劉 通

(1. 重慶工程職業(yè)技術(shù)學(xué)院，重慶 402260; 2. 重慶郵電大學(xué)，重慶 400065)

0 引 言

隨著網(wǎng)絡(luò)用戶對網(wǎng)絡(luò)應(yīng)用需求的不斷提升，網(wǎng)絡(luò)接入終端不再局限于傳統(tǒng)的電腦、手機，將車輛作為網(wǎng)絡(luò)接入終端，形成車車互聯(lián)的IOV(Internet of Vehicle 車聯(lián)網(wǎng))，提供面向V2V(Vehicle to Vehicle)、V2I(Vehicle to infrastructure)、V2P(Vehicle to Pedestrian)、V2N(Vehicle to network)的網(wǎng)絡(luò)連接，支持自動駕駛、車載娛樂、智能疏導(dǎo)等智能化新型應(yīng)用已成為未來車聯(lián)網(wǎng)的主要發(fā)展方向，而針對車輛組網(wǎng)的研究也成為當(dāng)下研究的熱點問題[1-2]。

針對車輛組網(wǎng)的早期研究主要集中于VANET(Vehicle Ad Hoc Networks車載自組織網(wǎng)絡(luò))[3]。IEEE(Institute of Electrical and Electronics Engineers 電氣和電子工程師協(xié)會)針對VANET組網(wǎng)方式制定了802.11p標準，但VANET的網(wǎng)絡(luò)可靠性、節(jié)點隱藏能力和無限制時延等問題一直沒有得到很好的改善。LTE-V(Long Term Evolution-Vehicle)被視為能夠有效解決上述問題，提供實時車聯(lián)網(wǎng)絡(luò)應(yīng)用服務(wù)的解決方案。

在文獻[4]中，LTE-V被定義為兩種通信模式，LTE-V-direct(LVD)和LTE-V-cell(LVC)。LVD和LVC可相互協(xié)調(diào)以提供集成的V2X(Vehicle to X)解決方案。文獻[5]則是將LTE-V與IEEE 802.11p進行了比較，同時介紹了LTE-V的標準研究及其演進。并在文中展示了LTE-V的產(chǎn)業(yè)發(fā)展和典型的示范應(yīng)用。最后展望了LTE-V的發(fā)展策略及其未來的技術(shù)演進路線。

在車聯(lián)網(wǎng)絡(luò)內(nèi)，為了保證車輛的智能駕駛與安全駕駛，同時為了保證乘客的娛樂體驗，車輛需要與基站、其它車輛節(jié)點、RSU(Road Side Unit 路邊單元)等對象進行信息交互，在短時間內(nèi)會產(chǎn)生數(shù)據(jù)量極為龐大的實時信息。在基于云計算的網(wǎng)絡(luò)結(jié)構(gòu)中，這些數(shù)據(jù)需要從車輛通過無線接入網(wǎng)上傳至云端，由云端進行數(shù)據(jù)處理分析后，再將處理結(jié)果返回至車輛。數(shù)據(jù)的上傳處理會增加任務(wù)的傳輸時延。同時，海量數(shù)據(jù)的涌入勢必會導(dǎo)致服務(wù)的排隊，從而會導(dǎo)致更高的網(wǎng)絡(luò)時延。對于車聯(lián)網(wǎng)中正在使用自動駕駛功能的車輛，過高的時間延遲極有可能會導(dǎo)致嚴重的交通事故。

霧計算能夠有效地解決上述問題，通過在靠近用戶的網(wǎng)絡(luò)邊緣處，部署具有存儲、計算功能的邊緣服務(wù)器用于接收和處理用戶數(shù)據(jù)。由于霧服務(wù)器的部署位置更加接近用戶，故而可以節(jié)省大量的信息傳輸時間。在車聯(lián)網(wǎng)絡(luò)中部署霧計算節(jié)點成為車聯(lián)網(wǎng)研究的流行趨勢。為了促進霧計算技術(shù)在IoV中的良好融合，文獻[6]首先介紹了一種將車輛作為霧計算資源節(jié)點構(gòu)建的協(xié)同和分布式計算架構(gòu)。作者提出一種協(xié)作任務(wù)卸載和輸出傳輸機制，以保證低延遲應(yīng)用的網(wǎng)絡(luò)性能，并最終在3D場景中，通過仿真分析表明，該方案能夠在確保駕駛體驗的同時減少感知反應(yīng)時間。

