基于D2D的列控系统车车通信资源分配算法

胡雪旸,周庆华

(兰州交通大学电子与信息工程学院,兰州 730070)

随着社会经济的不断发展，人们日常出行要求不断提高，相应对铁路运输能力提出了更高的要求；而由于传统铁路列控系统存在轨旁设备较为复杂等因素[1]，导致其运输能力亦受到影响。因此，集成了轨旁设备功能且基于车车通信技术的列控系统，因其可实现相邻列车的自主安全控制，对于提高铁路系统的安全性和运行效率具有重要作用，成为下一代列控系统的发展趋势[2]。DLR(德国宇航中心)提出的铁路避撞系统(RCAS， Railway Collision Avoidance System)实现了列车与列车之间的通信，使列车能够周期性地获取附近列车的运行状态信息[3]。设备到设备(D2D)通信技术不仅使两个用户节点之间具备直接进行通信的性质，而且可以适当缓解当前无线通信系统频谱资源短缺的问题[4]。对于公网中的D2D无线资源管理，文献[5-7]分别提出了单小区下运用匈牙利算法、图论和模式选择等方法的资源分配方案，较好地控制了引入D2D后产生的干扰。

文献[8]提出在铁路现有车地通信系统中加入D2D通信技术的必要性和优势，但车车通信需要以复用车地通信资源的方式存在，因此就会不可避免地产生干扰问题。针对列控系统下的车车通信，文献[9]研究了车车通信通过复用车地通信资源进行信息传输的方式，论证了将D2D通信技术融入到现有的列控系统中对基础设施的改动需求小，且能有效提升系统的可靠性；并在此基础上，提出了资源选择与功率控制算法，解决了车车通信在复用车地通信无线资源时产生的干扰问题，提升了频谱利用率并使列控系统的整体性能得到改善，但其未涉及信道资源分配方面的研究。

本文针对列控系统车车通信复用车地通信资源时产生的干扰问题，考虑在保证车车通信用户可靠性的同时，通过两个步骤最大化系统吞吐量。首先应用基于图论的二部图，利用改进的KM算法(IKM)为车车通信用户分配信道；而后通过功率的调整最大化系统的总吞吐量，在提升频谱利用率的基础上，提高车车通信连接建立成功率。

1 系统模型与问题构建

在列控系统下的车车通信中，其网络小区沿列车行驶线路呈线状的形式覆盖，与公用网络的覆盖形式大不相同，且在沿线的单个小区中同时行驶的列车数量有限。基于列车运行环境的特殊性，假设该小区已存在{1，…，m，…，M}个车地通信用户，而后加入{0，1，…，n，…，N}个车车通信用户对，车车通信用户对通过复用车地通信用户的上行链路资源进行T2T通信。

图1 列车采用D2D方式通信复用车地通信上行链路资源时产生的干扰

如图1所示，一条轨道线路上运行的每一列车均与地面基站进行着实时的信息传输工作，车A与车B为实现T2T通信，需要复用车C的车地通信上行链路资源，设车A为T2T通信的发送端，车B为T2T通信的接收端。图1中所示的车C对车B的干扰部分，即车C与基站的上行传输链路对车AB间T2T通信链路的干扰；而图1中所示的车A对基站的干扰部分，即车AB间T2T上行传输链路对基站与车C的车地通信链路的干扰。

在保证车车通信用户能进行正常信息传输且基站能正常接收到车地通信用户信号的情况下，为了简化，本文考虑车地通信用户与车车通信用户的信道资源一一对应的应用场景。针对此应用场景，首先定义一个矩阵XM×N，bmn为此矩阵中的元素，当bmn=1时，表示第n个车车通信用户对复用了第m个车地通信用户的资源，车车通信对已成功建立连接；bmn=0，则表示第m个车地通信用户的资源未被第n个车车通信用户对复用，车车通信对未成功建立连接

(1)

为了保证通信质量要求，将第n个车车通信用户对在复用车地通信无线资源时信干噪比设为γn

(2)

其中，δ2为高斯噪声功率；Pm与Pn分别为第m个车地通信用户与第n个车车通信对的发射功率；Hm与Hn分别为第m个车地通信用户与第n个车车通信对的信道增益；Pk和Hk为除第n个车车通信对外其他车车通信对的发射功率与信道增益。

