CN103929777B - 基于拥塞博弈的车辆网络数据分发拥塞控制方法 - Google Patents

Abstract

本发明公开了一种基于拥塞博弈的车辆网络数据分发拥塞控制方法，主要解决现有技术不能有效解决网络拥塞问题。其实现步骤是：1.根据现有网络拥塞博弈模型，建立车辆网络的拥塞博弈模型；2.根据拥塞博弈模型中的效用函数，构建关于服务质量和传输时延的车辆网络的效用函数；3.根据效用函数建立车辆网络拥塞博弈模型的势函数，并对势函数进行修正；4.根据wardrop理论和拥塞博弈均衡存在性定理，将拥塞博弈的收敛问题转化为势函数值最小化；5.通过启发式算法得到时隙分配矩阵，车辆根据时隙分配矩阵选择“传输”或者“等待”。本发明能有效减小网络拥塞，可用于车辆网络密集场景中与安全相关应用数据分发的拥塞控制。

Description

基于拥塞博弈的车辆网络数据分发拥塞控制方法

技术领域

本发明属于通信技术领域，更进一步涉及VANETs领域中控制车辆网络数据分发拥塞的方法，可用于车辆密集场景中，与安全相关应用数据分发的拥塞控制。

背景技术

车载自组织网络VANETs是移动车辆之间通信的自组织网络。在车载自组织网络中，每辆车都装载一个车载设备，车辆依靠这个设备可以进行自由的相互通信或者与路边的基站进行通信，如图1所示。

车载自组织网络支持一系列与交通安全相关的应用，比如协作碰撞预警CCW、交通信号违规警告、变道警告等。这类应用通过有效利用车辆网络技术，尽可能保证参与人的生命安全，减少事故发生的概率。考虑到VANETs拓扑快速变化和网络参数动态变化的特征，在紧急情况下唯一适用的数据分发方式只有周期性广播。因此，安全相关数据的正确性和实效性直接依赖于紧急广播的成功投递率和信标频率。事实上，在车辆密集的场景中以广播方式传递信息，广播的性能会严重下降。例如：城市高峰期的情况，同步传输信息时产生的大量信标负载会在接收端产生很大的干扰，即拥塞。

现有的拥塞控制方法大致可分为三类：

一是基于效用的拥塞控制方法，见Lars Wischhof和Hermann Rohling等人在文献“Congestion control in vehicular ad hoc networks”中提出的一种基于效用的分组转发和拥塞控制机制。该方案主要由四部分组成：首先，车辆结点利用封装在数据分组中的效用函数计算其效用值，并据此决定以何种速率将数据分组转发至下一结点；其次，逐跳转发，优先发送高效用值的数据；接着，为防止缓存队列溢出，丢弃那些效用值较低的数据；最后，在接收缓存允许的条件下接收并存储广播分组，待发送条件成熟时继续转发。该方法需要将道路分割成不同的路段来计算效用值，这样做虽然保证了系统效用的最大化，但其存储转发机制需要承受建立新的通信链路带来的开销，因此并不适合于时延敏感业务。

二是基于功率的拥塞控制方法，见M.Torrent-Moreno,P.Santi和H.Hartenstein等人在文献“Fair sharing of bandwidth in VANETs”中提出的一种公平的功率控制方法，主要实现了两个目标：即保证带宽分配的公平性，同时避免信道拥塞。然而，其所采用的基于最大最小原理的公平性功率控制方法，需依赖网络中所有参与信道竞争节点的全局知识，并通过集中控制中心发布功率调整消息。由于VANETs在大多数情况下缺乏中心节点，且全局知识的获取会带来巨大的开销并引入额外的时延，因此该算法并不适合于VANETs环境中的时延敏感业务，特别是安全类相关的应用。

