CN105530680A - 一种车辆自组织网络中继车辆选择方法 - Google Patents

Abstract

本发明涉及一种车辆自组织网络中继车辆选择方法，属于无线通信技术领域。该方法针对VANET中多个源车辆(SVs)需选择中继车辆(RVs)进行信息转发问题，基于网络功能虚拟化(NFV)技术将各RV虚拟为多个虚拟中继车辆(VRVs)，进而采用网络微积分理论建模SV的业务到达曲线和RV的服务曲线，评估SV的业务经各VRV的传输性能，并基于SV的QoS需求选择具有最优传输性能的VRV，从而实现RV的优化选择。本方法能够实现系统综合性能优化，获得最佳虚拟RV选择方案，具有广阔的应用前景。

Description

一种车辆自组织网络中继车辆选择方法

技术领域

本发明属于无线通信技术领域，涉及一种车辆自组织网络中继车辆选择方法。

背景技术

车辆自组织网络(VehicularAd-hocNetwork，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。

在现有技术中，有人提出一种VANET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。还有人提出一种低延时，高可靠性的数据中继传输方法，该方法首先选择对SV所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。也有人提出了一种VANET区域中继节点选择算法，该算法以邻居节点的状态信息为基础，估算出每个节点作为中继节点的效用，来选出下一跳广播节点。

以上研究所考虑RV选择因素较为单一，未综合考虑RV接入时延、负载状况、传输速率等因素。

发明内容

有鉴于此，本发明的目的在于提供一种车辆自组织网络中继车辆选择方法，具体技术方案如下：

一种车辆自组织网络中继车辆选择方法，该方法包括以下步骤：

步骤一：针对VANET中多个源车辆(SVs)需选择中继车辆(RVs)进行信息转发问题，基于网络功能虚拟化(NFV)技术将各RV虚拟为多个虚拟中继车辆(VRVs)；步骤二：采用网络微积分理论建模SV的业务产生曲线和VRVs的服务曲线；步骤三：评估SV的业务经各VRV的传输性能；步骤四：基于SV的QoS需求选择具有最优传输性能的VRV，从而实现RV的优化选择。

进一步，在步骤一中，VANET中车辆之间链路特性服从级联Nakagami-m分布，信道特性h₁的概率密度函数为：

$f\left(h_1\right)=\frac{2}{h_1\mathrm{\Γ}\left(m_1\right)\mathrm{\Γ}\left(m_2\right)}{G}_{0,2}^{2,0}\[\frac{m_1{m}_2{h}_1^2}{{\mathrm{\Ω}}_1{\mathrm{\Ω}}_2}{|}_{m_1,m_2}^{-}\],$ 其中，m₁、m₂ $(m_1,m_2\≥\frac{1}{2})$ 表示信道的衰落强度，为MeijerG函数，m_l＝Ω/E(h_l-Ω_l)²≥1/2,l＝1,2；

基于SV的QoS需求，采用NFV技术，将各RV的传输及存储资源，如带宽、缓存等进行切片，划分为多个VRVs，以支持具有不同业务特性的数据流传输。

进一步，在步骤二中，令α_i(t)为第i个SV的业务产生曲线，其中，1≤i≤M，M为SV的数目，采用IETF所提出的流量特性规范T-SPEC建模其中，为数据包产生的峰值速率，为正常传输情况下最大数据包长度，为数据包产生的平均数据速率，为突发业务对应数据包长度；假设数据包到达服从泊松分布，可建模最大数据速率为其中，L_i为SV_i的数据包长度，为SV_i的数据包平均到达率，则数据包到达的平均数据速率为最大的数据包长度由SV_i业务特性决定，突发数据包大小由SV_i业务突发状况确定。

进一步，在步骤二中，所述VRVs的服务曲线建模包括：

令β_j,k(t)为第j个RV，也即RV_j的第k个VRV，记为VRV_j,k的服务曲线，其中，1≤j≤N，N为RV的数目，1≤k≤K_j，K_j为RV_j的VRV的数目，建模β_j,k(t)＝r_j,k(t-θ_j,k)⁺，其中，(x)⁺＝max{x,0}，r_j,k表示VRV_j,k的服务速率，建模VRV_j,k的服务时间服从的指数分布，其中，μ_j,k常数，由VRV_j,k的带宽及处理能力决定，则VRV_j,k服务速率可记为r_j,k＝mμ_j,k，其中，m为权重因子，θ_j,k为处理延时，由VRV_j,k的邻居车辆数目决定，即：

