CN104837205A - 一种车路通信下行无线资源分配算法 - Google Patents

Abstract

本发明的提供了一种车路通信下行无线资源分配系统，包括业务流输入模块，还包括与业务流输入模块相连的业务分类器，用于对业务流进行分类；业务分类器上连接有第一调度模块和第二调度模块，第一调度模块用于差异化调度实时业务流，第二调度模块用于调度非实时业务流；第一调度模块还与第二调度模块相连，使得优先调度实时业务流，当实时业务流调度完毕且无线资源有剩余时，开始调度非实时业务流。本发明的算法既满足信道感知要求，也满足实时业务流的时延QoS保证，兼顾了与行车安全相关业务流的优先权和其他并发实时业务流的公平调度，确保了在吞吐量、公平指数和QoS支持三者之间的平衡。

Description

一种车路通信下行无线资源分配算法

技术领域

本发明属于智能交通，涉及车路通信，具体涉及一种基于TD-LTE的车路通信下行无线资源分配算法。

背景技术

目前，车路通信多基于IEEE 802.11技术或2.5G/3G移动通信网络技术。这些通信系统基站覆盖范围有限，车载设备需频繁切换路侧设备，网络带宽不支持高质量数据并行实时传输。相比以上技术，LTE具备更大的基站覆盖范围，更好的频谱效率，更高的传输速率。我国的TD-LTE已经商用，在典型的车路通信系统中，可以为交通系统中的人、车、路三者之间的信息交互提供实用解决方案，为车路间进行多媒体全交互通信提供充分保障。

近年来，国内外研究人员对TD-LTE下行无线资源分配算法进行了大量的研究。但在车路通信环境下，车辆数目集中，通信业务种类繁多，车辆相对位置快速变化，与行车安全相关信息对QoS(Quality of Service,服务质量：包括业务流的速率、时延和丢包率等)要求苛刻；因此，调度算法应该在多用户、多业务分布不均、信道质量起伏变化的情况下，灵活分配和动态调整TD-LTE车路通信网络可用的无线资源。例如最早截止优先算法

(Earliest Deadline First,EDF)算法，要求每一个分组都必须在指定的期限内接收进而避免丢包率，然而，EDF是信道无感知的算法，未考虑到无线环境的信道质量变化；PF(ProportionalFair,PF)调度算法适合调度非实时业务流，它考虑到了经历的信道状态和历史数据速率。但PF调度算法不适合调度实时流，因为它QoS无保证的特征；EXP/PF(Exponential PF,EXP/PF)和M-LWDF(Modified Largest Weighted Delay First,M-LWDF)算法可以满足QoS需求，但是计算复杂度大，对调度器的硬件要求较高。

因此，针对行业应用的特殊性，研究一种计算复杂度低、效率高且满足多种业务QoS需求的下行无线资源分配算法对基于TD-LTE的车路通信系统下行无线资源调度是非常必要的。

发明内容

针对现有技术存在的问题，本发明的目的在于，提供一种基于TD-LTE的车路通信下行无线资源分配算法，解决了现有技术中车路通信下行无线资源分配算法无法对与行车安全相关的数据流进行优先调度，以保证行车安全的问题；同时解决了由于对实时数据流进行差异化调度过程中产生的其他数据流的的QoS需求难以兼顾保证的问题；同时也解决了现有技术中无法在感知信道质量变化后对信道进行相应补充调整的问题。

为了实现上述技术任务，本发明采用如下技术方案予以实现：

如图1至图5所示，一种车路通信下行无线资源分配算法，通过业务流输入模块输入基站发出的业务流，包括以下步骤：

步骤一，业务流通过业务流输入模块输入业务分类器中根据QCI和业务流类型将每个分组进行分类，业务流至少包括以下几种业务流：行车安全相关实时业务流、非行车安全相关实时业务流和非实时业务流；

行车安全相关实时业务流的典型应用为交通事故预警业务流；非行车安全相关实时业务流的典型应用为IP电话，视频流，非实时业务流的典型应用为网络数据访问。

待调度业务流分组进入eNodeB，等待资源分配器为其分配下行无线资源。eNodeB中的RRC(Radio Resource Control,RRC)进程获得业务分组的QCI，对分组进行分类。根据不同业务的QoS要求，将进入MAC实体的全部分组进行分类。分类函数如

$\mathrm{Classifier}\left(x\right)=\left\{\begin{array}{cc}\{a_i,b_i,c_i\}& x_{\mathrm{QCI}}=\mathrm{\α}\\ \{a_{i+1},b_{i+1},c_{i+1}\}& x_{\mathrm{QCI}}=\mathrm{\β}\\ ......& \end{array}\right.$

其中，α、β为QCI标示符阈值，表示业务流的QoS需求，x_QCI表示业务流分组QCI参数，a_i，b_i，c_i都表示可调参数。

步骤二，在业务分类器中对行车安全相关实时业务流和非行车安全相关实时业务流进行差异化函数的可调参数组赋值，所示的差异化函数为：

$g_i\left(t\right)=\frac{a_i*t}{\log (1+b_i/t)+c_i}$

式中：g_i(t)表示差异化函数值；a_i，b_i，c_i都表示可调参数，三者组成可调参数组；t表示队头时延的数值，队头时延的单位为毫秒；i表示第i个分组；

步骤三，交通环境下，交通安全相关的业务流量小，产生频率低，紧迫性高，必须优先调度。在第一阶段的资源分配过程中，无线资源分配器优先分配给实时流中交通信息安全相关的分组RB，保证该类业务的优先传输和送达；同时最大限度地满足其他实时业务流例如Video流和VoIP(Voice over Internet Protocol,VoIP)流的传输需求。因此，第一阶段无线资源分配必须考虑到各个业务流的QoS需求和各个并发业务流的公平调度。