然而，將任務(wù)遷移至霧節(jié)點勢必會增加系統(tǒng)的功率開銷，如何在有限的功率條件下，選擇何種任務(wù)遷移方式也是需要進行深入研究的內(nèi)容。為了最大限度地降低終端的能耗，文獻[7]選擇將無線資源分配和計算資源分配進行了共同優(yōu)化。將能量消耗最小化問題表示為混合整數(shù)非線性規(guī)劃問題，但該問題會受到特定應(yīng)用延遲約束的影響。為了解決這個問題，作者重新制定了基于線性技術(shù)的分支定界方法，通過設(shè)置求解精度獲得最優(yōu)結(jié)果或次優(yōu)結(jié)果?？紤]到上述方法的復(fù)雜性無法保證，作者進一步設(shè)計了基于Gini系數(shù)的貪心啟發(fā)式算法，通過將該問題轉(zhuǎn)化為凸優(yōu)化模型進行求解并通過仿真證明了此算法能夠有效節(jié)約系統(tǒng)功率開銷。

文獻[8]對基于停泊車輛中繼的車載邊緣任務(wù)卸載方案進行了研究。為了減少車聯(lián)網(wǎng)絡(luò)的通信服務(wù)時延，同時為了有效利用停泊車輛閑置的資源，提出了一種能夠卸載實時流量管理的解決方案以最大限度地減少車輛事件報告的平均響應(yīng)時間。通過將停泊的車輛作為邊緣節(jié)點的組網(wǎng)方式，構(gòu)建了一種分布式城市交通管理系統(tǒng)，緩解了回傳鏈路的數(shù)據(jù)傳輸壓力，有效降低網(wǎng)絡(luò)時延。

文獻[6]和文獻[7]在車聯(lián)網(wǎng)絡(luò)中對如何將任務(wù)進行高效卸載至基站進行了研究。然而，在未來車聯(lián)網(wǎng)絡(luò)的各種應(yīng)用中，用戶對時延的要求極為敏感。如碰撞預(yù)警、偏離預(yù)警等應(yīng)用，如果采用將任務(wù)遷移至基站，基站執(zhí)行任務(wù)后再將結(jié)果返回的任務(wù)遷移方式勢必會增大網(wǎng)絡(luò)時延。文獻[8]中的任務(wù)遷移方式雖然降低了網(wǎng)絡(luò)時延，然而由于停泊中的車輛其引擎處于停止運行狀態(tài)，故而不能提供持久的動力輸出，借助停泊車輛作為中繼節(jié)點的網(wǎng)絡(luò)部署方式在網(wǎng)絡(luò)穩(wěn)定性方面還有待進一步的研究。

雖然目前霧計算和LTE-V的研究已經(jīng)成為比較熱門的研究方向，然而將兩者進行結(jié)合研究的文獻卻并不多見。本文的主要貢獻由以下兩個部分構(gòu)成。

(1)在LTE-V網(wǎng)絡(luò)中，考慮了一種全新的在蜂窩基站和車輛上均部署具有霧計算功能的霧服務(wù)器，構(gòu)建LVF網(wǎng)絡(luò)以應(yīng)對車聯(lián)網(wǎng)中時延敏感業(yè)務(wù)請求。

(2)在上述LFV網(wǎng)絡(luò)結(jié)構(gòu)中，在保證系統(tǒng)時延性能的條件下，提出了以最小化系統(tǒng)功率消耗為目的LTOS優(yōu)化任務(wù)遷移策略，并基于此優(yōu)化策略進一步搭建了數(shù)學(xué)優(yōu)化模型。通過使用模擬退火算法對優(yōu)化模型進行求解并獲得了最佳分配因子。在時延受限的條件下，節(jié)省了系統(tǒng)功耗。

本文剩余部分的安排如下。在2中討論LVF結(jié)構(gòu)及任務(wù)執(zhí)行方式。數(shù)學(xué)模型的搭建在3中完成，4中使用模擬退火算法對數(shù)學(xué)模型進行求解。5中進行仿真結(jié)果分析及性能對比。最后在6中對本研究進行總結(jié)。

1 系統(tǒng)模型

LFV系統(tǒng)模型如圖1所示，在此模型中的車輛保持通信的方式有兩種，一種是基于車輛至蜂窩基站的LVC模式，另一種是基于車輛之間互聯(lián)的LVD模式。其中，在LVD模式下，車輛與車輛之間進行直連用于V2V場景。作為一種分布式架構(gòu)，可通過修改LTE物理層參數(shù)，在保證通用性的基礎(chǔ)上提供短距離直接通信，從而保證車輛節(jié)點對網(wǎng)絡(luò)低延遲、高可靠的性能要求，主要用于保障車輛的安全行駛。而在LVC模式下，車輛采用傳統(tǒng)的集中式方式與蜂窩基站進行通信，基于集中式網(wǎng)絡(luò)架構(gòu)的LVC能通過優(yōu)化無線資源管理，更好地支持V2I和V2P場景的應(yīng)用[4]。

