CN112616149B - 一种面向车联网的异构运营商区块链频谱动态共享方法 - Google Patents
一种面向车联网的异构运营商区块链频谱动态共享方法 Download PDFInfo
- Publication number
- CN112616149B CN112616149B CN202011250754.4A CN202011250754A CN112616149B CN 112616149 B CN112616149 B CN 112616149B CN 202011250754 A CN202011250754 A CN 202011250754A CN 112616149 B CN112616149 B CN 112616149B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- wsp
- vehicle
- user
- wsps
- 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
Links
Images
Classifications
-
- 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
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
- H04W16/10—Dynamic resource partitioning
-
- 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
- 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]
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种面向车联网的异构运营商区块链频谱动态共享方法,基于异构运营商频谱区块链系统,步骤为:对系统进行初始化,联盟节点收集具有频谱要求的所有车辆用户和多个无线服务提供商的基站的信息;每个车辆用户和WSP都有一对公钥和私钥,当车辆用户和WSP进行频谱交易时将使用它们;开始频谱分配,车辆用户选择初始订阅WSP,联盟节点整合多个WSP的频谱资源,采用进化博弈的方法完成多WSP的频谱分配;在快速收敛的条件下,保证了频谱资源分配的合理性和公平性;区块生成与利润分配,将频谱交易数据打包成区块,交易结果以各联盟节点的分布式账本的形式分布存储。智能合约自动分配与频谱对应的利润。
Description
技术领域
本发明属于车联网技术领域,涉及车联网下的基于演化博弈频谱共享区块链框架的构建的相关方法,尤其是面向车联网的异构运营商区块链频谱动态共享方法。
背景技术
随着5G时代的到来,车联网已逐渐普及,车联网用户之间的通信和信息服务将更加频繁,车载单元(OBU)数量的显著增加将产生更多的通信需求。如何在有限的无线频谱资源下,以高服务质量(QoS)保证来支持大量的车载用户是一个具有挑战性的问题。然而,一方面,无线服务提供商(WSP)的基站位置不均匀,不同区域的密度也不同。对于5G覆盖率降低的单个WSP来说,很难满足所有地区密集的车辆用户需求。随着频谱资源的稀缺和多个无线服务提供商(WSP)辅助的IoV(IOV一般指车联网。车联网的内涵主要指:车辆上的车载设备通过无线通信技术,对信息网络平台中的所有车辆动态信息进行有效利用,在车辆运行中提供不同的功能服务)环境中的通信问题将逐渐变得更加迫切。无线频谱资源的动态分配与调度是无线频谱共享与管理中的一个重要问题。然而,WSP缺乏一个中立的机构或可信的媒介,使得WSP之间缺乏信任,使得WSP之间的频谱资源分配难以实现。
随着科学技术的发展和进步,越来越多的研究者认识到进化博弈论是解决资源匹配或分配问题的有效工具,它以生物学中的自然选择理论为基础。进化博弈论不同于传统博弈论。进化博弈理论不要求参与者完全理性,也不要求完全信息,它只允许参与者在当前时刻选择最佳策略。借助进化博弈论,系统将以分布式的方式逐步趋于稳定和收敛。此外,对于区块链,它也引起了许多学者和开发者的极大关注。根据美国国家标准与技术研究院(NIST),区块链是以分布式方式(即没有中央存储库)实现的不可变数字账本系统,通常没有中央权威机构。区块链以其安全性、可信任性和去中心化等优点,在物联网领域得到了广泛的应用。