三是基于速率的拥塞控制的方法，见T.Tielert，D.Jiang,Q.Chen，L.Delgrossi和H.Hartenstein等人在文献“"Design methodology and evaluation of rate adaptationbased congestion control for Vehicle Safety Communications”中提出的一种依赖于周围环境负载感知的周期性速率自适应控制PULSAR算法，该算法主要实现了两个目标：即一方面有效控制信道负载，另一方面兼顾安全类应用的实时性要求。该方法通过获取相关应用对消息传输范围和最大/最小传输速率的要求，按需调整一个节点的传输速率，在保证业务要求的前提下减少信道拥塞的概率。尽管PULSAR是一种分布式算法，并可满足不同应用多样化的传输速率和传播范围要求，但其设计初衷主要是为了保证节点接入信道的公平性，并没有考虑VANETs中针对不同优先级业务的服务。

发明内容

本发明的目的在于针对上述现有拥塞控制技术的缺点，提出一种基于拥塞博弈的车辆网络数据分发拥塞控制方法，以减小传输时延、提高时隙利用率和区分服务优先级。

实现本发明目的的技术方案包括如下步骤：

(1)建立车辆网络的拥塞博弈模型：

{M,E,{F_i}_i∈M,{c_e}_e∈E}

其中，M是参与者集合，即车辆；E是资源组，是第i个参与者的策略集，e是被竞争的资源，c_e是竞争资源e的成本函数；

(2)定义基于拥塞博弈的车辆网络的效用函数：

其中，s_i是第i个参与者选择的策略，假如第i个参与者选择策略s_i，则其他参与者的策略方案为s_-i，u_i(s_i,s_-i)是第i个车辆选择策略s_i其他车辆选择行动s_-i时的效用函数；l_i是活动中的链接，t_i是一个时隙，TR_i(Pr)是第i个车辆吞吐量，W是链路容量，x_d是在时刻d的平均分组长度，p_i是第i个车辆的传输功率，h_i是第i个车辆的信道增益，p_q是第q个车辆的传输功率，h_q是第q个车辆的信道增益，σ²是热噪声的方差，Pr是传输时延，QoS(i)是第i个车辆的服务质量，QoS(q)是第q个车辆的服务质量，χ_i是在车辆B载波侦听范围内的干扰车辆；

(3)根据(2)中的效用函数，得到车辆网络拥塞博弈的势函数：

其中，N_{i_e}是与第i个车辆竞争资源e的活跃车辆；

(4)对(3)得到的车辆网络拥塞模型的势函数进行修正，得到修正后的势函数为：

(5)根据Wardrop理论和拥塞博弈纳什均衡存在性定理，将拥塞博弈的收敛问题转换为势函数值最小化：

(6)根据修正后的势函数，利用启发式算法得到车辆网络的时隙分配矩阵：

6a)对于i∈M，M是处于活动中的车辆，第i个车辆随机从策略集F_i中选择策略s_i，通过修正后的势函数计算初始时刻第i个车辆的势力值；

6b)重复6a)的操作，得到M个车辆的初始时刻势力值；

6c)通过修正后的势函数计算第i个车辆在时隙t_i的势力值；

6d)比较第i个车辆在两个相邻时隙t_i和t_i-1的势力值：如果时隙t_i的势力值小于时隙t_i-1的势力值，则第i个车辆在时隙t_i的策略为“1”，否则，为“0”；

6e)重复进行6c)到6d)的操作，得到第i个车辆在各个时隙的策略；

6f)重复进行6c)到6e)的操作，得到车辆网络的时隙分配矩阵；

(7)车辆按照时隙利用矩阵进行传输或者等待选择，以避免拥塞。

本发明与现有技术相比具有以下优点：

(1)本发明针对现有技术中没有考虑到服务优先级和传输时延的拥塞控制方法，通过向效用函数中引入服务质量和传输时延，可区分服务优先级，满足对时延敏感业务的需求；

(2)本发明针对现有技术中的拥塞博弈收敛点难以达到的问题，通过Wardrop理论和拥塞博弈纳什均衡存在性定理，将车辆网络拥塞博弈的收敛问题转化为势函数值最小化，得到时隙分配矩阵，车辆可根据时隙分配矩阵选择传输或者等待以避免拥塞。

