CN105050137B - 一种基于信息物理系统模型的车联网拥塞控制方法 - Google Patents

Abstract

本发明公开了一种信息物理系统模型的车联网拥塞控制方法，每个车辆节点的负载状态是连续变量，而假设四种情况为离散变量，然后通过建模将混合动态系统离散化，将传统的拥塞控制问题转化为基于物理世界观测值使全局吞吐量最大化的时隙分配问题，并通过使用卡尔曼滤波预测信道状态，计算拥塞控制向量，即时隙分配矩阵。

Description

一种基于信息物理系统模型的车联网拥塞控制方法

技术领域

本发明涉及信息技术领域，具体涉及一种基于信息物理系统模型的车联网拥塞控制方法。

背景技术

近年来，因为信息物理系统在车联网、智能电网、机器网络和嵌入式系统的广泛应用而受到相当大的关注。一个典型的信息物理系统由物理子系统和信息子系统构成，并通过一种方式连接他们。物理子系统的动态变化通常遵循物理法则，而信息子系统通过测量和通信可以控制物理子系统的动态变化。车联网主要研究车辆间的联系以使驾驶达到安全舒适的效果，本身就具有信息物理系统的特性，即使用不同的传感器以接触物理世界的实体，测量和收集车辆是否在十字路口、当前的交通情况、天气情况、路面情况、安全相关的警告等信息。观察到车辆的物理信息后，信息基础设施将测量的数据路由到控制单元，然后再讲控制命令返回到物理部分。控制操作依赖于物理对象的测量反馈。在车联网中，大规模的车辆通信需要有效的拥塞控制方法以降低信道的负载，满足车辆应用的需求，和保证通信的稳定性和可靠性。

发明内容

针对现有技术的不足，本发明旨在提供一种信息物理系统模型的车联网拥塞控制方法，通过建模将混合动态系统离散化，并通过使用卡尔曼滤波预测信道状态，计算时隙分配矩阵，以建立一个有效的拥塞控制机制。

为了实现上述目的，本发明采用如下技术方案：

一种基于信息物理系统模型的车联网拥塞控制方法，其中，信息物理系统包括物理子系统和信息子系统，所述方法包括如下步骤：

S1设定在信息物理系统中有N_c个控制器和N_s个传感器，其中，控制器包括路边基础设施(RSUs)和以Ad hoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上的装置，通过收发机监听信道状况；

S2在物理子系统中，假定在每一个控制器的操作和传感器的观察都是标量的，以及物理子系统的变化是线性的且不受扰动的影响；在信息子系统中，假定所有车辆都在RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符；另外，设定一次拥塞控制执行的时间与IEEE802.11p协议中的广播中相邻两个beacon之间的时间间隔(beaconinterval)一样；

S3 RSUs通过传感器收集负载，作为系统的观察向量，然后计算拥塞控制向量，并将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点；车辆节点根据收到的拥塞控制向量计算控制操作向量，实施拥塞控制；

S4由于在RSU集中控制车辆通信的情况下，存在为了安全业务以Ad hoc的方式进行彼此间的通信的车辆，因此用于信息子系统和物理子系统的连接中的线性反馈控制模型表示为：

u(t)＝Ky(t)；

其中，K是一个反馈增益矩阵，即拥塞控制向量，u(t)表示控制操作向量，控制器n的控制操作向量表示为u_n，y(t)表示传感器的观察向量，传感器n的观察向量表示为y_n；矩阵K的取值根据以下情况确定：

1)一个beacon帧的间隔内，没有任何以Ad hoc方式进行通信的车辆对；

2)在一个beacon帧的间隔内，至少存在一对以Ad hoc方式进行通信的车辆；

3)在beacon帧的广播时间内，至少存在一对偶尔以Ad hoc方式进行通信的车辆；

4)Ad hoc方式通信的车辆节点同时会在beacon帧的广播期间和beacon帧的间隔内发送信息；

S5基于步骤S4中所述的情况1)-4)，将信息物理系统分为离散子系统和连续子系统，其中，离散子系统是指情况1)-情况4)，连续子系统为情况1)-4)中任一情况下的连续系统变化；整个信息物理系统的动态变化表示为：