Cheng N,Zhang N等人在《IEEE Transactions on Vehicular Technology》上发表的论文的Opportunistic Spectrum Access for CR-VANETs:A Game-TheoreticApproach使用博弈论建模车联网中的频谱接入过程。Pengfei,Wang,Boya等人在《IEEETransactions on Wireless Communications,2018.》Cellular V2X Communications inUnlicensed Spectrum:Harmonious Coexistence With VANET in 5G Systems使用匹配与优化理论来解决车联网频谱资源分配过程。Yuxiang Fu;Keiji Yoshikawa等人在2018IEEE88th Vehicular Technology Conference(VTC-Fall)发表了Optimal Primary ExclusiveRegion Design for Cognitive Radio VANETs on Multiple Roads,使用随机几何在车联网频谱分配应用。
发明内容
针对现有技术存在的问题,在多运营商WSP共存的场景的基础上提供了一种面向车联网的异构运营商区块链频谱动态共享方法。
本发明目的是通过以下技术方案实现的,一种面向车联网的异构运营商区块链频谱动态共享方法,基于异构运营商频谱区块链系统:
车辆用户,车辆用户需要频谱资源进行应用或使用,须选择一个WSP进行订阅,并在WSP的基站中选择最接近其位置的基站,使用集合来表示车辆用户的集合,即U={u1,u2,...,uM};
无线服务提供商WSP:有N个竞争的WSP,在一个区域具有不同的位置和不同数量的基站;且每个WSP保持的频段是固定的;使用N={n1,n2,...,nN}代表WSP集合;
基站:每个基站都属于一个WSP,为车辆用户提供频谱资源。每个基站具有固定的带宽;当更多的用户访问基站时,每个用户获得的频谱资源就会减少;用户能选择其他基站进行访问,但是只能访问当前订阅的WSP拥有的基站;用户通信的干扰来自同一WSP区域内的其他基站;此处使用表示第n个WSP的第j个基站;
联盟节点:联盟节点是每个区域的总体管理者,负责该区域中车辆用户,基站和WSP之间的信息交互;异构运营商频谱区块链系统由若干联盟节点组成;每个区域均由联盟节点管理;联盟节点之间没有中心,并且每个联盟节点存储所有区域中的频谱资源使用情况;如有需要,可以在所需的时间点查询频谱交易,并且每个联盟节点设有分布式分类帐;联盟节点表示为集合G={G1,G2,...,Gk};
运营商区块链频谱动态共享方法包括以下步骤:步骤1:对系统进行初始化,联盟节点收集具有频谱要求的所有车辆用户和多个无线服务提供商(WSP)的基站的信息;每个车辆用户和WSP都有一对公钥和私钥,当车辆用户和WSP进行频谱交易时将使用公钥和私钥;
步骤2:开始频谱分配,车辆用户选择初始订阅WSP,联盟节点整合多个WSP的频谱资源,采用进化博弈的方法完成多WSP的频谱分配,实施例中的图4就是演化博弈对应的分配结果;在快速收敛的条件下,保证了频谱资源分配的合理性和公平性;
步骤3:区块生成与利润分配,将频谱交易数据打包成区块,交易结果以各联盟节点的分布式账本的形式分布存储。智能合约自动分配与频谱对应的利润。
在多个WSP共存的区域。该区域的车辆用户选择一个运营商来订阅和访问运营商的最接近其当前位置的基站。
所述模型考虑到车辆的移动性和通信需求,是一种在不同WSP之间分配频谱资源的进化博弈方案,使模型更具实用性。所述方案能够整合多个WSP的频谱资源,并利用进化博弈方案动态分配和共享频谱资源。为了更准确地描述车辆使用者的需求;
系统利用联盟节点和区块链框架,协助完成多个WSP频谱资源的分配、共享和存储分配结果,使频谱交易的结果在分布式环境下具有可访问性、可跟踪性。
构建的演化进化博弈模型可以分为以下几部分:
种群:每个集合的用户选择一个WSP进行订阅,这些用户的集合称为种群。因为有N个WSP,所以有N个不同的种群。
策略空间:对于每个种群中的用户,决定接下来要访问哪个WSP以获得更好的服务。因此,策略空间表示为S={s1,s2,...,sN}。
种群状态:对于演化博弈,当前选择不同策略的用户份额表示为显然,有
收益函数:每个策略的收益函数用于量化用户通过使用当前总体状态下的策略空间可获得的满意度或收益。
使用表示该区域中第n个WSP的基站密度,而使用λu表示车辆用户的密度;车辆用户选择了订阅的WSP之后,用户选择从该WSP访问当前位置最接近的基站;然后可以将当前时间t的车辆用户的预期信噪比(SINR)表示为:
表示WSPn的基站发射功率,α是路径损耗指数;σ2表示加性高斯白噪声(AWGN)功率密度,是瑞利衰落的影响,而hi表示车辆用户i与t时间WSPn访问基站之间的距离;
噪声源分为两部分,第一部分是同一WSP的其他基站对车辆用户造成的干扰,第二部分是高斯白噪声;通过定义信噪比,在时间t处通过Shannon公式获得车辆用户的预期用户费率:
车辆在通信时具有高速移动性,提出基于预期行驶路径的车辆用户支付功能:当频谱分配进化游戏开始时,车辆用户i具有速度vi的预期行驶路径Li;考虑车辆当前位置的同时还考虑了车辆的预期行驶路径;
当车辆用户处于起点时,每个用户都在将来的时刻估计位置,以准备计算用户的收益;将记录点的数量A表示为记录点的长度;结合上述公式,每种策略的预期收益函数表示为:
其中
然后,当每个车辆用户穿过这些A记录点时,将平均用户费率定义为收益函数;对于每个车辆用户i,收益函数表示为:
为了描述用户的动态行为,采用复制者动态方程,表示如下:
在上式中,δ>0是策略的比率,是所有种群的平均收益;根据上述复制者的动态,每个策略的种群份额的百分比增长率与该策略的收益超出总体平均收益的比例成正比。
在算法中,联盟节点在该区域中充当信息交互器,并总体分配该区域中多个WSP的频谱资源;在方案中,联盟节点只需要计算该区域所有车辆用户的平均用户费率;用户费率将由每个车辆用户分布式计算。
所述动态频谱共享区块链框架,该框架可以克服多个无线服务提供商之间执行合作、信息交换和频谱共享时缺乏足够信任的问题。所述模型除了对提出的进化博弈方案进行数值模拟外,也构建了一个区块链结构来验证在hyperledger结构环境下频谱数据存储和分配结果记录过程的真实情况。本发明缓解车联网频谱稀缺问题,公开了一种面向车联网的异构运营商区块链频谱动态共享方法。由于不同运营商之间缺乏足够的信任和合作,执行有效的信息交换和频谱资源共享是一项挑战。本发明引入联盟节点以在WSP,基站和车辆用户之间建立联系,以实现动态频谱共享。首先提出一种演化博弈方案,以在不同的WSP之间分配频谱资源。为了更恰当地反映出车辆用户的通信需求,在定义车辆用户的收益时要考虑车辆的机动性。完成频谱分配后,本发明将在已建立的区块链验证系统中说明分配结果记录和块生成的过程,频谱分配的交易将以分布式方式存储在每个联盟节点中。数值结果显示了频谱分配方法的快速收敛速度。此外,建立的超级账本平台的仿真结果验证了所研究的频谱共享区块链框架的有效性和可实施性。
有益效果,与现有技术相比,本发明的优点还如下:首先,在定义车辆用户的支付函数时,系统还考虑了车辆的移动性,以更恰当地反映车辆用户的通信需求。其次,在系统中,每一个车辆用户都会选择一个策略,让他获得最大的用户费率。借助进化博弈论和区块链框架,场景中的WSP可以相互协作,以更合理的方式分配频谱。最后,仿真结果表明,提出的方法可以优于固定WSP分配方案。
附图说明
图1是本发明实施例所采用的面向车联网的异构运营商区块链频谱动态共享方法场景图。
图2是本发明实施例为车辆移动过程中计算平均传输速率的示意图。
图3是本发明实施例为车辆分配频谱的演化博弈算法实现框图。
图4是本发明实施例提供的演化博弈分配频谱结果图。
图5是本发明实施例提供的在不同的车辆用户数量下,本发明提出的方案和固定的WSP分配方案的平均传输速率比较。
图6是本发明实施例提供的PBFT共识机制示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程。应当理解,此处所描述的具体实例仅仅用以解释本发明,但本发明的保护范围不限于下述的实施例。
实施例
本实施例采用了图1的多运营商共存的车联网场景,提出了一种面向车联网的异构运营商区块链频谱动态共享方法。首先在该场景下,场景中共有4个角色存在,分别作如下阐述:
车辆用户:车辆用户是在该方案中需要频谱资源进行应用或使用的角色。选择一个WSP进行订阅,并在WSP的基站中选择最接近其位置的基站。对于车辆用户,使用集合来表示车辆用户的集合,即U={u1,u2,...,uM}。
无线服务提供商(WSP):在的方案中有N个竞争的WSP。在该地区具有不同的位置和不同数量的基站。另外,每个WSP保持的频段是固定的。使用N={n1,n2,...,nN}代表WSP集合。
基站:每个基站都属于一个WSP。基站是直接服务器,为车辆用户提供频谱资源。每个基站具有固定的带宽。当更多的用户访问基站时,每个用户获得的频谱资源就会减少。用户可以选择其他基站进行访问,但是只能访问当前订阅的WSP拥有的基站。用户通信的干扰主要来自同一WSP区域内的其他基站。此处使用表示第n个WSP的第j个基站。
联盟节点:联盟节点是每个区域的总体管理者,负责该区域中车辆用户,基站和WSP之间的信息交互。系统中的频谱区块链由联盟节点组成。每个区域均由联盟节点管理。每个联盟节点都由不同的公司外包,这大大降低了合谋的可能性。联盟节点之间没有中心,并且每个联盟节点存储所有区域中的频谱资源使用情况。如有需要,可以在所需的时间点查询频谱交易,并且每个联盟节点处的分布式分类帐可以证明结果的正确性,安全性和可靠性。联盟节点可以表示为集合G={G1,G2,...,Gk}。