${\mathrm{\θ}}_{jk}=T_S+(N_w-1)T_S+\frac{1-{(1-\mathrm{\τ})}^{N_w}-N_w\mathrm{\τ}{(1-\mathrm{\τ})}^{N_w-1}}{N_w\mathrm{\τ}{(1-\mathrm{\τ})}^{N_w-1}}{T}_c+\frac{1-\mathrm{\τ}}{\mathrm{\τ}}\mathrm{\σ},$ 其中，T_s为数据成功传输时间，T_c为平均信道繁忙时间，N_w为接入VRV_j,k的总用户数，τ为用户的传输概率，σ为空闲时隙的持续时间。

进一步，在步骤三中，所述评估SV的业务经各VRV的传输性能包括：若具有到达曲线α_i(t)的SV_i的数据经VRV_j,k转发，则数据有效传输带宽为其中D为时延约束，为SV_i到RV_j的中断概率， $P_{ij}^{out}=\mathrm{Pr}(\frac{E_s}{N_0}{h}_{ij}^2<{\mathrm{\&psi;}}_{th1})=\frac{G_{1,3}^{2,1}\&lsqb;\frac{m_1{m}_2{N}_0{\mathrm{\&psi;}}_{th1}}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2{E}_s}{|}_{m_1,m_2,0}^{-}\&rsqb;}{\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)},$ 数据最大服务时延为 $d_{i,j,k}^{\max }(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\left\{inf\right\{T:T\&GreaterEqual;0;{\mathrm{\&alpha;}}_i\left(t\right)\&le;{\mathrm{\&beta;}}_{j,k}(t+T)\left\}\right\},$ 积压上界为：

$b_{i,j,k}^{max}(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\{{\mathrm{\&alpha;}}_i\left(t\right)-{\mathrm{\&beta;}}_{j,k}\left(t\right)\}.$

进一步，在步骤四中，若SV_i拟传输吞吐量敏感业务，令为SV_i的最低数据包传输速率，在满足的所有VRV中选择其中，若SV_i拟传输时延敏感性业务，令为SV_i的最大可允许延时，在满足的所有VRV中选择其中， $(j^{*},k^{*})=\underset{i,j,k}{\mathrm{argmin}}\left\{d_{i,j,k}^{\left(\max \right)}\right\}.$

本发明的有益效果在于：本发明所述方法综合考虑了影响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RV进行虚拟化，通过对SV及虚拟RV的传输性能优化，实现系统综合性能优化，获得最佳虚拟RV选择方案。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明中VANET通信场景示意图；

图2为本发明中VANET中继车辆选择系统模型；

图3为本发明VANET中继选择建模流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

在本实施例中，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，假设存在多个SV与RV，每个RV可虚拟化为多个VRVs。每个SV至多只能选择一个VRV为其转发数据，每个VRV至多只能选择一个SV转发其数据。

图3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：

301：建模SV业务产生曲线

令α_i(t)为第i个SV的业务产生曲线，其中，1≤i≤M，M为SV的数目，采用IETF所提出的流量特性规范T-SPEC建模 ${\mathrm{\&alpha;}}_i\left(t\right)=min(r_i^{\left(m\right)}t+s_i^{\left(m\right)},r_i^{\left(a\right)}t+s_i^{\left(b\right)}),$ 其中，为数据包产生的峰值速率，为正常传输情况下最大数据包长度，为数据包产生的平均数据速率，为突发业务对应数据包长度。假设数据包到达服从泊松分布，可建模最大数据速率为其中，L_i为SV_i的数据包长度为，为SV_i的数据包平均到达率，则数据包到达的平均数据速率为最大数据包长度由SV_i业务特性决定，突发数据包大小由SV_i业务突发状况确定。

