肖海林，劉小蘭，林瀟瑜，歐陽繕，邱 斌

(1.桂林電子科技大學認知無線電與信號處理教育部重點實驗室 廣西 桂林 541004；2.湖北大學計算機與信息工程學院 武漢 430062)

蜂窩網(wǎng)絡下車載無線通信技術(cellular-vehicle to everything,C-V2X)是提高傳統(tǒng)的車載自組織網(wǎng)絡(VANET)中頻譜受限和數(shù)據(jù)傳輸速率的有效手段，如基于D2D通信技術的V2V通信能夠同時提高系統(tǒng)的頻譜效率和通信容量，目前得到了廣泛的研究和應用。D2D介入頻譜信道的方式分為Overlay mode和Underlay mode兩種。Overlay mode要求次級用戶需避免對主用戶的干擾。Underlay mode由正交共享模式(OS)和非正交共享模式(NOS)兩種模式組成。相較于OS模式，通過基站對小區(qū)用戶和D2D用戶間的干擾協(xié)調后，NOS可以更有效的利用頻譜資源，避免頻譜資源短缺問題，因此該模式得到了廣泛應用。

基站在協(xié)調D2D通信復用蜂窩用戶資源帶來的干擾時，可以通過協(xié)作通信改善通信質量，提高數(shù)據(jù)傳輸速率，擴大邊緣覆蓋范圍。但是考慮到移動用戶的社會屬性和社會關系對D2D協(xié)作通信的影響[1-5]，即受到通信用戶的意愿以及用戶間的社交關系的影響，用戶出于主客觀因素(如隱私，社會關系和信任問題等)和客觀因素(如能源短缺，緩存不足，設備失靈等問題)，會導致其無法提供協(xié)作的情況。由于本文研究對象是通過D2D通信技術實現(xiàn)V2V通信，而V2V通信對于通信的可靠性有著更高要求，所以主觀因素導致的不參與會嚴重影響D2D協(xié)作技術的車載通信領域應用。雖然已有部分研究者通過結合社會屬性分析D2D協(xié)作用戶之間的關系[6-8]，提出了許多可以提高網(wǎng)絡傳輸性能的方法，但是上述工作并沒有考慮到中繼存在自私行為。

近年來，又有部分學者在考慮用戶自私性的前提下對用戶的社會層的關系從多方面進行研究，如文獻[9]通過統(tǒng)計緩存區(qū)的輸入輸出流即節(jié)點之間的交互次數(shù)來評估節(jié)點之間的社交關系，據(jù)此分析中繼節(jié)點自私性對傳統(tǒng)蜂窩網(wǎng)絡中D2D用戶的性能影響；文獻[10]通過分析收發(fā)包絡的過程產生的增益，構建了一個合理的網(wǎng)絡場景，基于博弈模型提出一種網(wǎng)絡架構，以此統(tǒng)計用戶的自私行為，提出了基于收發(fā)歷史的信息分析社交關系的中繼選擇策略；文獻[11]從用戶的行為方面來分析移動用戶之間的關系，通過最優(yōu)停止理論進行最優(yōu)協(xié)作用戶的選擇，即使在較差的通信環(huán)境中也可以提高數(shù)據(jù)傳輸率。然而，上述研究主要從消除自私性用戶對協(xié)作通信的消極影響入手，而不是以激勵自私性用戶參與協(xié)作、對通信性能的改善優(yōu)先。因為，大多數(shù)自私用戶并非攻擊型用戶，其行為多是出于自身利益考慮而采取自我保護行為，如在城市密集市區(qū)，車輛移動速度較慢，長時間充當中繼將意味著快速消耗自身能量，此時節(jié)點為了延長自身的生命周期而不得不終止協(xié)作[12]。

針對前面所描述的問題，本文針對用戶的自私性優(yōu)化問題，改進現(xiàn)有的中繼選擇算法，以提高數(shù)據(jù)傳輸率，研究內容主要體現(xiàn)在兩個方面：1) 對于服務需求者而言，需要優(yōu)化中繼的信任度評估算法，篩選出更加實際可靠的中繼用戶；2) 對于中繼用戶而言，需要使用支付補償措施以提高協(xié)作積極性。因此，本文結合社交網(wǎng)絡層的人類自私因素，提出一種基于信用卡社交網(wǎng)絡用戶信任度評估的最優(yōu)中繼選擇算法，完善以往的中繼用戶信任評估算法，利用補償機制提高協(xié)作用戶的協(xié)作積極性，從而提高數(shù)據(jù)傳輸速率。