圖1 系統(tǒng)模型

LTE-V組網(wǎng)模式下，車輛需要具備車道偏離預(yù)警、前向碰撞預(yù)警、交通標志識別、車輛感知共享、行人碰撞預(yù)警、危險駕駛提醒功能。為了實現(xiàn)以上功能，需要在車身上安裝激光雷達、超聲波雷達、圖像傳感器以及毫米波雷達等多種傳感器設(shè)備，這些設(shè)備在短時間內(nèi)會產(chǎn)生龐大的數(shù)據(jù)量。為了減少數(shù)據(jù)的傳輸時延，提升網(wǎng)絡(luò)的響應(yīng)能力，需要在車聯(lián)網(wǎng)絡(luò)中進行霧節(jié)點的部署。在LVC模式下，霧節(jié)點采用集中式的網(wǎng)絡(luò)架構(gòu)部署于蜂窩基站內(nèi)。而在LVD模式下，則采用分布式的網(wǎng)絡(luò)結(jié)構(gòu)模型將霧節(jié)點部署于每個智能車輛中。

(1)

2 任務(wù)卸載

2.1 本地執(zhí)行

(2)

根據(jù)文獻[12]中的分析，進一步可以得到本地執(zhí)行所需要的功率為

(3)

式中k是取決于霧服務(wù)器內(nèi)部芯片結(jié)構(gòu)的能量系數(shù)。

2.2 LVC模式

(4)

設(shè)宏基站分配信道i給車輛n，則此車輛n與霧邊緣服務(wù)器間的傳輸速率表達為：

(5)

(6)

(7)

任務(wù)在宏邊緣進行處理時，所需要的功率開銷表述為：

(8)

設(shè)數(shù)據(jù)流相繼到達宏基站霧服務(wù)器的間隔時間服從指數(shù)為λc-task的泊松分布，霧服務(wù)器的服務(wù)時間服從指數(shù)為λc的泊松分布，可以將宏基站霧節(jié)點的服務(wù)模型建模為M/M/1排隊模型。則服務(wù)速率ρ=λc-task/λc，則根據(jù)排隊論的理論知識，任務(wù)的平均排隊時間表示為：

(9)

(10)

2.3 LVD模式

與LVC的分析類似，任務(wù)在微邊緣服務(wù)器的執(zhí)行時間同樣由傳輸時間、排隊時間和處理時間和返回時間四部分構(gòu)成共同構(gòu)成，滿足：

(11)

設(shè)在任務(wù)遷移階段，接受任務(wù)的車輛霧節(jié)點與提出任務(wù)遷移請求的車輛節(jié)點通過信道k進行連接，傳輸速率表達為：

(12)

(13)

(14)

所需要的功率開銷表述為：

(15)

(16)

(17)

3 數(shù)學(xué)建模

設(shè)卸載到宏基站霧節(jié)點的的任務(wù)量占總?cè)蝿?wù)量的比例因子為α，卸載到車輛霧節(jié)點的任務(wù)量比例因子為β，則有

(18)

(19)

則由終端進行本地執(zhí)行的任務(wù)量為：

(20)

同時0≤α≤1、0≤β≤1、0≤α+β≤1成立。

根據(jù)上述分析，終端用戶n的任務(wù)Ln由三個執(zhí)行主體完成，系統(tǒng)的總時間開銷可表述為：

(21)

與之對應(yīng)的總功率開銷為：

(22)

本文在異構(gòu)網(wǎng)絡(luò)中，在總功率受限，執(zhí)行任務(wù)所消耗的時間受限的情況下，將最優(yōu)分配因子α和β作為求解對象，以達到最小化系統(tǒng)總功率開銷的目的，提出了一種雙層任務(wù)卸載策略DTOS，基于此策略的優(yōu)化模型可表述為：

(23)

(24)

0≤α≤1,0≤β≤1

(25)

0≤α+β≤1

(26)

(27)

(28)

在上述模型中，(23)式限定對系統(tǒng)總功率開銷進行了限定，(24)式則是對任務(wù)執(zhí)行時長的要求。(25)和(26)式描述的是任務(wù)的具體卸載方案。宏基站霧節(jié)點和車輛霧節(jié)點分配給任務(wù)n的計算能力要求在(27)中體現(xiàn)。(28)則為不考慮車輛存在越區(qū)切換的情況下，限定卸載任務(wù)在當(dāng)前基站的覆蓋范圍內(nèi)均能被成功執(zhí)行。

4 模擬退火算法

由于上述優(yōu)化模型的優(yōu)化目標與約束條件之間存在非線性關(guān)系，求解較為困難，故采用模擬退火算法對優(yōu)化模型進行求解。

4.1 建立metropolis準則

(29)

其中，p為接受當(dāng)前解為最優(yōu)解的概率，可表達為：

(30)