上式描述了信息物理系统的变化过程，其中，x(t)是一个M阶向量，用于表示物理子系统的状态，是一个连续系统状态；q(t)代表情况1)-情况4)，是一个离散的系统状态，q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续子系统之间的转换；N′＝BKGv+Fw，其中，A、B、F、C、G均为增益矩阵，A代表x(t)对的增益，B代表u(t)对的增益，w代表物理子系统的系统过程噪声，服从均值为0，协方差为Q的高斯分布，即w～N(0，Q)，F代表w对的增益，C代表x(t)对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v～N(0，R)，G代表v对y(t)的增益；K_q(t)代表步骤S4中情况1)-4)下K的值，而在N′＝BKGv+Fw中，因为加和性，N′依然是一个高斯白噪声，在上述情况1)-4)中都存在，所以N′＝BKGv+Fw中K代表上述情况1)-4)中都不随系统情况而变化的增益矩阵；

S6通过卡尔曼滤波预测信道状态，计算得出矩阵K。

需要说明的是，步骤S2中，物理子系统的变化是线性的且不受扰动的影响，则该线性变化采用下式表示：

需要说明的是，矩阵K的取值在所述情况1)-4)中的取值情况如下：

针对情况1)，K能完全由RSUs测量；

针对情况2)，表示基于RSUs感知到的负载状态的第一次时隙分配，表示基于收到的对Ad hoc节点的第二次时隙分配；

针对情况3)，Ad hoc车辆在beacon的广播期间进行数据传输，增益矩阵由表示，是两部分的和：一个是在beacon广播时间内对Ad hoc节点的增益，另一个是在beacon帧间隔内，由RSUs控制的以集中方式进行通信的节点的增益；

针对情况4)，系统的增益矩阵是按照情况2)得到的矩阵K和按照情况3)得到的矩阵的和。

需要说明的是，所述步骤S6的具体方法如下：

6.1)定义一个离散价值函数，以惩罚信道负载偏差和最小化控制开销，当J达到最小时，可以得到相应的时隙d的控制向量K_d，J的计算式如下：

J为二次型性能指标泛函，u_d是系统的时隙d的控制操作向量，H和L为系统参数，其中H为非负定矩阵，L为正定矩阵，E表示对后面括号里的元素求和，M为M阶向量x(t)的阶数；Δx_d是一个基于上一时隙系统动态变化的负载状态估计，表示为：

Δx_d＝AΔx_d-1+Bu_d-1；

其中u_d-1表示系统的d-1时隙的控制操作向量，Δx_d-1是d-1时刻系统的状态估计；

6.2)由于系统状态为离散化，此时的反馈控制等式为：

u_d＝K_dy_d；

K_d表示在时隙d的所有车辆的时隙分配，u_d-1分别是应用于时隙d和时隙d-1的控制操作向量；下一时隙系统负载的最优测量采用卡尔曼滤波预测获得，为：

y_id为系统的观察值，H_id是Δx_d的增益矩阵；K_d作为卡尔曼增益矩阵，可通过以下公式获得：

其中，R_i是观测噪声的协方差矩阵；是预测的协方差，并通过进行更新，I是个M阶的单位阵，P_d为d时刻的协方差估计值；P_d-1为d-1时刻的协方差估计值，A为增益矩阵，Q为系统噪声的协方差；

6.3)经过步骤6.1)-6.2)，对每一个时隙d，都可以得到控制向量K_d，再将得到的控制向量合并，从而得到矩阵K，即系统的拥塞控制向量。

本发明的有益效果在于：本发明在构建信息网络系统的同时，综合的考虑了物理系统的状态采样率、测量误差、研究系统的混合性能等特性，使得研究结果更加准确和有效，考虑了周期性的beacon帧的拥塞问题，使得拥塞控制方法更加完备，同时解决了为紧急事件预留的带宽不能充分利用的问题，使得传输资源得以合理利用。

附图说明

图1为本发明的信息物理系统模型示意图；

图2为本发明的拥塞控制方法实施流程图。

具体实施方式

以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。

如图1所示，车辆和车辆之间可以进行通信，也可以与RSUs进行通信，RSUs之间也可以进行通信。假设在信息物理系统中有N_c个控制器和N_s个传感器，其中，控制器包括RSUs和以Ad hoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上的装置，通过收发机监听信道状况，以探测物理世界的负载情况。

为了简化，假定在每一个控制器的操作和传感器的观察都是标量的，以及物理子系统的变化是线性的且不受扰动的影响。物理子系统的线性变化可以由下式给出：

x(t)是一个M阶向量，用于表示物理子系统的状态，是一个连续系统状态；u(t)表示控制操作向量，控制器n的控制操作向量表示为u_n；y(t)表示传感器的观察向量，传感器n的观察向量表示为y_n；

A、B、F、C、G均为增益矩阵，A代表x(t)对的增益，B代表u(t)对的增益，w代表物理子系统的系统过程噪声，服从均值为0，协方差为Q的高斯分布，即w～N(0，Q)，F代表w对的增益，C代表x(t)对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v～N(0，R)，G代表v对y(t)的增益。