将步骤二中赋值后的行车安全相关实时业务流和非行车安全相关实时业务流输入第一调度模块的实时缓冲队列中等待调度，按照FIFO原则，从实时业务流缓冲队列中选择N个分组p₁，p₂，p₃，p_i…p_N插入到调度队列中，进入待调度状态，一旦满足调度条件就为其分配RB，行车安全相关实时业务流和非行车安全相关实业务的分组进入调度队列，转入第一级资源调度：

步骤3.1，根据队头时延计算差异化函数值；

通过改变可调参数值，不同的业务流QoS需求都能够得到满足。如图4所示：队头时延相同时，可调参数起主导作用，差异化函数值随着参数的改变而获得不同值，完成了不同实时流的差异化调度，保证交通信息安全相关的业务流优先调度；该差异化函数为凹函数，随着业务流的时延逐渐增大，队头时延起主导作用，保证时延过大的业务分组优先调度。因此，它能在同等的QoS约束下，优先调度交通信息安全相关业务流，而又不影响紧急实时流调度的优先性，保证了实时流整体调度的公平性。

步骤3.2，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的逼近参数，所示的逼近参数计算公式如下：

$m_{\mathrm{EDF}}=\frac{1}{({\mathrm{\τ}}_i-D_{\mathrm{HOL},i})}$

式中：m_EDF表示逼近参数；τ_i表示第i个分组的时延阈值的值，D_HOL,i表示第i个分组的队头时延的值，即第i个分组的t，时延阈值和队头时延的单位均为毫秒；

该参数可以保证实时业务流的实时性。

步骤3.3，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的公平参数其中：

r_i(k)为根据每个分组对应的CQI，即业务的UE信道质量反馈报告获得的即时传输速率，k表示第k个时隙；

表示第i个分组的历史平均传输速率；

通过该参数，可以调节不同业务之间调度的公平性。

步骤3.4，获得第一级调度的度量m_i,k，计算公式如下：

$m_{i,k}=g_i\left(D_{\mathrm{HOL},i}\right)*m_{\mathrm{DEF}}*\frac{r_i\left(k\right)}{\stackrel{\‾}{R_i}\left(k\right)}=g_i\left(D_{\mathrm{HOL},i}\right)*\frac{1}{({\mathrm{\τ}}_i-D_{\mathrm{HOL},i})}*\frac{r_i\left(k\right)}{\stackrel{\‾}{R_i}\left(k\right)};$

该度量既满足信道感知要求，也满足实时业务流的时延QoS保证，兼顾了与行车安全相关业务流的优先权和其他并发实时业务流的公平调度，确保了在吞吐量、公平指数和QoS支持三者之间的平衡。

步骤3.5，获得在第k个时隙中的具有最大第一级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤四，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该分组从调度队列中删除，完成一次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤三中的步骤3.1至步骤3.5，直至队列中行车安全相关实时业务流和非行车安全相关实时业务流的分组数量为0，也结束第一阶段的无线资源分配。

进一步地，上述基于TD-LTE的车路通信下行无线资源分配算法，还包括以下步骤：

对于业务分类器中的非实时业务流，输入第二调度模块的非实时缓冲队列中等待调度，按照FIFO原则，从非实时业务流缓冲队列中选择N个分组p₁，p₂，p₃，p_i…p_N插入到调度队列中，进入待调度状态，一旦满足调度条件就为其分配RB。将非实时业务流的分组进入调度队列，等待进入第二级资源调度；

步骤5.1，当第k个时隙中完成第一阶段的无线资源分配后，判断第k个时隙中的RB是否还有剩余，如果RB还有剩余，则转入第二级资源调度；如果RB没有剩余，则结束在第k个时隙中的第二阶段资源分配，等待第k+1个时隙；

步骤5.2，当RB还有剩余，转入第二级资源调度时，按照步骤3.3计算非实时业务流中的每个分组的公平参数，然后将获得的该分组的公平参数直接作为第二级调度的度量m_i,k；也就是将每个分组的信道质量信息与历史平均传输速率的比值作为评估该分组是否优先调度的唯一凭证，这样可以保证系统对非实时业务流调度的吞吐量和公平性。

步骤5.3，获得在第k个时隙中的具有最大第二级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤5.4，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该业务分组从调度队列中删除，完成第二次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤5.1至5.3，直至调度队列中的非实时业务流的分组数量为0，也结束第二阶段的无线资源分配。

需要说明的是本申请的上述内容中所述的算法记为MEDFPF-V2I算法，即ModifiedEarliest Deadline First and PF for Vehicle to Infrastructure。

如上所说的算法对应的系统如下：

一种车路通信下行无线资源分配系统，包括业务流输入模块，还包括与业务流输入模块相连的业务分类器，用于对业务流进行分类；

业务分类器上连接有第一调度模块，第一调度模块用于差异化调度实时业务流；

业务分类器用于实现步骤一和步骤二所述的功能；

步骤一，业务流通过业务流输入模块输入业务分类器中根据QCI和业务流类型将每个分组进行分类，业务流至少包括以下几种业务流：行车安全相关实时业务流、非行车安全相关实时业务流和非实时业务流；

