CN111726775B - 快速评估车联网网络拥塞状态的方法 - Google Patents

快速评估车联网网络拥塞状态的方法 Download PDF

Info

Publication number
CN111726775B
CN111726775B CN202010603223.2A CN202010603223A CN111726775B CN 111726775 B CN111726775 B CN 111726775B CN 202010603223 A CN202010603223 A CN 202010603223A CN 111726775 B CN111726775 B CN 111726775B
Authority
CN
China
Prior art keywords
physical resource
resource blocks
base station
vehicle
ring
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
CN202010603223.2A
Other languages
English (en)
Other versions
CN111726775A (zh
Inventor
叶佳勇
谭国平
周思源
潘超
吴倩倩
任勇
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.)
Zhongrui Intelligent Transportation Technology Co ltd
Jiangsu Institute Of Intelligent Transportation And Intelligent Driving
Original Assignee
Zhongrui Intelligent Transportation Technology Co ltd
Jiangsu Institute Of Intelligent Transportation And Intelligent Driving
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 Zhongrui Intelligent Transportation Technology Co ltd, Jiangsu Institute Of Intelligent Transportation And Intelligent Driving filed Critical Zhongrui Intelligent Transportation Technology Co ltd
Priority to CN202010603223.2A priority Critical patent/CN111726775B/zh
Publication of CN111726775A publication Critical patent/CN111726775A/zh
Application granted granted Critical
Publication of CN111726775B publication Critical patent/CN111726775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/06—Testing, supervising or monitoring using simulated traffic
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种快速评估车联网网络拥塞状态的方法，首先在C‑V2X场景下建立物理资源块分配模型，接着建立宏小区内物理资源块数与传输距离的理论联系，进而推导得出不同场景下所需物理资源块数不低于可用物理资源块数的概率，即网络拥塞概率的理论解析式，通过网络拥塞概的理论解析式快速评估一定网络参数配置下的拥塞状态。系统仿真结果验证了网络拥塞概率的理论解析式，并且表明在C‑V2X场景下增设路侧单元可以显著地降低网络拥塞概率，提升网络通信服务质量。