在信息子系统中，假定所有车辆都在RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符。另外，设定一次拥塞控制执行的时间与IEEE802.11p协议中的beacon interval(广播中相邻两个beacon之间的时间间隔)一样。

802.11pMAC是传统802.11MAC修订版。车辆间的安全通信需要瞬时的信息交换能力，所以车辆没有能力扫描一个信息服务集(BSS)的beacon帧，以及执行随后的多次握手过程以建立通信。因此，将所有IEEE802.11p的收发机默认设置为在同一信道上，配置相同的基本服务集标识符(BSSID)，使车辆能够进行安全通信是有必要的。在通常情况下，只有属于同一BSS的站点才能进行通信，而IEEE802.11p WAVE的一个关键的修改部分是“WAVEmode”这一术语：一个运行在WAVE mode模式下的站点，不需要事先属于任何一个BSS，可以使用通配符BSSID与周围的车辆进行通信，从而避免了两车都必须属于同一BSS这一必要。这意味着，当两辆车相遇后，只要他们的收发机运行在同一频道并且两车都使用通配符BSSID即可立即开始进行通信，而不需要其他任何额外的开销。

拥塞控制的流程如图2所示。RSUs收集负载状态，即系统的观察变量，然后计算拥塞控制向量，并将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点。车辆节点根据收到的拥塞控制向量计算控制操作，实施拥塞控制。

因为在RSU集中控制车辆通信的情况下，仍存在一些车辆为了安全业务以Ad hoc的方式进行彼此间的通信，所有拥塞控制中可能存在以下情况：

1)一个beacon帧的间隔内，没有任何以Ad hoc方式进行通信的车辆对；

2)在一个beacon帧的间隔内，至少存在一对以Ad hoc方式进行通信的车辆；

3)在beacon帧的广播时间内，至少存在一对偶尔以Ad hoc方式进行通信的车辆；

4)Ad hoc方式通信的车辆节点同时会在beacon帧的广播期间和beacon帧的间隔内发送信息。

基于存在以上这些情况，一个线性反馈控制模型被用于信息子系统和物理子系统的连接中，表示为：

u(t)＝Ky(t)；

其中，K是一个反馈增益矩阵，即拥塞控制向量，如果车辆j被分配在时隙i，车辆j运行在RSUs集中控制模式下，矩阵K这里就有一个特殊的结构，K_ij＝1；同样，若K_ij＝0，表示车辆j不会占用时隙i，此时的时隙i可能已经被分配或者预留给其他车辆。在同一时隙中的多个传输是被允许的，并且依赖于当前负载状态和接收信噪比的门限值。例如，在广播完一个beacon帧后，每个车辆根据之前的信道负载的观察得到一个矩阵K：

其中，矩阵K中的行和列代表专门的车辆和时隙，在这个例子中，每一个时隙被两个车辆占用，例如时隙1被车辆1和车辆3占用。

矩阵K的值根据前述存在的情况1)-4)的不同而不同：

针对情况1)，K能完全由RSUs测量；

针对情况2)，表示基于RSUs感知到的负载状态的第一次时隙分配，表示基于收到的对Ad hoc节点的第二次时隙分配；

针对情况3)，Ad hoc车辆在beacon的广播期间进行数据传输，增益矩阵由表示，是两部分的和：一个是在beacon广播时间内对Ad hoc节点的增益，另一个是在beacon帧间隔内，由RSUs控制的以集中方式进行通信的节点的增益；

针对情况4)，系统的增益矩阵是按照情况2)得到的矩阵K和按照情况3)得到的矩阵的和。

基于以上几种情况，将信息物理系统分为离散子系统和连续子系统，即为一个混合动态系统，其中，离散子系统是指情况1)-情况4)，连续子系统为情况1)-4)中任一情况下的连续系统变化；整个信息物理系统的动态变化表示为：

上式描述了信息物理系统的变化过程，其中，x(t)是一个M阶向量，用于表示物理子系统的状态，是一个连续系统状态；q(t)代表情况1)-情况4)，是一个离散的系统状态，q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续子系统之间的转换；N′＝BKGv+Fw，其中，A、B、F、C、G均为增益矩阵，A代表x(t)对的增益，B代表u(t)对的增益，w代表物理子系统的系统过程噪声，服从均值为0，协方差为Q的高斯分布，即w～N(0，Q)，F代表w对的增益，C代表x(t)对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v～N(0，R)，G代表v对y(t)的增益；K_q(t)代表步骤S4中情况1)-4)下K的值，而在N′＝BKGv+Fw中，因为加和性，N′依然是一个高斯白噪声，在上述情况1)-4)中都存在，所以N′＝BKGv+Fw中K代表上述情况1)-4)中都不随系统情况而变化的增益矩阵。

