CN103347290A - 一种基于博弈论的车辆自组织网络中继选择方法 - Google Patents

Abstract

本发明涉及无线通信领域，公开了一种基于博弈论的车辆自组织网络VANET中继选择方法，当多个源车辆（SV）需采用中继车辆（RV）转发信息时，SV广播中继请求消息，候选RV转发中继请求消息至网络接入点（AP），AP通过SV及候选RV的业务及状态信息，对所有SV和候选RV进行博弈建模，基于车辆状态信息、物理链路特性及用户业务QoS需求，建模SV和RV联合效用，采用有权二分图最优匹配算法最大化联合效用，实现RV的优化分配。本方法考虑车辆状态、链路状态及用户业务需求等多因素，并综合考虑SV与RV的联合效用，可有效保障用户业务需求，并实现系统综合性能优化。

Description

一种基于博弈论的车辆自组织网络中继选择方法

技术领域

本发明涉及无线通信技术领域，特别是车辆自组织网络（VANET）中的中继选择技术。

背景技术

车辆自组织网络(Vehicular Ad-hoc NETwork，VANET)是一种自组织、结构开放的车辆间通信网络，能够提供车辆之间以及车辆与路边基础设施之间的通信。VANET结合全球定位系统（GPS）及无线通信技术，如无线局域网（WLAN）、蜂窝网络等，为处于高速移动状态的车辆提供高速率的数据接入服务，并支持车辆之间的信息交互，已成为保障车辆行驶安全，提供高速数据通信、智能交通管理及车载娱乐的有效技术。VANET中，车辆的快速移动特性以及AP覆盖范围有限等因素导致部分车辆无法与AP直接进行通信，可通过采用中继车辆（RV）支持源车辆（SV）与AP之间的数据转发。在存在多个候选RV的情况下，如何综合考虑物理信道特性、链路消息碰撞及接入时延、RV的负载状况等多因素，选择最佳中继节点以保障用户通信需求，并实现系统性能优化已成为VANET的重要研究课题。

文献[M.H.Wei,K.C.Wang,and I.L.Hsieh.A reliable routing scheme basedon vehicle moving similarity for VANETs.Proc.IEEE TENCON,2011,pp.426-430]提出了一种基于车辆移动相似性(RR-VMS)的路由算法。该算法采用车辆存在点（VPS）描述车辆移动相似性，选择与SV具有相似的移动性，即较高VPS值的邻近车辆作为RV，从而可有效保障通信链路的稳定性，避免车辆的频繁切换。文献[M.A.Alawi,R.A.Saeed and A.A.Hassan.Cluster-basedmulti-hop vehicular communication with multi-metric optimization.Proc.ICCCE2012,pp.22-27.]提出一种多参数中继选择算法，根据车辆接收信号强度、路径持续时间及中继可用容量的归一化线性加权，选择最大加权值所对应的中继作为最优中继。

文献[J.Yoo,B.S.C.Choi and M.Gerla.An opportunistic relay protocol forvehicular road-side access with fading channels.IEEE International Conference onNetwork Protocols,2010,pp.233-242.]提出一种高效机会中继选择方法。该方法确定可成功侦听并解码AP发送数据帧的车辆作为候选RV，以候选RV与发送目的端之间的距离作为判断依据，选择距离发送目的端较近的候选RV成为最佳RV。

文献[沈连丰，杨琼，夏玮玮，胡静，宋铁成，车辆自组织网络中的一种数据中继传输方法，公开号102256333A，公开日2011年11月23日]提出一种低延时，高可靠性的数据中继传输方法。该方法首先选择对SV发送数据的转发概率高于给定门限值的车辆作为候选RV，继而选择对应最短信道接入时间的候选RV作为最佳RV。

以上研究所考虑RV选择因素较为单一，未综合考虑RV的信道特性、可用带宽、由于信道竞争导致消息碰撞等因素，在多SV、多RV存在场景下，未考虑SV及RV的联合性能优化，无法实现系统综合性能优化。

