CN102880975A

CN102880975A - Vanet中一种基于负载均衡的竞价博弈方法

Info

Publication number: CN102880975A
Application number: CN2012103386495A
Authority: CN
Inventors: 吴迪; 凌艳; 朱红松; 刘江川; 谭国真
Original assignee: Dalian University of Technology
Current assignee: Dalian University of Technology
Priority date: 2012-09-13
Filing date: 2012-09-13
Publication date: 2013-01-16
Anticipated expiration: 2032-09-13
Also published as: CN102880975B

Abstract

本发明属于移动通信技术领域，公开了一种适用于城市场景下保证AP负载均衡的竞价博弈方法。其构建过程为：绿灯亮的时间段内，车辆经过十字路口时，当多个AP竞争同一组车辆时容易发生AP的负载不均衡问题，影响网络性能。为了解决该问题，本发明根据伯川德博弈和伯川德悖论提出一种竞价博弈方法。为了适应VANET高移动性、网络拓扑频繁变化等特点，本发明把绿灯亮的时间划分成多个时间片，每个时间片AP根据提出的竞价博弈方法求出价格，当前时间片的价格受上一个时间片竞价结果的影响，因此整个过程是一个动态重复博弈，最后得出的动态博弈纳什均衡解即为AP的价格策略。本发明的效果和益处是模拟车辆移动，提出保证AP负载均衡的更符合VANET场景的竞价博弈方法。

Description

VANET中一种基于负载均衡的竞价博弈方法

技术领域

本发明属于移动通信技术领域。针对车联网(vehicle Ad Hoc Network，VANET)城市场景下AP(Access Point，AP)的负载不均衡问题，根据伯川德博弈和伯川德悖论提出一种新的竞价博弈方法。

背景技术

VANET城市场景中，当多个AP共存于同一个公共热点区域时，它们之间由于相互竞争同一组车辆而可能发生负载不均衡现象，这种不均衡可能会降低资源利用率以及AP的服务质量，影响网络性能。为了缓解这种不均衡，研究人员提出了许多方法解决该问题。

现阶段提出的解决负载均衡方法主要存在一下几个问题：1）不符合VANET的高移动性等特点。由于VANET的高移动性、网络拓扑变化频繁等特点，因此提出的解决方案应该符合VANET的这些特性，（IEEE 802.11接入网中AP选择博弈的稳定性和公平性，Li-Hsing Yen, Jia-Jun Li, and Che-Ming Lin, “Stability and fairness ofAP selection games in IEEE 802.11 access networks”, IEEE Transactions On Vehicular Technology, Vol. 60,pp. 1150 - 1160 , 2011）没有考虑WSs的移动性。（无线局域网中的AP选择策略分析，Y. Fukuda, A. Fujiwara, M. Tsuru, and Y. Oie, “Analysis of access point selectionstrategy in wireless LAN,” VTC Fall, Vol.4, pp: 2532 – 2536, 2005）中要求所有MUs（Mobile Users）的速率相等，即不考虑多速率情况。这两种情况都不符合VANET的高速移动特性。2）解决方案计算复杂，需要相关的软硬件。（无线局域网中基于“细胞呼吸”的负载均衡策略，Yigal Bejerano, Seung-Jae Han,”Cell Breathing Techniques for Load Balancing in Wireless LANs”, IEEE Transactions on Mobile Computing, Vol.8 No.6, 2009）提出的方法需要相关软件更新AP的传输功率，（无线局域网中基于联合控制方案的公平性和负载均衡性，Yigal Bejerano, Seung-Jae Han , Erran, “Fairness and Load Balancing in Wireless LANs Using Association Control”, MobiCom, pp. 560 - 573 ,2004）提出的算法是NP-hard问题，需要一种专门的processing infrastructure进行集中计算。

发明内容

本发明要解决的技术问题是在VANET城市场景下，提供一种适应VANET节点（车辆）快速移动、网络拓扑变化频繁、节点数目众多且分布不均匀等实际问题的保证AP负载均衡的竞价博弈方法。

