基于5G 網(wǎng)絡的車聯(lián)網(wǎng)下行無線通信資源分配方法

米勝凱，王紅江

（中通服咨詢設計研究院有限公司，江蘇 南京 210019）

0 引 言

車聯(lián)網(wǎng)是構成交通體系的關鍵一環(huán)，通過將車與網(wǎng)絡連接，可以為車內(nèi)的部分物體提供全方位的信息。在車聯(lián)網(wǎng)中，車與車（Vehicle-to-Vehicle，V2V）之間的通信承擔著監(jiān)測車輛位置、移動速度、周邊環(huán)境等任務。日益復雜的車聯(lián)網(wǎng)環(huán)境和不斷增長的動態(tài)業(yè)務需求給車用車輛鏈路中重要信息的安全傳輸帶來了新的挑戰(zhàn)，如何在車聯(lián)網(wǎng)中對車用通信鏈路中的關鍵信息進行高效、可靠的傳遞，是目前亟待解決的問題[1]。為提高車聯(lián)網(wǎng)無線通信的可靠性，相關領域研究人員進行了深入的研究，并提出一種基于蜂窩車聯(lián)網(wǎng)技術的新型下行無線通信資源分配方法。雖然該方法在一定程度上提升了通信傳輸鏈路的總速率、降低了時延，但無法滿足復雜的動態(tài)服務需要，且成本較高，不適用于實時變化的車聯(lián)網(wǎng)場景[2]。針對這一問題，文章從資源的合理分配角度出發(fā)，結合5G 網(wǎng)絡技術，開展車聯(lián)網(wǎng)下行無線通信資源分配方法的研究，提出一種基于5G 網(wǎng)絡技術的車聯(lián)網(wǎng)下行無線通信資源分配方法，以提升通信資源的利用價值和利用率。

1 基于5G 網(wǎng)絡技術構建車聯(lián)網(wǎng)下行無線通信資源感知模型

車聯(lián)網(wǎng)下行無線通信資源感知模型的構建基于5G 網(wǎng)絡技術。5G 網(wǎng)絡技術具有數(shù)據(jù)傳輸速度快、覆蓋面廣等優(yōu)勢[3]。同時，5G 網(wǎng)絡技術時延低，對車輛和終端的響應迅速，是實現(xiàn)車聯(lián)網(wǎng)服務快速、高效、可靠的關鍵。在車聯(lián)網(wǎng)下行無線通信資源感知中應用5G 網(wǎng)絡技術，可以根據(jù)帶寬資源估計距離感知精度。車輛用戶終端的距離感知精度和分配的感知資源計算公式為

式中：Δlk(W1)表示車輛用戶終端的距離感知精度；c表示光速，取值為表示車聯(lián)網(wǎng)下行無線通信基站的感知信號信噪比；W1表示頻譜資源分配比例。

通信模式分為直接通信模式與中繼通信模式。其中，直接通信模式是基站通過車輛到網(wǎng)絡（Vehicleto-Network，V2N）鏈路進行數(shù)據(jù)傳輸[4]。針對車載設備的運動特點，假設車輛用戶終端和基站只能獲取較大范圍的信道增益信息，在進行數(shù)據(jù)傳輸時，需要確定資源分配速率。中繼通信模式指數(shù)據(jù)先通過中繼傳輸，然后通過V2N 鏈路直接傳輸?shù)浇K端，且V2V鏈路可以對資源進行復用。

2 車聯(lián)網(wǎng)車輛分簇

由于車輛的移動特性，由V2V、V2N 等鏈路構建的網(wǎng)絡穩(wěn)定性較差，影響后續(xù)鏈路資源配置策略的性能。為解決這一問題，文章擬采用5G 網(wǎng)絡技術獲取車輛位置信息和運行速度，預測車輛在某一時刻的移動情況并進行分組，分析車輛的移動特性。根據(jù)分析的移動特性選擇通信方式，從而構建一條穩(wěn)定的通信鏈[5]。根據(jù)基于5G 網(wǎng)絡技術的車聯(lián)網(wǎng)下行無線通信資源感知模型估計的位置信息，計算當前時刻的估計速度，公式為

式中：v表示當前時刻的估計速度；lk表示當前時刻具有一定誤差的車輛用戶終端位置信息；lk-1表示前一時刻車輛用戶終端位置信息；Δt表示時間差。根據(jù)估計速度v和前一時刻的位置信息lk-1，計算出當前時刻的位置信息和群集時間間隔。群集時間間隔是指將車輛用戶終端的位置信息視為一系列離散的點，這些點之間的時間間隔就是群集時間間隔，因此可以通過計算集群時間間隔，預測車輛終端的位置信息。根據(jù)獲取的車輛定位信息結果集，對車輛進行群組劃分，并確定群組中的車鏈。在t時刻，車輛分簇結果可表示為

式中：C表示分簇結果；Cluster表示分簇函數(shù)；L表示車輛終端位置信息；P表示車輛用戶設備（Vehicle User Equipment，VUE）到基站的接收功率。