Description

快速评估车联网网络拥塞状态的方法
技术领域：
本发明涉及车联网中无线通信技术领域，尤其涉及一种基于随机几何理论对车联网场景下的网络拥塞问题进行仿真建模的快速评估车联网网络拥塞状态的方法。
背景技术：
车联网指的是通过装载在车辆上的电子标签、无线射频等识别技术，实现信息网络平台上所有车辆的属性信息和静、动态信息的提取和有效利用，并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务的系统。现如今，车联网被赋予了更多更广的功能，它是指通过车辆上的传感器、车载终端及电子标签提供车辆信息，采用各种通信技术手段实现车与车、车与人、车与路以及车与网之间的互联互通，并在信息网络平台对信息进行提取、共享等有效利用，对车辆进行有效的管控和提供综合服务。
C-V2X(Cellular-Vehicle to Everything)是基于蜂窝网技术的3GPP车联网通信技术，它提供了两种通信接口，其中一种是LTE蜂窝网的Uu接口，Uu通信接口可以实现基站与车辆、行人以及路侧单元(RSU)之间的通信，可以实现长距离、大范围的可靠通信，工作于运营商蜂窝网络频段；而另一种是LTE-D2D(点对点)的PC5接口，该接口被称为Sidelink(侧行链路或直通链路)，PC5通信接口可以实现车辆与车辆、车辆与行人以及车辆与路侧单元之间的短距离直接通信，工作于专用频段。
相较于固定的格点模型，随机几何理论在仿真建模的过程中保留了空间节点分布上的随机特性，因而随机几何工具可以更精确的对C-V2X的空间网络节点进行建模。随机几何理论最初的应用场景是移动自组织网络以及无线传感器网络，它们的空间节点分布具有随机特性，而随机几何理论可以在空间上平均地进行撒点，随机的生成任意可能的网络节点分布情况。
发明内容：
针对上述问题，本发明提出了一种快速评估车联网网络拥塞状态的方法，可以显著地降低网络拥塞概率，提升网络通信服务质量。
本发明是通过如下技术方案实现的：
本发明提供一种快速评估车联网网络拥塞状态的方法，包括如下步骤：
首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型，在随机生成的模拟道路上撒下服从一维泊松点过程的双向随机车辆节点以及路侧单元的空间节点位置，同时，在这一区域内通过二维泊松点过程生成基站的空间节点位置；
接着根据车辆与基站之间的距离划分圆环，由内向外，每一个圆环内车辆节点所需的物理资源块数递增，距离的划分依据信道容量公式进行推导，每一个圆环内的车辆节点数由一个服从泊松分布的随机数来衡量，其参数由圆环内的平均车辆节点数来决定，然后累加所有圆环内车辆节点所需的物理资源块数目，并与可用物理资源块数目进行比较，得到通信网络拥塞概率；
C-V2X通信网络的拥塞概率定义为一个宏小区所需的物理资源块数目大于等于一个宏小区可用的物理资源块数目的概率，推导拥塞概率的公式，便得到拥塞概率的解析式，通过网络拥塞概的理论解析式快速评估一定网络参数配置下的拥塞状态；
最后对比车辆节点只有基站服务的通信网络拥塞概率以及车辆节点既有基站服务又有路侧单元服务的通信网络拥塞概率，仿真分析通信网络拥塞概率与宏小区的平均吞吐量以及可用物理资源块数的关系，验证了C-V2X场景具有更好的通信服务质量。
首先对城市道路进行建模，利用泊松线过程，生成密度为λL的城市道路，生成一张随机城市道路分布的快照，然后在已经生成的城市道路上，利用一维泊松点过程，进行车辆以及路侧单元进行撒点，在此基础上，利用二维的泊松点过程随机地生成基站节点位置使其分布在已生成的城市道路图上，其中仿真生成的基站节点密度为λ1，而车辆以及路侧单元的密度分别为λ2、λRSU。
对于半径dn-1到半径dn之间的圆环内，用一个泊松随机数Xn来表示圆环内车辆的数量，Xn是参数为μn(φ)的泊松随机数，其中μn(φ)＝λ2(αn(φ)-αn-1(φ))，参数μn(φ)的物理含义是圆环内的车辆节点密度，αn(φ)-αn-1(φ)表示圆环内城市道路的总长度，其中因此，一个宏小区内需求的总物理资源块数可以由以下公式表示：
拥塞概率就是Γ的互补累计分布函数，由以下公式表示：
对于半径dn-1到半径dn之间的圆环内，用一个泊松随机数Yn来表示圆环内路侧单元的数量，Yn是参数为μy_n(φ)的泊松随机数，μy_n(φ)＝λRSU(αn(φ)-αn-1(φ))，参数μy_n(φ)的物理含义是圆环内的路侧单元节点密度，αn(φ)-αn-1(φ)表示圆环内城市道路的总长度，其中
对于每个路侧单元(RSU)半径dn-1到半径dn之间的圆环内，用一个泊松随机数Zn来表示圆环内车辆的数量，Zn是参数为μz_n(φ)的泊松随机数，其中μz_n(φ)＝2λ2dnmax，参数μz_n(φ)的物理含义是圆环内的车辆节点密度，2dnmax表示圆环内城市道路的总长度，宏小区内所需要的物理资源块总数可以由以下公式表示：
其中Γ1和Γ2分别是需要基站提供的物理资源块数以及需要路侧单元提供的物理资源块数，J表示一个路侧单元能够服务的车辆数的均值，拥塞概率就是Γ的互补累计分布函数，由以下公式表示：
本发明具有如下优点：本发明的快速评估车联网网络拥塞状态的方法基于随机几何理论知识，利用提出以上的公式进行网络拥塞问题的测试，可以获得与蒙特卡洛仿真非常接近的数值解，为智能交通系统设计提供理论支撑。
附图说明：
图1为本发明的城市道路的仿真模型示意图；
图2为本发明不同小区吞吐量(τ/Mbps)下的拥塞概率曲线图；
图3为本发明不同场景下的拥塞概率曲线图；
图4为本发明平均吞吐量-可用物理资源块数曲线图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
本发明在MATLAB仿真平台上，使用蒙特卡洛的方法进行该模型的仿真。
首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型，在随机生成的模拟道路上撒下服从一维泊松点过程的双向随机车辆节点以及路侧单元的空间节点位置，同时，在这一区域内通过二维泊松点过程生成基站的空间节点位置，如图1所示，其中(a)为基于基站通信的示意图，(b)为基于基站和路侧单元(RSU)通信示意图。设定城市道路线密度λL为15km/km2，基站节点的密度为2nodes/km2，车辆节点的密度为10nodes/km，而路侧单元的节点密度为4nodes/km。假设基站覆盖的小区半径为0.3公里，其发射功率和带宽分别为23dBm、20MHz，对于20MHz的带宽，其热噪声功率N0设为-93dBm。基站的天线数设为8根，而车辆的天线数为2根。路径损耗指数α设为4，传播参数β设为130dB，信干噪比SINR的阈值设为-10dB，通信速率C设为1Mbps。
通过采用本发明的方法，其仿真效果如下：
如图2所示，分别对小区吞吐量为11.5Mbps、15Mbps以及17Mbps进行蒙特卡洛仿真，其横坐标为可用资源块数目，纵坐标为不同可用资源块数所对应的拥塞概率，仿真结果表明，小区吞吐量的增大会使得拥塞概率增大，这与小区中的车辆节点数有关，增加小区内的车辆节点数，吞吐量就会增大，小区内所有车辆节点所需的物理资源块数就会增多，因此拥塞概率也随之增大，此外随着小区内可用物理资源块数M的增大，拥塞概率也在减小，因为可以分配的物理资源块数变多，而小区内需要服务的车辆节点不变，拥塞情况的发生就会减少，所以拥塞概率也随之减小。
图2仿真验证了推导的C-V2X场景网络拥塞概率公式符合仿真的结果，在此基础上，又对V2C场景和C-V2X场景的理论值进行绘制图3，前者不含有路侧单元，而后者则包含了路侧单元，此外，分别对基站发射功率为23dbm和43dbm进行仿真，其横坐标为可用资源块数目，纵坐标为不同可用资源块数所对应的拥塞概率，仿真结果表明，增设路侧单元可以降低小区内的拥塞概率，提高C-V2X网络服务质量。
如果让拥塞概率为一个定值，可以得到平均吞吐量和可用资源块数M之间的对应关系，设定拥塞概率分别为1％和5％，并对城市道路线密度分别为5km/km2和15km/km2的情况进行仿真，如图4所示，其横坐标为可用资源块数目，纵坐标为不同可以资源块数所对应的平均吞吐量，仿真结果表明对于同一平均吞吐量来说，拥塞概率设定的越小，可用物理资源块数就越大，拥塞概率设定的越大，可用物理资源块数就越小，符合预期的结果。
最后应说明的是：以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (1)