对于第m个车地通信用户的信道资源被第n个车车通信用户对复用时的信干噪比，则将其设为γm

(3)

考虑到列控系统车车安全通信的可靠性要求，需要保证在对车车通信用户信干噪比进行约束的基础上，联合地优化车车通信用户与车地通信用户的信道资源。因此，将车车通信用户对的吞吐量设为优化目标，其目标函数为

(4)

约束条件为

bmn∈{0，1}，1≤m≤M， 0≤n≤N

(5)

(6)

(7)

(8)

2 分配方案

针对上述的优化目标，可以看出所要求解的是一个最大化问题，而将车地通信的资源分配给车车通信对复用的过程，又可看作是一个最优匹配问题，因此本文的分配方案转化为最大匹配问题的求解过程。本文分3个步骤来执行方案：首先为车地通信用户和车车通信用户发送端限定一个固定的发射功率，根据图论的加权二部图模型建立信道分配模型；然后利用IKM算法对车车通信用户进行信道分配，在保证列控系统正常通信下，提高车车通信用户的吞吐量；最后根据已经匹配好的信道复用方案，调整车地通信用户和车车通信用户的发射功率，以满足二者的通信QoS(Quality of Service，服务质量)要求，从而使系统的总吞吐量最大。

2.1 基于加权二部图的信道分配

从图论的角度出发，将上文所建立的系统模型看作一个节点加权的无向二部图G=(U，V，W)，如图2所示，图中有i个车地通信用户和j对车车通信用户对。顶点集合U=(x1，x2，…，xm)表示车地通信用户的集合，顶点集合V=(y1，y2，…，yn)表示车车通信用户对的集合，图中各个顶点xi∈U，yi∈V分别对应一个车地通信用户以及一对车车通信用户，车车通信用户复用车地通信用户信道资源时的吞吐量通过边权w(x，y)表示。并且定义一个边权矩阵W=[wi，j]如式(9)所示。

图2 图论模型

(9)

基于加权二部图的信道分配算法的具体步骤如下：

(1)基站首先获取小区内各用户的信道冲击响应；

(2)将小区内的车地通信用户m等效为点集U，将加入后的车车通信用户对n等效为点集V，基站通过结合车车通信用户可靠性及信干噪比门限值，选出可被复用的车地通信信道资源，并初始化各个参数；

(3)连线共用同一信道的车地通信用户与车车通信用户对，得到虚拟无加权的二部图；

(4)计算车车通信用户的吞吐量，构建虚拟矩阵W，并依此得到所构建模型的虚拟加权二部图G；

(5)基于虚拟加权二部图G和虚拟矩阵W，利用IKM算法进行信道的匹配工作。

信道分配的具体步骤流程如图3所示。

图3 信道分配流程

2.2 IKM算法

以往求解二部图的最大匹配时一般采用经典的匈牙利算法，此算法的核心就是根据一个初始的匹配不停地寻找增广路径，直到没有增广路径方才停止。针对上述加权的二部图，传统的做法是采用KM算法，KM算法可在加权的二部图中寻找一个最大权值的完美匹配，其分配场景为待分配资源者和资源持有者分别被抽象成二部图的两个顶点集合，并给所有的顶点一个特定的标记(即标杆)，而后将分配关系抽象成二分图的边，从而求解最优权值的资源分配，其时间复杂度为o(N4)[10]。

HK(Hopcroft-Karp)算法同样可应用于资源分配的场景，HK算法的精髓[11]在于它可利用得到的矩阵信息同时寻找多条增广路径，先用广度优先搜索算法得出一个初步的结果，然后在此结果中遍历，寻找增广路径，直到找不到为止，因此，相比KM算法而言，其时间复杂度降低到了o(N2.5)。

本文综合考虑了HK算法的时间复杂度较低且应用广度优先搜索，以及KM算法应用深度优先搜索的特点，在二者共同基于的匈牙利算法的基础上，将KM算法进行改进，即收集KM算法与HK算法的匹配结果，从中找寻最大完备匹配，以实现算法在找寻增广路径时获得更优解，从而得到信道资源的最优分配。