步骤二，在业务分类器中对行车安全相关实时业务流和非行车安全相关实时业务流进行差异化函数的可调参数组赋值，所示的差异化函数为：

$g_i\left(t\right)=\frac{a_i*t}{\log (1+b_i/t)+c_i}$

式中：g_i(t)表示差异化函数值；a_i，b_i，c_i都表示可调参数，三者组成可调参数组；t表示队头时延的数值，队头时延的单位为毫秒；i表示第i个分组；

第一调度模块用于实现步骤三和步骤四所述的功能；

步骤三，将步骤二中赋值后的行车安全相关实时业务流和非行车安全相关实时业务流输入第一调度模块的实时缓冲队列中等待调度，按照FIFO原则，行车安全相关实时业务流和非行车安全相关实业务的分组进入调度队列，转入第一级资源调度：

步骤3.1，根据队头时延计算差异化函数值；

步骤3.2，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的逼近参数，所示的逼近参数计算公式如下：

$m_{\mathrm{EDF}}=\frac{1}{({\mathrm{\τ}}_i-D_{\mathrm{HOL},i})}$

式中：m_EDF表示逼近参数；τ_i表示第i个分组的时延阈值的值，D_HOL,i表示第i个分组的队头时延的值，即第i个分组的t，时延阈值和队头时延的单位均为毫秒；

步骤3.3，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的公平参数其中：

r_i(k)为每个分组根据对应的CQI，即业务的UE信道质量反馈报告获得的即时传输速率，k表示第k个时隙；

表示第i个分组的历史平均传输速率；

步骤3.4，获得第一级调度的度量m_i,k，计算公式如下：

$m_{i,k}=g_i\left(D_{\mathrm{HOL},i}\right)*m_{\mathrm{DEF}}*\frac{r_i\left(k\right)}{\stackrel{\‾}{R_i}\left(k\right)}=g_i\left(D_{\mathrm{HOL},i}\right)*\frac{1}{({\mathrm{\τ}}_i-D_{\mathrm{HOL},i})}*\frac{r_i\left(k\right)}{\stackrel{\‾}{R_i}\left(k\right)};$

步骤3.5，获得在第k个时隙中的具有最大第一级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤四，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该分组从调度队列中删除，完成一次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤三中的步骤3.1至步骤3.5，直至队列中行车安全相关实时业务流和非行车安全相关实时业务流的分组数量为0，也结束第一阶段的无线资源分配。

更进一步地，所述的车路通信下行无线资源分配系统，业务分类器上还连接有第二调度模块，第一调度模块还与第二调度模块相连，第二调度模块用于调度非实时业务流，使得优先调度实时业务流，当实时业务流调度完毕且无线资源有剩余时，开始调度非实时业务流；

对于业务分类器中的非实时业务流，输入第二调度模块的非实时缓冲队列中等待调度，按照FIFO原则，将非实时业务流的分组进入调度队列，等待进入第二级资源调度；

第二调度模块用于实现步骤步骤5.1至步骤5.4所述的功能；

步骤5.1，当第k个时隙中完成第一阶段的无线资源分配后，判断第k个时隙中的RB是否还有剩余，如果RB还有剩余，则转入第二级资源调度；如果RB没有剩余，则结束在第k个时隙中的第二阶段资源分配，等待第k+1个时隙；

步骤5.2，当RB还有剩余，转入第二级资源调度时，按照步骤3.3计算非实时业务流中的每个分组的公平参数，然后将获得的该分组的公平参数直接作为第二级调度的度量m_i,k；

步骤5.3，获得在第k个时隙中的具有最大第二级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤5.4，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该业务分组从调度队列中删除，完成第二次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤5.1至5.3，直至调度队列中的非实时业务流的分组数量为0，也结束第二阶段的无线资源分配。

本发明的技术方案与现有技术相比，具有如下有益技术效果：

本发明的算法算法既满足信道感知要求，也满足实时业务流的时延QoS保证，兼顾了与行车安全相关业务流的优先权和其他并发实时业务流的公平调度，确保了在吞吐量、公平指数和QoS支持三者之间的平衡。降低多用户多载波无线系统中的多业务传输复杂性。创新地将与交通信息安全相关的业务流优先进行无线资源调度，尽最大限度从通信层面保障了行车安全信息的分发和传输。同时，满足其它业务流传输要求，在不同的业务流之间能够获得资源利用率和资源分配的平衡。该算法在多用户条件下根据业务类型进行第一次优先级划分，给予实时业务流最高调度优先级，保证该类业务流的响应要求；引入差异化函数，对实时业务流中的行车安全业务、视频业务以及语音业务进一步差异化处理，满足行车安全业务流严格的QoS需求，同时保证并发实时流的调度效果；对剩下的非实时业务流，根据所经历信道质量和历史传输速度进行调度，保证信道质量好的业务流优先调度和调度公平性。该算法满足车路通信环境下不同业务流QoS需求(如时延、丢包率等)，具有较低的复杂度和较强的鲁棒性。