发明内容

为解决现有Vehicular Ad-hoc NETwork（VANET）中继选择技术中存在的上述问题，本发明针对VANET通信中多个源车辆（SV）在多个中继车辆（RV）存在场景下优化选择RV实现信息转发的问题，通过在所有SV及RV间建立博弈模型，实现基于SV、RV联合效用函数优化的集中式RV选择方法。

本发明提出一种基于博弈论的车辆自组织网络中继选择方法，包括如下步骤：在车辆自组织网络中网络接入点AP接收到多个中继车辆RV请求为多个源车辆SV进行中继转发的转发请求消息FReq，网络接入点AP根据公式：

建立SV与RV的联合效用函数，其中，

和

分别为第i个SV选择第j个RV为其转发数据时SV的效用函数和RV的效用函数，参量δ_i,j满足如下限定条件：δ_i,j∈{0,1},1≤i≤M,1≤j≤N,

1≤j≤N,

1≤i≤M；采用有权二分图最优匹配算法优化源车辆SV及中继车辆RV联合效用函数，通过求解最优联合效用函数，获得最优中继选择策略，AP将最优中继选择策略发送作为中继分配消息RAloc发送至网络中各RV。

具体方法包括：

1.源车辆SV根据收集到的车辆及链路状态信息判断是否需要使用中继车辆RV进行数据转发，若是，则广播发送中继请求消息RReq，消息中包含业务需求信息；若否，则直接传输，其中，SV收集的车辆及链路状态信息包括SV的位置信息、运动速度、移动方向、待发数据包长度、直接传输的链路状况和链路持续时间。

2.源车辆的邻居RV收到来自SV的RReq消息，根据该消息中的业务需求，判断可否作为候选中继，若是，则发送转发请求消息FReq至网络接入点AP，其中，RReq消息包括目的端标识，SV的标识，运动速度和移动方向，业务需求特性，待发送数据包长度以及拟支付数据包转发成本因子；FReq消息包括SV的标识，运动速度，移动方向，业务需求特性，待发送数据包长度，拟支付数据包转发成本因子及RV的运动速度，移动方向，可用资源，链路状况，链路持续时间以及转发信息的收益及成本因子。

3.AP接收来自RV的FReq消息，若多个RV请求为多个SV进行中继转发，则根据SV及RV相关信息建立博弈模型，博弈模型进行优化，根据优化结果对源车辆分配相应中继车辆，AP发送中继分配消息RAloc至各RV，通知中继选择决策结果；RAloc消息包括已分配的SV标识和RV标识。

4.RV收到RAloc后，发送中继响应消息（RRes）至相应SV；

5.SV收到RRes消息后，与相应RV进行通信；

其中，AP建立博弈模型具体包括：

（1）确定博弈局中人为SV及RV，假设网络中共有M个SV及N个RV；

（2）如SV选择第j个（1≤j≤N）RV为其转发数据，记为R_j,RV接受第i个（1≤i≤M）中继SV请求并为其转发数据。

（3）效用函数：若第i个SV选择第j个RV为其转发数据，对应SV的效用函数为

RV的效用函数为

若第i个SV选择第j个RV为其转发数据，该SV的效用函数为：

1≤i≤M，1≤j≤N，其中，

表示第i个SV选择第j个RV为其转发数据获得的收益，可根据如下公式确定为： $W_{S_{i,j}}=\left\{\begin{array}{c}\frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}}{R_{{\max }_{i-\mathrm{AP}}}},{\mathrm{RET}}_{i,j}\&GreaterEqual;T_{i,j}\\ \frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}{\mathrm{RET}}_{i,j}}{R_{{\max }_{i-\mathrm{AP}}}{T}_{i,j}},{\mathrm{RET}}_{i,j}<T_{i,j}\end{array}\right.,$ 其中，

