CN113099418B

CN113099418B - 一种用于车联网数据传输的区块链任务的优化方法

Info

Publication number: CN113099418B
Application number: CN202110324755.7A
Authority: CN
Inventors: 高强; 陈嘉; 曾凌烽; 曾旭; 翁俊鸿; 周瑾瑜; 黄儒雅; 杨洋; 廖博娴; 钟雨轩
Original assignee: Shenzhen Power Supply Co ltd
Current assignee: Shenzhen Power Supply Co ltd
Priority date: 2021-03-26
Filing date: 2021-03-26
Publication date: 2022-08-16
Anticipated expiration: 2041-03-26
Also published as: CN113099418A

Abstract

本发明提供一种用于车联网数据传输的区块链任务的优化方法，包括，步骤S1、当车辆进入任一RSU的覆盖范围时，建立与该RSU的通信连接；步骤S2、根据车辆与所述RSU之间的传输速率、传输速率与速度的关系、向所述RSU上传数据所需的时间和回传数据的时间、车辆与RSU之间的总通信时延，进行通信传输功率的优化计算，确定车辆与该RSU的最优通信传输功率；其中，所述车联网的多个RSU协同工作维护一个信任的区块链系统；步骤S3、根据所述最优通信传输功率将所述车辆驾驶辅助数据发送至该RSU；步骤S4、将所述车辆驾驶辅助数据存储至所述区块链的区块。本发明实现车联网辅助驾驶中车辆数据高效传输到RSU并存入区块链，保障辅助驾驶任务正常进行，降低信息篡改的风险。

Description

一种用于车联网数据传输的区块链任务的优化方法

技术领域

本发明涉及区块链技术领域，特别是涉及一种用于车联网数据传输的区块链任务的优化方法。

背景技术

车联网借助新一代信息通信技术，以行驶中的车辆为信息感知对象，提升车辆整体的智能驾驶水平，为用户提供安全、舒适、智能、高效的驾驶感受与交通服务。随着城市道路网络的交通流量日益提高，驾驶员在行驶过程中难免遇到拥堵区域，这大大增多了行程时间、油耗以及额外的气体排放，针对这一问题，可以借助辅助驾驶技术来降低发生事故的概率，并在发生事故后及时纠正其他车辆驾驶路线，以提升交通运行效率。

然而，在传统辅助驾驶方案中，信息的处理集中在一方，容易受到攻击，并且集中式云服务器可能会导致数据存储中的单点故障。车辆的高机动性以及复杂的驾驶操作也使得如何在短时间内处理数据，及时给予用户处理结果反馈成为车辆应用的重要挑战。区块链是点对点(P2P)网络中的分布式数字账本。区块链技术的去中心化和不变性等优良特性为车联网环境中的数据安全问题提供了一个可行的解决方案。利用区块链技术在车联网中大量边缘节点之间建立信任关系，能够有效降低信息篡改的风险。

受上述需求及技术的驱动，出现了诸多利用区块链技术的辅助方法，比较具有代表性的有，例如：

专利号为CN110155079A的《基于区块链技术的辅助驾驶系统及方法》专利，提供基于区块链技术的辅助驾驶系统，能够协助驾驶员或自动驾驶系统随时做出正确判断，具有突破视觉死角和跨越遮挡物的信息获取能力，同时基于V2V通信子系统能够使本车辆与其他车辆及交通基础设施共享实时交通数据，再利用相关研判算法产生预测信息，为智能网联汽车提供辅助驾驶。但是，没有考虑到处理效率的问题，所有计算任务都在车辆上完成，并且车辆直接上链，挖矿过程将十分低效。

