CN111510882B - 基于用户体验质量的车联网频谱资源分配方法及系统 - Google Patents

基于用户体验质量的车联网频谱资源分配方法及系统 Download PDF

Info

Publication number
CN111510882B
CN111510882B CN202010266524.0A CN202010266524A CN111510882B CN 111510882 B CN111510882 B CN 111510882B CN 202010266524 A CN202010266524 A CN 202010266524A CN 111510882 B CN111510882 B CN 111510882B
Authority
CN
China
Prior art keywords
vehicle
enb
service
time slot
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010266524.0A
Other languages
English (en)
Other versions
CN111510882A (zh
Inventor
武贵路
李正权
吴琼
刘洋
李宝龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangnan University
Original Assignee
Jiangnan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangnan University filed Critical Jiangnan University
Priority to CN202010266524.0A priority Critical patent/CN111510882B/zh
Publication of CN111510882A publication Critical patent/CN111510882A/zh
Application granted granted Critical
Publication of CN111510882B publication Critical patent/CN111510882B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于用户体验质量的车联网频谱资源分配方法及系统,包括：构建包括基站、增强型节点和车辆用户的系统网络；当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源。本发明算法简单，且实用性更强。

Description

基于用户体验质量的车联网频谱资源分配方法及系统
技术领域
本发明涉及无线通信科学的技术领域，尤其是指一种基于用户体验质量的车联网频谱资源分配方法及系统。
背景技术
随着交通系统的逐步完善及人们生活水平的提高，越来越多的人选择汽车作为出行的交通工具，然而，单一地文本信息和语音服务已无法满足当今车联网用户的服务需求。车联网技术作为改善智能交通系统(Intelligent Transportation System，简称ITS)的潜在关键技术，期望能够为用户带来更加方便、快捷和舒适地驾驶体验，提供各种实时和非实时地通信服务功能。这对于频谱资源受限的网络提出巨大的挑战。为了改善车联网服务质量(Quality of Service，简称QoS)和驾驶体验，有效的频谱资源管理方案是一种有效地技术手段。而体验质量(Quality of Experience，简称QoE)模型作为评价用户满意度的服务评估方法，能够反映用户对于某种类型服务的满意程度。因此，QoE可以作为改善网络中频谱资源分配的评价指标。
随着车载通信和车联网技术的快速发展，涌现出许多可用于智能交通系统的无线通信技术，例如，正交频分复用(Orthogonal Frequency Division Multiplexing，简称OFDM)技术、中继技术、云技术等。OFDM技术和中继技术能够分别提高网络中频谱资源利用率和数据通信传输范围。通过与长期演进(long Term Evolution，简称LTE)网络结合，可以实现网络的无缝覆盖和远距离传输。OFDM技术和中继技术为LTE网络带来更大灵活性的同时，也使得网络的资源管理更加复杂。云计算(Clouding Computing)技术可以利用云的概念有效地处理网络中的复杂运算，简化操作效率。车联网中，所有车辆可以形成车载云(Vehicular Cloud)实现云的功能，大大地改善网络数据处理和系统操作管理能力，增强网络服务。高效地频谱资源管理方法需要合理采用相关的技术，提高频谱资源利用率，改善网络性能。
而对于现有的网络性能，传统技术采用服务质量QoS为性能指标的车联网中资源分配方案，即以车联网中QoS为目标函数实现网络中资源的合理分配，从而改善网络服务质量和驾驶体验。这种方案虽然易于实现，但是复杂度低，而且由于QoS并不能真正反映车辆用户实际环境中的真实体验，且由于单一性而易受真实场景中的物理因素和环境因素的影响，因此实用性难以保证。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中算法复杂，且实用性差的问题，从而提供一种算法简单，且实用性更强的基于用户体验质量的车联网频谱资源分配方法及系统。
为解决上述技术问题，本发明的一种基于用户体验质量的车联网频谱资源分配方法，构建包括基站、增强型节点和车辆用户的系统网络；当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源。
在本发明的一个实施例中，所述体验质量模型包括链路传输速率、链路传输延时、服务价格。
在本发明的一个实施例中，所述链路传输速率是指在链路传输过程中，信息由网络中的基站，传输信息至小区LTE网络中的增强型节点，再由所述增强型节点与小区网络中的车辆用户之间通信，完成这一信息传输过程的速率。
在本发明的一个实施例中，所述链路传输延时，包括车载云、基站、增强型节点和车载用户处理自身信息所消耗的时间，以及相互之间传输过程所花费的时间。