1 近期的相關工作

文獻[13]首次引用一種通過鄰居節(jié)點檢測獲取節(jié)點局部聲譽值信息的WATCHDOG路由協(xié)議，該路由協(xié)議主要負責檢測節(jié)點信譽值以發(fā)現(xiàn)自私節(jié)點，并選擇無自私節(jié)點在內的路由途徑。文獻[14]在此基礎上提出CONFIDANT協(xié)議，該協(xié)議增加了反應機制，使節(jié)點的信譽值信息能夠全局共享，有效地懲罰和孤立自私節(jié)點。針對公共基礎節(jié)點提供協(xié)作需要消耗個人的能量、帶寬等資源[15]，文獻[16]提出一種結合非合作博弈和虛擬貨幣兩種機制的混合型節(jié)點協(xié)作激勵算法，參照微觀經(jīng)濟學中公平交易的原則思想，通過售賣和購買維持節(jié)點之間的協(xié)作積極性。文獻[17]進一步分析了協(xié)作通信中協(xié)作雙方的私有信息不對等的情況下，協(xié)作者和被協(xié)作者通過平衡預算實現(xiàn)網(wǎng)絡效用的最大化。

結合近期的研究，對實際城市交通場景當中的某些積極協(xié)作的車輛因客觀因素如節(jié)點硬件故障、內存運行過載、能量耗盡、信號沖突等，不能提供協(xié)作問題，從均衡預算和協(xié)作補償兩個角度對積極用戶和潛在協(xié)作用戶進行最優(yōu)中繼的優(yōu)化和篩選，避免積極協(xié)作用戶資源的快速消耗，同時提高協(xié)作用戶的規(guī)模。

2 系統(tǒng)模型

系統(tǒng)模型如圖1所示。在密集市區(qū)中的城市道路上，用戶之間的無線資源緊張，處于邊緣的用戶信號覆蓋強度較弱。通過D2D車載協(xié)作通信可以有效提高用戶之間的數(shù)據(jù)傳輸率。然而，如圖1所示，中繼協(xié)作者用戶具有不同心理，自私用戶的存在會影響協(xié)作通信的質量。對于業(yè)務需求者而言，可以將中繼用戶劃分為不同信任度的用戶。對于協(xié)作中繼而言，通過支付補償方式又可以使其協(xié)作的積極性提高。為了能夠有效地提高傳輸速率，需要在符合條件的用戶集中選擇出最優(yōu)的中繼。

為了完成上述工作，需要解決以下的問題：

1) 為了確保能篩選實際可靠的中繼用戶，如何完善用戶的信任度評估算法；

2) 為了確保篩選的中繼用戶愿意提供協(xié)作服務，如何提高中繼用戶的積極性；

3) 為了提高數(shù)據(jù)傳輸率，如何選擇最優(yōu)中繼。

3 基于信用卡用戶風險評估的車載協(xié)作中繼選擇算法

請求協(xié)作通信的過程中會存在不同自私程度的中繼，對于請求方來說，篩選出適合交易的中繼可提高數(shù)據(jù)傳輸率?，F(xiàn)實中一些中繼用戶由于客觀原因無法提供協(xié)作，避免將能夠提供積極協(xié)作服務的良性自私中繼用戶漏除，需要對以往的信任度評估算法進行優(yōu)化，以提高可用中繼的識別率?？紤]到使用銀行信用卡的用戶，成功還貸次數(shù)越高，其獲得銀行評估的信用等級也就越高，則額度也隨之提高，由此消費受到刺激，則用戶又需要提高額度，則又需提高信用等級，則又需積極還款。在車載協(xié)作通信中，中繼用戶積極協(xié)作的次數(shù)越高，其獲得的業(yè)務需求者評估的信任等級越高，信任等級高，則越容易獲得服務請求，獲得的價格補償越高，用于購買服務，當其自身消費需求提高，則又需要獲得較多的補償，則又需要提高信任等級，則又促進其積極提供協(xié)作。積極還款，提高信任，提高額度，由此促進消費，又需提高額度，則又需提高信任，促進積極還款。正如前面所述，可以結合信用卡評估篩選高信用等級用戶及其帶有的刺激經(jīng)濟循環(huán)發(fā)展的作用來解決業(yè)務需求者與中繼兩者的顧慮，以便提高數(shù)據(jù)傳輸率。因此，需要結合社交網(wǎng)絡層的人類自私因素，提出基于信用卡用戶風險評估的車載協(xié)作中繼選擇算法。