表示第j个RV对第i个SV的带宽报酬函数： $F_{B_{i,j}}=\left\{\begin{array}{cc}1,& B_j\&GreaterEqual;B_{i_{\max }}\\ (B_j-B_{i_{\min }})/(B_{i_{\max }}-B_{i_{\min }}),& B_{i_{\min }}<B_j<B_{i_{\max }},\\ 0,& B_j\&le;B_{i_{\min }}\end{array}\right.$ 其中，B_j,

分别表示第j个RV的可用带宽，第i个SV的最小带宽需求和最大带宽需求。α_i表示单位速率的收益因子，

表示SV接入第j个RV的碰撞概率，假设τ为一个时隙每辆车的信息发送概率，对于第j个RV，假设其周围存在m_j辆车辆，对应碰撞概率可以表示为：

R_i-j-AP=min(R_i-j,R_j-AP)表示第i个SV经过第j个RV到AP的两跳链路的数据速率，其中，R_i-j，R_j-AP分别表示第i个SV与第j个RV链路之间数据速率和第j个RV与AP链路之间的数据速率，即：R_i-j=B_jlog₂(1+γ_i-j)，R_j-AP=B_jlog₂(1+γ_j-AP)，其中，γ_i-j，γ_j-AP分别表示第i个SV到第j个RV链路和第j个RV到AP链路的信噪比，由链路特性可得，表示第i个SV经过RV到AP能达到的最大数据速率。RET_ij=min(LET_i-j,LET_j-AP)为路由持续时间，其中，LET_i-j,LET_j-AP分别表示第i个SV与第j个RV之间的链路持续时间和第j个RV与AP之间的链路持续时间。T_i,j表示第i个SV经过第j个RV转发所需要的数据传输时间。

表示SV需支付的成本（费用），建模为：

其中，β_j表示第j个RV转发信息的单位带宽价格因子。

网络中建模车辆与AP之间链路特性服从Nakagami-m分布，信道特性h₁的概率密度函数为 $f\left(h_1\right)=\frac{2m^m}{\mathrm{\&Omega;}{\left(d\right)}^m\mathrm{\&Gamma;}\left(m\right)}{h}_1^{2m-1}\exp (-\frac{m}{\mathrm{\&Omega;}\left(d\right)}{h}_1^2),$ 其中 $m(m\&GreaterEqual;\frac{1}{2})$ 表示Nakagami-m衰落信道的衰落强度，由信道环境及接收端与发射端之间的距离决定；建模车辆之间链路特性服从级联Nakagami-m分布，信道特性h₂的概率密度函数为 $f\left(h_2\right)=\frac{2}{h_2\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)}{G}_{\mathrm{0,2}}^{\mathrm{2,0}}\left[\frac{m_1{m}_2{h}_2^2}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2}{|}_{m_1,m_2}^{-}\right],$ 其中，m₁、m₂

分别表示级联Nakagami-m衰落信道的第一、第二级衰落强度（如m₁为第一级衰落强度），由信道环境及接收端与发射端之间的距离决定，d为传输距离，

为传输距离d产生的功率损耗，其中，P_t表示传输功率，G_t、G_r分别表示发射端和接收端的天线增益，h_t、h_r分别表示发射端和接收端的天线高度，θ表示路径损耗指数，L是系统损耗，

为MeijerG函数，故信噪比可以表示为：

其中，E_s为平均发送功率。若第j个RV接受第i个SV的中继请求并为其转发数据，该RV的效用函数建模为：1≤i≤M，1≤j≤N，其中，

表示该第j个RV接受第i个SV中继请求并为其转发数据获得的收益，建模为：

其中，

分别表示第j个RV到AP链路的成功传输概率和第i个SV到第j个RV链路的成功传输概率，可分别表示为：

$P_{S_{j-\mathrm{AP}}}=\mathrm{Pr}(\frac{E_s}{N_0}{h}_{j-\mathrm{AP}}^2>{\mathrm{\&Psi;}}_{\mathrm{th}1})=1-\frac{\mathrm{\&gamma;}(m,\frac{m{N}_0}{\mathrm{\&Omega;}{E}_s}{\mathrm{\&Psi;}}_{\mathrm{th}1})}{\mathrm{\&Gamma;}\left(m\right)}=1-\frac{\mathrm{\&gamma;}(m,\frac{m{N}_0{d}^{\mathrm{\&theta;}}{\mathrm{\&Psi;}}_{\mathrm{th}1}}{c{E}_s})}{\mathrm{\&Gamma;}\left(m\right)}$