算法具体流程如图4所示。

图4 改进的KM算法流程

(1)使用贪心算法初始化标杆；

(2)运用KM算法寻找完备匹配；

(3)运用HK算法寻找最大匹配；

(4)收集所有匹配重复步骤(2)；

(5)如果没有找到完备匹配，则修改标杆的值；

(6)重复步骤(2)～步骤(6)，直到找到最大完备匹配。

2.3 功率调整

完成了上述信道分配工作后，为了保证上述IKM算法不仅把最合适的信道分给车车通信用户，还能维持车车通信用户对的正常通信，则需进行功率调整。具体步骤为在满足车车通信用户的信干噪比门限值的情况下，适当地降低车车通信用户的发射功率，同时提高车地通信用户的发射功率。

依据文献[12]设定功率变化值为Δp，而后依次将车车通信用户的发射功率减少Δp，并将车地通信用户的发射功率增加Δp，最后再次确定是否满足约束性条件，以达到车车通信的QoS需求。算法流程如图5所示。

图5 功率调整算法流程

3 仿真分析

为了验证本文所提出的车车通信资源分配算法在基于D2D的列控系统中的可应用性，搭建Matlab语言编写的基于LTE系统模型的车车通信与车地通信相结合的系统仿真平台，通过程序编写、仿真出图及结果分析完成对算法的验证过程。

由于信息在无线信道中进行传输时，其信息传输的两端间产生的路径损耗会影响接收端接收到的信号质量，从而影响其SINR值。因此，本文依据文献[9]的车车通信测试用例，采用适用于宏蜂窝小区的路径损耗预测传播模型HATA模型中的COST231-Hata模型，具体参数如表1所示。

为了便于实现，只考虑单小区下的车车通信资源分配场景，且车地通信与车车通信同时存在于小区中每一列列车上，车车通信采用本文提出的资源分配算法复用车地通信的无线频谱资源。假设每200 ms的通信周期，共有8列车与地面区域控制器进行业务交互，上下行方向各有4列车同时运行，即在此小区内最多有6条车车通信链路同时存在。之后，将本文提出的资源分配算法，即IKM和功率调整相结合的车车通信资源分配算法与文献[13]中的KM算法及加入了功率调整的KM算法进行比较，验证本文提出的算法的有效性。

表1 仿真参数

由于本文的IKM算法综合考虑了HK算法的时间复杂度较低且应用广度优先搜索，以及KM算法应用深度优先搜索的特点，使得其在进行最优路径选择的步骤时更易快速获得更优解。图6为3种算法下吞吐量与车车通信连接数量的关系，从图6可以看出，当车车通信连接数量不断增加时，无论是车车通信用户的吞吐量，还是车地通信用户与车车通信用户的吞吐量之和，使用本文提出的算法均能够达到较好的效果。

图6 3种算法下吞吐量与车车通信连接数量关系

图7为不同信号强度下成功建立的车车通信连接数量对比结果，该实验中仿真环境的RSRP的取值范围为-95～-75 dBm。

从图7可以看出，使用本文算法实验效果优于另两种算法，当RSRP为-95 dBm时，车车通信连接并没有中断，而是成功地实现了相关数据的传输，达到了实时性和准确性的要求，通过对发射功率的调整，提高了车车通信连接的成功率，为后续工作奠定了良好的基础。

图8为使用IKM和功率调整、KM和功率调整以及只使用KM算法时，在车车通信链路间距限制下成功建立的车车通信连接数量对比结果。

图7 不同信号强度下的车车通信连接数量对比

图8 不同链路距离下成功连接的车车通信对数量对比

从图8可以看出，随着车车通信链路间距的增大，成功建立的车车通信连接数量逐渐减少。因为当列车的间距增大时，车车通信的QoS需求需要通过增大发射功率来保障，因此原本的车地通信受到的干扰就会增大，进而车车通信连接的建立也会受到影响。基于以上问题，本文通过合理的信道分配使得吞吐量最大化的同时，对功率进行控制，提高车车和车地通信质量。从仿真结果可以看出，使用本文算法成功建立的车车通信连接数量明显优于另两种方法，达到了预期的效果。

4 结语

本文讨论了基于D2D的列控系统车车通信资源分配问题，列车进行小区切换或相邻列车间距增大时，同样保证了车车通信用户的正常通信。采用图论的加权二部图建立信道分配模型，并利用IKM算法和功率调整，有效地控制了列控系统在资源复用时产生的干扰问题，提高了频谱利用率。仿真结果表明，本文所提算法在保证车地通信用户与车车通信用户的服务质量的同时，最大化系统的总吞吐量，并提高车车通信连接建立的成功率。