本发明的技术方案如下：

由于AP一般布设在车辆密度大的地区，如交叉路口、超市、加油站等，本发明通过分析十字路口处绿灯亮的时间段内车辆的真实移动过程，提出了一种保证AP负载均衡性的竞价博弈方法。

针对VANET的高速移动性，本发明首先把绿灯亮的总时间划分成N个时间片，每个时间片AP根据竞价博弈方法求出价格，当前时间片的竞价受上一个时间片竞价结果的影响，因此整个过程是一个动态重复博弈模型，最后得出的动态博弈纳什均衡解即为AP的价格策略，根据该策略控制车辆的选择，保证AP的负载均衡。

该方法主要包括四部分：场景模型，几何场景模型，信道模型，博弈模型。本发明的具体步骤如下：

(1)建立十字路口场景模型

十字路口场景中包括n辆车和两个AP，车是源节点，AP是目的节点，每辆车都安装有通信设备和全球定位系统 (Global Positioning System，GPS)，只考虑车与接入点（Vehilce-to-Access Point，V2A）的通信，不考虑车与车（Vehilce-to-vehicle，V2V）的通信，车辆在十字路口处有三种通行方式：直行，右转，左转。当车辆进入AP的传输范围时，AP会周期性的向车辆广播beacon信息，车辆根据beacon可获得当前AP的状态、车辆所在网络状态等信息。

(2)建立几何场景模型

每个节点在t时刻的位置坐标为(x(t),y(t))，根据t时刻位置可以得出t+1时刻的位置坐标(x(t+1),y(t+1))。(1)根据车辆速度、t时刻位置以及行驶方向可以获得t+1时刻位置坐标为：

\begin{matrix} x (t + 1) = x (t) + {dir}_{x}^{t} \times v_{t} \\ y (t + 1) = y (t) + {dir}_{y}^{t} \times v_{t} \end{matrix} - - - (1)

其中

考虑南北方向绿灯亮的时间段内的车辆移动模型，(2)表示车辆由南->北行驶时的位置变化（自北->南情况类似）；v_t表示车辆在t时刻的行驶速度，当t时刻车辆向不同方向行驶时，t+1的位置坐标是不同的，dir_x ^t表示t时刻车辆沿x轴方向运动，dir_y ^t表示t时刻车辆沿y轴方向运动，1表示沿着x(y)轴正向运动，-1表示沿着x(y)轴反向运动，0表示节点位置不改变。

其中，a_i表示APi，APi的覆盖半径为Ri，APi的位置坐标为(x_i,y_i)，阴影区域α为两个AP的重叠通信区域，β1表示自北向南行驶车辆所在的区域，β2表示自南向北行驶车辆所在的区域，β1,β1∈α。计算AP重叠覆盖范围内的道路长度为|a1,b1|= |a2,b2|=8a，|a1,d2|=R1 ,得

，同理

，|b2,c2|= R2-8a， |b1,c1|=R1-8a。车辆行驶场景为双向四车道十字路口，令单车道宽度为a，小型车辆平均长度是c，大型车辆平均长度是b(b>c)。则十字路口南北方向绿灯亮前α内最多拥有的车辆数为

，其中0.7表示小型车的占有率是70%，0.3表示大型车（如公交车、卡车）的占有率是30%。绿灯亮的总时间为T，则把绿灯亮的总时间划分时间片，每个时间片为T_j,j∈{0,1,2…,N-1},T={T₀,T₁,…,T_N-1}，T表示一次绿灯亮的时间段内车辆经过AP1和AP2重叠通信区域内的车辆，T_N-1表示绿灯灭的时刻。

(3)建立信道模型：

无线信号在传播时会受路径损失和衰减的影响。在十字路口处，随着车辆的移动，车辆和AP之间的距离会随之而变化，因此车辆的上传速率也会随着变化。在时间片T_j,j∈{0,1..N-1}的信道容量是