在本发明的一个实施例中，所述服务价格是指小区LTE网络中车辆用户竞争频谱资源时，增强型节点依据综合情况设定的此时刻的售价。
在本发明的一个实施例中，所述判定策略为大数据量情况时，运算过程由基站参与完成；所述判定策略为小数据量情况时，运算过程由车载云参与完成。
在本发明的一个实施例中，当车辆用户需要频谱资源时，所述车辆用户对与增强型节点之间的链路信道选择依据满意度准则的方法选择。
在本发明的一个实施例中，所述满意度准则的方法为：第一步：对车辆QoS参数初始化；第二步：所有车辆发送自身位置坐标至车载云端；第三步：车载云计算eNB与车辆n之间传输链路dn的路径损耗，并对结果进行排序；第四步：从信道集合中选择一个子信道，且计算所有车辆的满意度变化差值，然后为车辆分配最优子信道；第五步：返回所述第三步，直到所有车辆都获得分配的子信道。
在本发明的一个实施例中，按照所得结果下发分配命令的方法为：所述基站或车载云通过相应通信链路下发分配命令。
本发明还公开了一种基于用户体验质量的车联网频谱资源分配系统，包括：系统网络模块，用于构建包括基站、增强型节点和车辆用户的系统网络；计算模块，用于当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；分配频谱模块，用于按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源。
本发明的上述技术方案相比现有技术具有以下优点：
本发明所述的基于用户体验质量的车联网频谱资源分配方法及系统，当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，从而可以帮助判定执行过程，所述体验质量模型是针对车联网用户期望获得服务质量量化数值，通过所述体验质量模型有利于有效地分配车联网中不同用户所占用的频谱资源，以最大限度地满足每个用户服务需求，从而提升整个网络的吞吐量；按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源，从而可以使方法实现过程规范、易操作，实用性更强。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是本发明基于用户体验质量的车联网频谱资源分配方法流程图；
图2是本发明系统网络的示意图。
具体实施方式
实施例一
如图1和图2所示，本实施例提供一种基于用户体验质量的车联网频谱资源分配方法，包括步骤S1：构建包括基站、增强型节点和车辆用户的系统网络；步骤S2：当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；步骤S3：按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源。
本实施例所述基于用户体验质量的车联网频谱资源分配方法，所部步骤S1中，构建包括基站、增强型节点和车辆用户的系统网络，有利于对频谱资源管理；所述步骤S2中，当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，从而可以帮助判定执行过程，所述体验质量模型是针对车联网用户期望获得服务质量量化数值，通过所述体验质量模型有利于有效地分配车联网中不同用户所占用的频谱资源，以最大限度地满足每个用户服务需求，从而提升整个网络的吞吐量；步骤S3：按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源，从而可以使方法实现过程规范、易操作，实用性更强。
所述步骤S1中，所述系统网络适用于但不局限于三层网络架构，基站BS作为控制层，增强型节点eNB作为中间层，车辆用户作为用户层。控制层、中间层和用户层依次之间进行信息传递。
所述系统网络还可以包括车载云，所述车载云不属于任何一层，也可以同时服务于三层。
所述车载云由小区网络内所有车辆形成，单个车辆计算资源有限，将所有车辆计算资源联合虚拟化为集中统一、功能强大的资源池(Resource Pool)，为网络提供复杂计算和操作的能力。
所述不同类型车辆用户构成用户层，增强型节点构成转发层，所述基站和车载云构成服务提供层。
不同类型车辆Vehicle、增强型节点eNB、基站BS、车载云构成单个LTE小区网络。每个LTE小区网络中不同节点设备之间进行信息传递。所述基站控制多个带有增强型节点的LTE小区网络，本发明以其中一个eNB节点为对象进行阐述。
所述不同节点设备之间信息传递指的是单个车辆请求某一服务时，发送服务请求至增强型节点，增强型节点将这一消息转发至基站；反之，基站将所提供的服务信息经增强型节点转发至请求车辆用户。
所述步骤S2中，当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，具体地，所有车辆发送自身实时位置坐标至车载云端，行驶车辆所在LTE网络小区中增强型节点eNB发送位置坐标至云端。其中所述实时是某服务发生或发展过程中的同一时间，所述位置坐标是有车载设备和增强型节点分别通过自身GPS系统提供。
所述中转指的是车辆用户与基站BS之间不直接进行通信，它们之间的信息传输都由增强型节点eNB转发完成。
所述体验质量模型是由用户期望的条件共同决定，从而有利于有效地分配车联网中不同用户所占用的频谱资源，以最大限度地满足每个用户服务需求，从而提升整个网络的吞吐量。
具体地，所述体验质量模型包括链路传输速率、链路传输延时、服务价格，通过提出的体验质量模型，设定不同的参数来表征不同的服务应用场景，达到某一服务场景下的性能最优化。本发明中，依据不同场景，可以选择不同的组成条件，
所述链路传输速率是指在链路传输过程中，信息由网络中的基站，传输信息至小区LTE网络中的增强型节点，再由所述增强型节点与小区网络中的车辆用户之间通信，完成这一信息传输过程的速率。
所述链路传输延时，包括车载云、基站、增强型节点和车载用户处理自身信息所消耗的时间，以及相互之间传输过程所花费的时间。
所述服务价格是指小区LTE网络中车辆用户竞争频谱资源时，增强型节点依据综合情况设定的此时刻的售价。