专利号为CN109360417A的《一种基于区块链的危险驾驶行为辨识与推送方法及系统》专利，提出了一种基于区块链的危险驾驶行为辨识与推送方法及系统，所述方法包括：S10：采集指定类型车辆的动态行驶信息，判断所述指定类型车辆是否超速；S20：若超速，则将所述指定类型车辆的超速信息广播给区块链内其他所有车辆；S30：统计所述指定类型车辆预设半径范围内判断所述指定类型车辆超速的所述其他车辆的数量；S40：根据所述数量的大小，判断是否执行预设安全规避措施。该方案基于区块链技术实现了更加高效和准确地周边车辆超速判断，能够为车辆提供驾车安全，尤其是减小车辆因超速不能及时制动而导致事故发生的概率。但是，功能过于单一化，对危险驾驶行为的考虑不够全面，并且车辆计算负担过重，没有考虑到车辆不能处理行驶过程中的产生的大量数据以及处理数据所产生的时间花销所带来用户体验的下降。

专利号为CN111405011A的《基于区块链的VANET中节点可信加入方法》专利，提供一种基于区块链的VANET节点可信加入方法，不仅能改善交通拥堵，还能辅助安全驾驶。RSU对车辆进行分布式可信验证来拒绝恶意车辆节点，保证VANET的安全。首先，验证车辆的身份唯一性和有效性，基于区块链的证书管理来实现对车辆证书交易的记录，利用MPT树实现对证书的验证操作。接着，验证车载平台的完整性，利用可信计算技术来评估车载平台的完整性。最后，评估车辆节点的声誉值，基于消息的信任评估模型将车辆的信任值记录到声誉区块链中，作为不可篡改的证据。当车辆完整可信验证，允许加入到VANET中。但是，在车辆与RSU的通信中没有考虑到车辆的移动性与数据传输的复杂性，且忽视了区块链吞吐量的问题，没有考虑过通过提升区块链吞吐量来使业务处理效率更高。

发明内容

本发明的目的在于，提出一种用于车联网数据传输的区块链任务的优化方法，实现车联网辅助驾驶中车辆数据高效传输到RSU并存入区块链，以保障辅助驾驶任务正常进行，降低信息篡改的风险。

一方面，提供一种用于车联网数据传输的区块链任务的优化方法，所述车联网包括多个RSU，其特征在于，包括以下步骤：步骤S1、当车辆进入任一RSU的覆盖范围时，建立与该RSU的通信连接；

步骤S2、根据车辆与该RSU之间的传输速率、传输速率与速度的关系、向该RSU上传数据所需的时间和回传数据的时间、车辆与该RSU之间的总通信时延，进行通信传输功率的优化计算，确定车辆与该RSU的最优通信传输功率；

步骤S3、车辆获取自身驾驶辅助数据，并根据所述最优通信传输功率将所述车辆驾驶辅助数据发送至该RSU；

步骤S4、该RSU接收所述车辆驾驶辅助数据，并将所述车辆驾驶辅助数据存储至所述区块链的区块；其中，所述车联网的多个RSU协同工作维护一个信任的区块链系统；所述区块链的区块的生成包括：

RSU根据区块大小和区块间隔决策、数据传输任务进入下一状态的概率进行生成区块大小和区块间隔的优化计算，确定生成区块大小值和区块间的间隔值；

RSU根据生成的区块大小值、区块间的间隔值及最优通信传输功率，对传输功率、生成区块大小和区块间的间隔进行联合优化，获得联合优化结果；

RSU根据联合优化结果生成区块，以使得区块链吞吐量最大化且总时延最小时的状态。

优选地，所述车辆驾驶辅助数据至少包括车辆ID信息、车辆所处位置信息、车辆速度信息、车辆出行目的地信息。

优选地，所述步骤S2中，所述车辆与RSU之间的传输速率，具体根据以下公式计算：

其中，R_m(t)表示车辆与RSU之间的传输速率；B_n表示车辆与RSU之间的传输信道带宽；P_n(t)表示传输功率；g_n(t)表示信道增益；σ_n(t)表示噪声方差；θ表示路径损耗指数；d_n表示车辆与RSU之间的距离；N＝{1,2,...,n}表示RSU的集合；t表示时间值。