{Wm}_{i}^{T_{j}} = \frac{1}{n} W \log 2 (1 + \frac{S}{N ({dm}_{i}^{T_{j}})}), j &GreaterEqual; 0, m &Element; {1,2} - - - (3)

n表示当前接入APm的车辆，W表示信道带宽，S/N表示信噪比，

表示在时间片T_j车辆i和APm的距离，γ表示路径损耗指数。

(4) 通过伯川德博弈方法建立竞价博弈模型

伯川德博弈是一种寡头静态竞价博弈，各博弈方通过估算市场需求，把产品价格作为策略选择，价格的变化会相应的改变市场占有量，最后得出的伯川德纳什均衡解即为各博弈方的定价。伯川德模型效用函数如下：

π_{i} (p 1, p 2) = \{\begin{matrix} (p_{i} - c) (α - β p_{i}), 0 < p_{i} < p_{j} \\ \frac{1}{2} (p_{i} - c) (α - β p_{i}), 0 < p_{i} = p_{j}, i, j = 1,2 \\ 0,0 < p_{j} < p_{i} \end{matrix} - - - (4)

其中两家企业生产的产品完全相同，Q^d=α-βp为市场需求，α和β为大于零的常数，p为市场价格，c为产品成本。由效用函数可知，两家企业1和2进行价格竞争，市场占有量完全由价格决定，若p1>p2, 则会失去整个市场；若p1<p2，便会得到整个市场；两个企业互相竞价最后当p1=p2=c时，达到均衡，即伯特兰德均衡。

由实际情况可知，如果竞争价格等于边际成本,从而导致零利润的结论与现实社会中竞争价格高于边际成本的事实不符，这就是伯川德悖论。因此本论文根据伯川德博弈模型和伯川德悖论的思想提出了一种新的竞价博弈方法。绿灯亮的时间段内，由于AP重叠通信区域的车辆数目和车辆位置是变化的，因此把绿灯亮的时间划分成N个时间片，每个时间片AP为了约束车辆选择，通过提出的竞价博弈模型求出价格。随着车辆的移动， AP之间继续进行博弈竞价过程，且当前时间片的价格影响下一个时间片价格的确定，则整个过程完成动态重复博弈，每个时间片为动态重复博弈的一个阶段，最后动态重复博弈的纳什均衡解即为定价策略。

文中定义提出的竞价博弈模型F，F=<I ,A , U>，其中I表示参与者AP1和AP2，

表示参与者在时间片T_j的价格集合即参与者的策略集合，

表示每个参与者在时间片T_j的效用函数集合。

提出的竞价博弈方法如下：

u_{T_{j}}^{1} = \{\begin{matrix} (n_{T_{j}} - λ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} + κ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}}) * (P_{T_{j}}^{1} - C), j = 0 \\ (n_{T_{j}} - λ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} * \frac{l_{T_{j - 1}}^{1}}{l_{T_{j - 1}}^{1} + l_{T_{j - 1}}^{2}} + κ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} * \frac{l_{T_{j - 1}}^{2}}{l_{T_{j - 1}}^{1} + l_{T_{j - 1}}^{2}}) \\ * (P_{T_{j}}^{2} - C), j &GreaterEqual; 1 \end{matrix} - - - (5)

u_{T_{j}}^{2} = \{\begin{matrix} (n_{T_{j}} - λ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} + κ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}}) * (P_{T_{j}}^{2} - C), j = 0 \\ (n_{T_{j}} - λ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} * \frac{l_{T_{j - 1}}^{2}}{l_{T_{j - 1}}^{1} + l_{T_{j - 1}}^{2}} + κ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} * \frac{l_{T_{j - 1}}^{1}}{l_{T_{j - 1}}^{2} + l_{T_{j - 1}}^{1}}) \\ * (P_{T_{j}}^{2} - C), j &GreaterEqual; 1 \end{matrix} - - - (6)

