V2X通信中基于车辆分簇的资源分配机制

张晨璐 李佳林 姜 炜 刘是枭

1(重庆邮电大学 重庆 400065) 2(维沃移动通信有限公司 广东 深圳 518049)

0 引 言

随着合作和自主驾驶需求的增加，车载网络的无线通信将发挥关键作用[1]。V2X作为5G未来智能交通运输系统的关键技术，以低时延传输大数据、保障车辆之间通信的可靠性等优点被广泛关注。近年来，人们开展了多项研究活动，利用V2X通信功能，扩大自动驾驶汽车的识别范围，从而使自动驾驶更加安全、自然[2]。车辆在传输安全预警信息或其他多媒体业务时需要大量的频谱资源，但频谱资源是有限的，如何合理分配这些资源是当前研究的热点之一。文献[3]提出了基于端到端(Device-to-Device，D2D)技术，充分考虑车联网以及蜂窝网中信道受到的小尺度衰落对资源分配的影响，以蜂窝系统容量为目标，将资源分配转化成最优化问题，利用二分图最大匹配算法中的Hungarian算法进行最佳资源分配；文献[4]提出了基于流量模式和马尔可夫决策过程(MDP)的语音和数据传输的集成算法的资源分配方案；文献[5]提出了一种基于稳定匹配理论的改进型交换匹配算法来分配资源;文献[6-7]认为LTE-V2X的基于感知技术(mode-4)的资源分配方式可延用于无基站覆盖下5G-V2X周期业务；文献[8]为了减少D2D用户复用蜂窝用户的资源块复用干扰，提出了一种最小干扰的5G蜂窝网络双跳D2D通信资源分配方法。

现有的大多数算法的重点为基站覆盖下最小化总体传输功率或最大化数据速率以满足QoS要求，对于资源碰撞和干扰方面未能提供一个较好的解决方案，且当前学者对于无基站覆盖情况下的资源分配研究较少。3GPP协议中虽规定了对于LTE-V2X无基站覆盖下的用户可采用自主资源选择[9]，但随着V2X技术与需求的不断更新与演进，LTE-V2X的资源分配方式并不适用于3GPP R15中定义的有关增强型V2X的业务模型以及时延要求，3GPP对于无基站覆盖下的V2X的资源分配方式仍在讨论中。

为了适应3GPP R15下的V2X资源分配问题，并满足低时延高可靠性的要求，本文提出一种在无基站覆盖条件下基于车辆分簇的资源分配方式。对场景中所有车辆进行分簇，根据车簇之间的相对位置进行分组，在资源池中对不同组划分不同的专属资源，不同组之间的专属资源进行两两正交。每个簇中选择一辆车为“头车”，资源的调度决策者和协调者由簇内“头车”担任。由于簇头能够实时知晓簇成员的调度请求，其对簇成员内一切信息有宏观把控，因此能够进行合理的资源分配。此外，基于地理位置和行驶方向的分簇与资源划分，在用户数量较少时能够从时隙上避免严重的碰撞问题；在用户数量较多时能协调各用户之间复用的干扰使其最小。

1 系统模型

本文考虑的是存在大密度V-UE用户系统的无基站覆盖场景，为了便于分析，以长度不短于3 400 m的双向三车道的高速公路为系统场景。V-UE在每条车道上以空间泊松点过程随机生成,每个V-UE在自身最大通信范围内随机选择另一个V-UE为接收端，成为V2V对。场景中所有V-UE共享同一资源池，多用户的资源分配考虑资源的复用，资源传输粒度在时域上为一个时隙(slot)或1 ms，频域上为100个RB(Resource Block)，资源分配机制仅考虑时域上传输时隙的选择，频域上为一段连续的满足承载数据需求的N个RB。

随着V-UE数量的增多，在缺少基站对于整个资源占用信息的宏观控制的情况下，过多的V-UE使用自主资源选择则会造成大量的资源碰撞问题。由于频谱资源的有限性和最大传输时延的限制，必会进行资源的复用，则可能在同一个时刻多个V-UE会复用干扰较强的资源，导致接收机接收不成功而丢包，且V-UE的工作模式是半双工的，不可能同时收发数据，对于某些重要的SCI(Sidelink Control Information)信息监听不足，导致自主资源选择时的错误判断。UE自主资源选择示意图如图1所示。

2 基于车辆分簇的资源分配机制

为了解决上述问题，本文提出一种基于车辆分簇的资源分配方式。对场景中所有车辆进行分簇，簇内选择一个合适的V-UE作为头车来进行对簇内成员的资源分配，由于调度信息以及调度资源都会经由簇头发出，所有簇头不用感知簇内成员的SA信息即可知道簇成员的资源占用情况，进而降低了SA感知失败的概率。若接收V-UE与发射V-UE属于同一簇的话，每次传输时，接收V-UE首先对自身无线环境进行测量并汇报给头车，让头车基于接收V-UE的干扰情况进行资源协调。能否成为头车取决于V-UE能力，本文假设在场景中所有V-UE都有能力成为头车且遵循自愿原则，即头车的选取是在簇中随机的。详细的分簇规则和资源分配机制如下：

1) 车辆分簇。如图2所示，以场景中最左边的车辆作为起始点，最右边的车辆为终点，从起点开始每隔600 m确定一个范围，直到这个范围超过终点。在每个范围的中心位置设置一个虚拟站点，每辆车根据自己的与各虚拟站点的欧氏距离选择接入距离最近的虚拟站点，将同一个行驶方向上且属于同一个虚拟站点下的车辆分至同一簇。