$P_{S_{i-j}}=\mathrm{Pr}(\frac{E_s}{N_0}{h_{i-j}}^2>{\mathrm{\&Psi;}}_{\mathrm{th}2})=1-\mathrm{Pr}(\frac{E_s}{N_0}{h_2}^2\&le;{\mathrm{\&Psi;}}_{\mathrm{th}2})=1-\frac{G_{\mathrm{1,3}}^{\mathrm{2,1}}\left[\frac{m_1{m}_2{N}_0{\mathrm{\&Psi;}}_{\mathrm{th}2}}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2{E}_s}{|}_{m_1,m_2,0}^1\right]}{\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)}$

其中，E_S表示传输符号平均功率，N₀表示单边噪声功率谱密度。

表示接收端输入信号的瞬时信噪比，ψ_th1、ψ_th2分别表示中继车辆与AP之间的信噪比阈值和源车辆与中继车辆之间的信噪比阈值，Γ(·)表示伽马函数，γ表示不完全伽马函数。

表示第j个RV为第i个SV转发数据所支付的（带宽）成本，建模为：

其中，

表示第j个RV的单位资源浪费率价格因子。

为了计算简便，补充|M-N|个虚拟车辆，令其效用函数值为0，可将M+N个参与者博弈扩展成2max(M,N)个参与者博弈。假设N>M，其联合效用矩阵可表示为：

$U={\left[\begin{array}{cccc}{U}_{S_{\mathrm{1,1}}}+U_{R_{\mathrm{1,1}}}& U_{S_{\mathrm{1,2}}}+U_{R_{\mathrm{1,2}}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{1,N}}+U_{R_{1,N}}\\ U_{S_{\mathrm{2,1}}}+U_{R_{\mathrm{2,1}}}& U_{S_{\mathrm{2,2}}}+U_{R_{\mathrm{2,2}}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{2,N}}+U_{R_{2,N}}\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ U_{S_{M,1}}+U_{R_{M,1}}& U_{S_{M,2}}+U_{R_{M,2}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{M,N}}+U_{R_{M,N}}\\ 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\end{array}\right]}_{N\&times;N}$

建模SV及RV联合效用函数为：

其中，参量δ_i,j满足如下限定条件：δ_i,j∈{0,1},1≤i≤N,1≤j≤N,1≤j≤N,

1≤i≤N。采用有权二分图最优匹配算法优化求解SV及RV联合总效用函数，其具体步骤如下：

（1）有权二分图G=(V₁,V₂,E)中的顶点集V₁表示SV的集合，即V₁=[SV₁,SV₂,…,SV_N]，顶点集V₂表示RV的集合，即V₂=[RV₁,RV₂,…,RV_N]；

（2）有权二分图G=(V₁,V₂,E)中的边{SV_i,RV_j}∈E(G)上的权值表示第i个SV与第j个RV的联合效用值；

（3）联合优化条件构成有权二分图G=(V₁,V₂,E)的匹配问题；

（4）求解有权二分图G=(V₁,V₂,E)权值最大匹配问题采用可行顶点标号法(Kuhn-Munkres算法)。

根据有权二分图最优匹配算法对SV及RV联合效用函数求解，获得最优中继选择策略为 $(\stackrel{*}{i},\stackrel{*}{j})=\arg \underset{(i,j)}{\max }\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}(U_{S_{i,j}}+U_{R_{i,j}}).$

本发明综合考虑了影响SV、RV通信性能的多因素，如RV的信道特性、可用带宽、由于信道竞争导致消息碰撞等因素，在多SV、多RV存在场景下，对SV和RV进行合作博弈建模，通过SV及RV的联合性能优化，实现系统综合性能优化，获得最佳RV选择方案。

