服務時，車輛與車輛、車輛與基站間需要一種高效的移動性能和位置管理解決方案，以此滿足從用戶終端到應用程序之間的訪問需求。

要討論和研究車輛內部網絡移動性管理問題，更準確地說，要研究在外部網絡中如何優化車輛移動過程中的無線通信問題，需將這種移動性管理方案描述為由本地服務網關或云端提供的車輛與任意服務器之間正在進行的無線會話的研究以及對于連接的技術維護問題。如許多車輛連接中，需要通過Internet 進行通信才能提供有效地服務，因而需要無縫的移動管理方案以避免產生通信中斷。根據網絡通信情況和應用方式的不同，移動性管理方案可以分解為：使用移動互聯網協議將會話從一個網絡卸載到另一個用于負載平衡目的網絡或者IP移動管理。

IETF已經標準化了一個名為移動互聯網協議的基于主機的移動管理協議，該協議提出了一種移動性管理解決方案，以幫助車輛在網絡層內快速、高效的移動。首先用車輛自帶的服務器的IP 在訪問上定義一個臨時轉交地址（CoA），以支持由當前CoA 的綁定鏈路的路由器和車輛的本地代理之間建立連接。這種連接的弱點是附加了切換延遲和數據包丟失，尤其是隨著車輛數量的增加，會導致到信令開銷的相應增加。其余的許多研究提出，移動IP 協議可以替代用于位置和路徑更新的協議而無需進行切換管理。這樣的具體研究及功能模塊涉及相應的應用，包括分層移動IP 和快速移動IP，添加新的名稱為移動錨點的實體，通過將多個路由器分配給一個路由器以減少切換延遲等措施，其都在努力克服前述方案的缺點。

2 問題描述

傳統的移動管理解決方案由2部分組成：位置和切換過程管理。車輛行駛過程中要穿過許多復雜的網絡系統，這些網絡系統無論是否有相同的標準與協議，車輛自身的移動管理協議均要求可在不同的網絡之間傳輸正在進行的通信指令。此外，網絡必須能夠定位車輛并及時推送數據包到其就近位置。傳統的位置管理協議在未考慮車輛的個體運動預測和方向的情況下，只是通過通信指令定期尋呼車輛的位置，并在其預定義的生命周期內處理數據包。這會導致車輛在超密集網絡中行駛時極易丟包且產生大量的通信數據冗余。這時，在由電池驅動的汽車中，也會產生相當高的功耗。

為了解決這個問題，本論述提出了一種自適應的以車輛為中心的智能車載網絡位置管理方案（ADVICE-LOC）。通過監測和計算車輛在接入點通信范圍內的剩余時間，根據車輛行駛狀態、網絡狀況以及交通狀況等智能地調整位置管理協議，并通過對車輛移動軌跡的預測來更新車輛位置并保證車輛與外部網絡注冊信息之間的通信冗余。該協議由2部分組成：（1）利用車輛的移動性數據估計車輛在基礎網絡設施單元內的剩余時間；（2）按照知識網絡注冊和更新條款的信息更新位置管理方案，同時通過周圍網絡發送的數據和車輛機動性能的變化預先調整車輛會話時間，以減少通信數據量并消除位置更新時對當前接入點的信息冗余。此外，還評估了城市交通環境中的幾個時間序列預測器，使用預測器來導出鏈路估計時間，并分析了其優缺點。最后，對所提出的協議在多個網絡和準確性指標下進行模擬和評估。

2.1 鏈路估計時間

假設車輛在預定的道路環境中行駛，接入點部署在使路線圖覆蓋范圍最大化的點上。本論述中將車輛停留在接入路由器（AP）通信范圍內的持續時間稱為鏈路估計時間（LET）［7-8］。為了推導出車輛與接入點或路由器之間的鏈路估計時間，首先預定義一組假設，將車輛運動預測的特征描述為時間序列預測方法的數據輸入。

此鏈路估計時間受以下因素的影響：車輛速度、接入路由器的距離、信號質量等。假設車輛運動投影的示例如圖1 所示，假設每輛車都配備了車載GPS 定位系統并能夠實時獲取車輛當前位置坐標A點(xi,yi)，路旁單元（RSU）或接入路由器（AP）具有標準通信范圍R。如果只考慮車輛和接入路由器之間的距離，得出的LET 是圖中所示陰影區域，這并不能正確反映車輛在接入路由器通信范圍內的真實剩余時間。故需要根據圖1中信息，以車輛的兩個連續位置定期計算車輛運動軌跡，從而得出車輛最小鏈路估計時間的推導公式。

圖1 鏈路估計時間LET

在車輛視線范圍內，車輛與在其通信范圍內的接入點路由器進行通信。接入路由器的位置O 點和標準通信范圍R 可以描述為式（1）圓的方程：

將車輛沿直線從點A(xi-1,yi-1) 移動到點B(xi,yi)的多點線運動路徑（即連續的位置系列）計算如式（2）：

推導二次方程式（3）：

其中將式（4）代入式（3），

后使用替代的二次公式求解T得式（5）：

此外，通過考慮數據包交付時間和到往返時間等的延遲，調整LET，扣除往返包時間得式（7）：

2.2 車輛運動預測

為提供更加準確的運動預測，捕獲更長時間、更復雜的時間序列數據以及將其應用于高度智能化的應用程序。目前主流的開發技術是：機器學習如模糊邏輯、神經網絡和狀態空間模型如卡爾曼濾波器等。機器學習中尤其是神經網絡模型的應用技術，是要求從基于規則的機器學習模型到數據驅動，都能夠捕獲更長和更大數量的時間序列數據集，而大多數機器學習技術需要大型數據集才能有效執行。