附图说明

图1是现有车辆自组织网络示意图；

图2是本发明的整体流程图；

图3是本发明中构建效用函数的子流程图；

图4是本发明中启发式算法的子流程图；

图5是本发明的典型应用场景图；

图6是本发明的仿真结果图。

具体实施方式

有关本发明的具体步骤和相关技术实施方法，现结合附图详细说明。

参照图2，本发明的实现步骤如下：

步骤1：建立车辆网络的拥塞博弈模型。

根据现有的网络拥塞博弈模型，结合附图5，将拥塞博弈模型引入到车辆网络中，建立附图5所示的车辆网络的拥塞博弈模型：

{M,E,{F_i}_i∈M,{c_e}_e∈E}，

其中，M是参与者集合，本发明中指的是车辆，即车辆A、车辆B、车辆C和车辆D；E是资源组，即链路、时隙的资源矢量集合；是第i个车辆的策略集，即车辆在特定时隙上选择的链路是“发送”还是“等待”这两种不同状态；e是被竞争的资源，即车辆选择的链路、时隙这个资源矢量；c_e是竞争资源e的成本函数，即车辆的效用函数。

步骤2：根据车辆网络拥塞博弈模型，构建车辆网络拥塞博弈模型的效用函数u_i(s_i,s_-i)。

参照图3，本步骤的具体实现如下：

2a)定义车辆网络拥塞博弈模型的效用函数。

根据拥塞博弈模型中效用函数和节点竞争资源的其他处于活跃状态的节点有关，定义车辆网络拥塞博弈模型的效用函数，本实例以附图5中的车辆B为例，其效用函数u_i(s_i,s_-i)：

其中，u_i(s_i,s_-i)是车辆B选择策略s_i其他车辆选择策略s_-i的效用函数，s_i指的是车辆B在时隙t_i链路l_i上是等待还是发送，e是车辆B竞争的资源矢量，l_i是车辆B选择的链路，t_i是周期T的一个时隙，本实例将周期T分为8个时隙，u_i,e是与第i个车辆竞争资源e的活跃车辆N_{i_e}的函数，N_{i_e}是与车辆B竞争资源(l_i，t_i)的车辆，即车辆A、车辆C和车辆D；

2b)根据传输分组成功达目的端的信噪比，引入服务质量QoS，得到区分服务优先级的传输分组成功到达目的端的信噪比：

本实例以附图5中的车辆B为例，车辆B的信噪比γ_i为：

其中，QoS(i)是车辆B的服务质量，QoS(q)是车辆q的服务质量，q指的是车辆A或者车辆C或者车辆D，χ_i是在车辆B载波侦听范围内的干扰车辆指的是车辆A、车辆Ｃ和车辆D，pi是车辆B的传输功率，h_i是车辆B的信道增益，p_q是车辆q的传输功率，h_q是车辆q的信道增益，σ²是热噪声的方差；

2c)根据现有网络中吞吐量的概念，得到车辆网络中车辆的吞吐量。

本实例以附图5中的车辆B为例，根据车辆网络中吞吐量与分组长度和时延的关系，得到车辆B的吞吐量TR_i(Pr)为：

其中，x_d是车辆B在时刻d的传输的分组长度，TR_i(Pr)是车辆B的吞吐量，b_i是车辆B的分组传输的比特率，Pr是车辆B的传输时延；

2d)根据香农公式，得到分组传输比特率，将分组传输比特率代入2c)中，得到吞吐量。

本实例以附图5中的车辆B为例，根据香农公式得到车辆B的分组传输比特率b_i，将车辆B的分组传输比特率b_i代入车辆B的吞吐量，得到车辆B的吞吐量TR_i(Pr)为：

其中，W是链路容量；

2e)将吞吐量引入到效用函数中，得到车辆网络拥塞博弈模型的效用函数，

本实例以附图5中的车辆B为例，根据车辆B的吞吐量公式，可知车辆B的吞吐量与车辆A、车辆C和车辆D有关，因此，可将车辆B的吞吐量引入到车辆B的效用函数中，得到车辆B的效用函数u_i(s_i,s_-i)为：