本发明基于体验质量以及车载云实现，采用云计算技术解决车联网中大数据及复杂计算的难题，在一定程度上简化了信息交互，解决数据处理复杂性问题以及时延问题。该发明中体验质量模型可以利用车载云完成，也可以当数据计算较小时内置于基站完成，便于应对不同的服务情况。
为了帮助判定执行过程，所述判定策略为大数据量情况时，运算过程由基站参与完成；所述判定策略为小数据量情况时，运算过程由车载云参与完成。
所述步骤S3中，按照所得结果下发分配命令的方法为：所述基站或车载云通过相应通信链路下发分配命令，从而在一定程度上简化了信息交互，解决数据处理复杂性问题。
下面结合附图进行详细说明：
如图2所示，在车载云LTE网络中，可以在基站与LET小区网络中车辆之间通过增强型节点建立多条通信链路以实现频谱资源分配，模型中包括车载云(Vehicle Cloud,VC)、基站(BS)、增强型节点(eNB)、车辆用户和通信链路等元素。车载云为云服务提供者，而通信链路传输不同数据类型(实线代表数据信息，虚线代表控制信息)。本发明所述的车载云LTE网络可以为各种类型，包括但不限于服务质量驱动车载云LTE网络和体验质量驱动车载云LTE网络等。
假设系统总带宽为W，且下行链路信道分为B个独立的子信道。存在N辆车随机分布于LTE小区网络中且集中构成车载云，且不同车辆的服务需求不同。假设网络中BS与eNB之间的距离固定且为dEe。为便于说明，假设eNB位于坐标系统原点位置，且网络中车辆n，n∈{1，2，…，N}都可以根据自身GPS系统获得自身位置坐标，因此，eNB与车辆之间的距离容易获得为dn。
整个通信过程可以分为两个阶段：阶段1(时隙1)和阶段2(时隙2).其中，BS与eNB之间的通信过程称为阶段1；阶段2为eNB与车辆n之间的信息传输过程。阶段1和阶段2之间的信息传输受到的噪声均为加性高斯白噪声(Additive White Gaussian Noise,AWGN)且值为σ2。
在阶段1，LTE小区中eNB接收端接收信息时，其接收信噪比(Signal-to-Noise，简称SNR)为
Figure BDA0002441449910000081
在阶段2，当小区中车辆n成功接收到eNB传输的信息时，接收SNR表示为
Figure BDA0002441449910000082
其中，PBS和PeNB分别为BS和eNB的固定传输功率。PL(·)为相应的路径损耗，计算表达式为
Figure BDA0002441449910000083
其中，x为阶段1或阶段2时的传输距离，PL(d0)为d0＝1时的路径损耗值，μ为路径损耗指数。
根据公式(1)和(2)，利用香农定理，阶段1中至eNB和阶段2中处于链路子信道b，b∈{1，2，…，B}的车辆n的信道容量分别为
Figure BDA0002441449910000084
Figure BDA0002441449910000085
受阶段1和阶段2链路传输信道容量，车载云可以发送控制信息至BS来控制第1阶段的数据速率。因此，其相应的传输速率满足条件：
Figure BDA0002441449910000086
在阶段2，车辆n的传输速率为：
Figure BDA0002441449910000087
其中，δn，b为子信道分配参数，可以表示为：
Figure BDA0002441449910000088
对于网络性能，传统技术以QoS作为评判服务指标，这是不充分的。国际电信联盟电信标准分局ITU-T定义QoE作为网络性能服务评价指标而被广泛采用。车联网中，用户在车辆行驶过程中期望能够体验高质量地服务。而体验质量指标能够良好地反映车辆行驶过程中用户请求获得服务所需网络资源地情况。为解决这一问题，本发明设计QoE使能资源调度算法，改善LTE车联网中车辆用户满意度。
采用车载用户平均意见得分(Mean Opinion Score,MOS)具体评估用户满意度。MOS为反映网络条件的用户满意度函数，其取值范围为[0,4.5]。当MOS取值不小于设定阈值时，用户满意服务质量，否则，用户不满意。一般情况下，该阈值设定为3。当MOS取值大于4.5时，用户满意度并不会随着更多的分配资源而满意度增加。
计算车辆n在时隙t时的MOS为：
MOSn(t)＝log2(aIn(t)+b) (9)
其中，In表示车辆n获得资源与需求资源之间的比值，它受多种因素影响，例如，时延、传输速率、服务价格等等。a和b通常情况下为常数，用于限制QoE值。如果In取值大于等于1，车辆n满意服务质量，反之，车辆n对服务质量不满意。
为使网络吞吐量最大，建立QoE优化问题模型如下：
Figure BDA0002441449910000091
其中，
Figure BDA0002441449910000092
为车辆n在时隙t时处于eNB缓存区域中的发送数据队列长度，T为调度周期持续时间，αn，b为子信道分配参数，
Figure BDA0002441449910000093
和PBS(t)分别为eNB提供给车辆n的服务价格和BS在时刻t时提供的服务价格。
从场景问题描述中，可知不同的车辆用户拥有从BS和eNB获得不同服务的请求。不同服务所需的网络资源也不尽相同。对于不同的服务请求，采用三个属性来表示：时延、传输速率和服务价格。服务类型特征定义为In，它在时隙t时的表达式为：
In(t)＝αDn(t)+βRn(t)+γPn(t) (11)
其中，Dn(t)、Rn(t)和Pn(t)分别车辆n在时隙t时的表示为时延、传输速率和服务价格，且满足α+β+γ＝1。
更具体地，车辆n在时隙t时获得资源与所需资源之间比值表示为：
Figure BDA0002441449910000101
其中，
Figure BDA0002441449910000102
是车辆传输时延，
Figure BDA0002441449910000103
是车辆n在时隙t时的平均传输时延，
Figure BDA0002441449910000104
是车辆n可以容忍的最大传输时延；
Figure BDA0002441449910000105
是是车辆n所需最小传输速率，
Figure BDA0002441449910000106
是车辆n在时隙t时的平均传输速率；
Figure BDA0002441449910000107
是所需服务最大容忍价格，
Figure BDA0002441449910000108
是时隙t时平均服务价格，