3.1 基于信用卡風險評估的車載協(xié)作中繼熟知信任度估計算法

銀行對一個用戶開發(fā)信用卡業(yè)務時，需要分析該用戶的信用等級。而對用戶的信用風險評估依據(jù)于長期與該用戶交互積累的數(shù)據(jù)。信任管理涉及到社會學心理學等領域，基本思想是通過雙方交互得出對方的信任評估，即一個用戶與另外一個用戶經(jīng)過長期的服務購買和觀察可以直接對對方進行信任評估，在后期選擇用戶的時候直接對聲望較高的人進行選擇。然而，在車載通信中車輛運行的范圍廣泛，車與車之間的相遇幾率不定，交互時間短暫。每個用戶對所有用戶都完全了解是不可能的，這時一個中間者的經(jīng)驗就提供了參考。因此，可將用戶的熟知信任度分為直接信任度和間接信任度來計算。除了交互反饋的評價會對信任度造成影響以外，用戶之間的交互時間長短也反應出雙方之間的信任度，協(xié)作傳輸信息時間越短，說明雙方的信任度越高，車載協(xié)作中繼的信任度將依據(jù)上述因素分析及評估。

3.1.1 中繼用戶直接信任度估計

用戶之間通過過去的直接交互經(jīng)驗得出對方的信任程度，是在現(xiàn)實中“認識或了解”的抽象，通過直接信任度進行定量表示[18]。業(yè)務需求節(jié)點S能夠和中繼節(jié)點ri直接相互傳輸信息，表明彼此認識和了解，于對方而言信任度較高。當業(yè)務需求節(jié)點S需要進行協(xié)作通信時，中繼節(jié)點ri將積極幫助業(yè)務需求節(jié)點S完成信息的傳送。因此，可以通過每次交互完成之后反饋的評價，計算出中繼節(jié)點ri的信任度，判定中繼節(jié)點ri的信任等級。為了提高信任評價的準確性和動態(tài)適應能力，把總交互時長分為若干個時間區(qū)塊，設為t1,t2,···,tn。在第n個交互時間區(qū)內，假設業(yè)務需求節(jié)點S和中繼節(jié)點ri之間進行交互的次數(shù)為T，中繼用戶直接信任度估計如式(1)所示：

3.1.2 中繼用戶間接信任度估計

用戶之間通過推薦者推薦得出的信任程度，是對現(xiàn)實中“介紹或據(jù)說”的抽象，通過間接信任度進行定量表示[18]。在現(xiàn)實當中，業(yè)務需求節(jié)點S與某些中繼節(jié)點ri缺乏機會接觸，需通過推薦者Isk的推薦信息，業(yè)務需求節(jié)點S才與中繼節(jié)點ri獲得間接的認知和了解，計算出對方的間接信任度。顯然，業(yè)務需求節(jié)點S與推薦者Isk之間的關系強度會影響業(yè)務需求節(jié)點S與中繼節(jié)點ri之間的間接信任度。即業(yè)務需求節(jié)點S與推薦者Isk之間的關系強度越強，表明推薦者Isk提供的中繼節(jié)點ri信息也越可靠，業(yè)務需求節(jié)點S與中繼節(jié)點ri之間的間接信任度也越高。

E為中繼節(jié)點ri與 周邊的用戶orv的平均相遇次數(shù)。當周邊的用戶orv與中繼節(jié)點ri的相遇次數(shù)超過了均值E，則此類的周邊用戶orv記為中繼節(jié)點ri的相鄰用戶 Π(nri)，為：

假設存在有k個推薦者Isk，表示為Π(Isk)={Is1,Is2,Is3,···,Isk}。當中繼節(jié)點ri的 相鄰用戶 Π(nri)與推薦者Isk之間的共同用戶多的時候，說明存在較多推薦用戶，推薦次數(shù)上升，業(yè)務需求節(jié)點S對中繼節(jié)點ri信任度也隨之上升，因此，關系比率為：