2f)将2d)中的吞吐量代入2e)中的效用函数，得到关于服务质量和传输时延的效用函数，本实例以附图5中的车辆B为例，根据车辆B的吞吐量与服务质量QoS(i)和传输时延Pr的关系，得到引入了车辆B的服务质量QoS(i)和传输时延Pr的效用函数u_i(s_i,s_-i)：

步骤3：根据步骤2中的车辆网络拥塞博弈模型的效用函数，建立车辆网络拥塞博弈模型的势函数。

根据拥塞博弈模型中成本函数与势函数的关系，得到车辆网络拥塞博弈模型的势函数，本实例以附图5中的车辆B为例，根据车辆B的效用函数u_i(s_i,s_-i)得到车辆B的势函数为：

步骤4：对步骤3得到的车辆网络拥塞模型的势函数进行修正，得到修正后的势函数。

本实例以附图5中的车辆B为例，对车辆B的势函数进行修正，即将吞吐量取负后代入到势函数中，得到修正后的势函数

步骤5：根据Wardrop理论和拥塞博弈纳什均衡存在性定理，将拥塞博弈的收敛问题转换为势函数值最小化。

为了保证拥塞博弈的收敛性，需要将拥塞博弈收敛问题转化为势函数值最小化，本实例以附图5中的车辆B为例，根据Wardrop理论和拥塞博弈纳什均衡存在性定理，得到车辆B的势函数值最小化为：

步骤6：根据(5)中的势函数值最小化，利用启发式算法得到车辆网络的时隙分配矩阵。

参照图4，本步骤的具体实现如下：

6a)对于i∈M，M是处于活动中的车辆，第i个车辆随机从策略集F_i中选择策略s_i，通过修正后的势函数计算初始时刻第i个车辆的势力值；

6b)重复6a)的操作，得到M个车辆的初始时刻势力值；

6c)通过修正后的势函数计算第i个车辆在时隙t_i的势力值；

6d)比较第i个车辆在两个相邻时隙t_i和t_i-1的势力值：如果时隙t_i的势力值小于时隙t_i-1的势力值，则第i个车辆在时隙t_i的策略为“1”，否则，为“0”；

6e)重复进行6c)到6d)的操作，得到第i个车辆在各个时隙的策略；

6f)重复进行6c)到6e)的操作，得到车辆网络的时隙分配矩阵。

本实例以附图5的场景为例，根据图中4个车辆提供的不同服务对于时延的不同需求，利用启发式算法，得到车辆A、车辆B、车辆C和车辆D的时隙分配矩阵x：

其中，x是时隙分配矩阵，x的第一行指的是车辆A在周期T内的时隙分配，x的第二行指的是车辆B在周期T内的时隙分配，x的第三行指的是车辆C在周期T内的时隙分配，x的第四行指的是车辆D在周期T内的时隙分配。如果x_i,j＝1，i是时隙分配矩阵x的第i行，j是时隙分配矩阵x的第j列，意味着第i个车辆在时隙j传输，如果x_i,j＝0，意味着第i个车辆在时隙j等待。

步骤7：车辆按照时隙分配矩阵进行传输或者等待选择，以避免拥塞。

本实例以附图5中的车辆B为例，车辆B根据时隙分配矩阵的第二行，在周期T内选择传输或者等待。

本发明的效果可通过以下仿真进一步说明：

在不同分组传输速率下，利用本发明与现有的典型轮循均衡RR和最早完成时限优先EDF分别用第二代网络仿真器NS2进行仿真，得到的三种方法的网络平均传输时延对比，如图6所示，其中曲线1为利用本发明的时隙分配矩阵进行数据分发经过第二代网络仿真器NS2仿真得到的车辆网络的平均传输时延，曲线2为典型轮循均衡RR经过第二代网络仿真器NS2仿真得到的车辆网络的平均传输时延，曲线3为最早完成时限优先EDF经过第二代网络仿真器NS2仿真，得到的车辆网络的平均传输时延。从图6可以看出，在相同分组传输速率下，本发明的平均传输时延最小，网络性能最优。