Figure BDA0002441449910000109
是车辆n所需最小服务价格。本发明认为t时隙长度内服务价格稳定。
关于体现QoE的三个方面：链路传输延时D，链路传输速率R和服务价格P，下面详细分析：
有关链路传输延时D：
假设BS缓存区始终处于饱和状态，且数据平均队列长度为LBS。在时隙t开始，eNB中缓存区的队列长度为
Figure BDA00024414499100001010
数据在时隙t开始时到达，且数据到达速率遵循均值为λn的泊松分布。qn(t)表示车辆n在t时隙到达。
在t时隙结束时，车辆n在eNB缓存区中的队列长度表示为：
Figure BDA00024414499100001011
时隙t结束时，车辆n在时间窗口tc内处于eNB缓存区中的平均队列长度表示为：
Figure BDA00024414499100001012
可以预测，车辆n在t时隙后处于eNB缓存区内的平均队列长度为
Figure BDA00024414499100001013
其中，E(·)表示均值函数。
根据排队论中的Little理论，车辆n在t时隙内的平均时延为
Figure BDA0002441449910000111
因此，可以计算车辆n在时隙t结束时的平均传输时延为：
Figure BDA0002441449910000112
有关链路传输速率R：
车辆n在时隙t结束时的平均传输速率为：
Figure BDA0002441449910000113
有关服务价格P：
假设时隙t内服务价格处于稳定状态，则车辆n在时隙t结束时的平均服务价格为：
Figure BDA0002441449910000114
其中，∈为服务价格P改变速率，c是调整量。通过调整∈和c使得服务价格在时间t内保持稳定。
Figure BDA0002441449910000115
和
Figure BDA0002441449910000116
分别为小区内eNB和LTE网络内BS在时间t时为车辆n提供服务的价格。
根据本实施例前面所述，目标函数为非凸混合整数优化问题，无法直接求解最优解。因此，提出次最优资源分配算法和相应调度准则如下：
Figure BDA0002441449910000117
其中，车辆n相邻时隙平均MOS差值为：
Figure BDA0002441449910000118
基于上述分析，BS具有固定的数据队列长度和车载云服务提供的服务价格。然而，由eNB为车辆提供数据时的时延、传输速率和服务价格直接影响车辆用户的满意度水平。同时，BS和eNB之间的数据链路对于所有车辆来说具有相同的信道状态。为确保每个车辆信道传输的公平性，车辆轮询选择BS与eNB之间的链路信道。车辆用户对与eNB之间的链路信道选择则具体依据满意度准则的方法选择，具体方法步骤如下：
第一步：车辆QoS参数初始化，an，b＝0
Figure BDA0002441449910000121
子信道集合S＝{1，2，…，B}，车辆集合M＝{1，2，…，n，…，N}，α，β，γ∈[0，1]；
第二步：所有车辆发送自身位置坐标(xn，yn)至车载云端；
第三步：依据PL(x)，车载云计算eNB与车辆n之间传输链路dn的路径损耗，之后，将所有计算结果排序b*＝minb＝1，2，…，BPL(dn)；
第四步：从信道集合S中选择一个子信道，且计算所有车辆的满意度变化差值||MOSn(t+1)-MOSn(t)||，然后为车辆n分配最优子信道b*；
第五步：返回第三步，直到所有车辆都获得分配的子信道。
实施例二
基于同一发明构思，本实施例提供了一种基于用户体验质量的车联网频谱资源分配系统，其解决问题的原理与所述基于用户体验质量的车联网频谱资源分配方法类似，重复之处不再赘述。
本实施例所述的基于用户体验质量的车联网频谱资源分配系统包括：
系统网络模块，用于构建包括基站、增强型节点和车辆用户的系统网络；
计算模块，用于当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；
分配频谱模块，用于按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种基于用户体验质量的车联网频谱资源分配方法，其特征在于，包括如下步骤：
步骤S1：构建包括基站、增强型节点和车辆用户的系统网络；
步骤S2：当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；
步骤S3：按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源；
在车载云LTE网络中，在基站与LET小区网络中车辆之间通过增强型节点建立多条通信链路以实现频谱资源分配，模型中包括车载云、基站、增强型节点、车辆用户和通信链路，车载云为云服务提供者，而通信链路传输不同数据类型，所述的车载云LTE网络可以为各种类型，包括但不限于服务质量驱动车载云LTE网络和体验质量驱动车载云LTE网络；
假设系统总带宽为W，且下行链路信道分为B个独立的子信道，存在N辆车随机分布于LTE小区网络中且集中构成车载云，且不同车辆的服务需求不同，假设网络中BS与eNB之间的距离固定且为dBe，假设eNB位于坐标系统原点位置，且网络中车辆n，n∈{1，2，…，N}都可以根据自身GPS系统获得自身位置坐标，eNB与车辆之间的距离容易获得为dn；
整个通信过程可以分为两个阶段：阶段1，即时隙1和阶段2，即时隙2，其中，BS与eNB之间的通信过程称为阶段1；阶段2为eNB与车辆n之间的信息传输过程，阶段1和阶段2之间的信息传输受到的噪声均为加性高斯白噪声且值为σ2；
在阶段1，LTE小区中eNB接收端接收信息时，其接收信噪比(Signal-to-Noise，简称SNR)为
Figure FDA0003747958310000021
在阶段2，当小区中车辆n成功接收到eNB传输的信息时，接收SNR表示为
Figure FDA0003747958310000022
其中，PBS和PeNE分别为BS和eNB的固定传输功率，PL(·)为相应的路径损耗，计算表达式为
Figure FDA0003747958310000023
其中，x为阶段1或阶段2时的传输距离，PL(d0)为d0＝1时的路径损耗值，μ为路径损耗指数，