1.一种快速评估车联网网络拥塞状态的方法，其特征在于，包括如下步骤：
(1)首先基于泊松线过程的双重随机过程，建立城市道路的仿真模型；
(2)在随机生成的模拟道路上撒下服从一维泊松点过程的双向随机车辆节点以及路侧单元的空间节点位置，同时，在这一区域内通过二维泊松点过程生成基站的空间节点位置；
(3)接着根据车辆与基站之间的距离划分圆环，由内向外，每一个圆环内车辆节点所需的物理资源块数递增，距离的划分依据信道容量公式进行推导,每一个圆环内的车辆节点数由一个服从泊松分布的随机数来衡量，其参数由圆环内的平均车辆节点数来决定，然后累加所有圆环内车辆节点所需的物理资源块数目，并与可用物理资源块数目进行比较，得到通信网络的拥塞概率；
(4)推导拥塞概率的公式，通过得到的通信网络的拥塞概率的公式来快速评估一定网络参数配置下的拥塞状态；
(5)最后对比车辆节点只有基站服务的通信网络拥塞概率以及车辆节点既有基站服务又有路侧单元服务的通信网络拥塞概率，仿真分析通信网络拥塞概率与宏小区的平均吞吐量以及可用物理资源块数的关系；
步骤(1)具体包括利用泊松线过程，生成密度为λL的城市道路以及一张随机城市道路分布的快照；
步骤(2)具体包括利用一维泊松点过程，进行车辆以及路侧单元进行撒点，在此基础上，利用二维的泊松点过程随机地生成基站节点位置使其分布在已生成的城市道路快照上，其中仿真生成的基站节点密度为λ1，而车辆以及路侧单元的密度分别为λ2、λRSU；
步骤(3)中，在以基站为圆心划分的圆环中，对于半径dn-1到半径dn之间的圆环内，用一个泊松随机数来表示该圆环内车辆的数量，泊松随机数的参数由圆环内的平均车辆节点数来决定，然后累加所有圆环内车辆节点所需的物理资源块数目，便可以得到宏小区内基站需要提供的物理资源块总数Γ1；同理，在以每个路侧单元为中心重新划分的圆环中，通过以上方法可以得到宏小区内路侧单元需要提供的物理资源块总数Γ2；因此，该宏小区内实际所需要的物理资源块总数Γ＝Γ1+Γ2；再通过公式求Γ的互补累计分布函数，便可得出宏小区内通信网络的拥塞概率。
CN202010603223.2A 2020-06-29 2020-06-29 快速评估车联网网络拥塞状态的方法 Active CN111726775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010603223.2A CN111726775B (zh) 2020-06-29 2020-06-29 快速评估车联网网络拥塞状态的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010603223.2A CN111726775B (zh) 2020-06-29 2020-06-29 快速评估车联网网络拥塞状态的方法