附图说明

图1本发明中VANET通信场景示意图；

图2本发明中VANET中继车辆选择系统模型；

图3本发明VANET中继车辆选择方法流程图；

图4本发明VANET中继选择博弈建模流程图。

具体实施方式

为使本发明的目的、技术方案和优点表达更加清楚明白，下面结合附图对本发明作进一步详细说明。

本实施例中，以涉及N个中继车辆（RV）和M个需要通过RV转发信息的源车辆（SV），在AP处对所有SV进行统一中继分配为例进行具体说明。

图1为本发明应用场景图，本发明可应用于SV无法实现与AP的直接通信需要执行中继转发的场景。

图2为本发明系统模型，假设SV与RV的数目分别为M及N，每个SV至多只能选择一个RV为其转发数据，每个RV至多只能选择一个SV转发其数据。

图3为本发明提出的基于博弈论的VANET中继选择方法流程图，具体包括：

301：SV判断是否需要采用RV转发机制。

SV根据收集到的车辆及链路状态信息判断是否需要使用RV进行数据转发，若否，则转至步骤302，若是，则转至步骤303。SV收集的车辆及链路状态信息包括SV的位置信息、运动速度和移动方向、待发数据包长度、直接传输的链路状况以及链路持续时间。其中，链路状况建模为车辆之间链路特性服从级联Nakagami-m分布，车辆与AP之间链路特性服从Nakagami-m衰落。

302：SV向AP发送数据。

303：SV广播中继请求消息RReq。

RReq消息包括业务需求信息，目的端标识、SV标识、运动速度和移动方向、业务需求特性、待发送数据包长度以及拟支付数据包转发成本因子。

304：邻居RV根据Rreq消息判断可否作为候选RV。

若否，则结束算法，若是，则转至305。

305：候选RV发送FReq消息至AP。

FReq消息包括SV的标识、运动速度、移动方向、业务需求特性、待发送数据包长度、拟支付数据包转发成本因子及RV的运动速度、移动方向、可用资源、链路状况、链路持续时间以及转发信息的收益及成本因子。