以下将描述矩阵K的测量方法。如前所述，在IEEE802.11p网络中的大多数拥塞控制策略中，当测量到信道负载超过50％，将会禁止另一个正在进行的传输。因此，在本发明中，将50％作为信道负载的一个稳定值，通过将时间连续的系统状态和观察值离散化为时隙，并使其在稳定值即0.5附近线性化，得到：

x_d+1＝x^*+A(x_d-x^*)+B(u_d-u^*)+Fw；

y_d+1＝x^*+C(x_d-x^*)+Gv；

x_d+1为系统d+1时刻的状态值，y_d+1为系统d+1时刻的观察值，x_d为系统d时刻的状态值，x^*为系统状态的稳态值，u^*为系统控制操作向量的稳态值，u_d为系统的d时刻的控制操作向量。

由于想要将下一个时隙的信道负载根据当前负载的状态控制在稳定状态附近，因此对下一时隙系统状态的预测是必要的。另外，系统状态和观察值的噪声都是高斯白噪声，所以能够使用最优状态滤波估计，如卡尔曼滤波估计。又因为在近似测量，精确的系统状态很难获得，而本发明的反馈控制基于系统观察值，因此本发明的反馈控制是次最优的。

为系统定义一个离散价值函数，以惩罚信道负载偏差和最小化控制开销，当J达到最小时，可以得到相应的时隙d的控制向量K_d，J的计算式如下：

J为二次型性能指标泛函，Δx_d是对上一时刻系统状态的估计值，u_d是系统的d时刻的控制变量，H和L为系统参数，其中H为非负定矩阵，L为正定矩阵。

因为系统状态为离散化，所以这时的反馈控制等式应该是：

u_d＝K_dy_d；

由于Δx_d是一个基于上一时隙系统动态变化的负载状态估计，因此它可以表示成：

Δx_d＝AΔx_d-1+Bu_d-1；

K_d表示在时隙d的所有车辆的时隙分配，u_d-1表示系统的d-1时隙的控制操作向量，Δx_d-1是d-1时刻系统的状态估计。因为系统测量可以通过卡尔曼滤波预测获得，下一时隙系统负载的最优测量为：

y_id为系统的观察值，H_id是Δx_d的增益矩阵；K_d作为卡尔曼增益矩阵，可通过以下公式获得：

其中，R_i是观测噪声的协方差矩阵；是预测的协方差，并通过进行更新，I是个M阶的单位阵，P_d为d时刻的协方差估计值；P_d-1为d-1时刻的协方差估计值，A为增益矩阵，Q为系统噪声的协方差。

经过以上步骤，对每一个时隙d，都可以得到控制向量K_d，再将得到的控制向量合并，从而得到矩阵K。

对于本领域的技术人员来说，可以根据以上的技术方案和构思，作出各种相应的改变和变形，而所有的这些改变和变形都应该包括在本发明权利要求的保护范围之内。

Claims (3)

1.一种基于信息物理系统模型的车联网拥塞控制方法，其中，信息物理系统包括物理子系统和信息子系统，其特征在于，包括如下步骤：

步骤S1：设定在信息物理系统中有N_c个控制器和N_s个传感器，其中，控制器包括路边基础设施RSUs和以Ad hoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上的装置，通过收发机监听信道状况；

步骤S2：在物理子系统中，假定在每一个控制器的操作和传感器的观察都是标量的，以及物理子系统的变化是线性的且不受扰动的影响；在信息子系统中，假定所有车辆都在RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符；另外，设定一次拥塞控制执行的时间与IEEE802.11p协议中的广播中相邻两个beacon之间的时间间隔beaconinterval一样；

步骤S3：RSUs通过传感器收集负载，作为系统的观察向量，然后计算拥塞控制向量，并将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点；车辆节点根据收到的拥塞控制向量计算控制操作向量，实施拥塞控制；

步骤S4：在RSU集中控制车辆通信的情况下，存在为了安全业务以Ad hoc的方式进行彼此间的通信的车辆，因此用于信息子系统和物理子系统的连接中的线性反馈控制模型表示为：

u(t)＝Ky(t)；

其中，K是一个反馈增益矩阵，即拥塞控制向量，u(t)表示控制操作向量，控制器n的控制操作向量表示为u_n，y(t)表示传感器的观察向量，传感器n的观察向量表示为y_n；矩阵K的取值根据以下情况确定：

