CN117098181A - 一种基于跨层感知的车联网联合拥塞控制方法 - Google Patents
一种基于跨层感知的车联网联合拥塞控制方法 Download PDFInfo
- Publication number
- CN117098181A CN117098181A CN202310848626.7A CN202310848626A CN117098181A CN 117098181 A CN117098181 A CN 117098181A CN 202310848626 A CN202310848626 A CN 202310848626A CN 117098181 A CN117098181 A CN 117098181A
- Authority
- CN
- China
- Prior art keywords
- link
- transmission
- rate
- vehicles
- data packet
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000008447 perception Effects 0.000 title claims abstract description 15
- 230000005540 biological transmission Effects 0.000 claims abstract description 110
- 238000011144 upstream manufacturing Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 abstract description 10
- 238000013468 resource allocation Methods 0.000 abstract description 4
- 239000010410 layer Substances 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0289—Congestion control
-
- 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]
-
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种基于跨层感知的车联网联合拥塞控制方法,包括:基于链路负载情况调整链路传输速率以得到调整速率;获取当前信道的最小竞争窗口和单个数据包平均传输时间;基于马尔科夫链从所述最小竞争窗口中选择任一整数作为退避值以基于所述退避值控制数据包发送状态;基于所述调整速率和单个数据包平均传输时间计算数据包成功发送的概率,当所述数据包成功发送的概率大于预设阈值时,将所述数据包标记为发送成功。本发明利用网络资源分配效用函数控制发送速率,减少注入网络的数据量,防止丢包;根据调整因子和数据流的优先级对传输功率大小的控制来改变链路的传输速率,避免网络拥塞的发生。
Description
技术领域
本发明属于车联网领域,具体涉及一种基于跨层感知的车联网联合拥塞控制方法。
背景技术
近几年,随着移动互联网、物联网和传感器技术的迅速发展,车联网(Internet ofVehicles,IoV)技术成为推动未来智慧交通发展的关键驱动力之一。车联网是传统车载自组织网络(Vehicular AdHoc Network,VANET)的演变,实现了人、车、路、环境的智能交互。车联网由采集层、传输层和服务层三部分组成,对时延和吞吐量要求很高。根据应用场景将车联网的业务划分为交通控制、信息服务以及驾驶安全保障三大类,这三类在网络带宽、连接性能、时延以及网络部署方面有着不同要求,特别是动态地图、AR导航等信息类服务对时延要求较高,在处理庞大的交通数据时会面临严峻的传输时延问题。车联网因其高速移动性、无线信道的广播特性及极高通信需求等的影响,在传输时极易发生中断和高误码率等情况,使车载环境下拥塞发生的概率增高,急剧恶化网络性能。因此,拥塞问题成为影响车联网数据传输性能最重要的因素之一,如何解决车联网的拥塞控制是一个值得研究的热点问题。
现有技术中,车联网的拥塞控制算法主要分为两类,一类是分析车联网分组丢失的原因后在传输层利用TCP进行端到端的拥塞控制;另一类是针对数据传输的信道在数据链路层实现逐跳方式的拥塞控制。无论哪类方法均是针对单一某层改进的拥塞方案。其次,车联网中邻居节点具有共享信道的特性,通信链路受外界环境影响较大,每一条链路传输速率的大小依赖于邻居链路的传输情况,调整传输速率则会涉及到发送速率和功率等问题。分属网络的物理层、MAC层和传输层等多个不同层次,而在传统分层方式下,各层信息难以快速共享,导致时延较高。
综上,车联的动态特性使车联网网络拓扑及信道环境变化迅速、网络带宽稀缺,此外,大部分车联网的拥塞控制策略均为针对某一确定层的控制,并没有结合车联网实际通信状况和业务需求实现跨层联合拥塞控制,导致网络业务的高时延,从而难以满足难以满足大规模车辆用户多样化的业务需求,在车联网中表现的性能往往不理想。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于跨层感知的车联网联合拥塞控制方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于跨层感知的车联网联合拥塞控制方法,包括:
基于链路负载情况调整链路传输速率以得到调整速率;
获取当前信道的最小竞争窗口和单个数据包平均传输时间;
基于马尔科夫链从所述最小竞争窗口中选择任一整数作为退避值以基于所述退避值控制数据包发送状态;
基于所述调整速率和单个数据包平均传输时间计算数据包成功发送的概率,当所述数据包成功发送的概率大于预设阈值时,将所述数据包标记为发送成功。
在一个具体实施方式中,基于链路负载情况调整链路传输速率以得到调整速率,包括:
当侦测到链路有数据包到达时,计算链路队列长度;
判断所述链路队列长度未超过预设门限值时,计算调整因子,以根据所述调整因子调整链路传输速率以得到调整速率;
更新队列长度,以根据更新的队列长度迭代得到调整速率。
在一个具体实施方式中,根据所述调整因子调整链路传输速率以得到调整速率,包括:
当判断所述调整因子非零时,计算每一条链路的传输功率;
根据链路的传输功率计算源节点到目的节点的数据流传输速率以得到调整速率。
在一个具体实施方式中,调整因子为:
其中,γ表示的队列的期望利用率,si(t)表示链路i的最大传输速率,/>表示上游一跳链路传输速率之和,ln表示。
在一个具体实施方式中,每一条链路的传输功率为:
其中,wa为数据流权重,/>为每条链路的长度之和。
在一个具体实施方式中,调整速率为:
qi(t)表示链路i的队列长度,si(t)表示链路i的最大传输速率。
在一个具体实施方式中,更新队列长度为:
其中,/>表示的是所有使用链路的数据流的速率总和,si(t)是链路的最大传输速率,LEi(t)表示拥塞因子。
在一个具体实施方式中,数据包成功发送的概率为:Pa=2Rρτ·e-2Rρ,其中,R表示节点的传输半径,ρ表示车辆密度,τ表示任意时刻数据的发送概率。
在一个具体实施方式中,任意时刻数据的发送概率为:
其中,β表示信道繁忙的概率,W表示最小竞争窗口,V表示调整速率,TV传输一个数据包的时间;信道繁忙的概率为:β=1-e-2Rρτ。
本发明的有益效果:
本发明的基于跨层感知的车联网联合拥塞控制方法通过对信道资源进行分配控制,并采用基于马尔科夫链的信道退避机制实现信道共享,避免信道拥塞;利用网络资源分配效用函数控制发送速率,减少注入网络的数据量,防止丢包;根据调整因子和数据流的优先级对传输功率大小的控制来改变链路的传输速率,避免网络拥塞的发生。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于跨层感知的车联网联合拥塞控制方法流程示意图;
图2是本发明实施例提供的基于马尔科夫链的退避简化模型示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
图1是本发明实施例提供的一种基于跨层感知的车联网联合拥塞控制方法流程示意图,包括:
S1、基于链路负载情况调整链路传输速率以得到调整速率;
在一个具体实施方式中,基于链路负载情况调整链路传输速率以得到调整速率,包括:
当侦测到链路有数据包到达时,计算链路队列长度;
判断所述链路队列长度未超过预设门限值时,计算调整因子,以根据所述调整因子调整链路传输速率以得到调整速率;
根据所述调整因子调整链路传输速率以得到调整速率,包括:
当判断所述调整因子非零时,计算每一条链路的传输功率;
根据链路的传输功率计算源节点到目的节点的数据流传输速率以得到调整速率。
更新队列长度,以根据更新的队列长度迭代得到调整速率。
具体的,在车联网中,对链路传输速率的调整,本质是对于链路传输功率的调整。当链路输出速率小于数据到达速率时,该条链路有可能拥塞并导致数据处理转发不及时而引起数据包的丢失。如果一条链路发生拥塞,那么到达该链路的数据包就会被丢弃,而处于该链路上游的链路发现数据包丢失之后,会重传丢失的数据包。此时,发生拥塞的链路由于拥塞情况没有得到控制,会继续丢弃新到达的数据包。一条链路的拥塞如果没有得到及时的控制,就会一直向外蔓延,最终导致整个网络的拥塞。
假设链路i的传输功率为Gi,网络中所有链路的传输功率用向量表示为在车联网中,每一条链路的传输速率不再是固定的,而是许多全局变量的函数,比如调制方式、功率向量/>和信道状况。链路的最大传输速率si如下式所示:
si(Gi)=log2(1+Gi|hi|2);
其中,hi表示的是链路i的信道增益,信道中的噪声都被归一化信道增益中。
车联网中,假设源节点a发出的数据流,其传输速率为xa,将源节点a对网络资源分配函数的满意度定义为效用函数如下式所示:
当链路的传输速率被调整以后,链路的传输功率也会发生变化。车联网中链路传输功率的大小会影响到链路传输速率的大小。希望在用户的效用函数最大化为目标的条件下,研究网络中链路的传输功率和数据流量大小的关系,利用链路的队列长度来预测网络的拥塞情况。
其中,ε表示网络中传输不同业务数据的敏感因子,如下式所示:
ε=ΥREi(t);
其中,Υ表示传输不同业务数据的优先级权重,REi(t)表征链路的时延权重,如下式所示:
REi(t)=Ri(t)/Rimax;
其中,Ri(t)是在t时刻链路i的延迟响应时间;Rimax是链路i的最大延时。当Ri(t)≤Rimax时,没有报文丢失,REi(t)∈(0,1];当Ri(t)>Rimax时,丢失报文,此时置REi(t)=1。因此,REi(t)的取值范围为(0,1]。
每条链路维护一个队列,当一个数据包到达时,会更新链路队列,队列长度会发生相应的变化。用qi表示队列长度,并有当队列长度超过了一定的门限值时,判定网络可能会发生拥塞,并向所有使用该链路的所有数据源的源节点发送拥塞信息。源节点收到后对自己的流速Va进行调整。
假设t时刻链路i的链路传输速率为di,则链路的到达速率为上游一跳链路传输速率之和,记为链路i的离开速率,即由该链路的传输功率所决定的链路速率r(i)。当链路i处发生拥塞时,上游两跳范围内的链路传输速率如下式所示:
其中,为效用函数,定义θ为调整因子,用来调整节点的传输速率,此处为一个常量。k表示需要调整速率的节点的跳数范围。
根据链路的队列情况,向上游两跳范围内的链路传递链路传输速率更新信息,调整因子θ计算过程如下式所示:
建立虚拟功率队列Qi(t)跟踪链路的功率消耗情况,解决功率分配问题,如下式所示,链路功率的虚拟队列在实际应用中并不存在,在仿真过程中,其作用相当于一个数学计数器。
Qi(t+1)=[Qi(t)+(Gi(t)-Gavg)]+;
已知t时刻链路i的传输功率为Gi,Gavg表示平均功率。
每一条链路的传输功率根据链路的传输速率大小进行计算,具体的计算过程如下式所示:
源节点到目的节点的数据流传输速率使用函数/>最大化,如下式所示:
其中,qi可表示为链路的队列长度,还可以理解成链路i的隐含成本。显然,qi越小,使用链路i所付出的代价越小,使用链路i的目标函数的值越大。wa是数据流的权重大小。
可将数据流权重wa量化为当前待发送数据的紧急程度,即数据流的优先级。如下式所示:
wa=(ACI+1)/(NACI+1);
其中,NACI=4是ACI的种类数。VANET中,不同类型数据的优先级不同,按照消息的重要性和紧迫性,IEEE802.11p规定了四种访问类别数据(Access Categories,AC),用NACI表示。每一个AC具有一个AC索引(Access CategoriesIndex,ACI),且ACI∈[0,1,2,3]。ACI越大,则信息的优先级越高,其重要性和急迫性程度越高。分子和分母加1避免出现0值。显然ACI<NACI,数据优先级的取值范围为wa∈(0,1)。
速率调整后更新队列长度,链路队列长度依据下式所示迭代更新。
其中,γ表示的队列的期望利用率,并有γ<1。当γ接近1表示当前时刻链路的利用率高,相反,当γ接近0表示链路利用率低。可结合链路实际情况进行设定γ值。
在每一个时隙内,链路队列长度的计算是在上一时隙链路队列长度的基础上,加上新增的队列长度。等式右边小括号内表示的是链路队列新增的长度,可能是正值也可能是负值。/>表示的是所有使用链路的数据流的速率总和,si(t)是链路的最大传输速率,LEi(t)表示拥塞因子。若有/>表示链路上到达的数据速率之和大于链路的实际最大速率,则数据转发不及时,就会在队列中排队,队列长度会增加;反之,由于到达数据转发完成之后,链路还能够继续传输数据,因此原来在队列中等待的数据也会传输一部分,所以链路的队列长度会变短。
其中,拥塞因子LEi(t)表示链路负载的拥塞程度,如下式所示:
LEi(t)=Li(t)/Limax;
其中,Limax是链路i的发送缓冲区的容量,Li(t)是时刻t时其中被占用部分的大小。LEi(t)的取值范围为(0,1]。
S2、获取当前信道的最小竞争窗口和单个数据包平均传输时间;
S3、基于马尔科夫链从所述最小竞争窗口中选择任一整数作为退避值以基于所述退避值控制数据包发送状态;
S4、基于所述调整速率和单个数据包平均传输时间计算数据包成功发送的概率,当所述数据包成功发送的概率大于预设阈值时,将所述数据包标记为发送成功。
请参见图2,图2是本发明实施例提供的基于马尔科夫链的退避简化模型示意图,图中W为最小竞争窗口大小,节点在任意时刻至少有一个有数据包等待发送的概率为α,信道繁忙的概率为β。
当节点有数据要发送时进入待发送状态,从(0,1,…,W-1)中随机选择一个整数作为退避值,然后该节点会监听信道是否处于繁忙状态。若信道空闲则计数器减1,否则保持不变,当计数值减为0时便发送数据,若还有数据待发送则进去下一次待发送状态。求解马尔科夫链可以得到计数器退避到0的概率b0,如下公式所示:
b0=2(1-β)/2-3β+βW;
数据传输速率V符合泊松分布,若平均传输一个数据包的时间为TV,则任意时刻至少有一个数据包等待发送的概率α可由如下公式的得到:
求出任意时刻数据的发送概率τ如下公式所示:
而信道繁忙的概率β如下公式所示:
其中,R表示节点的传输半径。由上述两个概率公式组成一个非线性方程组,可证其在(0,1)上有唯一解,通过求解非线性方程组可并可求得β和τ的值。
虽然退避机制可有效地避免多个节点对信道的无序占用,但并不能完全避免数据碰撞,只有当发送节点传输范围内只有一个节点在发送时才能确保数据包成功被其他节点接收,否则将发生碰撞。可以得出数据包成功发送的概率Pa如下公式所示:
化简得Pa=2Rρτ·e-2Rρ。
当数据包成功发送的概率Pa大于0.95时,将所述数据包标记为发送成功。
基于本实施例的方案进行仿真分析如下:仿真环境基于Linux系统搭建,安装SUMO和NS-3仿真软件,SUMO完成交通仿真,而NS3负责网络仿真。Linux系统为Ubuntu 16.04,NS-3版本为NS-33.27,SUMO版本为SUMO 0.32.0。
首先,使用SUMO搭建交通仿真场景,城市交通场景参数如表1所示。考虑实际的城市交通场景,该场景包含0-500个车辆节点,生成场景具有随机性,节点平均速度越快,则拓扑变化越频繁。
表1交通仿真场景参数
其次,将SUMO的交通流信息做为参数导入NS3仿真软件,验证本实施例策略的性能。网络仿真场景参数如表2所示。
表2网络仿真参数
在不同误码率下,使用本实施例方法与NewReno、TOSCL、VC-TCP/NC、CLCC分别完成动态地图、AR导航等信息类业务数据传输并进行平均时延的对比,当车辆从50增加到500辆的过程中,低误码率时本实施例的平均时延从9.5ms增加到105ms,高误码率时平均时延最多增加到150。本实施例在低误码率和高误码率不同情况下,传输数据的平均时延吞吐量基本都在150ms内,相差不大,仅在高误码率时平均时延稍有抖动。而NewReno、TOSCL、VC-TCP/NC、CLCC算法无论是低误码率还是高误码率,其平均时延都高于本实施例的算法。
本实施例方法始终低于TOSCL、VC-TCP/NC和CLCC的平均时延,主要因为跨层拥塞算法结合队列期望值,利用效用函数和调整因子θ改变发送速率,结合数据流优先级权重wa调整链路速率,减小了在MAC层的计算时延,从而减小网络平均时延。
为了更有效的分析算法性能,假设车辆处于高密度状态时,在相同的仿真环境下,利用FTP应用传输50MB—500MB的文件,对比本实施例与NewReno、TOSCL、VC-TCP/NC、CLCC在不同丢包率下的平均吞吐量。
当丢包率较低时5个算法的吞吐量均较高,且本实施例算法的吞吐量优于CLCC、VC-TCP/NC、TOSCL、NewReno的吞吐量。当丢包率增高时,5个算法的吞吐量均有所下降,但本实施例算法在传输文件时平均吞吐量一直保持在较高水平并能够保持相对稳定,而NewReno随着丢包率的增高,不能快速区分丢包原因导致吞吐量显著下降。
此后又对比了较高丢包率(0.007-0.009)时,不同策略在不同车辆密度下的平均吞吐量,当车辆个数从50增加到500时,使用本实施例算法的平均吞吐量增加了28%,始终高于CLCC、VC-TCP/NC、TOSCL、NewReno方法,而使用NewReno的吞吐量仅增加了7.7%。
当500辆车时本实施例算法丢包率为17.5%,而NewReno策略的丢包率为57.4%。本实施例算法丢包率始终小于CLCC、VC-TCP/NC、TOSCL、NewReno策略,当500辆车时本实施例算法冲突概率为0.19,而NewReno策略的冲突概率为0.95。
由于本实施例算法引入了数据流权重wa,通过该参数比较不同类型数据的优先级,按照消息的重要性和紧迫性合理地调整链路速率,这样可以有效避免窗口频繁地急速下降并导致吞吐量降低的情况。相对NewReno、TOSCL、VC-TCP/NC和CLCC,本实施例算法吞吐量更加平稳,体现在整体数据传输过程的吞吐量性能的显著增强。
本实施例的基于跨层感知的车联网联合拥塞控制方法通过对信道资源进行分配控制,并采用基于马尔科夫链的信道退避机制实现信道共享,避免信道拥塞;利用网络资源分配效用函数控制发送速率,减少注入网络的数据量,防止丢包;根据调整因子和数据流的优先级对传输功率大小的控制来改变链路的传输速率,避免网络拥塞的发生。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.一种基于跨层感知的车联网联合拥塞控制方法,其特征在于,包括:
基于链路负载情况调整链路传输速率以得到调整速率;
获取当前信道的最小竞争窗口和单个数据包平均传输时间;
基于马尔科夫链从所述最小竞争窗口中选择任一整数作为退避值以基于所述退避值控制数据包发送状态;
基于所述调整速率和单个数据包平均传输时间计算数据包成功发送的概率,当所述数据包成功发送的概率大于预设阈值时,将所述数据包标记为发送成功。
2.根据权利要求1所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,基于链路负载情况调整链路传输速率以得到调整速率,包括:
当侦测到链路有数据包到达时,计算链路队列长度;
判断所述链路队列长度未超过预设门限值时,计算调整因子,以根据所述调整因子调整链路传输速率以得到调整速率;
更新队列长度,以根据更新的队列长度迭代得到调整速率。
3.根据权利要求2所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,根据所述调整因子调整链路传输速率以得到调整速率,包括:
当判断所述调整因子非零时,计算每一条链路的传输功率;
根据链路的传输功率计算源节点到目的节点的数据流传输速率以得到调整速率。
4.根据权利要求3所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,
调整因子为:其中,γ表示的队列的期望利用率,si(t)表示链路i的最大传输速率,/>表示上游一跳链路传输速率之和,ln表示。
5.根据权利要求3所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,
每一条链路的传输功率为:其中,wa为数据流权重,/>为每条链路的长度之和。
6.根据权利要求5所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,调整速率为:qi(t)表示链路i的队列长度,si(t)表示链路i的最大传输速率。
7.根据权利要求2所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,更新队列长度为:
其中,/>表示的是所有使用链路的数据流的速率总和,si(t)是链路的最大传输速率,LEi(t)表示拥塞因子。
8.根据权利要求1所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,
数据包成功发送的概率为:Pa=2Rρτ·e-2Rρ,其中,R表示节点的传输半径,ρ表示车辆密度,τ表示任意时刻数据的发送概率。
9.根据权利要求8所述的基于跨层感知的车联网联合拥塞控制方法,其特征在于,
任意时刻数据的发送概率为:其中,β表示信道繁忙的概率,W表示最小竞争窗口,V表示调整速率,TV传输一个数据包的时间;信道繁忙的概率为:β=1-e-2Rρτ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848626.7A CN117098181A (zh) | 2023-07-12 | 2023-07-12 | 一种基于跨层感知的车联网联合拥塞控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310848626.7A CN117098181A (zh) | 2023-07-12 | 2023-07-12 | 一种基于跨层感知的车联网联合拥塞控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117098181A true CN117098181A (zh) | 2023-11-21 |
Family
ID=88776276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310848626.7A Pending CN117098181A (zh) | 2023-07-12 | 2023-07-12 | 一种基于跨层感知的车联网联合拥塞控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117098181A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117499335A (zh) * | 2023-12-26 | 2024-02-02 | 天津市金超利达科技有限公司 | 一种热量表数据采集及通信方法 |
-
2023
- 2023-07-12 CN CN202310848626.7A patent/CN117098181A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117499335A (zh) * | 2023-12-26 | 2024-02-02 | 天津市金超利达科技有限公司 | 一种热量表数据采集及通信方法 |
CN117499335B (zh) * | 2023-12-26 | 2024-04-16 | 天津市金超利达科技有限公司 | 一种热量表数据采集及通信方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110198278B (zh) | 一种车联网云端和边缘联合任务调度的Lyapunov优化方法 | |
Yao et al. | Delay analysis and study of IEEE 802.11 p based DSRC safety communication in a highway environment | |
Chen et al. | Deep-learning-based intelligent intervehicle distance control for 6G-enabled cooperative autonomous driving | |
Kanodia et al. | Distributed priority scheduling and medium access in ad hoc networks | |
Taherkhani et al. | Prioritizing and scheduling messages for congestion control in vehicular ad hoc networks | |
CN102244683B (zh) | 一种提高车联网应用中混合业务服务质量的方法 | |
Ramanathan | An Empirical study on MAC layer in IEEE 802.11 p/WAVE based Vehicular Ad hoc Networks | |
Taherkhani et al. | Congestion control in vehicular ad hoc networks using meta-heuristic techniques | |
CN117098181A (zh) | 一种基于跨层感知的车联网联合拥塞控制方法 | |
Prakaulya et al. | Network performance in IEEE 802.11 and IEEE 802.11 p cluster based on VANET | |
Nasrallah et al. | Enhanced algorithms for the IEEE 802.11 p deployment in vehicular ad hoc networks | |
US7474630B2 (en) | Coordinated convergecast for AD HOC wireless networks | |
Srivastava et al. | A cross layer based cooperative broadcast protocol for multichannel VANET | |
CN101741918A (zh) | 一种mac接入管理方法及管理单元 | |
Choi et al. | Joint optimization of message transmissions with adaptive selection of CCH interval in VANETs | |
CN110691349A (zh) | 车联网中面向安全应用的联合功率和竞争窗口的自适应控制算法 | |
Chen et al. | RTGOR: Reliability and Timeliness Guaranteed Opportunistic Routing in wireless sensor networks | |
Zhang et al. | Improving EDCA for efficient channel access in vehicular communications | |
Alam et al. | Energy-aware QoS provisioning for wireless sensor networks: Analysis and protocol | |
Tian et al. | Improved delay performance in VANET by the priority assignment | |
Kocak et al. | Fuzzy logic-based performance improvement on MAC layer in wireless local area networks | |
Chen et al. | Cross-layer cooperative offloading in vehicular edge computing networks | |
Tian et al. | The priority assignment of messages effects on delay performance in VANET | |
Feng et al. | A novel contention-on-demand design for WiFi hotspots | |
Pang et al. | A distributed congestion control strategy using harmonic search algorithm in internet of vehicles |
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 |