306：AP建模博弈模型执行RV分配。

建模SV与RV之间中继选择问题为如下博弈模型：

①博弈局中人为SV及RV，假设共有M个SV及N个RV；

②局中人所选择策略为：SV选择第j个（1≤j≤N）RV为其转发数据，记为R_j,RV接受第i个（1≤i≤M）SV中继请求并为其转发数据。

③效用值：第i个SV选择第j个RV为其转发数据的效用函数为

第j个RV接受第i个SV中继请求，为其转发数据，可建模效用函数为

AP基于博弈论建模中继分配问题，并采用有权最优匹配算法，求解博弈模型，确定优化中继分配方案。

307：AP发送RAloc消息至各候选RV。

AP基于分配方案发送中继分配消息RAloc至各RV，通知中继选择决策结果，RAloc消息包括已分配的SV标识和RV标识。

308：候选RV发送RRes消息至相应SV。

309：SV与相应RV进行通信。

图4为本发明提出的VANET中继选择方法博弈建模流程图，具体包括：

401：确立博弈局中人。

博弈局中人为SV及RV，假设共有M个SV及N个RV。

402：确立局中人策略。

局中人所选择策略为：SV选择第j个（1≤j≤N）RV为其转发数据，记为R_j,RV接受第i个（1≤i≤M）SV中继请求并为其转发数据。

403-404：建模局中人效用函数。

调用效用函数公式：U=W-C分别计算SV的效用函数和RV的效用函数，若第i个SV选择第j个RV为其转发数据，SV的效用函数建模为：

1≤i≤M，1≤j≤N，若第j个RV接受第i个SV的中继请求并为其转发数据，该RV的效用函数建模为：

1≤i≤M，1≤j≤N，

分别表示第i个SV选择第j个RV为其转发数据获得的收益和SV需支付的成本（费用），表示该第j个RV接受第i个SV中继请求并为其转发数据获得的收益，

表示第j个RV为第i个SV转发数据所支付的（带宽）成本。

405-408：分别建立效用函数子函数：

分别建模

为：

$W_{S_{i,j}}=\left\{\begin{array}{c}\frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}}{R_{{\max }_{i-\mathrm{AP}}}},{\mathrm{RET}}_{i,j}\&GreaterEqual;T_{i,j}\\ \frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}{\mathrm{RET}}_{i,j}}{R_{{\max }_{i-\mathrm{AP}}}{T}_{i,j}},{\mathrm{RET}}_{i,j}<T_{i,j}\end{array}\right.,C_{S_{i,j}}={\mathrm{\&beta;}}_j{F}_{B_{i,j}},$

其中，

表示第j个RV对第i个SV的带宽报酬函数，表示为：

$F_{B_{i,j}}=\left\{\begin{array}{cc}1,& B_j\&GreaterEqual;B_{i_{\max }}\\ (B_j-B_{i_{\min }})/(B_{i_{\max }}-B_{i_{\min }}),& B_{i_{\min }}<B_j<B_{i_{\max }}\\ 0,& B_j\&le;B_{i_{\min }}\end{array}\right.,$ 其中B_j,

分别表示第j个RV的可用带宽，第i个SV的最小带宽需求和最大带宽需求。α_i表示单位速率的收益因子,

表示SV接入第j个RV的碰撞概率,

R_i-j-AP=min(R_i-j,R_j-AP)表示第i个SV经过第j个RV到AP的两跳链路的数据速率，其中，R_i-j，R_j-AP分别表示第i个SV与第j个RV链路之间数据速率和第j个RV与AP链路之间的数据速率，

表示第i个SV经过RV到AP能达到的最大数据速率,RET_i,j=min(LET_i-j,LET_j-AP)是路由持续时间，其中，LET_i-j,LET_j-AP分别表示第i个SV与第j个RV之间的链路持续时间和第j个RV与AP之间的链路持续时间,T_i,j表示第i个SV经过第j个RV转发所需要的数据传输时间，β_j表示第j个RV转发信息的单位带宽价格因子，

分别表示第j个RV到AP链路的成功传输概率和第i个SV到第j个RV链路的成功传输概率，

表示第j个RV的单位资源浪费率价格因子。

409：建模SV及RV联合效用函数。

采用联合博弈对SV及RV效用进行联合优化，可建模为：

$U_{\mathrm{total}}=\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}(U_{S_{i,j}}+U_{R_{i,j}}),$ 其中，参量δ_ij满足如下限定条件：

δ_i,j∈{0,1},1≤i≤M,1≤j≤N

$\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}\&le;1,$ 1≤j≤N， $\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}\&le;1,$ 1≤i≤M

410：补充虚拟车辆，将M+N个参与者博弈扩展成2*max（M,N）参与者博弈。

补充|M-N|个虚拟车辆，令其效用函数值为0，可将M+N个参与者博弈扩展成2max(M,N)个参与者博弈。假设N>M，其联合效用矩阵可表示为：

$U={\left[\begin{array}{cccc}{U}_{S_{\mathrm{1,1}}}+U_{R_{\mathrm{1,1}}}& U_{S_{\mathrm{1,2}}}+U_{R_{\mathrm{1,2}}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{1,N}}+U_{R_{1,N}}\\ U_{S_{\mathrm{2,1}}}+U_{R_{\mathrm{2,1}}}& U_{S_{\mathrm{2,2}}}+U_{R_{\mathrm{2,2}}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{2,N}}+U_{R_{2,N}}\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;\&CenterDot;\&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& & \&CenterDot;\\ U_{S_{M,1}}+U_{R_{M,1}}& U_{S_{M,2}}+U_{R_{M,2}}& \&CenterDot;\&CenterDot;\&CenterDot;& U_{S_{M,N}}+U_{R_{M,N}}\\ 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ 0& 0& \&CenterDot;\&CenterDot;\&CenterDot;& 0\end{array}\right]}_{N\&times;N}$