最后所得間接信任度表達為：

綜上所述，結合用戶交互過程中的直接信任度與間接信任度，節(jié)點的信任度計算為：

式中，wd與wid為信任調節(jié)因子，其大小與業(yè)務需求節(jié)點S對直接信任和間接信任的重視程度有關，依據(jù)業(yè)務需求節(jié)點S及推薦節(jié)點Isk與中繼節(jié)點ri的 交互次數(shù)來決定wd與wid，若業(yè)務需求節(jié)點S與中繼節(jié)點ri交互的次數(shù)較為頻繁，則wd的取值較大，反之，則較小。

信任度是基于級聯(lián)互助行為的，總的來說，級聯(lián)互助行為可以分為間接的互助傳送和直接的傳送兩種情況。將圖1化簡如圖2所示，業(yè)務需求節(jié)點S要向最前方的目的車輛節(jié)點d傳輸數(shù)據(jù)時，兩種不同的傳輸路徑如圖2b、圖2c所示，雖然互助可以說明用戶之間有一定的信任度，但是因為傳輸時間長短不同，有必要對用戶之間的信任強度進行必要的分析。顯然，在給定的時間里面，協(xié)作傳輸數(shù)據(jù)時間較短表明用戶之間的信任度較高。文獻[11]介紹了如何在有向圖當中尋找指定的周期，行為信任度可以表達為：

3.1.4 信任決策劃分可靠性用戶集合

節(jié)點信任度計算的信息存儲在對應的邏輯節(jié)點上，對應的節(jié)點在分布式存儲技術[13]中稱為檔案點，每個檔案點都應該具有如圖3所示的數(shù)據(jù)結構，其中表示用戶進行交互時的時間區(qū)塊；為中繼節(jié)點為 業(yè)務需求節(jié)點提供服務時反饋的滿意評價；為業(yè)務需求節(jié)點可信賴的推薦用戶；為 推薦者提供其他協(xié)作用戶時的信任關系程度；為 某一時間區(qū)塊節(jié)點之間交互的總次數(shù)；為節(jié)點根據(jù)交易時間長短進行的行為信任度計算。

為了有效區(qū)分可協(xié)作中繼用戶與惡意自私的用戶，提高數(shù)據(jù)傳輸率，首先需要對不同用戶進行劃分篩選。銀行對用戶的信用評分有多種，每種級別的用戶均有不同的權限，信用評分越高的用戶享受到的服務就越多，信用評分越低的用戶能夠享受的服務越受到限制。按照銀行信用卡信用風險評分等級對車載協(xié)作中繼用戶信任等級進行劃分，用戶為了提高信任度，以獲得更多的權限(如有需要服務時可以較快獲得對方的認可并提供服務)，則這種等級劃分，可以提高用戶的協(xié)作積極性。按照協(xié)作用戶的信任程度，設定評估的等級有3個等級，V1為信任評分較差的用戶，即惡意用戶，由于從未接觸過，信任度為零的中性用戶也認為是不可信的用戶；V2為信任度良好的用戶，即良性自私用戶；V3為信任評分極好的用戶，即積極協(xié)作的用戶。由決策論[14]，根據(jù)計算式(6)及式(7)得出條件概率如下：

則用戶的信任評級劃分為：

現(xiàn)行海島垃圾外運處理成本高，海路運至珠海費用高達2 000元/t，鎮(zhèn)政府每年支付壓縮類垃圾的運費就要花費約190萬元。就地焚燒，焚燒尾氣排放不達標，污染海島環(huán)境；生活垃圾經(jīng)簡單分類投入焚燒爐中，未經(jīng)干燥的垃圾含水率高，燃燒過程不穩(wěn)定，燃燒溫度低；當燃燒溫度低于800℃，煙氣在氧氣、烯烴、氯條件下易于產生二惡英等劇毒物質［12］。焚燒站刺鼻的煙氣隨海風傳播，擴散半徑可達500 m，常年在垃圾站的工作人員和附近居民的健康都會受到影響。