式中φ為玻爾特茲曼常數(shù)。

4.2 算法流程

1) 初始化高溫Tmax=100和溫度下限Tmin=1，并設(shè)當(dāng)前狀態(tài)處于最高溫，即T(k)=100；

3) 初始化當(dāng)前溫度下的迭代次數(shù)L=100；

4) Form=1:Ldo

接受當(dāng)前解為最佳解，并S′={α′,β′}將賦值給最佳解S*={α*,β*}；

else

以metropolis準則中的概率p接受S′={α′,β′}作為當(dāng)前最佳解

End if

Ifm=L

end if

else 返回4;

6)T(k+1)=αT(k)

IfT(k+1)≤Tmin

end if

else 返回4

算法流程圖如下所示：

圖2 模擬退火算法流程圖

5 性能仿真

首先對比分析了數(shù)據(jù)量大小與功率消耗之間的關(guān)系。從圖3中可以看出，隨著數(shù)據(jù)量的不斷增大，系統(tǒng)的功耗也隨之增大。在四種任務(wù)遷移模式中，與交任務(wù)全部交由本地車輛處理相比較，將任務(wù)全部卸載至其它車輛所消耗的功率值會更高，如在任務(wù)數(shù)據(jù)量為3 MB時，本地執(zhí)行任務(wù)可以節(jié)省約2 mJ的功率，主要原因在于本地車輛和其它車輛具有相同的數(shù)據(jù)處理能力，而如果將任務(wù)遷移至其它車輛，同時還會增加本地車輛的發(fā)射功率消耗。由于宏基站處的霧服務(wù)器比車輛節(jié)點霧服務(wù)器具有更強大的數(shù)據(jù)處理能力，所以如果將任務(wù)全部遷移至宏蜂窩基站，可以進一步節(jié)約能耗。與將任務(wù)全部遷移至宏蜂窩基站比較，本文提出的LTOS策略能夠更進一步節(jié)約系統(tǒng)功耗，如在任務(wù)量為4 MB時，LTOS策略所消耗的功率僅為6.7 mJ，與上述三種策略比較，分別能夠節(jié)約1.8 mJ、5.3 mJ和7.8 mJ的功率開銷。

圖3 數(shù)據(jù)量大小與功率消耗關(guān)系對比圖

圖4 數(shù)據(jù)量大小與時延關(guān)系對比圖

此后對數(shù)據(jù)量大小與時延關(guān)系進行了分析比較。與圖3中的原因分析類似，將任務(wù)全部遷移至其它車輛執(zhí)行與本地執(zhí)行比較而言，由于兩種車輛的計算能力相同，而在任務(wù)遷移過程中會存在傳輸時延，故而將任務(wù)全部遷移至其它車輛的執(zhí)行時間要略大于任務(wù)本地執(zhí)行的時間。將任務(wù)遷移至具有更加大處理能力的宏蜂窩霧節(jié)點時，能夠在系統(tǒng)時延上獲得更進一步的提升。LTOS策略所獲得的系統(tǒng)時延性能提升效果最為明顯，如在任務(wù)的數(shù)據(jù)量為3 MB時，LTOS策略所導(dǎo)致的時延僅有42 ms。

6 結(jié) 語

本文在LTE-V車聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)中，在任務(wù)的時延及功耗限制條件下，以最小化系統(tǒng)功耗為目的，提出了一種新的任務(wù)卸載方式。LTE-V車聯(lián)網(wǎng)中，車輛可以采用集中式的LFC模式與蜂窩基站進行通信，也可以采用分布工LFD模式與其它車輛節(jié)點進行通信。由于車聯(lián)網(wǎng)中產(chǎn)生的數(shù)據(jù)量極為龐大，為了有效處理這些數(shù)據(jù)，考慮了一種在宏蜂窩基站和車輛節(jié)點處均部署霧計算節(jié)點的網(wǎng)絡(luò)結(jié)構(gòu)。在此結(jié)構(gòu)中，產(chǎn)生計算任務(wù)的車輛可以選擇自已處理這些數(shù)據(jù)，為了進一步提升處理效率，也可以將計算任務(wù)遷移至不同類型的霧節(jié)點，而不同的遷移方式和遷移比例所對應(yīng)的系統(tǒng)功耗和網(wǎng)絡(luò)時延也不盡相同。本文提出了一種優(yōu)化任務(wù)卸載策略LTOS，在網(wǎng)絡(luò)性能保證前提下，最小化了系統(tǒng)總功率開銷。同時，本文還建立了LTOS策略的數(shù)學(xué)優(yōu)化模型，并通過模擬退火算法對優(yōu)化模型進行求解，獲得了LTOS策略的最佳分配方案。仿真結(jié)果表明文章提出的優(yōu)化算法可以有效地節(jié)約系統(tǒng)總功耗。