联合SV及RV效用可写为：

其中，参量δ_i,j满足如下限定条件：

δ_i,j∈{0,1},1≤i≤N,1≤j≤N

$\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}=1,$ 1≤j≤N, $\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}=1,$ 1≤i≤N

411:采用有权二分图最优匹配算法对总效用函数优化求解。

优化SV及RV联合总效用函数采用有权二分图最优匹配算法，其具体步骤如下：

（1）有权二分图G=(V₁,V₂,E)中的顶点集V₁表示SVs的集合，即V₁=[SV₁,SV₂,…,SV_N]，顶点集V₂表示RVs的集合，即V₂=[RV₁,RV₂,…,RV_N]；

（2）有权二分图G=(V₁,V₂,E)中边{SV_i,RV_j}∈E(G)上的权值表示第i个SV与第j个RV的联合效用值；

（3）联合优化中的条件构成有权二分图G=(V₁,V₂,E)的匹配问题；

（4）求解有权二分图G=(V₁,V₂,E)的权值最大匹配问题采用可行顶点标号法(Kuhn-Munkres算法)。

根据有权二分图最优匹配算法对SV及RV联合效用函数求解最优中继选择策略为 $(\stackrel{*}{i},\stackrel{*}{j})=\arg \underset{(i,j)}{\max }\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}(U_{S_{i,j}}+U_{R_{i,j}}).$

412：执行优化策略。AP基于分配方案发送中继分配消息RAloc至各RV，通知中继选择决策结果。

本发明：（1）评估VANET信道特性，建模车辆之间链路特性服从级联Nakagami-m分布，车辆与AP之间链路特性服从Nakagami-m衰落；（2）综合考虑影响SV、RV通信性能的多因素，合理建模SV及RV效用函数，实现优化RV选择；（3）建模SV与RV的联合效用函数，通过优化联合效用，可实现系统综合性能最优。

Claims (6)

1.一种基于博弈论的车辆自组织网络中继选择方法，其特征在于：包括如下步骤：在车辆自组织网络中网络接入点AP接收到多个中继车辆RV请求为多个源车辆SV进行中继转发的转发请求消息FReq，网络接入点AP根据公式：

建立SV与RV的联合效用函数，其中，

和

分别为第i个SV选择第j个RV为其转发数据时SV的效用函数和RV的效用函数，参量

满足如下限定条件：

δ_i,j∈{0,1},1≤i≤M,1≤j≤N,

1≤j≤N，

1≤i≤M；采用有权二分图最优匹配算法优化源车辆SV及中继车辆RV联合效用函数，求解最优联合效用函数，获得最优中继选择策略，AP将最优中继选择策略发送作为中继分配消息RAloc发送至网络中各RV。

2.根据权利要求1所述的中继选择方法，其特征在于：若第i个SV选择第j个RV为其转发数据，根据第j个RV的可用带宽B_j，第i个SV的最小带宽需求

及最大带宽需求

调用公式：

$F_{B_{i,j}}=\left\{\begin{array}{cc}1,& B_j\&GreaterEqual;B_{i_{\max }}\\ (B_j-B_{i_{\min }})/(B_{i_{\max }}-B_{i_{\min }}),& B_{i_{\min }}<B_j<B_{i_{\max }}\\ 0,& B_j\&le;B_{i_{\min }}\end{array}\right.$ 计算第j个RV针对第i个SV的带宽回报函数

根据公式： $W_{S_{i,j}}=\left\{\begin{array}{c}\frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}}{R_{{\max }_{i-\mathrm{AP}}}},{\mathrm{RET}}_{i,j}\&GreaterEqual;T_{i,j}\\ \frac{{\mathrm{\&alpha;}}_i{F}_{B_{i,j}}(1-P_{C_j})R_{i-j-\mathrm{AP}}{\mathrm{RET}}_{i,j}}{R_{{\max }_{i-\mathrm{AP}}}{T}_{i,j}},{\mathrm{RET}}_{i,j}<T_{i,j}\end{array}\right.$ 计算第i个SV选择第j个RV为其转发数据获得的收益