构建的演化博弈模型可以分为以下几部分:
种群:每个集合的用户选择一个WSP进行订阅,这些用户的集合称为种群。因为有N个WSP,所以有N个不同的种群。
策略空间:对于每个人群中的用户,决定接下来要访问哪个WSP以获得更好的服务。因此,策略空间也可以表示为S={s1,s2,...,sN}。
种群状态:对于演化博弈,当前选择不同策略的用户份额表示为显然,有
收益函数:每个策略的收益函数用于量化用户通过使用当前总体状态下的策略空间可获得的满意度或收益。
在的方案中,使用表示该区域中第n个WSP的基站密度,而使用λu表示车辆用户的密度。车辆用户选择了订阅的WSP之后,选择从该WSP访问当前当前位置最接近的基站。然后可以将当前时间t的车辆用户的预期信噪比(SINR)表示为:
表示WSPn的基站发射功率,α是路径损耗指数。σ2表示加性高斯白噪声(AWGN)功率密度,是瑞利衰落的影响,而hi表示车辆用户i与t时间WSPn(即)的访问基站之间的距离。
噪声源分为两部分。第一部分是同一WSP的其他基站对车辆用户造成的干扰,第二部分是高斯白噪声。通过定义信噪比,可以在时间t处通过Shannon公式获得车辆用户的预期用户费率:
与静态蜂窝用户不同,车辆在通信时具有高速移动性。传统的用户费率无法充分表达驾驶过程中车辆的通信需求。结合车辆的预期行驶路径,提出了基于预期行驶路径的车辆用户支付功能。
如图2所示,当频谱分配进化游戏开始时,车辆用户i具有速度vi的预期行驶路径Li。为了更准确地反映车辆用户的通信需求,在考虑车辆当前位置的同时还考虑了车辆的预期行驶路径。
假设车辆使用者位于预期行驶路径的起点,并且时间t=0在起点。车辆使用者将沿着其预期的行驶路径行驶,将在t=τ时达到的第一个记录点,并且将在${t=2τ}时达到的第二个记录点。选择前A个记录点进行考虑。换句话说,当车辆使用者处于起点时,每个人都在将来的时刻估计他的位置,以准备计算他的收益。将记录点的数量A表示为记录点的长度。结合之前的公式,每种策略的预期收益函数可以表示为:
其中
然后,当每个车辆用户穿过这些A记录点时,将平均用户费率定义为收益函数;对于每个车辆用户i,收益函数可以表示为:
上面的等式(表明,通过组合车辆用户的当前位置和未来预期位置(总计A+1点)来定义收益函数,即车辆用户的用户费率。车辆使用者的需求更加恰当。因为它同时考虑了当前位置和车辆预期的行驶路径。
为了描述用户的动态行为,在本节中采用了复制者动态方程,可以表示如下:
在公式中,δ>0是策略的比率,是所有种群的平均收益。根据上述复制者的动态,每个策略的种群份额的百分比增长率与该策略的收益超出总体平均收益的比例成正比。从生物学上可以将其解释为自然选择的模型,而在经济上则可以将其解释为模仿的模型。通过复制者动态方程,可以获得N个一阶方程。有了这些方程式,所有车辆使用者都可以找到固定点,这也是进化平衡点(EE)。建立EE状态后,不会有任何用户想要更改其策略。
接下来,在图3中展示了多WSP频谱分配方法的算法对应的流程图。在算法中,联盟节点在该区域中充当信息交互器,并总体分配该区域中多个WSP的频谱资源。由于进化博弈方法的特点,的频谱分配方案可以具有较快的收敛速度。另外,在方案中,联盟节点只需要计算该区域所有车辆用户的平均用户费率。用户费率将由每个车辆用户分布式计算。因此,该方案可以避免在联盟节点中进行大量复杂的计算,这相当于将计算负担分摊给每个车辆用户。
在基于区块链的多WSP进化博弈方法中,说明了车辆用户的动态行为。考虑有3个WSP和许多车辆使用者的区域。该区域的面积为200m*200m的区域。车辆用户以随机分布在具有密度λu的十字路口区域中。每个车辆使用者都有预期的行驶路线。在仿真初始化期间,每个人口中的用户将随机订阅WSP,选择WSP的最近基站。然后将开始演化博弈,每个车辆用户将采用他最大的收益策略。并在图4中展示了演化博弈分配频谱完成的收敛结果,可以看到,各个种群在5次左右迭代之后可以较快的完成收敛,频谱资源分配在理想的时间内完成,符合系统预期。在图5中展示了不同的车辆用户数量下提出的方案和固定的WSP分配方案的平均传输速率比较,表明了系统方案相较于固定频谱分配方法的优越性。
对于区块链中的共识,采用PBFT机制完成区块链的共识工作,PBFT的具体流程如图6所示。对于hyperledger得到的仿真结果,使用caliper完成了参数的测量,得到了如下表格:
表格1 caliper测试结果
命令 | 成功率 | 平均时延 | 吞吐量(TPS) |
Data Query | 100% | 0.11s | 100.6 |
Data Stora | 94% | 3.52s | 10.6 |
从上表可以看出,的区块链系统拥有较高的成功率,具有比较好的实用性。