式中，α′與 β′為閾值。通過式(9)將用戶分的信任評分劃分為3個等級，如圖4所示。

3.2 基于信用卡刺激經(jīng)濟循環(huán)發(fā)展性質的車載協(xié)作中繼支付補償算法

從業(yè)務需求者方面考慮，為了有效區(qū)分中繼是否可用，協(xié)作用戶被劃分為了3個部分。為了確保區(qū)分出的用戶此時愿意提供協(xié)作服務，即從中繼用戶方面考慮，采取支付補償?shù)姆绞絹硖岣咧欣^用戶的協(xié)作積極性。考慮到銀行采取對用戶開發(fā)業(yè)務刺激經(jīng)濟循環(huán)發(fā)展的措施，則在車載協(xié)作通信中，對中繼用戶采取評級措施，用戶依據(jù)評級又可獲得相應的支付補償，消費提高又刺激中繼用戶積極提供協(xié)作服務，又可提高評級，相應的補償也隨之提高，刺激了用戶的效益循環(huán)發(fā)展。本文將對V1和V2等級的用戶進行支付補償，以篩選出信任度高并且價格在可接受范圍內的中繼用戶集。

3.2.1 物理層模型的描述

將圖1中的實際場景簡化為如圖5所示物理層模型。根據(jù)無線通信環(huán)境特性，在第一時隙，在中繼節(jié)點ri和接入點d處，接收到來自業(yè)務需求節(jié)點S的信號為：

在第二時隙，在接入點d處，接收到的來自中繼節(jié)點ri的信號為：

式中，Ps，Pri表示業(yè)務需求節(jié)點S和中繼節(jié)點ri的發(fā)射功率；x表 示業(yè)務需節(jié)點S的信號；hs,ri，hs,d，hri,d表示鏈路增益；ns,ri，ns,d，nri,d表示接收節(jié)點d處的噪聲，服從(0 ,?noise)分布；Is,ri，Is,d，Iri,d表示中繼節(jié)點ri和 接入點d接收到來自其他節(jié)點的干擾，服從(0 ,?int)分布。由此可得業(yè)務需求節(jié)點S到接入節(jié)點d之間的信干噪比和信道容量分別如下：

接入端接收來自中繼節(jié)點ri和 源節(jié)點s的信號后，通過最大似然合并(MRC)，得出接入點d的信干噪比 S INRs,ri,d以及信道容量Cs,ri,d分別如下：

3.2.2 定價機制

考慮到業(yè)務需求節(jié)點S在大量轉發(fā)信息的情況下，將需要中繼節(jié)點ri協(xié)作轉發(fā)信息，以獲得中繼節(jié)點ri的分流速率。若將大量數(shù)據(jù)傳輸服務強加于某個中繼節(jié)點ri不做補償，該中繼節(jié)點將快速消耗完能量而停止提供協(xié)作服務。因此考慮業(yè)務需求節(jié)點S能夠獲得效益的同時，也需要考慮中繼節(jié)點ri的效益，以達到雙方能夠獲得合理價格的目的。速率的提高有利于業(yè)務需求節(jié)點S的信息傳輸，結合式(13)和式(16)，可將業(yè)務需求節(jié)點S的信道容量的增量作為購買中繼節(jié)點ri服務所能獲得的自身效益。中繼節(jié)點ri給 業(yè)務需求節(jié)點S提供服務需要消耗自身的能量，中繼節(jié)點ri所能提供的分流速率越大，業(yè)務需求節(jié)點S則趨于支付更高的補償，結合式(15)和式(16)可知，依據(jù)中繼節(jié)點ri提供的單位功率作為其補償量度，則業(yè)務需求節(jié)點S的出價函數(shù)如下：

式中，Pri表示業(yè)務需求節(jié)點S對中繼節(jié)點ri單位功率的補償分值；msPri表示提供協(xié)作轉發(fā)服務的中繼節(jié)點ri所能獲得的補償。

業(yè)務需求節(jié)點S購買的傳輸速率越高，遵循市場交易的公平思想，中繼節(jié)點ri按照支付的補償金額提高分流速率，即需要提高發(fā)射功率以增強信干噪比。然而，信干噪比的增大會對其他節(jié)點造成干擾，由此中繼節(jié)點的出價函數(shù)fri應該考慮到兩個因素，一個是自身損耗的功率值Pri，一個是對其他節(jié)點的干擾，因此，中繼節(jié)點出價函數(shù)采用兼具公平性和有效性的非線性函數(shù)