其中

l_{T_{j}}^{1} = \{\begin{matrix} n_{T_{j}} - λ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} + κ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}}, j = 0 \\ n_{T_{j}} - λ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} * \frac{l_{T_{j - 1}}^{1}}{l_{T_{j - 1}}^{1} + l_{T_{j - 2}}^{2}} * κ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} * \frac{l_{T_{j - 1}}^{2}}{l_{T_{j - 1}}^{1} + l_{T_{j - 1}}^{2}}, j > 1 \end{matrix} - - - (7)

l_{T_{j}}^{2} = \{\begin{matrix} n_{T_{j}} - λ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} + κ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}}, j = 0 \\ n_{T_{j}} - λ * P_{T_{j}}^{2} * \overset{&OverBar;}{d_{T_{j}}^{2}} * \overset{&OverBar;}{W_{T_{j}}^{2}} * \frac{l_{T_{j - 1}}^{2}}{l_{T_{j - 1}}^{1} + l_{T_{j - 2}}^{2}} + κ * P_{T_{j}}^{1} * \overset{&OverBar;}{d_{T_{j}}^{1}} * \overset{&OverBar;}{W_{T_{j}}^{1}} * \frac{l_{T_{j - 1}}^{1}}{l_{T_{j - 1}}^{1} + l_{T_{j - 1}}^{2}}, j &GreaterEqual; 1 \end{matrix} - - - (8)

\overset{&OverBar;}{d_{T_{j}}^{m}} = \frac{1}{n_{T_{j}}} * Σ_{i = 1}^{n_{T_{j}}} d_{T_{j}}^{m} (i), j &GreaterEqual; 0, m &Element; {1,2} - - - (9)

表示时间片T_j 时 APm的效用函数

表示时间片T_j,j∈{0,1..N-1}时AP1和AP2重叠通信区域内的车辆数目；

分别表示APm在时间片T_j的定价；

C表示车辆与AP连接时需要付出的代价；

λ,κ表示权重系数；

表示在时间片T_j车辆i上传文件给APm的平均的信道容量；

表示在时间片T_j与APm相连的车辆数

S/N表示信噪比

γ表示路径损耗指数

表时间片T_j车辆i和APm间的距离

表示时间片T_j车辆i和APm间的平均距离。

通过上面的效用函数可知，影响参与者收益的两个因素是车辆接入数目和价格，影响车辆接入数目的因素又包括：价格、信度容量、距离、时间片T_j-1的车辆接入数目，除了价格之外，其他几个都是静态变量（每个时间片都是确定的，不能调整），因此两个AP主要通过价格调整来保证车辆接入数目。当一个AP的接入数目较少而另一个AP的接入数目较多时，接入少的AP会适当的降低价格来获得较多车辆，而如果接入多的AP所接入车辆数较大，会造成拥塞时，接入多的AP会适当提高价格来减小车辆接入数目，通过这种价格调整即保证AP的车辆接入数目又保证两个AP之间的负载均衡。

附图说明

附图1是十字路口场景示意图

附图2是抽象场景模型示意图。

附图3是几何模型示意图。

附图4(a)是T₀时刻的车辆状态。

附图4(b)是T₀～T₈时间段车辆状态。

附图4(c)是T₉～T₁₁时间段车辆状态。

附图4(d)是T₁₂～T₁₅时间段车辆状态。

附图4(e)是T₁₆～T₃₉时间段车辆状态。

附图5(a)是价格变化示意图。

附图5(b)是基于接收信号强度（Received Signal Strength Indication，RSSI）方法的负载变化示意图。

附图5(c)是基于博弈方法的负载变化示意图。

附图5(d)是博弈方法和基于RSSI方法的负载均衡指数示意图。

附图5(e)是博弈方法和基于RSSI方法的吞吐量示意图。

具体实施方式

以下结合技术方案和附图详细说明本发明的实施例。

以十字路口为研究场景，编写代码模拟车辆真实移动。根据仿真结果并结合十字路口处车辆的实际移动图详细分析在绿灯亮的时间段内的AP的价格变化、负载变化。此外，通过与基于接收信号强度（Received Signal Strength Indication，RSSI）方法相比较来评估我们提出方法的性能。

下面给定仿真参数(见表1)，仿真分析方法的有效性。

表1

参数	value
		单车道宽度a	3.5m
小型车长度c	4m
		大型车长度 b	12m
AP1’s传输半径 R1	70m
		AP2’s 传输半径R2	100m
车辆速度v	6m/s
		信噪比 S/N	30dB
带宽 W	20MHz
		AP1 坐标(x1,y1)	(100,130)
AP2 坐标(x2,y2)	(130,100)
		AP 接收代价 C	2
路径损耗指数γ	2
		绿灯亮的时间T	40s
绿灯亮的时间λ	0.02
		权重系数κ	0.004