附图说明

图1为适用于车路通信环境下MEDFPF-V2I资源分配算法流程图。

图2为业务分类器的工作流程。

图3为第一级调度算法流程图。

图4为不同可调参数下的特征函数曲线。

图5为第二级调度算法流程图。

图6为都市道路车辆紧急呼救信令传输仿真场景，即场景1。

图7为场景1下MEDFPF-V2I算法与其他算法Vehicle流时延对比曲线图。

图8为场景1下MEDFPF-V2I算法与其他算法Vehicle流丢包率对比曲线图。

图9为场景1下MEDFPF-V2I算法与其他算法Vehicle流吞吐量对比曲线图。

图10为场景1下MEDFPF-V2I算法与其他算法Video流时延对比曲线图。

图11为场景1下MEDFPF-V2I算法与其他算法Video流丢包率对比曲线图。

图12为场景1下MEDFPF-V2I算法与其他算法Video流吞吐量对比曲线图。

图13为场景1下MEDFPF-V2I算法与其他算法VoIP流时延对比曲线图。

图14为场景1下MEDFPF-V2I算法与其他算法VoIP流丢包率对比曲线图。

图15为场景1下MEDFPF-V2I算法与其他算法VoIP流吞吐量对比曲线图。

图16为场景1下MEDFPF-V2I算法与其他算法BE流丢包率对比曲线图。

图17为场景1下MEDFPF-V2I算法与其他算法BE流吞吐量对比曲线图。

图18为场景1下MEDFPF-V2I算法与其他算法小区频谱效率对比曲线图。

图19为场景1下MEDFPF-V2I算法与其他算法公平指数对比曲线图。

图20为都市十字路口车辆碰撞避免信令传输仿真场景，即场景2。

图21为场景2下MEDFPF-V2I算法与其他算法Vehicle流时延对比曲线图。

图22为场景2下MEDFPF-V2I算法与其他算法Vehicle流丢包率对比曲线图。

图23为场景2下MEDFPF-V2I算法与其他算法Vehicle流吞吐量对比曲线图。

图24为场景2下MEDFPF-V2I算法与其他算法Video流丢包率对比曲线图。

图25为场景2下MEDFPF-V2I算法与其他算法Video流吞吐量对比曲线图。

图26为场景2下MEDFPF-V2I算法与其他算法Video流时延对比曲线图。

图27为场景2下MEDFPF-V2I算法与其他算法VoIP流时延对比曲线图。

图28为场景2下MEDFPF-V2I算法与其他算法VoIP流丢包率对比曲线图。

图29为场景2下MEDFPF-V2I算法与其他算法VoIP流吞吐量对比曲线图。

图30为场景2下MEDFPF-V2I算法与其他算法BE流丢包率对比曲线图。

图31为场景2下MEDFPF-V2I算法与其他算法BE流吞吐量对比曲线图。

图32为场景2下MEDFPF-V2I算法与其他算法小区频谱效率对比曲线图。

图33为场景2下MEDFPF-V2I算法与其他算公平指数对比曲线图。

以下结合附图和仿真例对本发明的具体内容作进一步详细地说明。

具体实施方式

仿真例1：

由于TD-LTE不是一个独立的系统，因此对下行调度算法的试验仿真难度较大。试验中采用LTE-Sim来进行系统级仿真。LTE-Sim是开源的LTE模拟仿真软件，主要对LTE中调度算法进行系统级模拟仿真，不考虑用户呼入接入控制功能。软件实现了LTE完整的协议栈，能够模拟单小区或者多小区环境下的上行和下行调度算法。该软件在模拟过程中考虑了用户的的移动性、频率复用技术、AMC(Adaptive Modulation and Coding,AMC)等LTE系统关键技术，因此使用该软件模拟的结果拥有高可靠性。

基于LTE-Sim，构建了两种交通场景用于仿真验证该算法的有效性。在仿真过程中，所有车辆同时接收三种信令：

(1)交通安全信令：由LTE-Sim中CBR业务流产生器生成，数据分组大小和传输间隔通过CBR业务生成器进行设置。根据仿真目的，它被赋予最高的优先级，简称为Vehicle。

(2)语音业务流：由LTE-Sim中VoIP业务流生成器使用开/闭马尔可夫模型实现G.729VoIP业务，简称为VoIP。

(3)视频业务流：由LTE-Sim中的Video业务流生成器生成标准H.264视频流，比特率为242kbps，简称为Video。

(4)数据业务流：由LTE-Sim中的BestEffort业务流生成器生成无限数据流，无任何QoS约束，简称为BE。

场景1：将提出的下行无线资源分配算法应用于都市道路车辆紧急呼救信令传输过程，与经典PF，M-LWDF和EXP/PF算法性能对比，验证提出算法的有效性。场景模拟城市主干道交通流，eNodeB基站位仿真车道一侧，距离道路中车辆的垂直距离为500，仿真场景中只有一个eNodeB，不存在相邻基站的转播干扰问题；车辆驶入eNodeB信号范围数量为40，车辆行驶间距为10m，行车速度为30km/h。每辆车辆都相当于一部可以收发TD-LTE信号的UE。Vehicle流差异化函数的可调参数组的值为：a＝1.0,b＝0.5,c＝0.1，Video流差异化函数的可调参数组的值为：a＝1.0,b＝1.0,c＝1.0，VoIP流差异化函数的可调参数组的值为：a＝1.0,b＝10.0,c＝1.0。

具体仿真场景如图6所示，在直线行车道，红色标记车辆发生安全事故隐患，需要发送车辆紧急呼救信令给周围车辆。黑色车辆为正常行驶车辆，且驶向红色车辆，需要获知前方红色标记车辆的事故信息，采取事故避险措施。红色标记车辆要通过TD-LTE将车辆紧急呼救信号上传到eNodeB基站(上行)，eNodeB基站采用广播的方式(下行)向其覆盖范围内的车辆转达该车辆紧急呼救信令。eNodeB收到紧急呼救信令后，在仿真过程中将不断广播该信令。与此同时，eNodeB中存在VoIP业务和Video业务等待分配下行无线资源。