根据公式(1)和(2)，利用香农定理，阶段1中至eNB和阶段2中处于链路子信道b，b∈{1，2，…，B}的车辆n的信道容量分别为
Figure FDA0003747958310000024
Figure FDA0003747958310000025
受阶段1和阶段2链路传输信道容量，车载云可以发送控制信息至BS来控制第1阶段的数据速率，因此，其相应的传输速率满足条件：
Figure FDA0003747958310000026
在阶段2，车辆n的传输速率为：
Figure FDA0003747958310000027
其中，δn，b为子信道分配参数，可以表示为：
Figure FDA0003747958310000028
采用车载用户平均意见得分具体评估用户满意度，MOS为反映网络条件的用户满意度函数，其取值范围为[0,4.5]，当MOS取值不小于设定阈值时，用户满意服务质量，否则，用户不满意，一般情况下，该阈值设定为3，当MOS取值大于4.5时，用户满意度并不会随着更多的分配资源而满意度增加；
计算车辆n在时隙t时的MOS为：
MOSn(t)＝log2(aIn(t)+b) (9)
其中，In表示车辆n获得资源与需求资源之间的比值，它受时延、传输速率、服务价格的影响，a和b通常情况下为常数，用于限制QoE值，如果In取值大于等于1，车辆n满意服务质量，反之，车辆n对服务质量不满意；
为使网络吞吐量最大，建立QoE优化问题模型如下：
Figure FDA0003747958310000031
其中，
Figure FDA0003747958310000032
为车辆n在时隙t时处于eNB缓存区域中的发送数据队列长度，T为调度周期持续时间，an，b为子信道分配参数，
Figure FDA0003747958310000033
和PBS(t)分别为eNB提供给车辆n的服务价格和BS在时刻t时提供的服务价格；
从场景问题描述中，可知不同的车辆用户拥有从BS和eNB获得不同服务的请求，不同服务所需的网络资源也不尽相同，对于不同的服务请求，采用三个属性来表示：时延、传输速率和服务价格；服务类型特征定义为In，它在时隙t时的表达式为：
In(t)＝αDn(t)+βRn(t)+γPn(t) (11)
其中，Dn(t)、Rn(t)和Pn(t)分别车辆n在时隙t时的表示为时延、传输速率和服务价格，且满足α+β+γ＝1；
更具体地，车辆n在时隙t时获得资源与所需资源之间比值表示为：
Figure FDA0003747958310000041
其中，
Figure FDA0003747958310000042
是车辆传输时延，
Figure FDA0003747958310000043
是车辆n在时隙t时的平均传输时延，
Figure FDA0003747958310000044
是车辆n可以容忍的最大传输时延；
Figure FDA0003747958310000045
是车辆n所需最小传输速率，
Figure FDA0003747958310000046
是车辆n在时隙t时的平均传输速率；
Figure FDA0003747958310000047
是所需服务最大容忍价格，
Figure FDA0003747958310000048
是时隙t时平均服务价格，
Figure FDA0003747958310000049
是车辆n所需最小服务价格， t时隙长度内服务价格稳定；
关于体现QoE的三个方面：链路传输延时D，链路传输速率R和服务价格P，下面详细分析：
有关链路传输延时D：
假设BS缓存区始终处于饱和状态，且数据平均队列长度为LBS，在时隙t开始，eNB中缓存区的队列长度为
Figure FDA00037479583100000410
数据在时隙t开始时到达，且数据到达速率遵循均值为λn的泊松分布，qn(t)表示车辆n在t时隙到达；
在t时隙结束时，车辆n在eNB缓存区中的队列长度表示为：
Figure FDA00037479583100000411
时隙t结束时，车辆n在时间窗口tc内处于eNB缓存区中的平均队列长度表示为：
Figure FDA00037479583100000412
可以预测，车辆n在t时隙后处于eNB缓存区内的平均队列长度为
Figure FDA00037479583100000413
其中，E(·)表示均值函数；
根据排队论中的Little理论，车辆n在t时隙内的平均时延为
Figure FDA00037479583100000414
因此，可以计算车辆n在时隙t结束时的平均传输时延为：
Figure FDA0003747958310000051
有关链路传输速率R：
车辆n在时隙t结束时的平均传输速率为：
Figure FDA0003747958310000052
有关服务价格P：
假设时隙t内服务价格处于稳定状态，则车辆n在时隙t结束时的平均服务价格为：
Figure FDA0003747958310000053
其中，∈为服务价格P改变速率，c是调整量，通过调整∈和c使得服务价格在时间t内保持稳定，
Figure FDA0003747958310000054
和
Figure FDA0003747958310000055
分别为小区内eNB和LTE网络内BS在时间t时为车辆n提供服务的价格；
提出次最优资源分配算法和相应调度准则如下：
Figure FDA0003747958310000056
其中，车辆n相邻时隙平均MOS差值为：
Figure FDA0003747958310000057
为确保每个车辆信道传输的公平性，车辆轮询选择BS与eNB之间的链路信道，车辆用户对与eNB之间的链路信道选择则具体依据满意度准则的方法选择，具体方法步骤如下：
第一步：车辆QoS参数初始化，
Figure FDA0003747958310000061
子信道集合S＝{1，2，…，B}，车辆集合M＝{1，2，…，n，…，N}，α，β，γ∈[0，1]；
第二步：所有车辆发送自身位置坐标(xn，yn)至车载云端；
第三步：依据PL(x)，车载云计算eNB与车辆n之间传输链路dn的路径损耗，之后，将所有计算结果排序b*＝minb＝1，2，…，BPL(dn)；