优选地，所述步骤S2中，所述传输速率与速度的关系，具体根据以下公式计算：

其中，d_n(t)表示传输速率与速度的关系；d_g表示RSU信号覆盖范围的直径，l_n≤d_g/2表示车辆正向RSU的方向行驶；h_n表示RSU内设置的MEC服务器的高度；l_n表示车辆的初始位置；v_n表示车辆移动速度。

优选地，所述步骤S2中，所述向所述RSU上传数据所需的时间，具体根据以下公式计算：

其中，T_up(t)表示向RSU上传数据所需的时间；D_m表示车辆通过基础设施互联通信传输到RSU的数据量大小；R_m(t)表示车辆与RSU之间的传输速率；

所述RSU向车辆回传数据的时间，具体根据以下公式计算：

其中，T_down(t)表示RSU向车辆回传数据的时间；R_m(t)表示车辆与RSU之间的传输速率；λ_t表示RSU的结果数据量与输入数据量之比；D_m表示车辆通过基础设施互联通信传输到RSU的数据量大小。

优选地，所述步骤S2中，所述车辆与RSU之间的总通信时延，具体根据以下公式计算：

其中，T_n(t)表示车辆与RSU之间的总通信时延；R_m(t)表示车辆与RSU之间的传输速率；λ_t表示RSU的结果数据量与输入数据量之比；D_m表示车辆通过基础设施互联通信传输到RSU的数据量大小。

优选地，所述数据传输任务进入下一状态的概率，具体根据以下公式计算：

其中，ss1(t)表示当前状态；s_s1(t+1)表示下一个状态；Ω_s(t)＝{Ω₁(t),Ω₂(t),...,Ω_n(t)}表示当前时刻的状态空间；E_s(t)＝{E₁(t),E₂(t),...,E_n(t)}表示MEC服务器的可用存储资源；G₁(t)＝{g_n(t)}表示MEC服务器的信道条件；a_s1(t)表示当前时刻的动作；s_s1表示初始状态。

优选地，所述区块大小和区块间间隔决策，具体根据以下公式计算：

S(t)∈[0.2,S_max]

T(t)∈[0.1,T_max]

其中，S_max是生成块大小限制；T_max是块的最大间隔。

优选地，所述对传输功率、生成区块大小和区块间的间隔进行联合优化，具体根据以下公式进行优化：

P1:

s.t.T_n(t)≤τ_n C1

0≤P_tot,n(t)≤P_m C2

D_t≤Z_t C3

l_n+v_nt≤d_g C4

其中，ω₁(0<ω₁<1)是将目标函数组合为单个函数的权重因子，可根据系统吞吐量和总时延进行动态调整；ω₂是确保目标函数处于同一水平的映射因子；约束C1表示通信时延不能超过系统可容忍的最大时延τ_n；约束C2表示所有设备的传输功率总和不能超过系统的可用功率P_m；约束C3表示卸载任务的数据量大小不能超过链路容量Z_t；约束C4确保移动车辆和RSU之间的链路在传输范围内；T_n(t)表示车辆与RSU之间的总通信时延；P_tot,n(t)表示所有设备的传输功率总和；l_n表示车辆的初始位置；v_nt表示车辆的移动距离；Φ(t)表示区块链的事务吞吐量；d_g表示RSU信号覆盖范围的直径。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的用于车联网数据传输的区块链任务的优化方法，首先在路边单元(Road side unit，RSU)上使用数字地图配置坡道的几何形状和速度等路况信息，而后通过车辆传感模块获取驾驶员和车辆数据，并将车辆的一些参数，如ID、位置、速度、目的地等，传送到RSU上并生成区块，在此过程中对传输功率、生成块大小和块间隔进行联合优化，旨在降低系统时延，并使区块链系统的事务吞吐量最大化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明实施例中一种用于车联网数据传输的区块链任务的优化方法的主流程示意图。