场景1仿真参数如表1所示：

表1场景1仿真参数

参数	值
		车速	30km/h
与eNodeB直线距离	500m
		分组有效负载	50B
分组间隔	0.1s
		车辆数量	5-40
小区半径	3km(宏小区)
		信道模型	都市信道环境
应用流持续时长	10s
		调度算法	PF,M-LWDF,EXP/PF,本文算法
丢失概率	M-LWDF＝0.005,EXP/PF＝0.01
		时延阈值	0.1s
下行带宽	10MHz
		RB数量	50
车辆间距	10m

图7到图9给出了场景1下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法Vehicle业务流性能对比曲线图。图7为4种算法Vehicle分组时延随接入车辆数量变化曲线。PF算法无法保证QoS，分组从eNodeB到达UE的时延远远大于其他3种保证QoS算法的时延。当接入TD-LTE系统中的车辆达到40时，PF算法的时延接近20ms。MEDFPF-V2I、EXP/PF和M-LWDF算法表现几乎一致，随着接入车辆的增多而增长。但是，当车辆数量>20时，MEDFPF-V2I时延增长幅度趋缓，低于EXP/PF和M-LWDF算法，MEDFPF-V2I单程最大时延仅为3.85ms。

图8为4种算法Vehicle分组丢包率随接入车辆数量变化曲线。整体上看，所有算法的丢包率曲线随着接入车辆增多，先下降后上升，接入车辆数等于15时是曲线的拐点。PF算法整体丢包率最高，MEDFPF-V2I算法丢包率最低。当接入车辆数量为15到30时，MEDFPF-V2I算法丢包率曲线趋于平缓；接入车辆数>30时，MEDFPF-V2I算法丢包率明显上升。其中，接入车辆数量为40时，MEDFPF-V2I算法丢包率比EXP/PF算法低47.76％，比M-LWDF算法低42.39％。当系统服务的UE大于1时，多用户分集增益是一种优势，可以抵消频率选择衰减影响。这解释了车辆数目在5到15区间丢包率曲线为递减函数；同时多用户分集增益存在上限，因此当车辆数量>15时丢包率曲线为递增函数。

图9为4种算法Vehicle流吞吐量随接入车辆数量变化曲线。MEDFPF-V2I，EXP/PF和M-LWDF算法保证QoS，优先调度实时分组，因此Vehicle流吞吐量高于PF算法。当车辆数量<25时，三种算法吞吐量变化不大；车辆数量>25时，MEDFPF-V2I算法的Vehicle流吞吐量明显优于另外两种，因为在实时流调度过程中，差异化函数对不同的实时流进行了差异化处理，不同并发实时分组进入资源分配器时，会保证Vehicle分组优先获得RB。MEDFPF-V2I差异化函数的作用会随着接入车辆数目的增长而被放大，该算法在调度交通实时业务流分组的优势进一步凸显。图7和图8中，当车辆数目>30后的三种保证QoS调度算法的曲线变化趋势也佐证了这一点。

图10到图12给出了场景1下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法对Video业务流的调度性能。图10，图11，图12显示，MEDFPF-V2I算法对Video流资源分配从时延，丢包率和吞吐量3个方面全面优于同是QoS保证算法的EXP/PF算法和M-LWDF算法，原因是MEDFPF-V2I算法的分类器将Video流的调度优先级设定为仅次于Vehicle流，而其他实时流分配算法会公平对待不同实时业务流。

图13到图15给出了场景1下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法对VoIP业务流的调度性能。图13显示，MEDFPF-V2I算法VoIP分组时延略高于EXP/PF和M-LWDF算法，但整体单程最高时延不超过10ms，仍然能够保证VoIP流对时延的要求。

图14显示车辆数量在5到20区间内，MEDFPF-V2I算法VoIP丢包率是要略低于其他2种QoS保证算法；当车辆数量>20后丢包率高于其他算法。图15显示在吞吐量性能上与EXP/PF和M-LWDF表现一致。

产生以上行为的原因是：一方面MEDFPF-V2I算法的分类器将VoIP流的调度优先级设定为三种业务流中最低，即在调度队列中等待相同时间的Vehicle分组、Video分组和VoIP分组，因为差异化函数的原因，在下一个TTI的调度顺序是Vehicle分组>Video分组>VoIP分组，而EXP/PF和M-LWDF算法会公平进行随机选择一个业务分组调度。当车辆接入数目增多后，导致MEDFPF-V2I算法下VoIP分组时延大一点，丢包率高一点；另一方面MEDFPF-V2I算法能够充分利用了小区的频谱资源，将下行无线资源更加合理的分配给实时业务流分组，因此VoIP流的吞吐量不会明显低于其他算法。

图16到图17给出了场景1下，MEDFPF-V2I算法与其他3种算法对非实时业务流调度的比较。图16中，MEDFPF-V2I算法BE流丢包率高于另外三种算法，而图17中，MEDFPF-V2I算法BE流吞吐量低于另外三种算法，说明该算法对非实时业务流的调度性能表现要低于EXP/PF算法和M-LWDF算法。显而易见，MEDFPF-V2I采用两级调度机制，第一级资源分配优先调度实时流，故进入第二级资源分配后，大量BE分组因为无法获取足够的RB而被丢弃，造成了丢包率升高和吞吐量下降。这是保证特定业务流的QoS必须付出的代价。同样，图18曲线图中车辆数目大于30后，MEDFPF-V2I算法比其他2种实时流算法小区频谱效率低也是这个原因。