第四步：从信道集合S中选择一个子信道，且计算所有车辆的满意度变化差值||MOSn(t+1)-MOSn(t)||，然后为车辆n分配最优子信道b*；
第五步：返回第三步，直到所有车辆都获得分配的子信道。
2.根据权利要求1所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述体验质量模型包括链路传输速率、链路传输延时、服务价格。
3.根据权利要求2所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述链路传输速率是指在链路传输过程中，信息由网络中的基站，传输信息至小区LTE网络中的增强型节点，再由所述增强型节点与小区网络中的车辆用户之间通信，完成这一信息传输过程的速率。
4.根据权利要求2所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述链路传输延时，包括车载云、基站、增强型节点和车载用户处理自身信息所消耗的时间，以及相互之间传输过程所花费的时间。
5.根据权利要求2所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述服务价格是指小区LTE网络中车辆用户竞争频谱资源时，增强型节点依据综合情况设定的此时刻的售价。
6.根据权利要求1所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述判定策略为大数据量情况时，运算过程由基站参与完成；所述判定策略为小数据量情况时，运算过程由车载云参与完成。
7.根据权利要求1所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：当车辆用户需要频谱资源时，所述车辆用户对与增强型节点之间的链路信道选择依据满意度准则的方法选择。
8.根据权利要求7所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：所述满意度准则的方法为：第一步：对车辆QoS参数初始化；第二步：所有车辆发送自身位置坐标至车载云端；第三步：车载云计算eNB与车辆n之间传输链路dn的路径损耗，并对结果进行排序；第四步：从信道集合中选择一个子信道，且计算所有车辆的满意度变化差值，然后为车辆分配最优子信道；第五步：返回所述第三步，直到所有车辆都获得分配的子信道。
9.根据权利要求1所述的基于用户体验质量的车联网频谱资源分配方法，其特征在于：按照所得结果下发分配命令的方法为：所述基站或车载云通过相应通信链路下发分配命令。
10.一种基于用户体验质量的车联网频谱资源分配系统，其特征在于，包括：
系统网络模块，用于构建包括基站、增强型节点和车辆用户的系统网络；
计算模块，用于当车辆用户需要频谱资源时，经过所在小区的增强型节点中转向所述基站发送请求，所述基站收到资源分配请求后，通过判定策略利用体验质量模型计算结果，其中所述判定策略是对于执行数据量运算时，计算处理过程运行位置所依据实际网络情况，区分大数据量或小数据量，所述体验质量模型是针对车联网用户期望获得服务质量量化数值；
分配频谱模块，用于按照所得结果下发分配命令至小区LTE网络中的增强型节点，通过所述增强型节点对所述车辆分配频谱资源；
在车载云LTE网络中，在基站与LET小区网络中车辆之间通过增强型节点建立多条通信链路以实现频谱资源分配，模型中包括车载云、基站、增强型节点、车辆用户和通信链路，车载云为云服务提供者，而通信链路传输不同数据类型，所述的车载云LTE网络可以为各种类型，包括但不限于服务质量驱动车载云LTE网络和体验质量驱动车载云LTE网络；
假设系统总带宽为W，且下行链路信道分为B个独立的子信道，存在N辆车随机分布于LTE小区网络中且集中构成车载云，且不同车辆的服务需求不同，假设网络中BS与eNB之间的距离固定且为dBe，假设eNB位于坐标系统原点位置，且网络中车辆n，n∈{1，2，…，N}都可以根据自身GPS系统获得自身位置坐标，eNB与车辆之间的距离容易获得为dn，
整个通信过程可以分为两个阶段：阶段1，即时隙1和阶段2，即时隙2，其中，BS与eNB之间的通信过程称为阶段1；阶段2为eNB与车辆n之间的信息传输过程，阶段1和阶段2之间的信息传输受到的噪声均为加性高斯白噪声且值为σ2，
在阶段1，LTE小区中eNB接收端接收信息时，其接收信噪比(Signal-to-Noise，简称SNR)为
Figure FDA0003747958310000081
在阶段2，当小区中车辆n成功接收到eNB传输的信息时，接收SNR表示为
Figure FDA0003747958310000082
其中，PBS和PeNB分别为BS和eNB的固定传输功率，PL(·)为相应的路径损耗，计算表达式为
Figure FDA0003747958310000083
其中，x为阶段1或阶段2时的传输距离，PL(d0)为d0＝1时的路径损耗值，μ为路径损耗指数；
根据公式(1)和(2)，利用香农定理，阶段1中至eNB和阶段2中处于链路子信道b，b∈{1，2，…，B}的车辆n的信道容量分别为
Figure FDA0003747958310000091
Figure FDA0003747958310000092
受阶段1和阶段2链路传输信道容量，车载云可以发送控制信息至BS来控制第1阶段的数据速率；因此，其相应的传输速率满足条件：
Figure FDA0003747958310000093
在阶段2，车辆n的传输速率为：
Figure FDA0003747958310000094
其中，δn，b为子信道分配参数，可以表示为：
Figure FDA0003747958310000095
采用车载用户平均意见得分具体评估用户满意度，MOS为反映网络条件的用户满意度函数，其取值范围为[0,4.5]，当MOS取值不小于设定阈值时，用户满意服务质量，否则，用户不满意，一般情况下，该阈值设定为3，当MOS取值大于4.5时，用户满意度并不会随着更多的分配资源而满意度增加，
计算车辆n在时隙t时的MOS为：
MOSn(t)＝log2(aIn(t)+b) (9)
其中，In表示车辆n获得资源与需求资源之间的比值，它受时延、传输速率、服务价格的影响，a和b通常情况下为常数，用于限制QoE值，如果In取值大于等于1，车辆n满意服务质量，反之，车辆n对服务质量不满意；