图2为本发明实施例中不同传输功率下的平均奖励示意图。

图3为本发明实施例中生成区块大小对平均奖励的影响示意图。

图4为本发明实施例中生成区块间隔对平均奖励的影响示意图。

图5为本发明实施例中车辆不同初始位置和速度下的平均奖励与时延示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

如图1所示，为本发明提供的一种用于车联网数据传输的区块链任务的优化方法的一个实施例的示意图。在该实施例中，所述车联网包括多个RSU，所述方法包括以下步骤：

步骤S1、当车辆进入任一RSU的覆盖范围时，建立与该RSU的通信连接；可以理解的是，假设每个RSU的覆盖区域是相同的，当车辆进入RSU的覆盖区域时，通过车辆基础设施互联(vehicular-to-infrastructure，V2I)通信可以将数据传输到MEC(Mobile EdgeComputing，移动边缘计算)服务器中。由于车辆具有移动性，车辆可能在不同的时间接近不同的RSU，因此移动车辆在不同时间生成的任务可以被卸载到不同RSU上的MEC服务器执行，所以在不同的时间根据车辆状态就能确定与之通信且可以处理数据的RSU(MEC服务器)。

具体实施例中，所述车况信息至少包括车辆ID信息、车辆所处位置信息、车辆速度信息、车辆出行目的地信息。将车辆传输到RSU的信息存储在区块当中，通过使用区块链技术，所有RSUs协同工作以维护可靠和一致的数据库，以保障车联网系统的可信。由于区块链系统具有去中心化特性，其网络结构是分散的，没有固定的中心节点来管理区块链。因此，定期从所有RSUs中选择一个矿工来进行区块的生成。在共识过程中，采用授权拜占庭容错(the delegated Byzantine fault tolerance)共识算法，通过代理投票大规模参与共识。dBFT算法可以最大限度地确保系统的最终性，生成的块不会分叉，并且事务不会被撤销或回滚，适用于任何网络环境。

为了提高系统性能，选择投票率较高的节点作为区块链系统的共识节点。协商共识节点候选人的票数取决于其持有的the stake、可用资源。区块链节点持有的stake集合表示为Ω_s(t)＝{Ω₁(t),Ω₂(t),...,Ω_n(t)}，MEC服务器的可用计算资源集合可以表示为C_s(t)＝{C₁(t),C₂(t),...,C_n(t)}。F是MEC服务器的总计算能力，C_min是区块链系统所需的最小计算能力。MEC服务器有一个先进先出数据缓冲区来存储到达但尚未执行的卸载任务。因此，在t+1时隙开始时的处理队列的动态可以表示为：

F_n(t+1)＝max{F_n(t)-f_R+ρ_nR_l(t),0}

式中，R_l(t)为MEC服务器的计算速率，ρ_n是处理密度(in CPU cycles/bit)。MEC服务器在时隙t中可用于区块链系统的计算资源可以表示为：

C_n(t)＝max{F-F_n(t),C_min}

用χ表示区块链事务的平均规模，S(t)和T(t)分别表示时隙t中生成块的大小((inMB)和间隔时间(in seconds)。因此，区块链系统的事务吞吐量可以表示为：

步骤S2、根据车辆与该RSU之间的传输速率、传输速率与速度的关系、向该RSU上传数据所需的时间和回传数据的时间、车辆与该RSU之间的总通信时延，进行通信传输功率的优化计算，确定车辆与该RSU的最优通信传输功率；可以理解的是，移动车辆在不同时间生成的任务可以被卸载到不同RSU上的MEC服务器执行。车辆的位置将影响车辆与RSU之间的信道传输速率。当车辆高速接近RSU时，数据传输速率随着数据传输距离的减小而增大。