图19给出了4种算法公平指数随接入车辆数量变化曲线。MEDFPF-V2I、EXP/PF和M-LWDF算法的公平指数接近，当接入车辆数>25后，MEDFPF-V2I算法的公平指数要高于另外两种实时流调度算法。PF算法理论公平指数最好，但结果表明在混合流调度过程中，PF调度算法的公平指数很低。原因是PF算法公平对待实时流和非实时流，一旦实时流超过在调度队列最长等待时间阈值，该实时流分组会被调度器丢弃，造成大量的实时流分组得不到调度，最终影响了整个小区的公平指数和频谱效率。

仿真例2：

场景2：将提出的下行无线资源分配算法应用于都市十字路口车辆碰撞避免信令传输过程。场景模拟车辆在城市主干道十字路口通行，eNodeB基站位仿真十字路口交叉处，距离道路中车辆的垂直距离为500，车辆行驶间距为50m，其余参数与场景一设置相同。

场景2如图20所示：十字交叉口包含两条平行车道线，每条车辆数量20。红色车辆从垂直的车道驶过，车速为30km/h，同时发送车辆碰撞避免信令到eNodeB(上行)；eNodeB收到该信令后，向小区内所有黑色车辆转发该信令(下行)，通知十字路口附近的车辆注意来向车辆。在整个仿真过程中，eNodeB将一直广播该碰撞预警信令。与此同时，eNodeB中存在VoIP业务和Video业务等待分配下行无线资源。

场景2仿真参数如表2所示：

表2场景2仿真参数

参数	值
		车速	30km/h
与eNodeB直线距离	1500m
		分组有效负载	50B
分组间隔	0.1s
		车辆数量	5-40
小区半径	3km(宏小区)
		信道模型	都市信道环境
应用流持续时长	10s
		调度算法	PF,M-LWDF,EXP/PF,本文算法
丢失概率	M-LWDF＝0.005,EXP/PF＝0.01
		时延阈值	0.1s
下行带宽	10MHz
		RB数量	50
车辆间距	50m

图21到图23给出了场景2下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法对Vehicle业务流的调度性能。图21为4种算法Vehicle分组时延随接入车辆数量变化曲线。在该场景中，PF算法时延曲线波动较大，作为非QoS保证算法，PF算法的平均时延大于另外3种QoS保证算法的平均时延。当接入车辆数<30时，MEDFPF-V2I、EXP/PF算法Vehicle分组时延小于MEDFPF-V2I算法；随着接入车辆增多，MEDFPF-V2I时延下降趋势明显，逐渐低于EXP/PF和M-LWDF算法。此外，3种QoS保证算法时延随着接入车辆数量变化表现一定的波动性，车辆数量为10和35时，时延曲线存在2个凹点，MEDFPF-V2I算法时延分别为8.66ms和9.34ms；当车辆数量为25时MEDFPF-V2I时延最大，为10.5ms，满足Vehicle分组传输对实时性的需求。场景2模拟交通路口的通信环境，接入车辆TD-LTE系统的车辆更加分散，系统小区半径增大，车辆间距增大，信道环境受到干扰增大，导致4中算法整体时延曲线出现了一定的波动。显然，QoS保证算法的波动更小，稳定性更好。

图22为4种算法Vehicle分组丢包率随接入车辆数量变化曲线。该曲线与图8相比，曲线拐点提前：车辆数量<10时，随着接入车辆增多，丢包率下降；车辆数量>10时，随着接入车辆的增多，丢包率上升。接入车辆数量>35以后，三种算法的丢包率接近一致。整体上MEDFPF-V2I丢包率低于其他三种算法。曲线波谷点提前原因：在场景2下，eNodeB部署在十字交叉处，小区半径变为场景1的3倍，车辆距离eNodeB基站距离更远，多用户分集增益阈值下降。

图23为4种算法Vehicle流吞吐量随接入车辆数量变化曲线。MEDFPF-V2I，EXP/PF和M-LWDF算法为保证QoS算法，优先调度实时分组，因此Vehicle流吞吐量高于PF算法。当车辆数量<20时，三种算法吞吐量变化不大；车辆数量>20时，MEDFPF-V2I算法Vehicle流吞吐量高于另外两种算法。原因是随着接入车辆数目的增多，MEDFPF-V2I算法中差异化函数对Vehicle流的差异化调度开始明显，图21和图22同样证明了这一点。

图24到图26给出了场景2下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法对Video业务流的调度性能。图24和图25显示MEDFPF-V2I算法对于Video流的调度从丢包率和吞吐量2个方面全面优于同是QoS保证算法的EXP/PF和M-LWDF算法，图26显示时延3者几乎一致。原因是MEDFPF-V2I算法的分类器将Video流的调度优先级设定为仅次于Vehicle流，故资源分配会优于其他实时流分配算法。

图27到图29给出了场景2下，MEDFPF-V2I算法、PF算法、EXP/PF算法和M-LWDF算法对VoIP业务流的调度性能。图27显示，MEDFPF-V2I算法VoIP时延高于EXP/PF和M-LWDF算法，但整体时延不超过60ms。MEDFPF-V2I算法将VoIP分组的调度优先级排在Vehicle分组和Video分组之后，因此该算法的时延才会比EXP/PF和M-LWDF算法大，但仍旧在可接受的范围内。