为使网络吞吐量最大，建立QoE优化问题模型如下：
Figure FDA0003747958310000101
其中，
Figure FDA0003747958310000102
为车辆n在时隙t时处于eNB缓存区域中的发送数据队列长度，T为调度周期持续时间，an，b为子信道分配参数，
Figure FDA0003747958310000103
和PBS(t)分别为eNB提供给车辆n的服务价格和BS在时刻t时提供的服务价格；
从场景问题描述中，可知不同的车辆用户拥有从BS和eNB获得不同服务的请求，不同服务所需的网络资源也不尽相同，对于不同的服务请求，采用三个属性来表示：时延、传输速率和服务价格；服务类型特征定义为In，它在时隙t时的表达式为：
In(t)＝αDn(t)+βRn(t)+γPn(t) (11)
其中，Dn(t)、Rn(t)和Pn(t)分别车辆n在时隙t时的表示为时延、传输速率和服务价格，且满足α+β+γ＝1；
更具体地，车辆n在时隙t时获得资源与所需资源之间比值表示为：
Figure FDA0003747958310000104
其中，
Figure FDA0003747958310000105
是车辆传输时延，
Figure FDA0003747958310000106
是车辆n在时隙t时的平均传输时延，
Figure FDA0003747958310000107
是车辆n可以容忍的最大传输时延；
Figure FDA0003747958310000108
是车辆n所需最小传输速率，
Figure FDA0003747958310000109
是车辆n在时隙t时的平均传输速率；
Figure FDA00037479583100001010
是所需服务最大容忍价格，
Figure FDA00037479583100001011
是时隙t时平均服务价格，
Figure FDA00037479583100001012
是车辆n所需最小服务价格； t时隙长度内服务价格稳定；
关于体现QoE的三个方面：链路传输延时D，链路传输速率R和服务价格P，下面详细分析：
有关链路传输延时D：
假设BS缓存区始终处于饱和状态，且数据平均队列长度为LBS，在时隙t开始，eNB中缓存区的队列长度为
Figure FDA00037479583100001013
数据在时隙t开始时到达，且数据到达速率遵循均值为λn的泊松分布，qn(t)表示车辆n在t时隙到达；
在t时隙结束时，车辆n在eNB缓存区中的队列长度表示为：
Figure FDA0003747958310000111
时隙t结束时，车辆n在时间窗口tc内处于eNB缓存区中的平均队列长度表示为：
Figure FDA0003747958310000112
可以预测，车辆n在t时隙后处于eNB缓存区内的平均队列长度为
Figure FDA0003747958310000113
其中，E(·)表示均值函数；
根据排队论中的Little理论，车辆n在t时隙内的平均时延为
Figure FDA0003747958310000114
因此，可以计算车辆n在时隙t结束时的平均传输时延为：
Figure FDA0003747958310000115
有关链路传输速率R：
车辆n在时隙t结束时的平均传输速率为：
Figure FDA0003747958310000116
有关服务价格P：
假设时隙t内服务价格处于稳定状态，则车辆n在时隙t结束时的平均服务价格为：
Figure FDA0003747958310000121
其中，∈为服务价格P改变速率，c是调整量，通过调整∈和c使得服务价格在时间t内保持稳定，
Figure FDA0003747958310000122
和
Figure FDA0003747958310000123
分别为小区内eNB和LTE网络内BS在时间t时为车辆n提供服务的价格；
提出次最优资源分配算法和相应调度准则如下：
Figure FDA0003747958310000124
其中，车辆n相邻时隙平均MOS差值为：
Figure FDA0003747958310000125
为确保每个车辆信道传输的公平性，车辆轮询选择BS与eNB之间的链路信道，车辆用户对与eNB之间的链路信道选择则具体依据满意度准则的方法选择，具体方法步骤如下：
第一步：车辆QoS参数初始化，
Figure FDA0003747958310000126
子信道集合S＝{1，2，…，B}，车辆集合M＝{1，2，…，n，…，N}，α，β，γ∈[0，1]；
第二步：所有车辆发送自身位置坐标(xn，yn)至车载云端；
第三步：依据PL(x)，车载云计算eNB与车辆n之间传输链路dn的路径损耗，之后，将所有计算结果排序b*＝minb＝1，2，...，BPL(dn)；
第四步：从信道集合S中选择一个子信道，且计算所有车辆的满意度变化差值||MOSn(t+1)-MOSn(t)||，然后为车辆n分配最优子信道b*；
第五步：返回第三步，直到所有车辆都获得分配的子信道。
CN202010266524.0A 2020-04-07 2020-04-07 基于用户体验质量的车联网频谱资源分配方法及系统 Active CN111510882B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010266524.0A CN111510882B (zh) 2020-04-07 2020-04-07 基于用户体验质量的车联网频谱资源分配方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010266524.0A CN111510882B (zh) 2020-04-07 2020-04-07 基于用户体验质量的车联网频谱资源分配方法及系统

Publications (2)

Publication Number Publication Date
CN111510882A CN111510882A (zh) 2020-08-07
CN111510882B true CN111510882B (zh) 2022-09-13

Family