具体实施例中，根据香农定理，移动车辆与RSU之间的传输速率可以表示为：

其中，R_m(t)表示车辆与RSU之间的传输速率；B_n表示车辆与RSU之间的传输信道带宽；P_n(t)表示传输功率；g_n(t)表示信道增益；σ_n(t)表示噪声方差；θ表示路径损耗指数；d_n表示车辆与RSU之间的距离；N＝{1,2,...,n}表示RSU的集合；t表示时间值。它与车辆的初始位置l_n、移动速度v_n有关，d_n(t)可以表示为：

假设车辆通过V2I通信传输到RSU的数据量大小为D_m(in bits)，移动车辆n将数据上传到关联的RSU所花费的时间可以表示为：

其中，T_up(t)表示向RSU上传数据所需的时间；D_m表示车辆通过基础设施互联通信传输到RSU的数据量大小；R_m(t)表示车辆与RSU之间的传输速率。

移动车辆n在离开关联的RSU之前需接受到数据处理结果，因此需要考虑任务处理结果的回传时间，可以表示为：

因此，车辆与RSU之间的总通信时延可以表示为：

其中，T_n(t)表示车辆与RSU之间的总通信时延；R_m(t)表示车辆与RSU之间的传输速率；λ_t表示RSU的结果数据量与输入数据量之比；D_m表示车辆通过基础设施互联通信传输到RSU的数据量大小；R_m(t)表示车辆与RSU之间的传输速率。

步骤S3、车辆获取自身驾驶辅助数据，并根据所述最优通信传输功率将所述车辆驾驶辅助数据发送至该RSU；所述车辆驾驶辅助数据至少包括车辆ID信息、车辆所处位置信息、车辆速度信息、车辆出行目的地信息。

步骤S4、该RSU接收所述车辆驾驶辅助数据，并将所述车辆驾驶辅助数据存储至所述区块链的区块；其中，所述车联网的多个RSU协同工作维护一个信任的区块链系统。具体地，所述区块链的区块的生成包括如下步骤：RSU根据区块大小和区块间隔决策、数据传输任务进入下一状态的概率进行生成区块大小和区块间隔的优化计算，确定生成区块大小值和区块间的间隔值；RSU根据生成的区块大小值、区块间的间隔值及最优通信传输功率，对传输功率、生成区块大小和区块间的间隔进行联合优化，获得联合优化结果；RSU根据联合优化结果生成区块，以使得区块链吞吐量最大化且总时延最小时的状态。

具体实施例中，当前时刻的状态空间可以表示为stakes的数目Ω_s(t)＝{Ω₁(t),Ω₂(t),...,Ω_n(t)}、MEC服务器的可用存储资源E_s(t)＝{E₁(t),E₂(t),...,E_n(t)}和信道条件G₁(t)＝{g_n(t)}的联合：

用f表示状态转移概率密度函数。系统从状态ss1(t)到下一个状态s_s1(t+1)的概率可以表示为：

再具体地，动作空间包括传输功率分配决策P(t)、生成块大小S(t)、块间隔T(t)。用Α_s1(t)来定义动作集：

其中，功率分配决策P(t)可以表示为：

区块链系统中，我们根据节点其持有的the stake、可用资源，选择投票率较高的节点作为区块链系统的共识节点，并采用dBFT算法作为共识机制。利用极限分数法，生成块大小和块间隔决策分别由下式决定：

S(t)∈[0.2,S_max]

T(t)∈[0.1,T_max]

其中，S_max是生成块大小限制，T_max是块的最大间隔。

再具体地，车辆将相关数据传输到边缘层中的RSU中存储，所有RSUs协同工作维护一个信任的区块链系统。针对区块链挖矿过程中存在的计算密集型任务，提出了一个优化问题，使系统的事务吞吐量最大化并且总时延最小，同时对传输功率、生成块大小和块间隔进行联合优化。因此，将联合优化问题定义为P1:

P1:

s.t.T_n(t)≤τ_n C1

0≤P_tot,n(t)≤P_m C2

D_t≤Z_t C3

l_n+v_nt≤d_g C4

其中，ω₁(0<ω₁<1)是将目标函数组合为单个函数的权重因子，可根据系统吞吐量和总时延进行动态调整。ω₂是确保目标函数处于同一水平的映射因子。约束C1表示通信时延不能超过系统可容忍的最大时延τ_n。约束C2表示所有设备的传输功率总和不能超过系统的可用功率P_m。约束C3表示卸载任务的数据量大小不能超过链路容量Z_t。约束C4确保移动车辆和RSU之间的链路在传输范围内。

以及，将奖励函数定义为：

其中，

本发明的一个具体实施例，在移动性感知的数据传输场景中，考虑一辆车高速通过RSU的覆盖区域，行驶车速v_n＝100km/h，车辆初始位置l_n＝200m。单个RSU覆盖区域内的移动车辆数N＝20。RSU的覆盖范围d_g＝600m，MEC服务器位于RSU覆盖区域的中心，MEC服务器的高度h_n＝20m，路径损耗指数θ＝2.5。MEC服务器的CPU周期频率为2.4GHz.噪声功率密度N₀＝-174dBm/Hz,车辆与RSU之间的传输信道带宽B_n＝180KHz.平均事务大小χ＝200kb,actor网络的学习率η_a＝0.001,critic网络的学习率η_c＝0.01.以及权重因子ω₁＝0.5andω₂＝0.2。

将实施例与以下算法进行比较：(1)Binary Tailored Fireworks Algorithmbased joint computation offloading and resource allocation algorithm(FAJORA)：资源分配过程中固定生成块的大小；

(2)Offloading decision and resource allocation algorithm with fixedblock interval(FBT)：生成区块的频率是相同的。

如图2所示，分别比较了三种不同算法(Proposed、FAJORAand FBT)下传输功率P_n(t)对系统平均奖励的影响。可以观察到，平均奖励随着传输功率的增加而增加。原因是在车辆传输数据的通信当中，传输功率的增加将导致传输速率的增大，进而降低了系统的总时延。并且在整个过程中，所提算法的性能总是最优的，其次是FAJORA和FBT。这是因为FAJORA算法中生成块的大小是一样的，同时FBT算法中生成块的频率是相同的，两者均为无法调整的固定值，从而影响了系统的吞吐量，在资源分配的过程当中无法对其进一步优化，导致平均奖励低于所提算法。如图3和图4分别展示了不同生成块大小S(t)与块间隔T(t)下的平均奖励变化情况。可以看出，除FAJORA外，系统的平均奖励随生成块大小的增加而增加。这是因为在其他参数不变的情况下，区块大小对事务吞吐量有正向的影响。可以观察到，除FBT外，系统的平均奖励随着块间隔的增加而缓慢减小，原因是事务吞吐量随着生成块间隔的增加而减少。如图5，展示了在不同的初始位置l_n和行驶速度v_n下所提出方案的平均奖励与时延。可以看到，当l_n小于300m时，系统的总时延随着l_n的增大而减小，同时平均奖励随着l_n的增加而变大。原因是初始位置l_n影响车辆与MEC服务器之间的距离。当车辆向当前接入的MEC服务器方向行驶时，车辆与MEC服务器之间的距离减小，车辆可以以较少的通信开销将数据发送到接入的MEC服务器上。并且，随着行驶速率v_n的增加，车辆越靠近MEC服务器，传输速率越大，进而时延越低。反之，当l_n大于300m时，系统时延随着l_n的增大而变大，平均奖励随着l_n的增加而不断降低。这是因为车辆向离开接入MEC服务器方向行驶时，随l_n和v_n的增加，车辆与MEC服务器之间的距离会越来越大，需要更多的通信开销，导致传输速率降低，时延不断增加。可以在图5的基础上实现l_n和v_n之间的权衡。

综上，实施本发明的实施例，具有如下的有益效果：

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。