Claims (3)
1.一种面向车联网的异构运营商区块链频谱动态共享方法,其特征在于:基于异构运营商频谱区块链系统:
车辆用户,车辆用户需要频谱资源进行应用或使用,须选择一个WSP进行订阅,并在WSP的基站中选择最接近其位置的基站,使用集合来表示车辆用户的集合,即U={u1,u2,...,uM};
无线服务提供商WSP:有N个竞争的WSP,在一个区域具有不同的位置和不同数量的基站;且每个WSP保持的频段是固定的;使用N={n1,n2,...,nN}代表WSP集合;
基站:每个基站都属于一个WSP,为车辆用户提供频谱资源;每个基站具有固定的带宽;当更多的用户访问基站时,每个用户获得的频谱资源就会减少;用户能选择其他基站进行访问,但是只能访问当前订阅的WSP拥有的基站;用户通信的干扰来自同一WSP区域内的其他基站;此处使用表示第n个WSP的第j个基站;
联盟节点:联盟节点是每个区域的总体管理者,负责该区域中车辆用户,基站和WSP之间的信息交互;异构运营商频谱区块链系统由若干联盟节点组成;每个区域均由联盟节点管理;联盟节点之间没有中心,并且每个联盟节点存储所有区域中的频谱资源使用情况;如有需要,能在所需的时间点查询频谱交易,并且每个联盟节点设有分布式分类帐;联盟节点表示为集合G={G1,G2,...,Gk};
构建运营商区块链频谱动态共享方法包括以下步骤:步骤1:对系统进行初始化,联盟节点收集具有频谱要求的所有车辆用户和多个无线服务提供商WSP的基站的信息;每个车辆用户和WSP都有一对公钥和私钥,当车辆用户和WSP进行频谱交易时将使用公钥和私钥;
步骤2:开始频谱分配,车辆用户选择初始订阅WSP,联盟节点整合多个WSP的频谱资源,采用进化博弈的方法完成多WSP的频谱分配;在快速收敛的条件下,保证了频谱资源分配的合理性和公平性;
步骤3:区块生成与利润分配,将频谱交易数据打包成区块,交易结果以各联盟节点的分布式账本的形式分布存储;智能合约自动分配与频谱对应的利润;
构建的演化进化博弈模型分为以下几部分:
种群:每个集合的用户选择一个WSP进行订阅,这些用户的集合称为种群;因为有N个WSP,所以有N个不同的种群;
策略空间:对于每个种群中的用户,决定接下来要访问哪个WSP以获得更好的服务;因此,策略空间表示为S={s1,s2,...,sN};
种群状态:对于演化博弈,当前选择不同策略的用户份额表示为显然,有
收益函数:每个策略的收益函数用于量化用户通过使用当前总体状态下的策略空间可获得的满意度或收益;
使用表示该区域中第n个WSP的基站密度,而使用λu表示车辆用户的密度;车辆用户选择了订阅的WSP之后,用户选择从该WSP访问当前位置最接近的基站;然后将当前时间t的车辆用户的预期信噪比表示为:
表示WSPn的基站发射功率,α是路径损耗指数;σ2表示加性高斯白噪声AWGN功率密度,是瑞利衰落的影响,而hi表示车辆用户i与t时间WSPn访问基站之间的距离;
噪声源分为两部分,第一部分是同一WSP的其他基站对车辆用户造成的干扰,第二部分是高斯白噪声;通过定义信噪比,在时间t处通过Shannon公式获得车辆用户的预期用户费率:
车辆在通信时具有高速移动性,提出基于预期行驶路径的车辆用户支付功能:当频谱分配进化游戏开始时,车辆用户i具有速度vi的预期行驶路径Li;考虑车辆当前位置的同时还考虑了车辆的预期行驶路径;
当车辆用户处于起点时,每个用户都在将来的时刻估计位置,以准备计算用户的收益;将记录点的数量A表示为记录点的长度;结合上述公式,每种策略的预期收益函数表示为:
其中
然后,当每个车辆用户穿过这些A记录点时,将平均用户费率定义为收益函数;对于每个车辆用户i,收益函数表示为:
为了描述用户的动态行为,采用复制者动态方程,表示如下:
在上式中,δ>0是策略的比率,是所有种群的平均收益;根据上述复制者的动态,每个策略的种群份额的百分比增长率与该策略的收益超出总体平均收益的比例成正比。
2.根据权利要求1所述的面向车联网的异构运营商区块链频谱动态共享方法,其特征在于:在多个WSP共存的区域;该区域的车辆用户选择一个运营商来订阅和访问运营商的最接近其当前位置的基站;
所述演化进化博弈模型考虑到车辆的移动性和通信需求,是一种在不同WSP之间分配频谱资源的进化博弈方案,使模型更具实用性;所述方案能够整合多个WSP的频谱资源,并利用进化博弈方案动态分配和共享频谱资源;准确地描述车辆使用者的需求;
系统利用联盟节点和区块链框架,协助完成多个WSP频谱资源的分配、共享和存储分配结果,使频谱交易的结果在分布式环境下具有可访问性、可跟踪性。