式中，λ是中繼節(jié)點ri的調整因子，用于滿足其信干噪比SINR和服務質量QoS要求； α和 β是非負的權重因子，且 β是中繼節(jié)點ri的 調整因子；φ≥1是Pri發(fā)射功率的指數(shù)調節(jié)因子。

作為賣方的中繼節(jié)點ri為買方提供的服務，體現(xiàn)在損耗自身的能量資源為買方提供分流速率。該算法考慮中繼節(jié)點ri損 耗的能量以其發(fā)射功率Pri表示，則中繼節(jié)點ri的 發(fā)射功率Pri的取值前提上必須到達一定功率值，使得接入點能夠有效接收信息。假設接入節(jié)點d要求的信干噪比為 S INRd，SINRs,ri,d表示接入點d接收到來自中繼節(jié)點ri的信干噪比，中繼節(jié)點的信干噪必須滿足 S INRs,ri,d≥SINRd，否則傳輸?shù)侥康墓?jié)點的信號將無法識別。假設中繼節(jié)點的最大發(fā)射功率為則中繼節(jié)點ri的發(fā)射功率Pri應該在此范圍內。

對于業(yè)務需求節(jié)點S而言，經(jīng)過長時間的談判卻未能達成協(xié)作的公示，目的傳輸節(jié)點的移動將使其不得不變換傳輸方案。而對于中繼節(jié)點ri而言，其效益來源于為其他節(jié)點提供協(xié)作服務，如果與不同的業(yè)務需求者進行多次交流未能達成協(xié)作公示，討價還價的過程消耗過多能量將使其不得不提前終止協(xié)作。即買方急需傳輸信息，而賣方需要給合適的買家提供協(xié)作服務，以獲得效益用于自身的能源損耗或繼續(xù)提供服務。長時間的討價還價，雙方的效益都將缺乏保障。雙方出于利益的考慮都將希望快速達成成交公示。為了減少雙方磨合價格的時間，加入閾值 θmin和 θmax做出能否成交的初步判斷，以便于雙方能夠快速成交。

根據(jù)式(17)和式(19)，業(yè)務需求節(jié)點S和中繼節(jié)點ri分別得到對方的出價函數(shù)，雙方參考各自提供的價格fs，fri后，通過所有節(jié)點事先知道并遵循的買賣協(xié)議確定交易成交與否。

首先，如果fs＞fri，則雙方節(jié)點必定可以達成成交公示，定價Pz在的基礎上，依據(jù)業(yè)務需求節(jié)點S與中繼節(jié)點ri兩者出價差fs?fri確定增加的幅度。此時h(·)為：

即有Pz為：

其次，如果fs＜fri，引入兩個非負臨界值θmin和 θmax，用于快速判決能否達成成交公示。若fri?fs＞θmax，說明中繼節(jié)點ri的出價高出業(yè)務需求節(jié)點S過多，對于業(yè)務需求節(jié)點S而言不利于自身的收益，此種情況下成交失敗。若fri?fs＜θmin，說明業(yè)務需求節(jié)點S與中繼節(jié)點ri的出價十分相近，采用中繼節(jié)點ri所提出的價格有利于激勵中繼節(jié)點ri提供協(xié)作服務，此時的買賣交易價格以中繼節(jié)點ri提 供的為準。若 θmin＜fri?fs＜ θmax，買賣交易價格的差價介于θmin和θmax之間，為了公平起見，則取兩者的平均值

綜上所述，業(yè)務需求節(jié)點S與中繼節(jié)點ri的買賣模型表達式如下：

式中，k=arctan(fs?fri)；fri，fs分別為中繼節(jié)點ri和 業(yè)務需求節(jié)點S用于逐步調整價格的因子。xri(p)=Aδp?1，xs(p)=Bδp?1，δ ∈(0,1)。

中繼節(jié)點ri根據(jù)業(yè)務需求節(jié)點S的速率需求以及自身收益函數(shù)，調整單位功率補償價格。中繼節(jié)點ri的總效益函數(shù)為：

式中，qzPri是為業(yè)務需求節(jié)點S提供服務得到的補償；表示中繼節(jié)點ri的能量損耗。

業(yè)務需求節(jié)點S將根據(jù)自身收益函數(shù)，對中繼節(jié)點ri提出的價格進行判斷是否可以接受。業(yè)務需求節(jié)點S的總效益函數(shù)如下：