Claims (2)

1.一种基于拥塞博弈的车辆网络数据分发拥塞控制方法，包括以下步骤：

(1)建立车辆网络的拥塞博弈模型：

{M,E,{F_i}_i∈M,{c_e}_e∈E}

其中，M是参与者集合，即车辆；E是资源组，是第i个参与者的策略集，e是被竞争的资源，c_e是竞争资源e的成本函数；

(2)定义基于拥塞博弈的车辆网络的效用函数：

$u_i\left(s_i,s_{-i}\right)=\underset{\left(l_i,t_i\right)\∈s_i}{\mathrm{\Σ}}{\mathrm{TR}}_i\left(\mathrm{Pr}\right)=\underset{\left(l_i,t_i\right)\∈s_i}{\mathrm{\Σ}}\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\mathrm{\Σ}}}{x}_{d}W\log \left(1+\frac{p_i{h}_{i}QoS\left(i\right)}{{\mathrm{\Σ}}_{q\∈{\mathrm{\χ}}_i}{p}_q{h}_{q}QoS\left(q\right)+{\mathrm{\σ}}^2}\right)}{\mathrm{Pr}},$

其中，s_i是第i个参与者选择的策略，假如第i个参与者选择策略s_i，则其他参与者的策略方案为s_-i，u_i(s_i,s_-i)是第i个车辆选择策略s_i其他车辆选择策略方案s_-i时的效用函数；l_i是活动中的链接，t_i是一个时隙，TR_i(Pr)是第i个车辆吞吐量，W是链路容量，x_d是在时刻d的平均分组长度，p_i是第i个车辆的传输功率，h_i是第i个车辆的信道增益，p_q是第q个车辆的传输功率，h_q是第q个车辆的信道增益，σ²是热噪声的方差，Pr是传输时延，QoS(i)是第i个车辆的服务质量，QoS(q)是第q个车辆的服务质量，χ_i是在车辆B载波侦听范围内的干扰车辆；

(3)根据(2)中的效用函数，得到车辆网络拥塞博弈的势函数：

其中，N_{i_e}是与第i个车辆竞争资源e的活跃车辆；

(4)对(3)得到的车辆网络拥塞模型的势函数进行修正，得到修正后的势函数为：

(5)根据Wardrop理论和拥塞博弈纳什均衡存在性定理，将拥塞博弈的收敛问题转换为势函数值最小化：

(6)根据修正后的势函数，利用启发式算法得到车辆网络的时隙分配矩阵：

6a)对于i∈M，M是处于活动中的车辆，第i个车辆随机从策略集F_i中选择策略s_i，通过修正后的势函数计算初始时刻第i个车辆的势力值；

6b)重复6a)的操作，得到M个车辆的初始时刻势力值；

6c)通过修正后的势函数计算第i个车辆在时隙t_i的势力值；

6d)比较第i个车辆在两个相邻时隙t_i和t_i-1的势力值：如果时隙t_i的势力值小于时隙t_i-1的势力值，则第i个车辆在时隙t_i的策略为“1”，否则，为“0”；

6e)重复进行6c)到6d)的操作，得到第i个车辆在各个时隙的策略；

6f)重复进行6c)到6e)的操作，得到车辆网络的时隙分配矩阵；

(7)车辆按照时隙利用矩阵进行传输或者等待选择，以避免拥塞。

2.根据权利要求1所述的方法，其中步骤(2)中的效用函数，通过以下步骤得到：

2a)根据效用函数概念，定义车辆网络拥塞博弈模型的效用函数u_i(s_i,s_-i)：

$u_i(s_i,s_{-i})=\underset{e\∈s_i}{\Σ}{u}_{i,e}=\underset{(l_i,t_i)\∈s_i}{\Σ}f\left(N_{i\_e}\right),$