图28显示MEDFPF-V2I算法VoIP丢包率略低于其他算法，曲线变化趋势与Vehicle流相似。图29显示在吞吐量性能上与EXP/PF和M-LWDF表现一致，产生的原因和场景1相同。

图30到31给出了场景2下，MEDFPF-V2I算法与其他3种算法对非实时业务流调度的比较。图30中，MEDFPF-V2I算法BE流丢包率高于另外三种算法，而图31中，MEDFPF-V2I算法BE流吞吐量远低于另外三种算法，说明该算法对非实时业务流的调度性能表现不佳。由于第一级调度器优先调度实时流，故进入第二级调度后，大量的BE分组无法获取足够的RB而被丢弃，造成了丢包率升高和吞吐量下降。为了保证特定业务流的QoS，这是必须付出的代价。同样原因，图32中MEDFPF-V2I算法比其他2种实时流算法小区频谱效率低。

图33给出了场景2下，4种算法公平指数对比曲线图。MEDFPF-V2I算法尽管引入了差异化函数，制定了相关的调度规则，即Vehicle分组>Video分组>VoIP分组>BE分组。但是，差异化函数的凹特征减轻了这种不同业务流之间调度的不公平性。如图所示，MEDFPF-V2I算法的公平指数与同为QoS保证的EXP/PF算法和M-LWDF算法基本一致，该结果验证了这一推论。

综合仿真场景1和仿真场景2的结果得出结论：MEDFPF-V2I算法在多用户多业务流并发的交通场景下，与EXP/PF和M-LWDF算法都能满足多种实时多媒体数据流的QoS需求。但是，MEDFPF-V2I算法对实时业务流进行了进一步区分，引入差异化函数，将行车安全相关的业务流优先调度，同时还能保证整体调度的平衡。此外，MEDFPF-V2I算法与EXP/PF，M-LWDF算法相比，具有较低的计算复杂度，尤其是当接入车辆数量增大时，调度效果明显优于其他两种算法。综上所述，MEDFPF-V2I算法更适用于基于TD-LTE的车路接入系统下行资源分配。

Claims (4)

1.一种车路通信下行无线资源分配算法，通过业务流输入模块输入基站发出的业务流，其特征在于，包括以下步骤：

步骤一，业务流通过业务流输入模块输入业务分类器中根据QCI和业务流类型将每个分组进行分类，业务流至少包括以下几种业务流：行车安全相关实时业务流、非行车安全相关实时业务流和非实时业务流；

步骤二，在业务分类器中对行车安全相关实时业务流和非行车安全相关实时业务流进行差异化函数的可调参数组赋值，所示的差异化函数为：

$g_i\left(t\right)=\frac{a_i*t}{\log (1+b_i/t)+c_i}$

式中：g_i(t)表示差异化函数值；a_i，b_i，c_i都表示可调参数，三者组成可调参数组；t表示队头时延的数值，队头时延的单位为毫秒；i表示第i个分组；

步骤三，将步骤二中赋值后的行车安全相关实时业务流和非行车安全相关实时业务流输入第一调度模块的实时缓冲队列中等待调度，按照FIFO原则，行车安全相关实时业务流和非行车安全相关实业务的分组进入调度队列，转入第一级资源调度：

步骤3.1，根据队头时延计算差异化函数值；

步骤3.2，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的逼近参数，所示的逼近参数计算公式如下：

$m_{\mathrm{EDF}}=\frac{1}{({\mathrm{\&tau;}}_i-D_{\mathrm{HOL},i})}$

式中：m_EDF表示逼近参数；τ_i表示第i个分组的时延阈值的值，D_HOL,i表示第i个分组的队头时延的值，即第i个分组的t，时延阈值和队头时延的单位均为毫秒；

步骤3.3，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的公平参数其中：

r_i(k)为每个分组根据对应的CQI，即业务的UE信道质量反馈报告获得的即时传输速率，k表示第k个时隙；

$\stackrel{\&OverBar;}{R_i}\left(k\right)=0.08{\stackrel{\&OverBar;}{R}}_i(k-1)+0.2R_i\left(k\right),$ 表示第i个分组的历史平均传输速率；

步骤3.4，获得第一级调度的度量m_i,k，计算公式如下：

$m_{i,k}=g_i\left(D_{\mathrm{HOL},i}\right)*\frac{1}{({\mathrm{\&tau;}}_i-D_{\mathrm{HOL},i})}*\frac{r_i\left(k\right)}{\stackrel{\&OverBar;}{R_i}\left(k\right)};$

步骤3.5，获得在第k个时隙中的具有最大第一级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤四，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该分组从调度队列中删除，完成一次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤三中的步骤3.1至步骤3.5，直至队列中行车安全相关实时业务流和非行车安全相关实时业务流的分组数量为0，也结束第一阶段的无线资源分配。

2.如权利要求1中所述的车路通信下行无线资源分配算法，其特征在于：还包括以下步骤：

对于业务分类器中的非实时业务流，输入第二调度模块的非实时缓冲队列中等待调度，按照FIFO原则，将非实时业务流的分组进入调度队列，等待进入第二级资源调度：

步骤5.1，当第k个时隙中完成第一阶段的无线资源分配后，判断第k个时隙中的RB是否还有剩余，如果RB还有剩余，则转入第二级资源调度；如果RB没有剩余，则结束在第k个时隙中的第二阶段资源分配，等待第k+1个时隙；