根据公式：

计算第i个SV经第j个RV转发数据需支付的成本

根据公式

1≤i≤M,1≤j≤N确定该SV的效用函数，其中，α_i表示第i个SV单位速率的收益因子，

表示SV接入第j个RV的碰撞概率，R_i-j-AP表示第i个SV经第j个RV到达AP的两跳链路的数据速率，表示第i个SV经过RV到AP所能达到的最大数据速率，RET_ij表示路径持续时间，T_i,j表示第i个SV经第j个RV转发数据所需要的数据传输时间，β_j表示第j个RV转发信息的单位带宽价格因子。

3.根据权利要求1所述的中继选择方法，其特征在于：若第j个RV接受第i个SV的中继请求并为其转发数据，根据第j个RV到AP链路的成功传输概率和第i个SV到第j个RV链路的成功传输概率调用公式计算第j个RV接受第i个SV的中继请求并为其转发数据获得的收益，根据第j个RV的可用带宽B_j，第i个SV的最小带宽需求

及最大带宽需求

第j个RV的单位资源效率因子

调用公式：

计算第j个RV为第i个SV转发数据所支付的带宽成本，根据公式：1≤i≤M，1≤j≤N，确定该RV的效用函数，其中，β_j表示第j个RV转发信息的单位带宽价格因子。

4.根据权利要求1所述的中继选择方法，其特征在于：求解最优联合效用函数具体为：建立有权二分图G=(V₁,V₂,E)，G=(V₁,V₂,E)中的顶点集V₁为SV的集合，即V₁=[SV₁,SV₂,…,SV_N]，顶点集V₂为RV的集合，即V₂=[RV₁,RV₂,…,RV_N]，图G=(V₁,V₂,E)中的边{SV_i,RV_j}∈E(G)上的权值表示第i个SV与第j个RV的联合效用值；求解有权二分图G=(V₁,V₂,E)权值最大匹配对SV及RV联合效用函数求解，获得源车辆与中继车辆最优关系为： $(\stackrel{*}{i},\stackrel{*}{j})=\arg \underset{(i,j)}{\max }\underset{j=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&delta;}}_{i,j}(U_{S_{i,j}}+U_{R_{i,j}}),$ 其中

为车辆最优关系中源车辆号和中继车辆号。

5.根据权利要求1－3其中之一所述的中继选择方法，其特征在于：网络中车辆与AP之间链路特性服从Nakagami-m分布，信道特性h₁的概率密度函数为 $f\left(h_1\right)=\frac{2m^m}{\mathrm{\&Omega;}{\left(d\right)}^m\mathrm{\&Gamma;}\left(m\right)}{h}_1^{2m-1}\exp (-\frac{m}{\mathrm{\&Omega;}\left(d\right)}{h}_1^2),$ 网路中车辆之间链路特性服从级联Nakagami-m分布，信道特性h₂的概率密度函数为：

$f\left(h_2\right)=\frac{2}{h_2\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)}{G}_{\mathrm{0,2}}^{\mathrm{2,0}}\left[\frac{m_1{m}_2{h}_2^2}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2}{|}_{m_1,m_2}^{-}\right],$ 其中，d为传输距离，Ω(d)为传输距离d产生的功率损耗，m、m₁、m₂表示信道的衰落强度，

为MeijerG函数。

6.根据权利要求1所述的中继选择方法，其特征在于：FReq消息包括SV的标识、运动速度、移动方向、业务需求特性、待发送数据包长度、拟支付数据包转发费用的成本因子及RV的运动速度、移动方向、可用资源、链路状况、链路持续时间、转发信息的收益及成本因子；RAloc消息包括已分配的SV标识和RV标识。

Images