其中，u_i(s_i,s_-i)是第i个车辆选择策略s_i其他车辆选择策略s_-i的效用函数，e是被竞争资源，l_i是活动中的链接，t_i是一个时隙，u_i,e是与第i个车辆竞争资源e的活跃车辆数N_{i_e}的函数，N_{i_e}是与第i个车辆竞争资源e的活跃车辆；

2b)根据传输分组成功到达目的端的信噪比，引入服务质量QoS，得到区分服务优先级的传输分组成功到达目的端的信噪比γ_i：

${\mathrm{\γ}}_i=\frac{p_i{h}_{i}QoS\left(i\right)}{{\mathrm{\Σ}}_{q\∈{\mathrm{\χ}}_i}{p}_q{h}_{q}QoS\left(q\right)+{\mathrm{\σ}}^2}=\frac{p_i{h}_{i}QoS\left(i\right)}{N_{i\_e}{\mathrm{\Σ}}_{q\∈{\mathrm{\χ}}_i}{p}_q{h}_q+{\mathrm{\σ}}^2},$

其中，QoS(i)是第i个车辆的服务质量，QoS(q)是第q个车辆的服务质量，χ_i是在第i个车辆载波侦听范围内的干扰车辆，p_i是第i个车辆的传输功率，h_i是第i个车辆的信道增益，p_q是第q个车辆的传输功率，h_q是第q个车辆的信道增益，σ²是热噪声的方差；

2c)根据吞吐量定义，得到第i个车辆的吞吐量TR_i(Pr)：

${\mathrm{TR}}_i\left(\mathrm{Pr}\right)=\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\Σ}}{x}_d{b}_i}{\mathrm{Pr}},$

其中，x_d是在时刻d的平均分组长度，TR_i(Pr)是第i个车辆的吞吐量，b_i是分组传输的比特率，Pr是传输时延；

2d)根据香农公式，得到分组传输比特率b_i，将分组传输比特率b_i代入2c)中，得到吞吐量TR_i(Pr)：

${\mathrm{TR}}_i\left(\mathrm{Pr}\right)=\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\mathrm{\Σ}}}{x}_d{b}_i}{\mathrm{Pr}}=\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\mathrm{\Σ}}}{x}_{d}W\log \left(1+{\mathrm{\γ}}_i\right)}{\mathrm{Pr}}=\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\mathrm{\Σ}}}{x}_{d}W\log \left(1+\frac{p_i{h}_{i}QoS\left(i\right)}{N_{i\_e}{\mathrm{\Σ}}_{q\∈{\mathrm{\χ}}_i}{p}_q{h}_q+{\mathrm{\σ}}^2}\right)}{\mathrm{Pr}},$

其中，W是链路容量；

2e)将吞吐量引入到效用函数中，得到车辆网络拥塞博弈模型的效用函数u_i(s_i,s_-i)：

$u_i(s_i,s_{-i})=\underset{e\∈s_i}{\Σ}{u}_{i,e}=\underset{e\∈s_i}{\Σ}f\left(N_{i\_e}\right)=\underset{(l_i,t_i)\∈s_i}{\Σ}{\mathrm{TR}}_i\left(\mathrm{Pr}\right),$

2f)将2d)中的吞吐量代入2e)中的效用函数u_i(s_i,s_-i)，得到与服务质量QoS和传输时延Pr有关的效用函数u_i(s_i,s_-i)：

$u_i\left(s_i,s_{-i}\right)=\underset{\left(l_i,t_i\right)\∈s_i}{\mathrm{\Σ}}{\mathrm{TR}}_i\left(\mathrm{Pr}\right)=\underset{\left(l_i,t_i\right)\∈s_i}{\mathrm{\Σ}}\frac{\underset{d=1}{\overset{\mathrm{Pr}}{\mathrm{\Σ}}}{x}_{d}W\log \left(1+\frac{p_i{h}_{i}QoS\left(i\right)}{{\mathrm{\Σ}}_{q\∈{\mathrm{\χ}}_i}{p}_q{h}_{q}QoS\left(q\right)+{\mathrm{\σ}}^2}\right)}{\mathrm{Pr}}.$