302：基于业务特性，构建VRVs

基于SV的QoS需求，采用NFV技术，将各RV的传输及处理资源，如带宽、缓存等进行切片，划分为多个VRVs，以支持具有不同SV业务特性传输的数据流传输。

303：建模VRVs服务曲线

令β_j,k(t)为第j个RV，也即RV_j的第k个VRV，记为VRV_j,k的服务曲线，其中，1≤j≤N，N为RV的数目，1≤k≤K_j，K_j为RV_j的VRV数目，建模β_j,k(t)＝r_j,k(t-θ_j,k)⁺，其中，(x)⁺＝max{x,0}，r_j,k表示VRV_j,k的服务速率，假设VRV_j,k的服务时间服从的指数分布，其中，μ_j,k常数，由VRV_j,k的带宽及处理能力决定，则VRV_j,k服务速率可记为r_j,k＝mμ_j,k，其中，m为权重因子，θ_j,k为处理延时，由VRV_j,k的邻居车辆数目决定，即 ${\mathrm{\&theta;}}_{jk}=T_S+(N_w-1)T_S+\frac{1-{(1-\mathrm{\&tau;})}^{N_w}-N_w\mathrm{\&tau;}{(1-\mathrm{\&tau;})}^{N_w-1}}{N_w\mathrm{\&tau;}{(1-\mathrm{\&tau;})}^{N_w-1}}{T}_c+\frac{1-\mathrm{\&tau;}}{\mathrm{\&tau;}}\mathrm{\&sigma;},$ 其中，T_s为数据成功传输时间，T_c为平均信道繁忙时间，N_w为接入VRV_j,k的总用户数，τ为用户的传输概率，σ为空闲时隙的持续时间。

304：评估VRVs业务传输性能

若具有到达曲线α_i(t)的SV_i的数据经VRV_j,k转发，可得数据有效传输带宽为其中D为时延约束，为SV_i到RV_j的中断概率， $P_{ij}^{out}=\mathrm{Pr}(\frac{E_s}{N_0}{h}_{ij}^2<{\mathrm{\&psi;}}_{th1})=\frac{G_{1,3}^{2,1}\&lsqb;\frac{m_1{m}_2{N}_0{\mathrm{\&psi;}}_{th1}}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2{E}_s}{|}_{m_1,m_2,0}^1\&rsqb;}{\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)},$ 数据最大服务时延为 $d_{i,j,k}^{\max }(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\left\{inf\right\{T:T\&GreaterEqual;0;{\mathrm{\&alpha;}}_i\left(t\right)\&le;{\mathrm{\&beta;}}_{j,k}(t+T)\left\}\right\},$ 积压上界为 $b_{i,j,k}^{\max }(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\{{\mathrm{\&alpha;}}_i\left(t\right)-{\mathrm{\&beta;}}_{j,k}\left(t\right)\}.$

305：实现面向业务特性的最优VRV选择

若SV拟传输针对吞吐量敏感性业务，令为最低数据包传输速率阈值，在满足的所有VRV_j,k中选择若SV拟传输针对时延敏感性业务，为VRV_j,k对第i个SV的服务最大延时的阈值，最大服务延时满足的所有VRV_j,k中选择 ${\mathrm{VRV}}_{j*,k^{*}},(j^{*},k^{*})=\underset{i,j,k}{\mathrm{argmin}}\left\{d_{i,j,k}^{\left(\max \right)}\right\}.$

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (6)

1.一种车辆自组织网络中继车辆选择方法，其特征在于：该方法包括以下步骤：

步骤一：针对VANET中多个源车辆(SVs)需选择中继车辆(RVs)进行信息转发问题，基于网络功能虚拟化(NFV)技术将各RV虚拟为多个虚拟中继车辆(VRVs)；

步骤二：采用网络微积分理论建模SV的业务产生曲线和VRVs的服务曲线；

步骤三：评估SV的业务经各VRV的传输性能；

步骤四：基于SV的QoS需求选择具有最优传输性能的VRV，从而实现RV的优化选择。

2.根据权利要求1所述的一种车辆自组织网络中继车辆选择方法，其特征在于：在步骤一中，VANET中车辆之间链路特性服从级联Nakagami-m分布，信道特性h₁的概率密度函数为 $f\left(h_1\right)=\frac{2}{h_1\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)}{G}_{0,2}^{2,0}\&lsqb;\frac{m_1{m}_2{h}_1^2}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2}{|}_{m_1,m_2}^{-}\&rsqb;,$ 其中，m₁、m₂ 表示信道的衰落强度，为MeijerG函数，m_l＝Ω/E(h_l-Ω_l)²≥1/2,l＝1,2；