本論述在不考慮車輛即將發生的軌跡變化的情況下，僅使用車輛運動的當前測量值。上述車輛的LET還與當前接入路由器的會話時間有關，故需在當前接入的路由器內估計LET，可得到更精確的預測車輛軌跡（即位置、速度、方向）。

假設一個表示車輛在當前接入路由器內的運動測量數據（位置、方向和速度）的時間向量序列，其中t 是采樣率，t 因每個序列的大小而異，該向量序列表示車輛在當前接入路由器內的運動測量數據（位置、方向和速度）。為了準確定位車輛，進行追蹤的時間設置間隔都很短，通常規定一個采樣時間間隔在1～5 s內。通過如圖2所示的協議，使用嵌入在車輛中的隊列來記錄持續了k 觀察時間的運動數據，以此來收集車輛在每個觀察時間間隔內的向量序列。

圖2 接入路由器內的運動測量

2.3 ADIVE-LOC：以車輛為中心的適應性位置管理方案

基于前面導出的測量值，以下研究車輛在所接入路由器的范圍內，優化移動通信開銷，保持高傳輸率和低丟包率的移動性位置管理方案。該移動性管理過程可以分為兩個主要階段：發現和注冊階段、位置和會話更新階段。

在移動IP 中，首先賦予車輛一個初始代理網絡的永久地址，當車輛通過不同網絡時，注冊一個新的訪問點以連接該通信。此時，需要一個新的轉交地址CoA來注冊新接入的路由器并通知初始代理通過無線網絡將正在進行的通信傳輸到新接入的路由器。當車輛在兩個路由器的通道之間切換時，還需要一個切換機制來注冊一個新的CoA 并從舊接入的路由器連接到新接入的路由器。

這種切換機制規定如下：車輛通過訪問路由器廣告消息和訪問請求這兩種主要方式發現并注冊新的訪問權限，當發現車輛位置變化時，使用相鄰接入路由器的緩存或通過請求一個廣播消息來建立新的連接。后通過比較待接入路由器的距離和接收信號的強度，選擇最合適的接入路由器并發送一個注冊請求，使得車輛CoA 配置和分配資源。接入的路由器將回復注冊回復包并啟動綁定部分的更新。此時，車輛通過其初始代理從接入路由器的相應服務器上接收實時數據。綜上所述，發現和注冊過程如圖3所示。

圖3 車輛位置適應性管理方案

3 績效評估

使用由網絡模擬器生成的由從高德地圖提取的車輛在蘭州城市道路場景中的移動軌跡［9］。車輛從連接到初始地址開始，接收相應的節點數據流。為確保網絡覆蓋所有的道路，設置由35個分布在沿網絡路段的接入路由器組成該網絡。由于車輛加速度的穩定增加，速度是受所選間隙大?。磿r間步長值）影響的最低測量值，因此車輛速度無法在5 s內從0 增加到30 m/s。這表明就車輛的位置而言，小于5 s 時不會有太大區別，故選擇速度范圍為0～30 m s。車輛數量設置為100～700 輛，數據包頻率為250 pkt s，數據包尺寸為160 byte packet。物理協議設置為IEEE 802.11P，接入路由器的傳輸范圍250 m。

采用的是多特征輸入和多特征輸出的一般回歸神經網絡（GRNN），將其作為評估該車輛位置的預測模型。為評估軌跡預測模型的精確度，使用均方根誤差（RMSE）作式（8）為計算其準確度的一種手段。

使用的數據集從以上移動性環境中生成，使用Python軟件的Keras模型和neupy算法對預測器進行精度評估。生成的數據集包含以下信息：時間集、車輛ID、位置(x,y)、速度和當前注冊的接入路由器。生成數據的誤差結果如圖4 所示。選擇采樣時間間隔為1 s，有一個特征輸入，多個特征輸出時，GRNN 模型的預測模型得到的平均誤差為最小，顯示出最低的錯誤率。

圖4 GRNN預測模型的誤差率

4 結論

無線網絡連接在自動駕駛汽車的導航服務和娛樂化應用中提供了快速、高效的聯網通信服務，也為各種基于自動駕駛技術應用的無線接入網絡技術提供了可靠的、精確的通信解決方案。然而，車輛數量的無限增加以及車輛在不同接入路由器之間的快速移動會影響此類無線網絡的性能?；诖?，本論述提出了一種面向智能網聯汽車的高效自適應車輛位置管理協議。應用此管理協議，預測車輛模型在調整車輛網絡注冊和位置生命周期更新時的鏈路持續時間，通過評估在不同間隙和窗口大小下的時間序列預測器和估計的鏈接持續時間，后采用多特征輸入和多特征輸出的一般回歸神經網絡（GRNN），將其作為評估該車輛位置的預測模型。結果表明，提出的自適應位置管理方案能夠降低通信開銷，即冗余數據在源數據中占有的比例，同時保持了低的端到端延遲率以及高的數據包傳輸率。

通過在預測模型中實驗數據的驗證，隨著車輛數量的增加以及車輛在不同接入路由器之間的快速移動，基于5G/6G 網絡的無線技術的接入為自動駕駛的智能化應用提供一種可行的通信解決方案。通過一種適用于智能網聯汽車的高效自適應位置管理協議，調整車輛網絡注冊和位置生命周期更新時的鏈路持續時間。結果表明，這種自適應位置管理方案在保證車輛位置及時更新的同時，剔除了冗余的位置尋呼信號，極大地降低了通信開銷，即冗余數據在源數據中占有的比例，同時保持了低的端到端延遲以及高的數據包傳輸率，是一種更高效的移動管理解決方案。