ID=71875922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010266524.0A Active CN111510882B (zh) 2020-04-07 2020-04-07 基于用户体验质量的车联网频谱资源分配方法及系统

Country Status (1)

Country Link
CN (1) CN111510882B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117279003A (zh) * 2022-06-10 2023-12-22 华为技术有限公司 意图管理的方法与装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108601036A (zh) * 2018-04-13 2018-09-28 山东师范大学 一种基于逐次凸逼近的车联网资源优化调度方法和装置
CN110012507A (zh) * 2019-04-02 2019-07-12 华南理工大学 一种用户体验优先的车联网资源分配方法及系统
CN110213796A (zh) * 2019-05-28 2019-09-06 大连理工大学 一种车联网中的智能资源分配方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108601036A (zh) * 2018-04-13 2018-09-28 山东师范大学 一种基于逐次凸逼近的车联网资源优化调度方法和装置
CN110012507A (zh) * 2019-04-02 2019-07-12 华南理工大学 一种用户体验优先的车联网资源分配方法及系统
CN110213796A (zh) * 2019-05-28 2019-09-06 大连理工大学 一种车联网中的智能资源分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Quality of experience-driven resource allocation in vehicular cloud long-term evolution networks;GuiluWu;《Transactions on Emerging Telecommunications Technologies》;20200707;全文 *

Also Published As

Publication number Publication date
CN111510882A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
Ning et al. Mobile edge computing-enabled 5G vehicular networks: Toward the integration of communication and computing
CN109068391B (zh) 基于边缘计算和Actor-Critic算法的车联网通信优化算法
US8953527B2 (en) Orthogonal frequency domain multiplexing (OFDM) communication system
CN111246586B (zh) 一种基于遗传算法的分配智能电网资源的方法及系统
CN101282324B (zh) 基于跨层用于自适应mimo-ofdm系统的联合无线资源管理方法
CN102098684B (zh) 认知无线网络中跨层资源分配系统及方法
CN111182495B (zh) 一种5g车联网部分计算卸载方法
CN110062017B (zh) 一种动态变化的车联网场景中的内容分发基站及方法
CN111711666A (zh) 一种基于强化学习的车联网云计算资源优化方法
CN102752864A (zh) 多用户多业务系统中的面向用户体验的资源分配方法
CN111629352A (zh) 一种5G蜂窝网中基于Underlay模式的V2X资源分配方法
CN107302801A (zh) 一种5G混合场景下面向QoE的双层匹配博弈方法
CN111212108B (zh) 基于非正交多址接入和移动边缘计算多用户并行迁移方法
CN111510882B (zh) 基于用户体验质量的车联网频谱资源分配方法及系统
CN105530680B (zh) 一种车辆自组织网络中继车辆选择方法
Liang et al. Cooperative resource sharing strategy with eMBB cellular and C-V2X slices
CN113873658A (zh) 一种以用户服务权重增益为目标函数的跳波束资源分配方法
Pervez et al. Dynamic resource management to enhance video streaming experience in a C-V2X network
CN104618966A (zh) 一种基于终端协同的无线泛在环境下速率分配方法
CN103458470A (zh) 认知中继系统中基于QoS的传输方法
CN115964178A (zh) 一种车联网用户计算任务调度方法、装置及边缘服务网络
Alavi et al. Efficient and fair resource allocation scheme for OFDMA networks based on auction game
Tan et al. QoE-driven DASH multicast scheme for 5G mobile edge network
CN111132312B (zh) 一种资源分配方法和装置
Gao et al. Matching Combined Heterogeneous Multi-Agent Reinforcement Learning for Resource Allocation in NOMA-V2X Networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant