洪瑩 沙宇晨 丁飛 陳竺 張登銀

關(guān)鍵詞：智慧交通；蜂窩車聯(lián)網(wǎng)（C-V2X）；V2X通信；車對車通訊（V2V）；資源分配；吞吐量

第5代移動通信系統(tǒng)（5thgenerationmobilecommunicationsystem，5G）的迅猛發(fā)展給車聯(lián)網(wǎng)帶來了重大發(fā)展機遇，5G與車聯(lián)網(wǎng)的融合推動了城市道路基礎(chǔ)設(shè)施的升級部署以及智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的建設(shè)[1]。蜂窩車聯(lián)網(wǎng)（cellularvehicle-to-everything，C-V2X）通信技術(shù)從長期演進（longtermevolution，LTE）平滑演進到5G，利用5G網(wǎng)絡(luò)的高速率和低時延優(yōu)勢可顯著提高智能網(wǎng)聯(lián)車輛的通信與服務(wù)性能[2]。一方面，基于C-V2X技術(shù)，智能網(wǎng)聯(lián)車輛具備與周圍車輛以及道路相互通信的能力，這一能力使得智能網(wǎng)聯(lián)車輛在跟馳和換道等過程中獲得更多信息，有助于生成更加靈活、智能的決策[3]；另一方面，車到車（vehicletovehicle，V2V）、車到路（路側(cè)設(shè)施）（vehicles-toinfrastructure，V2I）、車到人（vehicletopedestrian，V2P）和車到云（vehicletocloud，V-C）多種組網(wǎng)模式的混合運用，有益補充了智能網(wǎng)聯(lián)交通下人、車、路、云的服務(wù)場景[4]。

然而，智能網(wǎng)聯(lián)車輛大數(shù)量并發(fā)連接并入網(wǎng)運行，車輛高速移動和V2X組網(wǎng)加劇網(wǎng)絡(luò)拓撲和信道動態(tài)變化，造成車聯(lián)網(wǎng)組網(wǎng)性能無法獲得保證[5]。在大規(guī)模5G蜂窩車聯(lián)網(wǎng)中，傳統(tǒng)的蜂窩網(wǎng)絡(luò)資源管理手段已難以滿足動態(tài)變化的車聯(lián)網(wǎng)用戶需求[6]。研究如何在高速變化的車聯(lián)網(wǎng)拓撲網(wǎng)絡(luò)中進行高效的車聯(lián)網(wǎng)資源分配管理，對于保障車聯(lián)網(wǎng)通信與服務(wù)質(zhì)量，以及為后期車聯(lián)網(wǎng)實際部署與管理奠定堅實基礎(chǔ)且具有實際意義[7-8]。

為了緩解蜂窩車聯(lián)網(wǎng)有限頻譜資源與海量用戶業(yè)務(wù)匹配需求的緊張矛盾，已有眾多研究者致力于資源分配優(yōu)化方面研究。針對高移動性車輛環(huán)境導(dǎo)致車聯(lián)網(wǎng)網(wǎng)絡(luò)拓撲和信道快速變化，使得蜂窩網(wǎng)絡(luò)無法收集準確的瞬時信道狀態(tài)信息用于集中資源管理。文獻[9]構(gòu)建了基于車輛運動特征的時變模型，以支撐評估交叉口車輛排隊通信的動態(tài)連接性能。文獻[10]提出了一種基于多任務(wù)強化學(xué)習(xí)算法來優(yōu)化資源分配和頻譜共享問題，將資源共享建模為多智能體強化學(xué)習(xí)問題，通過適當(dāng)?shù)莫剟钤O(shè)計和訓(xùn)練機制更新Q網(wǎng)絡(luò)以學(xué)習(xí)改善頻譜和功率分配，有效提高V2V鏈路的有效載荷交付率和V2I鏈路的總?cè)萘?。為滿足智能網(wǎng)聯(lián)車輛對數(shù)據(jù)流量日益增長的需求，文獻[11]提出了一種基于混沌—灰狼優(yōu)化算法的V2X功率控制和無線信道分配策略，綜合考慮V2V鏈路的時延約束和V2I鏈路的公平性約束等服務(wù)質(zhì)量（qualityofservice，QoS）指標，在實現(xiàn)蜂窩車聯(lián)網(wǎng)資源分配的同時，提升了系統(tǒng)吞吐量。

文獻[12]將最大功率分配和最佳功率分配機制用于V2V鏈路的傳輸節(jié)點的功率分配環(huán)節(jié)，通過深度優(yōu)先搜索樹算法建立最優(yōu)功率策略，可以最大限度的提高整體網(wǎng)絡(luò)資源的利用率。針對大量車聯(lián)網(wǎng)業(yè)務(wù)造成的數(shù)據(jù)擁塞問題，文獻[13]構(gòu)建了V2X協(xié)同緩存與資源分配架構(gòu)，引入了拉格朗日乘子法對V2X系統(tǒng)的功率與計算資源進行聯(lián)合優(yōu)化。在進行V2X資源分配時，如果不能充分考慮蜂窩車聯(lián)網(wǎng)動態(tài)復(fù)雜環(huán)境下的信道衰落影響，會造成無線資源分配的不合理，為此文獻[14]評估和對比分析了蜂窩車聯(lián)網(wǎng)系統(tǒng)中無線信道受到的大尺度和小尺度衰落對資源分配造成的不同影響。當(dāng)多個用戶共用同一時頻資源進行數(shù)據(jù)傳輸時會產(chǎn)生一定的相互干擾，設(shè)計有效的功率分配策略可緩解信道傳輸效能。文獻[15]基于最大化用戶的可達速率，設(shè)計了2種非正交多址（non-orthogonalmultipleaccess，NOMA）中繼輔助傳輸方案，但由于系統(tǒng)遍歷等問題，造成該方法的計算復(fù)雜度較高。文獻[16]在車輛邊緣計算（vehicularedgecomputing，VEC）架構(gòu)下，納入了隨機任務(wù)到達與信道變化等車載動態(tài)環(huán)境因素，通過構(gòu)建的分離式深度強化學(xué)習(xí)（deepreinforcementlearning，DRL）框架來生成功率分配優(yōu)化策略，相比傳統(tǒng)集中式DRL框架具有更好的功耗和延遲服務(wù)性能。上述研究主要采用模型驅(qū)動方法對蜂窩車聯(lián)網(wǎng)資源進行優(yōu)化并取得了較好的研究進展，但在模型設(shè)計時通常需要自定義學(xué)習(xí)率和損失函數(shù)等參數(shù)，且需要找出不同訓(xùn)練條件下的迭代運算優(yōu)化值，當(dāng)蜂窩車聯(lián)網(wǎng)車輛規(guī)模和并發(fā)業(yè)務(wù)量增加時，為滿足蜂窩車聯(lián)網(wǎng)網(wǎng)絡(luò)資源細粒度精確配置需求時，對應(yīng)模型的待優(yōu)化變量呈指數(shù)級增長，從而影響到系統(tǒng)的執(zhí)行效率。

本文研究5G蜂窩車聯(lián)網(wǎng)V2X資源分配優(yōu)化問題，在實時感知信道狀態(tài)條件下應(yīng)用啟發(fā)式圖優(yōu)化方法設(shè)計蜂窩車聯(lián)網(wǎng)資源分配算法，滿足V2I下行吞吐量最大化并保證V2V鏈路的連接性要求。在蜂窩車聯(lián)網(wǎng)V2X組網(wǎng)環(huán)境下，算法綜合考慮V2I鏈路的吞吐率和V2V鏈路的可靠連接性需求，以提出滿足V2X系統(tǒng)中V2I下行鏈路的吞吐量和V2V鏈路可靠性的優(yōu)化模型，通過動態(tài)的功率分配以提高蜂窩車聯(lián)網(wǎng)V2X通信系統(tǒng)的組網(wǎng)服務(wù)性能。優(yōu)化目標是在最大發(fā)射功率、中斷概率等約束條件下使系統(tǒng)下行的吞吐量最大化，通過KM（KuhnMunkras）算法對鏈路功率進行優(yōu)化分配，最大限度地保障V2V鏈路的可靠性用檢驗仿真結(jié)果檢驗該算法的性能。

1系統(tǒng)模型

1.1網(wǎng)絡(luò)模型

蜂窩車聯(lián)網(wǎng)C-V2X組網(wǎng)模型如圖1所示。

路側(cè)單元（roadsideunit，RSU）、信號燈控制器、道路視頻錄像機等路側(cè)設(shè)施部署于區(qū)域邊緣云服務(wù)器。V2I鏈路旨在支持蜂窩下行V2I數(shù)據(jù)服務(wù)，V2V鏈路負責(zé)傳輸可靠的周期性安全消息，上述信息會根據(jù)車輛的移動性以不同的周期頻率生成，應(yīng)用于高級駕駛服務(wù)。

路側(cè)單元（RSU）負責(zé)收集車輛終端設(shè)備和V2X交互信息，從全局視野感知V2X組網(wǎng)過程中的通信狀態(tài)信息。假設(shè)RSU覆蓋范圍為200m，該C-V2X網(wǎng)絡(luò)系統(tǒng)存在K個V2V鏈路和M個V2I鏈路，將V2V鏈路的集合記作K={1，2，…，k}，V2I鏈路的集合記作M={1，2，…，m}，每個V2X組網(wǎng)鏈路的收發(fā)端均配置一根全向天線。

為了提高頻譜利用率，V2I正交分配的下行頻譜被V2V復(fù)用。第m個V2I鏈路和RSU之間的信道功率增益表示為

其中：hm，R為頻率相關(guān)的小尺度衰落成分，其服從單位均值的指數(shù)分布；αm，R為大尺度衰落成分，由路徑損耗和陰影衰落疊加組成[13]。

1.2基于直連通信的信道模型

第3代合作伙伴計劃（3rdgenerationpartnershipproject，3GPP）協(xié)議為V2V信道模型定義了3類傳播場景[17-18]，分別是視距（lineofsight，LOS）、非視距（notlineofsight，NLOS）以及車輛間非視距（notlineofsightduetovehicles，NLOSv），如圖2所示。

視距LOS條件下，無線信號無遮擋地在發(fā)射機與接收機之間直線傳播；NLOS為發(fā)射機和接收機之間受到障礙物的遮擋，發(fā)射機傳輸?shù)男盘栃柰ㄟ^折射、反射、散射以及衍射，從而到達接收機。根據(jù)智能網(wǎng)聯(lián)車輛在高速公路和城區(qū)等不同交通場景下的行駛環(huán)境，分別構(gòu)建V2V信道模型對信號發(fā)生的衰減與干擾進行模擬，以準確評估智能網(wǎng)聯(lián)車輛V2X資源分配算法的可行性。

根據(jù)3GPPTR37.885[19]標準，高速公路場景LOS、NLOSv條件下的基于PC5接口的V2V通信的路徑損耗模型為：

考慮到智能網(wǎng)聯(lián)車輛的實際行駛過程中存在交叉路口、樓宇建筑物等非視距鏈路環(huán)境，信號不能直接到達接收方，定義NLOS條件下的路徑損耗模型為：

1.3基于Uu接口的信道模型

智能網(wǎng)聯(lián)車輛裝配的車載單元（onboardunit，OBU）與路側(cè)單元RSU之間的通信服務(wù)模型如圖3所示，其中hBS表示RSU天線的高度，hUT表示車輛OBU配置天線的高度，d3D表示OBU天線與RSU天線之間的3D距離。

1.3.1LOS信道模型

城區(qū)交通場景中，LOS條件下的路徑損耗模型為：

1.3.2NLOS信道模型

NLOS條件下，城區(qū)交通場景中，當(dāng)10m≤d2D≤5km時，路徑損耗模型為：

其中：Pm、Pk分別表示V2I和V2V鏈路的發(fā)射功率，gk表示在第k個V2V信道和干擾信道之間的信道增益，σ2表示噪聲功率，Im為V2I鏈路接收信道受到的干擾功率，Ik為V2V鏈路接收信道受到的干擾功率。

2優(yōu)化問題描述與算法

2.1優(yōu)化問題描述

蜂窩車聯(lián)網(wǎng)V2X資源分配的目標是在動態(tài)、時變的C-V2X信道環(huán)境下，考慮源節(jié)點的最大發(fā)射功率限制和目的節(jié)點的QoS約束，在每個傳輸時隙對系統(tǒng)下行吞吐量和V2V鏈路的連接性進行聯(lián)合優(yōu)化。設(shè)計的目標函數(shù)如式（17）所示，最大限度地保證每個V2V鏈路可靠組網(wǎng)的前提下，以最大化C-V2X系統(tǒng)的下行鏈路的吞吐量。

其中：約束（17a）表示M個V2I鏈路的發(fā)射功率都不能大于V2I鏈路的最大發(fā)射功率Pmax。約束（17b）表示每個V2I信道容量需要大于鏈路的最小限定吞吐量C0。約束（17c）表示K個V2V鏈路的發(fā)射功率需要小于或等于V2V鏈路的最大發(fā)射功率Pmax。p0表示鏈路可容忍的中斷概率，約束（17d）表示K個V2V鏈路的傳輸速率需小于或等于可容忍的中斷概率，即保證V2V鏈路的連接可靠性。

最大化系統(tǒng)下行的吞吐量ΣCm的優(yōu)化問題是離散變量和連續(xù)變量并存的混合整數(shù)規(guī)劃問題，優(yōu)化目標和約束條件是連續(xù)優(yōu)化變量的非凸函數(shù)。為了在滿足蜂窩車聯(lián)網(wǎng)中不同鏈路的多樣化需求，即系統(tǒng)下行的吞吐量需求大、V2V連接可靠性需求高的要求，本文引入二分圖最佳匹配KM算法對上述優(yōu)化問題進行求解，將V2I鏈路總?cè)萘康膬?yōu)化問題轉(zhuǎn)化為求帶權(quán)二分圖的鏈路信道資源的最佳匹配問題。

2.2算法描述

基于帶權(quán)二分圖KM算法以加權(quán)二分圖為基礎(chǔ)，通過尋找增廣路徑得到最大權(quán)值的最佳匹配[20]。V2X鏈路資源帶權(quán)二分圖匹配框架如圖4所示，將V2I鏈路和V2V鏈路的接收用戶分別列入二分圖中兩個互不相交的頂點集合X和Y，其中V2I鏈路用戶為集合X，V2V鏈路用戶為集合Y。頂點集合X和Y之間的邊賦予權(quán)重wij，集合X的結(jié)點標桿值為L（xi），集合Y的結(jié)點標桿值為L（yj）。

KM算法求的是完備匹配下的最大權(quán)匹配：在一個二分圖內(nèi)，對于集合X和集合Y，現(xiàn)對于每組集合連接xiyj有權(quán)wij，求一種匹配使得所有wij的和最大。在KM算法執(zhí)行過程中的任一時刻，對于任一條邊xiyj，L（xi）+L（yj）≥wij恒成立，因此初始化時，令集合X的結(jié)點標桿值L（xi）為xi所有路徑權(quán)值中的最大值，集合Y的所有結(jié)點標桿值L（yj）均為0。KM算法成立基于定理：若由二分圖中所有滿足L（xi）+L（yj）=wij的邊xiyj構(gòu)成的子圖（稱做相等子圖）有完備匹配，那么這個完備匹配就是二分圖的最大權(quán)匹配。其中，基于帶權(quán)二分圖KM算法的核心是匈牙利算法。

KM算法步驟：

步驟1：初始化集合可行頂標的值；

步驟2：用匈牙利算法尋找完備匹配；

步驟3：若未找到完備匹配則修改可行頂標的值；

步驟4：重復(fù)步驟2、步驟3直至找到相等子圖的完備匹配為止。

匈牙利算法的思想是利用增廣路徑求最大匹配。對增廣路徑有定義：M為無向圖的一個匹配，若路徑P是無向圖中一條連通兩個未匹配頂點的路徑，并且屬于M的邊和不屬于M的邊（即已匹配和待匹配的邊）在P上交替出現(xiàn)，則稱P為相對于M的一條增廣路徑。匈牙利算法的原理來源于由增廣路徑定義所推導(dǎo)的3個結(jié)論：1）增廣路徑P的第一條邊和最后一條邊都不屬于匹配M；2）將匹配M和增廣路徑P進行取反操作可以得到一個更大的匹配M；3）匹配M為二分圖發(fā)最大匹配當(dāng)且僅當(dāng)不存在匹配M的增廣路徑。

匈牙利算法步驟：

步驟1：初始化匹配M為空；

步驟2：找到一條增廣路徑P，通過異或操作獲得更大的匹配M替代匹配M；

步驟3：重復(fù)步驟2直到找不到增廣路徑，即可得

到二分圖的最大匹配。

在鏈路信道資源的匹配過程中，通過尋找二分圖的增廣路徑得到二分圖的最佳匹配，即實現(xiàn)5G網(wǎng)絡(luò)資源在不同V2X鏈路的最佳指派。在增廣路徑的搜索時，利用匈牙利算法對二分圖的指派路徑進行優(yōu)化求解，從而快速找出m個V2I和k個V2V鏈路功率的指派生成路徑，即獲得蜂窩車聯(lián)網(wǎng)V2X鏈路的最佳資源分配策略?；趲?quán)二分圖匹配的資源分配搜索流程如圖5所示。

帶權(quán)二分圖將V2I鏈路和V2V鏈路的接收信道功率劃入2個互不相交的頂點集合，V2I鏈路和V2V的信道容量為連接邊權(quán)重，求解出滿足約束條件下的V2V和系統(tǒng)下行鏈路分配最優(yōu)功率，分別表示為Pk和Pm。

基于KM的資源分配算法為：

1）form=1：Mdo

2）初始化V2I鏈路集合和V2V鏈路集合的標桿值

3）利用Cm構(gòu)建二分圖對應(yīng)邊的權(quán)重

4）使用匈牙利算法尋找增廣路徑得到最佳路徑生成方案

5）返回最優(yōu)功率分配（Pk，Pm）和V2I、V2V鏈路匹配策略

3仿真結(jié)果與分析

本節(jié)通過Matlab仿真平臺對高速公路和城區(qū)交通場景下的基于KM的資源分配算法進行驗證，道路上的智能網(wǎng)聯(lián)車輛遵循泊松分布原則，從不同交通場景與不同鏈路數(shù)方面評估蜂窩車聯(lián)網(wǎng)V2X系統(tǒng)的信道容量性能，并與貪婪算法[21]進行優(yōu)化性能對比。蜂窩車聯(lián)網(wǎng)V2X通信環(huán)境的仿真參數(shù)設(shè)置如表1所示。

由圖6可知：當(dāng)SINR不斷增大時，CDF趨近于1。其中，當(dāng)可容忍中斷概率p0=10-3時，V2V鏈路滿足最大容忍中斷概率的約束條件，即蜂窩車聯(lián)網(wǎng)的V2V鏈路的連接性達到99.9%。因此，針對不同場景、不同車速等資源分配方案的性能對比時，本文實驗將可容忍中斷概率配置為10-3。

車輛速度作為影響蜂窩車聯(lián)網(wǎng)V2X通信的關(guān)鍵因素之一[22]，下面將評估不同車輛速度對V2I鏈路吞吐量性能的影響。圖7和圖8分別評估在高速公路和城區(qū)交通等不同交通道路場景下基于KM算法進行鏈路資源分配時的系統(tǒng)下行的吞吐量ΣCm性能。由圖7和圖8可知，V2I鏈路的信道容量隨著信道反饋時延T的增大而減??；當(dāng)車輛速度V分別為50、100和150時，隨著信道反饋時延T的增加，車輛速度為50時的V2I信道容量相對穩(wěn)定，車輛速度為100時的V2I信道容量出現(xiàn)較快速的下降，當(dāng)車輛速度為150時的V2I信道容量產(chǎn)生了急速的降低趨勢，主要原因在于多普勒頻移與多徑效應(yīng)影響了V2I鏈路的穩(wěn)定性，在確保V2V鏈路的連接性條件時，從而制約了V2I鏈路的整體容量性能。同時可以看出，高速公路場景下的V2I鏈路的吞吐量性能優(yōu)于城區(qū)場景，主要原因在于高速公路場景中的遮擋物相對較少且車輛密度一般低于城區(qū)交通場景，因此信道環(huán)境更優(yōu)，即通信損耗相較于城區(qū)交通場景會更小。