步骤5.2，当RB还有剩余，转入第二级资源调度时，按照步骤3.3计算非实时业务流中的每个分组的公平参数，然后将获得的该分组的公平参数直接作为第二级调度的度量m_i,k；

步骤5.3，获得在第k个时隙中的具有最大第二级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤5.4，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该业务分组从调度队列中删除，完成第二次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤5.1至5.3，直至调度队列中的非实时业务流的分组数量为0，也结束第二阶段的无线资源分配。

3.一种车路通信下行无线资源分配系统，包括业务流输入模块，其特征在于，还包括与业务流输入模块相连的业务分类器，用于对业务流进行分类；

业务分类器上连接有第一调度模块，第一调度模块用于差异化调度实时业务流；

业务分类器用于实现步骤一和步骤二所述的功能；

步骤一，业务流通过业务流输入模块输入业务分类器中根据QCI和业务流类型将每个分组进行分类，业务流至少包括以下几种业务流：行车安全相关实时业务流、非行车安全相关实时业务流和非实时业务流；

步骤二，在业务分类器中对行车安全相关实时业务流和非行车安全相关实时业务流进行差异化函数的可调参数组赋值，所示的差异化函数为：

$g_i\left(t\right)=\frac{a_i*t}{\log (1+b_i/t)+c_i}$

式中：g_i(t)表示差异化函数值；a_i，b_i，c_i都表示可调参数，三者组成可调参数组；t表示队头时延的数值，队头时延的单位为毫秒；i表示第i个分组；

第一调度模块用于实现步骤三和步骤四所述的功能；

步骤三，将步骤二中赋值后的行车安全相关实时业务流和非行车安全相关实时业务流输入第一调度模块的实时缓冲队列中等待调度，按照FIFO原则，行车安全相关实时业务流和非行车安全相关实业务的分组进入调度队列，转入第一级资源调度：

步骤3.1，根据队头时延计算差异化函数值；

步骤3.2，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的逼近参数，所示的逼近参数计算公式如下：

$m_{\mathrm{EDF}}=\frac{1}{({\mathrm{\&tau;}}_i-D_{\mathrm{HOL},i})}$

式中：m_EDF表示逼近参数；τ_i表示第i个分组的时延阈值的值，D_HOL,i表示第i个分组的队头时延的值，即第i个分组的t，时延阈值和队头时延的单位均为毫秒；

步骤3.3，计算每个行车安全相关实时业务流和非行车安全相关实时业务流的分组的公平参数其中：

r_i(k)为每个分组根据对应的CQI，即业务的UE信道质量反馈报告获得的即时传输速率，k表示第k个时隙；

$\stackrel{\&OverBar;}{R_i}\left(k\right)=0.08{\stackrel{\&OverBar;}{R}}_i(k-1)+0.2R_i\left(k\right),$ 表示第i个分组的历史平均传输速率；

步骤3.4，获得第一级调度的度量m_i,k，计算公式如下：

$m_{i,k}=g_i\left(D_{\mathrm{HOL},i}\right)*\frac{1}{({\mathrm{\&tau;}}_i-D_{\mathrm{HOL},i})}*\frac{r_i\left(k\right)}{\stackrel{\&OverBar;}{R_i}\left(k\right)};$

步骤3.5，获得在第k个时隙中的具有最大第一级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤四，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该分组从调度队列中删除，完成一次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤三中的步骤3.1至步骤3.5，直至队列中行车安全相关实时业务流和非行车安全相关实时业务流的分组数量为0，也结束第一阶段的无线资源分配。

4.如权利要求3中所述的车路通信下行无线资源分配系统，其特征在于：

业务分类器上还连接有第二调度模块，第一调度模块还与第二调度模块相连，第二调度模块用于调度非实时业务流，使得优先调度实时业务流，当实时业务流调度完毕且无线资源有剩余时，开始调度非实时业务流；

对于业务分类器中的非实时业务流，输入第二调度模块的非实时缓冲队列中等待调度，按照FIFO原则，将非实时业务流的分组进入调度队列，等待进入第二级资源调度；

第二调度模块用于实现步骤步骤5.1至步骤5.4所述的功能；

步骤5.1，当第k个时隙中完成第一阶段的无线资源分配后，判断第k个时隙中的RB是否还有剩余，如果RB还有剩余，则转入第二级资源调度；如果RB没有剩余，则结束在第k个时隙中的第二阶段资源分配，等待第k+1个时隙；

步骤5.2，当RB还有剩余，转入第二级资源调度时，按照步骤3.3计算非实时业务流中的每个分组的公平参数，然后将获得的该分组的公平参数直接作为第二级调度的度量m_i,k；

步骤5.3，获得在第k个时隙中的具有最大第二级调度的度量的分组，即然后将第k个时隙中RB的预分配给该分组；

步骤5.4，判断在第k个时隙中的RB是否能够满足该分组的传输数据量需求，如果可以满足传输需求，将第k个时隙中的RB分配给该业务分组，并且将该业务分组从调度队列中删除，完成第二次无线资源分配；

如果在第k个时隙中剩余的RB无法满足业务分组传输数据需求，则结束在第k个时隙中的第一阶段资源分配，等待第k+1个时隙；在第k+1个时隙中重复步骤5.1至5.3，直至调度队列中的非实时业务流的分组数量为0，也结束第二阶段的无线资源分配。