IEEE 802.11p中，AP的传输范围是1000m，但由于城市场景下，十字路口存在较密集，AP传输距离是1000m时，十字路口各AP之间信号重叠覆盖区域较多，势必会造成不同AP信号之间的干扰和相互抵消，因此本文仿真中取AP范围小于等于100m。

从图4（a）可以看出在绿灯亮的时间段内车辆的移动模型图，初始状态，所有车辆在十字路口中心两侧。只考虑南北方向阴影覆盖区域α内的车辆移动，根据表1提供的参数可知|a1,b1|= |a2,b2|=30，|a1,d2|=70 ,得|a2,d2|=33，同理|a1,d1|=65，|b2,c2|=63，|b1,c1|=40，两个AP之间的距离|a1,a2|=42。假定初始状态β1和β2内的车辆都是占满车道的，因此根据图3可以估算出β1内的车辆数约40辆，β2内的车辆数约为20辆。

随着车辆的移动，AP1和AP2的价格、负载都逐渐变化。由图5（a）可知，AP1和AP2 的价格变化主要分三个区间，第一个区间中AP1为时间片T₀～T₆，AP2为T₀～T₇时。结合图4（a）（b）分析，此时AP1和AP2的带宽、负载都较小，所以影响因素主要是距离，在该时间段内，随着车辆的移动，所有车辆与AP间的平均距离是减小的，且车辆与AP1的平均距离在T₆达到最小和与AP2的平均距离在T₇达到最小，因此AP1和AP2都提高价格，且AP1在T₆达到最大，而AP2在T₇达到最小；又初始状态β1内的车辆数大于β2内的车辆数（图4（a）），AP2为了获得较多车辆接入，所以其价格小于AP1，如图5（a）所示；此外，随着车辆移动，α内的车辆开始增加，本文假定两个AP的容量是足够大的，所以随着车辆进入α，两个AP的负载都增加，由图5（b）（c）可知此时博弈法两个AP的负载差较小，负载较均衡，而RSSI方法法每个时间片车辆选择AP时都是根据信号强度选择，所以使得两个AP的负载差较大。

第二个区间：AP1为时间片T₇～T₁₆左右，AP2为T₈～T₁₆，结合图4（c）（d）和效用函数U分析，此时α内所有车辆与AP间的平均距离、信道容量差距较小，且都增大，所以两个AP此时的价格都降低（见图5（a））；此外，随着α内车辆数目的增加，两个AP的负载继续增加（图5（b）（c））。在T₁₁时，AP2的负载就基本不再变化，而AP1的负载继续增加，此时AP1和AP2的负载失衡，造成AP2 容量资源的浪费，如果AP1和AP2的容量受限时，可能会发生一个AP拥塞，其他AP闲置现象，影响拥塞AP的服务质量，降低资源利用率（见图5（b））。

第三个区间为时间片T₁₇～T₃₉，在T₁₄～T₁₇时间片内，由图4（e）可知，此时α内的车辆饱和，从宏观角度考虑，车辆的总流量和密度变化程度较小，两个AP的价格和负载都基本保持稳定，如图5（a）（b）（c）。

图5（d）（e）表明利用博弈方法相比于RSSI方法可以保证AP1和AP2之间较优的负载均衡性并保证较优的网络性能。图5（d）表明博弈方的负载均衡性明显优于RSSI方法，每个时间片其负载差都较小；由图5（e）可知，且随着时间片的增加，平均吞吐量都增加，但博弈法的网络吞吐量高于RSSI方法，因为随着α内车辆增加，AP1和AP2的负载都增加，RSSI方法中负载不均衡，使得负载较大的AP内车辆竞争冲突也增加，而博弈方通过分摊AP之间的负载，减缓车辆之间的竞争，从而使得网络吞吐量高于RSSI方法。

综合可见，本文提出的方法实用性较强，在真实的十字路口场景下AP能保持较优的负载均衡性。