圖9給出了蜂窩車聯(lián)網(wǎng)中V2V鏈路數(shù)對V2I鏈路性能的影響。假設(shè)V2I鏈路數(shù)M設(shè)為10時，隨著V2V鏈路的增加，V2X系統(tǒng)的V2I下行鏈路的信道容量呈現(xiàn)明顯的下降趨勢。同時，蜂窩車聯(lián)網(wǎng)V2X通信的發(fā)射功率也會影響到V2I鏈路的吞吐量性能，從圖中可看出，發(fā)射功率設(shè)為23dB時產(chǎn)生V2I鏈路的信道容量明顯優(yōu)于18dB時，這是因為隨著系統(tǒng)V2I鏈路的增加，V2I的下行鏈路通信需要與V2V鏈路共享帶寬資源，然而為了保證V2V鏈路的可靠性，需要減少來自V2I鏈路的干擾，即限制V2I鏈路的發(fā)射功率，因此導(dǎo)致V2I鏈路的信道容量下降；而且，V2I鏈路受到更多干擾時，會導(dǎo)致對應(yīng)鏈路的接收SINR的降低。

為了評估蜂窩車聯(lián)網(wǎng)V2X系統(tǒng)中V2V和V2I鏈路的發(fā)射功率和吞吐量之間的演變關(guān)系，在滿足約束條件的情況下，基于KM算法對蜂窩車聯(lián)網(wǎng)的功率進行動態(tài)分配，產(chǎn)生的鏈路功率分配結(jié)果如圖10所示。圖11顯示了KM算法與貪婪算法對頻譜效率性能的影響。

由圖10可知：本文提出的KM算法可以較好地實現(xiàn)V2X通信系統(tǒng)的發(fā)射功率和吞吐量之間的平衡，即所提算法可高效的管理網(wǎng)絡(luò)資源，在保證V2V可靠連接的同時，可動態(tài)調(diào)節(jié)V2I鏈路的信道容量，保障網(wǎng)絡(luò)資源的充分利用。

由圖11可知：隨著迭代次數(shù)的增加，兩種算法獲得的V2I鏈路的頻譜效率均呈現(xiàn)上升趨勢。相比于KM算法，貪婪算法可較快收斂到局部最優(yōu)解。當(dāng)?shù)螖?shù)超過3次時，KM算法獲得V2I鏈路的吞吐性能優(yōu)于貪婪算法；隨時迭代次數(shù)的增加，KM算法和貪婪算法在迭代次數(shù)為7及之后的V2X鏈路的頻譜效率均基本保持為平緩趨勢，且KM算法獲得的全局最優(yōu)解性能明顯優(yōu)于貪婪算法。因此與貪婪算法相比，迭代次數(shù)設(shè)為7次或之后的KM算法可以獲得更優(yōu)的吞吐性能。

4結(jié)論

5G蜂窩車聯(lián)網(wǎng)實現(xiàn)信道資源的動態(tài)調(diào)度對優(yōu)化5G-V2X通信具有非常重要意義，本文提出了一種面向系統(tǒng)下行吞吐量最大化并保證V2V鏈路連接性的資源分配算法，該算法采用實時感知信道狀態(tài)信息，利用KM算法將資源分配優(yōu)化問題轉(zhuǎn)化為二分圖最大權(quán)值的匹配問題，滿足V2I下行吞吐量最大化并保證V2V鏈路的連接性要求。仿真驗證結(jié)果表明：所提出的KM算法在多次迭代后（本文選為7次）的下行吞吐量性能優(yōu)于傳統(tǒng)貪婪算法；在中斷概率、最大發(fā)射功率等約束條件下，所提KM算法可適應(yīng)城區(qū)和高速公路等不同蜂窩車聯(lián)網(wǎng)環(huán)境以實現(xiàn)網(wǎng)絡(luò)資源的優(yōu)化分配，為下一步部署基于5G-V2X網(wǎng)絡(luò)的車路云協(xié)同系統(tǒng)提供理論基礎(chǔ)與技術(shù)支撐。