式中，a表 示業(yè)務需求節(jié)點S獲得單位信道容量的收益；a(Cs,ri,d?Cs,d)表示業(yè)務需求節(jié)點S通過中繼協(xié)作所能獲得的信道容量增益。

為了節(jié)省時間，讓雙方能夠盡快達成成交公示，有閾值范圍限定的價格差無需再進行調整。只對無閾值范圍限定的價格進行求取，即fs＞fri，對進行進一步求解，討價還價過程如表1所示。在周期p=1，中繼節(jié)點ri根 據(jù)自己的效益函數(shù)向業(yè)務需求節(jié)點S提出一個價格業(yè)務需求節(jié)點S綜合考慮時間以及自身的效益，決定是否成交。若成交則跳出循環(huán)，若不成交則繼續(xù)向中繼節(jié)點ri返回中繼節(jié)點ri綜合考慮自身的能量以及時間是否接受，若不接受則重新提出一個價格。雙方結合自身的效益以及車輛移動能源消耗時間等因素，經(jīng)過磨合提前跳出循環(huán)得出一個價格，或者最終循環(huán)完畢得到一個雙方均衡的值，即xri(p)=xs(p)。

表1 節(jié)點支付補償表

3.3 最優(yōu)中繼選擇

按照信用評分篩選了可使用的用戶，對于可使用的用戶進行價格的磨合，獲得了可靠用戶并且價格合理的中繼用戶集。為了能夠有效地傳輸數(shù)據(jù)，節(jié)省網(wǎng)絡帶寬資源，應該篩選出一個最優(yōu)的中繼用戶。在車流量大，車輛分布密集的環(huán)境中，數(shù)據(jù)傳輸率對于用戶之間的通信有著重要的影響。因此，數(shù)據(jù)傳輸率Rs,ri應作為中繼選擇的重要指標，對中繼做出選擇。將Ps作為業(yè)務需求節(jié)點S的發(fā)射功率，信道服從瑞利衰落，hs,ri為信道衰落因子，N0為信道高斯白噪聲。D2D用戶和小區(qū)用戶復用相同的資源，以Pphone為手機用戶的發(fā)射功率，存在同頻干擾為Pphonehphone,ri，以及周邊用戶的同頻干擾噪聲為則在業(yè)務需求節(jié)點S與中繼節(jié)點ri通信過程中受到的干擾為：

根據(jù)香農定理，得出業(yè)務需求節(jié)點S與中繼節(jié)點ri的數(shù)據(jù)傳輸率如下所示：

在車流量大，車輛分布密集的環(huán)境中，用戶的交互時間長短對于用戶之間的通信有著重要的影響。以做為用戶交互的時間，則對應argm(s,rx)最大的則為最優(yōu)的中繼用戶：

式中，α是權重因子，對于選擇最優(yōu)的中繼用戶至關重要。這里，影響通信環(huán)境是用戶的密度和用戶的移動速度。設用戶的密度為 θk，用戶的移動速度為Vi，σ為密度與速度的比例因子，則權重因子 α表示為：

4 算法描述

基于信用卡風險評估的最優(yōu)中繼選擇算法如下。

要求：在時間t，利用環(huán)境感知技術獲得各個中繼節(jié)點到對應的節(jié)點之間的信道狀態(tài)信息。用戶的基本信息，如用戶之間的交遇次數(shù)、用戶之間的數(shù)據(jù)傳輸成功次數(shù)以及用戶的實時信任度由基站更新和存儲。初始化中繼節(jié)點的發(fā)射功率按實際情況確定。

3) 結合步驟1)和步驟2)所得信任度，對初步確定的中繼用戶集合，利用決策方法進行信任評級，分為3種等級V1、V2、V3；

4) 當業(yè)務需求節(jié)點S遇到可以使用的中繼用戶，根據(jù)雙方事先知道并且遵循的交易協(xié)議，得到待成交中繼集合；

5) if存在有信用等級為V1、V2并且價格合理Pz的中繼用戶集，依據(jù) argm(i,x)篩選最優(yōu)的中繼用戶；

6) end if；

7)t=t+1；

8) 實時更新基站信息并存貯；

9) 重復步驟 1)；

10) end

5 數(shù)據(jù)分析

本文算法主要針對城市環(huán)境交通車載協(xié)作通信問題，采用某市中心市區(qū)國道車載協(xié)作通信測量數(shù)據(jù)[19]進行測試。該算法主要針對良性自私用戶的漏選以及考慮雙方利益對中繼進行激勵的問題。為了驗證算法性能，將未考慮良性自私用戶、只針對積極用戶進行篩選的D2D協(xié)作通信網(wǎng)絡中的社會感知中繼選擇算法(social-aware relay selection,SRS)[20]與該算法進行比較，其中參數(shù)仿真參數(shù)設置如表2所示。