基于SV的QoS需求，采用NFV技术，将各RV的传输及存储资源进行切片，划分为多个VRVs，以支持具有不同业务特性的数据流传输。

3.根据权利要求2所述的一种车辆自组织网络中继车辆选择方法，其特征在于：在步骤二中，令α_i(t)为第i个SV的业务产生曲线，其中，1≤i≤M，M为SV的数目，采用IETF所提出的流量特性规范 $T-SPEC\left(r_i^{\left(m\right)},s_i^{\left(m\right)},r_i^{\left(a\right)},s_i^{\left(b\right)}\right)$ 建模 ${\mathrm{\&alpha;}}_i\left(t\right)=min(r_i^{\left(m\right)}t+s_i^{\left(m\right)},r_i^{\left(a\right)}t+s_i^{\left(b\right)}),$ 其中，为数据包产生的峰值速率，为正常传输情况下最大数据包长度，为数据包产生的平均数据速率，为突发业务对应数据包长度；假设数据包到达服从泊松分布，可建模最大数据速率为其中，L_i为SV_i的数据包长度，为SV_i的数据包平均到达率，则数据包到达的平均数据速率为最大的数据包长度由SV_i业务特性决定，突发数据包大小由SV_i业务突发状况确定。

4.根据权利要求3所述的一种车辆自组织网络中继车辆选择方法，其特征在于：在步骤二中，所述VRVs的服务曲线建模包括：

令β_j,k(t)为第j个RV，也即RV_j的第k个VRV，记为VRV_j,k的服务曲线，其中，1≤j≤N，N为RV的数目，1≤k≤K_j，K_j为RV_j的VRV的数目，建模β_j,k(t)＝r_j,k(t-θ_j,k)⁺，其中，(x)⁺＝max{x,0}，r_j,k表示VRV_j,k的服务速率，建模VRV_j,k的服务时间服从的指数分布，其中，μ_j,k常数，由VRV_j,k的带宽及处理能力决定，则VRV_j,k服务速率可记为r_j,k＝mμ_j,k，其中，m为权重因子，θ_j,k为处理延时，由VRV_j,k的邻居车辆数目决定，即：

${\mathrm{\&theta;}}_{jk}=T_S+(N_w-1)T_S+\frac{1-{(1-\mathrm{\&tau;})}^{N_w}-N_w\mathrm{\&tau;}{(1-\mathrm{\&tau;})}^{N_w-1}}{N_w\mathrm{\&tau;}{(1-\mathrm{\&tau;})}^{N_w-1}}{T}_c+\frac{1-\mathrm{\&tau;}}{\mathrm{\&tau;}}\mathrm{\&sigma;},$ 其中，T_s为数据成功传输时间，T_c为平均信道繁忙时间，N_w为接入VRV_j,k的总用户数，τ为用户的传输概率，σ为空闲时隙的持续时间。

5.根据权利要求4所述的一种车辆自组织网络中继车辆选择方法，其特征在于：在步骤三中，所述评估SV的业务经各VRV的传输性能包括：若具有到达曲线α_i(t)的SV_i的数据经VRV_j,k转发，则数据有效传输带宽为其中D为时延约束，为SV_i到RV_j的中断概率， $P_{ij}^{out}=\mathrm{Pr}\left(\frac{E_s}{N_0}{h}_{ij}^2<{\mathrm{\&psi;}}_{th1}\right)=\frac{G_{1,3}^{2,1}\&lsqb;\frac{m_1{m}_2{N}_0{\mathrm{\&psi;}}_{th1}}{{\mathrm{\&Omega;}}_1{\mathrm{\&Omega;}}_2{E}_s}{|}_{m_1,m_2,0}^1\&rsqb;}{\mathrm{\&Gamma;}\left(m_1\right)\mathrm{\&Gamma;}\left(m_2\right)},$ 数据最大服务时延为 $d_{i,j,k}^{\max }(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\left\{inf\right\{T:T\&GreaterEqual;0;{\mathrm{\&alpha;}}_i\left(t\right)\&le;{\mathrm{\&beta;}}_{j,k}(t+T)\left\}\right\},$ 积压上界为：

$b_{i,j,k}^{\max }(\mathrm{\&alpha;},\mathrm{\&beta;})=\underset{t\&GreaterEqual;0}{sup}\{{\mathrm{\&alpha;}}_i\left(t\right)-{\mathrm{\&beta;}}_{j,k}\left(t\right)\}.$

6.根据权利要求5所述的一种车辆自组织网络中继车辆选择方法，其特征在于：在步骤四中，若SV_i拟传输吞吐量敏感业务，令为SV_i的最低数据包传输速率，在满足的所有VRV中选择其中，若SV_i拟传输时延敏感性业务，令为SV_i的最大可允许延时，在满足的所有VRV中选择其中， $(j^{*},k^{*})=\underset{i,j,k}{\arg min}\left\{d_{i,j,k}^{\left(\max \right)}\right\}.$