3.根据权利要求1所述的面向车联网的异构运营商区块链频谱动态共享方法,其特征在于:运营商区块链频谱动态共享方法中,联盟节点在该区域中充当信息交互器,并总体分配该区域中多个WSP的频谱资源;联盟节点只需要计算该区域所有车辆用户的平均用户费率;用户费率将由每个车辆用户分布式计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011250754.4A CN112616149B (zh) | 2020-11-11 | 2020-11-11 | 一种面向车联网的异构运营商区块链频谱动态共享方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011250754.4A CN112616149B (zh) | 2020-11-11 | 2020-11-11 | 一种面向车联网的异构运营商区块链频谱动态共享方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112616149A CN112616149A (zh) | 2021-04-06 |
CN112616149B true CN112616149B (zh) | 2023-04-07 |
Family
ID=75224558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011250754.4A Active CN112616149B (zh) | 2020-11-11 | 2020-11-11 | 一种面向车联网的异构运营商区块链频谱动态共享方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112616149B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115665867B (zh) * | 2022-09-28 | 2023-09-01 | 广东省新一代通信与网络创新研究院 | 一种车联网的频谱管理方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109819422B (zh) * | 2019-04-11 | 2020-10-16 | 南京大学 | 一种基于Stackelberg博弈的异构车联网多模通信方法 |
CN110519763B (zh) * | 2019-09-06 | 2022-02-18 | 南京邮电大学 | 一种基于区块链的认知无线电系统的功率分配方法 |
CN110719593B (zh) * | 2019-10-18 | 2022-09-09 | 中国联合网络通信集团有限公司 | 一种基于区块链的频谱共享方法、基站设备和区块链网络 |
CN111107506B (zh) * | 2020-01-02 | 2022-05-10 | 南京邮电大学 | 一种基于区块链和竞拍博弈的网络资源安全共享方法 |
-
2020
- 2020-11-11 CN CN202011250754.4A patent/CN112616149B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112616149A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ning et al. | Joint computing and caching in 5G-envisioned Internet of vehicles: A deep reinforcement learning-based traffic control system | |
Yang et al. | Efficient mobility-aware task offloading for vehicular edge computing networks | |
Zhang et al. | Deep-reinforcement-learning-based mode selection and resource allocation for cellular V2X communications | |
Sun et al. | Adaptive learning-based task offloading for vehicular edge computing systems | |
Chen et al. | CVCG: Cooperative V2V-aided transmission scheme based on coalitional game for popular content distribution in vehicular ad-hoc networks | |