現(xiàn)有的車聯(lián)網(wǎng)車輛分簇方法有2 種。一種是基于距離的聚類算法，根據(jù)車輛間的距離將車輛聚類成一定數(shù)目的聚類。但該方法很難解決散點成簇、聚類不穩(wěn)定等問題。另一種是針對城市區(qū)域內(nèi)車輛的聚類方法，根據(jù)網(wǎng)絡非視距（Non Line of Sight，NLOS）網(wǎng)絡中的車輛分布情況進行分組，能夠有效解決車輛分組散亂、不均勻等問題。但是沒有考慮到車與車之間的鏈接效應，致使更多的NLOS 通信車輛聚集在一起。因此，文章擬采用Delaunay 三角化思想將2 種方法進行有機結合，提出一種新的基于Delaunay 三角化的多目標優(yōu)化算法。第一步，用Delaunay 三角化算法對已知車輛進行處理，找出與當前車輛有直接視距關系的其他車輛。該方法充分利用了Delaunay三角形的可擴展性，將點P 添加到Delaunay 三角形中，只需去除含有P 點的全部三角形，將P 與全部可視點連接起來，并按照順序進行插值。這樣就可以在每一次插值之后，將已經(jīng)確定好的Delaunay 三角移除，并減少對外接圓中含有該點的三角形的檢索次數(shù)。第二步，選取直聯(lián)車輛數(shù)目最多且接收功率最大的車輛作為簇首。第三步，將與該簇首直接相連且兩者曼哈頓距離（Manhattan Distance）小于閾值的車輛歸為一簇。第四步，重復第二步和第三步，直至完成所有車輛的分簇，輸出車輛分簇結果。

3 設置下行無線通信鏈路信干噪比約束條件與資源分配

結合復雜度較低的圖著色問題（Graph Coloring Problem，GCP），全面分析車輛聚類結果和所需的調(diào)度因素。為確保V2V 鏈路的可靠性，需要設置下行無線通信鏈路信干噪比（Signal-to-Interference and Noise Ratio，SINR）約束條件，以判定是否存在不能容忍的干涉。約束條件定義為

式中：γ表示下行無線通信鏈路信噪比約束函數(shù)；Pg(di)表示信干噪比；Pg(di,j)表示i點與j點的邊信干噪比；σ表示調(diào)度因子；γth表示信干噪比閾值。當約束條件不成立時，需要從干擾集合中去除最大的干擾鏈路，并構建節(jié)點i和節(jié)點j的邊，直到滿足約束條件。

GCP 的思路是先對邊數(shù)最多的節(jié)點進行著色，再對邊數(shù)最多的節(jié)點進行著色，以此類推。其目標是確保2 個相鄰的節(jié)點被著上不同的顏色，使相連接的節(jié)點盡可能都被著色。在著色過程中，隨著分配到車輛上的資源區(qū)塊的增大，各影響因素會減小，從而確保分配給車輛的資源區(qū)塊符合傳輸要求。

4 對比實驗

結合5G 網(wǎng)絡技術，提出了一種基于計算控制通信融合的資源分配方法。為驗證該方法是否能夠解決現(xiàn)有分配方法在實際應用中存在的問題，開展對比實驗。設置基于多智能體協(xié)作學習的分配方法為對照A組，基于計算控制通信融合的分配方法為對照B 組，文章提出的基于5G 網(wǎng)絡技術的分配方法設置為實驗組。分別將3 組分配方法應用于相同的實驗環(huán)境，分配車聯(lián)網(wǎng)下行物聯(lián)通信資源。在實驗環(huán)境中，車輛的發(fā)射端與接收端均采用單天線，通過空間泊松過程隨機部署車輛的初始位置，實驗參數(shù)見表1。

表1 實驗參數(shù)

為驗證3 種分配方法的分配合理性，將下行無線通信吞吐量作為衡量分配是否合理的指標。下行吞吐量的計算公式為

式中：χ表示下行吞吐量；s表示車聯(lián)網(wǎng)下行無線通信鏈路長度；t表示車聯(lián)網(wǎng)下行無線通信平均響應時間。χ值越高，說明下行無線通信傳輸數(shù)據(jù)量越多，通信資源利用率越高，分配越合理；χ值越低，說明下行無線通信傳輸數(shù)據(jù)量越少，通信資源利用率越低，分配越不合理。根據(jù)上述邏輯，分別記錄在10輛、20 輛、30 輛、40 輛以及50 輛汽車的情況下，3組分配方法對應的車聯(lián)網(wǎng)下行吞吐量，測試結果如表2 所示。

表2 車聯(lián)網(wǎng)下行吞吐量記錄表

由表2 可知，實驗組下行吞吐量最高，其次為對照A 組，對照B 組最低。采用實驗組的分配方法時，下行無線通信傳輸數(shù)據(jù)量最多，通信資源的利用率最高，并且分配最合理。因此，基于5G 網(wǎng)絡技術的分配方法能夠實現(xiàn)對車聯(lián)網(wǎng)下行無線通信資源的合理分配，能夠提升資源利用價值。

5 結 論

以車聯(lián)網(wǎng)下行無線通信資源分配問題為研究重點，結合5G 網(wǎng)絡技術，提出了一種全新的分配方法。開展對比實驗，將該方法與現(xiàn)有的基于多智能體協(xié)作學習的分配方法和基于計算控制通信融合的分配方法進行對比。結果表明文章所提方法的傳輸數(shù)據(jù)量更多，通信資源的利用率更高，分配更合理，可以實現(xiàn)最優(yōu)的車聯(lián)網(wǎng)下行通信性能增益。