表2 參數(shù)設置

根據(jù)式(23)中關于中繼節(jié)點總效益Uri隨單位功率補償價格qzPri變化關系可以得到圖6。中繼節(jié)點ri通 過提高單位功率補償價格qzPri能夠獲得短暫的總效益上升，然而隨著中繼節(jié)點ri的單位功率補償價格持續(xù)上升，業(yè)務需求節(jié)點S對中繼節(jié)點ri的發(fā)射功率的需求隨之下降，導致中繼節(jié)點ri的總效益Uri隨 之下降。當中繼節(jié)點ri的單位功率補償價格qzPri高達一定數(shù)值時，其總效益Uri會出現(xiàn)負值的現(xiàn)象。如圖6所示，沒有業(yè)務需求節(jié)點S支付補償，只損耗自身數(shù)據(jù)傳輸所需功率及談價能量，則中繼節(jié)點ri總效益呈現(xiàn)負值。同理，業(yè)務需求節(jié)點S的總效益函數(shù)與中繼節(jié)點的走勢相對應。當兩者的效益相互交叉時停止談判，可以盡量減少談判過程的時間及能量損耗。

不同的自私用戶的占比下的數(shù)據(jù)傳輸率如圖7所示。顯然，隨著自私用戶的占比上升，用戶的數(shù)據(jù)傳輸率會下降。由于自私用戶的占比上升，導致了協(xié)作通信的請求失敗率上升，數(shù)據(jù)傳輸率降低。相比于只針對積極用戶進行篩選的SRS算法，隨著自私用戶的占比上升，本文算法的數(shù)據(jù)傳輸率相對要高出10%以上。由于本文算法能夠識別可用的自私用戶，盡管自私中繼占比上升，通過篩選出可用的自私用戶，依舊可以實現(xiàn)數(shù)據(jù)的傳輸，數(shù)據(jù)傳輸率相對較高。

不同良性自私用戶占比下的數(shù)據(jù)傳輸率如圖8。由圖8可以看出，本文算法的數(shù)據(jù)傳輸率一直高于只對積極用戶進行篩選的SRS算法。原因在于本文算法可以對良性自私用戶進行識別和使用。當用戶是良性自私用戶的情況下，數(shù)據(jù)傳輸率并不會受到影響。由于SRS只針對積極用戶進行篩選，忽略了可以利用的良性自私用戶，將這一類用戶進行了去除，導致良性自私用戶與惡性自私用同時存在的時候，數(shù)據(jù)傳輸率都較低。

不同良性自私用戶占比下的可用中繼識別率如圖9所示。由于SRS只對積極用戶進行篩選，對于因客觀原因被記錄為自私用戶，并且條件合適愿意提供協(xié)作服務的中繼無法識別篩選。本文算法通過對用戶信任等級劃分，并且對劃分的可以利用的用戶進行了支付補償，提高了用戶的協(xié)作積極性，從而提高了對可利用中繼用戶的識別率。由于可利用中繼用戶的識別率提高，使得數(shù)據(jù)傳輸率也得以提高。

6 結 束 語

針對車載協(xié)作通信中用戶存在自私行為導致用戶數(shù)據(jù)傳輸率低的問題，提出一種基于信用卡社交網(wǎng)絡用戶信任度評估的最優(yōu)中繼選擇算法。數(shù)值結果表明，相比于目前僅對積極用戶進行最優(yōu)中繼篩選的算法，本文算法考慮到了雙方的利益，更有效地提高了用戶之間的數(shù)據(jù)傳輸率。同時，因為本文借鑒了許多傳統(tǒng)移動用戶的協(xié)作自私性研究，所以本文所提的中繼選擇算法同樣適用于一般的D2D通信和協(xié)作通信場景。