Hu et al. | Vehicular multi-access edge computing with licensed sub-6 GHz, IEEE 802.11 p and mmWave | |
Zhang et al. | Interference graph-based resource-sharing schemes for vehicular networks | |
Liu et al. | Asynchronous deep reinforcement learning for collaborative task computing and on-demand resource allocation in vehicular edge computing | |
Ni et al. | Joint roadside unit deployment and service task assignment for Internet of Vehicles (IoV) | |
Yang et al. | D2D-enabled mobile-edge computation offloading for multiuser IoT network | |
Abozariba et al. | NOMA-based resource allocation and mobility enhancement framework for IoT in next generation cellular networks | |
He et al. | Deep reinforcement learning (DRL)-based resource management in software-defined and virtualized vehicular ad hoc networks | |
CN109068391A (zh) | 基于边缘计算和Actor-Critic算法的车联网通信优化算法 | |
CN111866887B (zh) | 一种车载网络中通信、缓存和计算资源联合优化方法 | |
CN103687023B (zh) | 基于时延区分业务和比例性速率约束的优化无线资源方法 | |
Abbas et al. | An efficient cluster based resource management scheme and its performance analysis for V2X networks | |
Šlapak et al. | Cost-effective resource allocation for multitier mobile edge computing in 5G mobile networks | |
Ghorbel et al. | Distributed learning-based cross-layer technique for energy-efficient multicarrier dynamic spectrum access with adaptive power allocation | |
Qi et al. | Energy-efficient resource allocation for UAV-assisted vehicular networks with spectrum sharing | |
Jia et al. | A BUS‐aided RSU access scheme based on SDN and evolutionary game in the Internet of Vehicle | |
Buda et al. | Collaborative vehicular edge computing towards greener ITS | |
Bitaghsir et al. | Multi-armed bandit learning for cache content placement in vehicular social networks | |
Chang et al. | Edge server placement for vehicular ad hoc networks in metropolitans | |
CN112616149B (zh) | 一种面向车联网的异构运营商区块链频谱动态共享方法 | |
Abbas et al. | Clustering based resource management scheme for latency and sum rate optimization in 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 |