Publications (2)

Publication Number Publication Date
CN111726775A CN111726775A (zh) 2020-09-29
CN111726775B true CN111726775B (zh) 2023-07-25

Family

ID=72569461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010603223.2A Active CN111726775B (zh) 2020-06-29 2020-06-29 快速评估车联网网络拥塞状态的方法

Country Status (1)

Country Link
CN (1) CN111726775B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2181229C1 (ru) * 2001-10-04 2002-04-10 Оао "Персональные Коммуникации" Способ динамического перераспределения загрузки базовых станций сотовой сети связи и устройство для его осуществления (варианты)
CN105306157A (zh) * 2015-11-13 2016-02-03 南京邮电大学 一种基于网络连通的车载通信建模方法
WO2022000958A1 (zh) * 2020-06-29 2022-01-06 中睿智能交通技术有限公司 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2181229C1 (ru) * 2001-10-04 2002-04-10 Оао "Персональные Коммуникации" Способ динамического перераспределения загрузки базовых станций сотовой сети связи и устройство для его осуществления (варианты)
CN105306157A (zh) * 2015-11-13 2016-02-03 南京邮电大学 一种基于网络连通的车载通信建模方法
WO2022000958A1 (zh) * 2020-06-29 2022-01-06 中睿智能交通技术有限公司 基于v2x的无信号灯路口碰撞预警激活概率评估方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张小舟.中国优秀博士学位论文辑.2022,论文全文. *
聂佳幸，谭国平.基于S-SPS机制的C-V2X干扰建模及性能分析方法.小型微型计算机系统.2022,第43卷(第6期),1136-1140. *

Also Published As

Publication number Publication date
CN111726775A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
Bi et al. Engineering radio maps for wireless resource management
Molina-Masegosa et al. Configuration of the C-V2X mode 4 sidelink PC5 interface for vehicular communication
CN107682838B (zh) 车联网通信联合集中式资源调度和自组织资源分配方法
Zhou et al. DRLE: Decentralized reinforcement learning at the edge for traffic light control in the IoV
Dalla Cia et al. Using smart city data in 5G self-organizing networks
Ng et al. Analysis of access and connectivity probabilities in vehicular relay networks
Zheng et al. Dynamic performance analysis of uplink transmission in cluster-based heterogeneous vehicular networks
KR101847712B1 (ko) 차량 통신 및 이동통신 네트워크 환경에서의 자원 할당 방법 및 장치
Munoz et al. Computationally-efficient design of a dynamic system-level LTE simulator
Ide et al. Channel sensitive transmission scheme for V2I-based Floating Car Data collection via LTE
Maksymyuk et al. Fractal modeling for multi-tier heterogeneous networks with ultra-high capacity demands
Gyawali et al. Resource allocation in vehicular communications using graph and deep reinforcement learning
Sempere-García et al. LTE-V2X Mode 3 scheduling based on adaptive spatial reuse of radio resources
Ni et al. Interference-based capacity analysis for vehicular ad hoc networks
Abbas et al. Clustering based resource management scheme for latency and sum rate optimization in V2X networks
CN111741450A (zh) 网络流量预测方法、装置和电子设备
Alablani et al. An SDN/ML-based adaptive cell selection approach for HetNets: a real-world case study in London, UK
CN112055335A (zh) 一种基于noma的上行车载通信资源分配方法及系统
Ng et al. Analysis of access and connectivity probabilities in infrastructure-based vehicular relay networks
Guha Cellular-assisted vehicular communications: A stochastic geometric approach
Mehmeti et al. Reducing the cost of consistency: Performance improvements in next generation cellular networks with optimal resource reallocation
Tefek et al. Clustering and radio resource partitioning for machine-type communications in cellular networks
Wang et al. Interference hypergraph-based resource allocation (IHG-RA) for NOMA-integrated V2X networks
Alablani et al. Applying a dwell time-based 5G V2x cell selection strategy in the city of los angeles, California
CN111726775B (zh) 快速评估车联网网络拥塞状态的方法

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