1)一个beacon帧的间隔内，没有任何以Ad hoc方式进行通信的车辆对；

2)在一个beacon帧的间隔内，至少存在一对以Ad hoc方式进行通信的车辆；

3)在beacon帧的广播时间内，至少存在一对偶尔以Ad hoc方式进行通信的车辆；

4)Ad hoc方式通信的车辆节点同时会在beacon帧的广播期间和beacon帧的间隔内发送信息；

步骤S5：基于步骤S4中所述的情况1)-4)，将信息物理系统分为离散子系统和连续子系统，其中，离散子系统是指情况1)-情况4)，连续子系统为情况1)-4)中任一情况下的连续系统变化；整个信息物理系统的动态变化表示为：

上式描述了信息物理系统的变化过程，其中，x(t)表示物理子系统的状态，用一个M阶向量来表示；是根据物理子系统的状态及测量值得出的系统状态的预测；q(t)代表情况1)-情况4)，是一个离散的系统状态，q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续子系统之间的转换；N'＝BKGv+Fw，其中，A、B、F、C、G均为增益矩阵，A代表x(t)对的增益，B代表u(t)对的增益，w代表物理子系统的系统过程噪声，服从均值为0，协方差为Q的高斯分布，即w～N(0,Q)，F代表w对的增益，C代表x(t)对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v～N(0,R)，G代表v对y(t)的增益；K_q(t)代表步骤S4中情况1)-4)下K的值，而在N'＝BKGv+Fw中，因为加和性，N'依然是一个高斯白噪声，在上述情况1)-4)中都存在，因此N'＝BKGv+Fw中K代表上述情况1)-4)中都不随系统情况而变化的增益矩阵；

步骤S6：通过卡尔曼滤波预测信道状态，计算得出矩阵K；具体方法如下：

6.1)定义一个离散价值函数，以惩罚信道负载偏差和最小化控制开销，当J达到最小时，可以得到相应的时隙d的控制向量K_d，J的计算式如下：

J为二次型性能指标泛函,u_d是系统的时隙d的控制操作向量，H和L为系统参数，其中H为非负定矩阵，L为正定矩阵，E表示对后面括号里的元素求和，M为M阶向量x(t)的阶数；Δx_d是一个基于上一时隙系统动态变化的负载状态估计，表示为：

Δx_d＝AΔx_d-1+Bu_d-1；

其中u_d-1表示系统的d-1时隙的控制操作向量，Δx_d-1是d-1时刻系统的状态估计；

6.2)由于系统状态为离散化，此时的反馈控制等式为：

u_d＝K_dy_d；

K_d表示在时隙d的所有车辆的时隙分配，u_d，u_d-1分别是应用于时隙d和时隙d-1的控制操作向量；下一时隙系统负载的最优测量采用卡尔曼滤波预测获得，为：

y_id为系统的观察值，H_id是Δx_d的增益矩阵；K_d作为卡尔曼增益矩阵，可通过以下公式获得：

其中，R_i是观测噪声的协方差矩阵；是预测的协方差，并通过.进行更新，I是个M阶的单位阵，P_d为d时刻的协方差估计值；P_d-1为d-1时刻的协方差估计值，A为增益矩阵，Q为系统噪声的协方差；

6.3)经过步骤6.1)-6.2)，对每一个时隙d，都可以得到控制向量K_d，再将得到的控制向量合并，从而得到矩阵K，即系统的拥塞控制向量。

2.根据权利要求1所述的基于信息物理系统模型的车联网拥塞控制方法，其特征在于，步骤S2中，物理子系统的变化是线性的且不受扰动的影响，则该线性变化采用下式表示：

3.根据权利要求1所述的基于信息物理系统模型的车联网拥塞控制方法，其特征在于，矩阵K在所述情况1)-4)中的取值情况如下：

针对情况1)，K能完全由RSUs测量；

针对情况2)， 表示基于RSUs感知到的负载状态的第一次时隙分配，表示基于收到的对Ad hoc节点的第二次时隙分配；

针对情况3)，Ad hoc车辆在beacon的广播期间进行数据传输，增益矩阵由表示，为两部分的和：一个是在beacon广播时间内对Ad hoc节点的增益，另一个是在beacon帧间隔内，由RSUs控制的以集中方式进行通信的节点的增益；

针对情况4)，系统的增益矩阵是按照情况2)得到的矩阵K和按照情况3)得到的矩阵的和。