图2 车辆分簇

假设场景中有X辆车，M代表车簇，车簇数量为C，M={m1,m2,…,mC}，每个车簇的车的数量为X=xm1+xm2+…+xmc。

2) 资源池划分与分配。将车簇根据地理位置归为两个车组，设为G1、G2：

(1)

式中：index为车簇索引，n=1,2,…,C。对车辆分簇下组成的两个系统进行资源池配置和资源的分配需要如下四个步骤：

(1) 初始化分配。场景下车辆分组完成，对两个车组进行资源池初始化配置。分配方法为根据两个组内所含的车辆数，在初始的资源选择窗中按比例划分专属资源，并以该初始资源选择窗的分配结果以资源选择窗大小为周期进行周期循环。

Nsw=max(transmission-delay)

(2)

资源选择窗中各组资源确定后，对属于G1和G2的时隙资源在时域上进行两两正交。由于本文V-UE以空间泊松点过程进行撒点且V-UE数量较多，两个车组内所含UE数量差距不大，进而在资源选择窗中分得的资源数量差距在1上下。为了保证时延的公平性(时域资源越靠后时延越大)，采用时域交叉的方式进行资源划分，如图3所示。

图3 资源划分

图3展示了初始化分配的时域模型，车簇下的两个组进行初始资源配置后，在当前TTI下，不同车组下的车辆有业务包到达，在资源选择时，不同车组下的车辆只能选择那些属于该车组的资源。

(2) 资源占用请求上报。车组以及不同车组的专属资源划分完成后，各车组里面的各车簇成员有数据需要发送需要资源占用时首先得向自己所在车簇的头UE进行上报，上报内容包含簇成员自身ID、历史干扰功率(Interference power，I-PR)。每个头UE需要维护资源请求表格，对资源请求列表及相关信息进行实时更新，如表1所示。

表1 资源请求列表及上报信息

同一车组下不同车簇之间进行信息交互，即车组1或2下的所有车簇之间交互自身簇成员在当前时刻资源占用请求及相应信息，交互后每个头UE都有同组下所有请求资源的UE信息。

(3) 资源分类与选择。根据步骤(1)中的初始资源选择窗的分配结果，以初始资源选择窗大小为周期对往后的资源进行不同车组下的专属资源分类，如图4所示。

图4 分组资源划分

不同车组的专属资源划分完成后，由于非周期下包的到达时刻是不可估计的，头UE无法根据历史的一段干扰情况预测当前或未来一段时隙资源上的干扰情况，所以我们针对不同业务模型(周期与非周期)，提出了不同的资源分配机制。

① 周期业务。若当前每个车组内请求资源占用资源的UE数量不大于资源选择窗中的不同车组的专属资源数量，则每个车组中的每个车簇内头UE在进行资源分配时，将同簇成员之间采用时域正交的方式分配在不同的时隙资源上传输数据，而不同簇成员之间可以复用在同一时隙资源。若需求占用资源的成员数量大于资源选择窗中所属该组的时隙资源数量时，则对资源选择窗中不同车组的所属时隙资源进行干扰预测，根据预测结果与设定的阈值对比，取资源选择窗中预测值小于该阈值的且拥有最小干扰的时隙资源进行复用。首先头UE根据式(3)确定资源选择窗中所有时隙资源的干扰情况。

(3)

为了使I-PR结果更加准确，进行时隙资源I-PR计算时仅对当前资源窗中满足映射条件的历史时隙才进行计算。映射关系如下：

(4)

I-PRExcellent={slot|I-PRtotal≤threshold}slot∈I-PRtotal

(5)

resource=min(I-PExcellent)

(6)

预测的资源选择窗中每个时隙资源的I-PR值，可能会出现没有满足阈值要求的时隙资源，此时，可以3 dBm为步长来增加阈值直至至少出现一个时隙资源满足低于阈值要求。为了避免存在强干扰资源导致门限值无限制调整进而将强干扰资源标记为满足要求的时隙资源，因此本文将门限值限定在一个区间之内，当某个V-UE阈值超出这个区间就说明在当前资源选择窗中该V-UE的专属资源里没有可以复用的资源了，就算复用也会导致自身丢包甚至影响其他V-UE。此时该V-UE的头UE则在当前资源选择窗中的非所属该V-UE专用资源中随机选择一个分配给该V-UE(例如：车组1中车辆使用车组2的时隙资源)。

Step1初始化复用阈值为Reuse-threshold=0。

Step2初始化冲突次数conflict-num=0。

Step3对资源选择窗中每个时隙资源进行遍历，同簇下冲突干扰判决：

form=1:length(UE-IDn)

conflict-num=conflict-num+1

end

end

end

end

Step4根据冲突干扰判断结果进行资源选择或更改复用阈值继续判决：

增加复用阈值：

Reuse-threshold=Reuse-threshold+1

并重新执行Step1-Step4

esle

end

(4) 半双工问题避免。由于非周期业务下的资源选择机制的Step3中已经存在对半双工问题的解决方案，所以此处不再继续阐述。这里主要针对周期业务下的半双工问题提出解决方案。在完成当前资源占用请求V-UE的时隙资源分配之后，头UE检索自身资源请求列表中TX的RX-ID，经过一系列判决决定是否执行式(7)-式(8)，详细流程如图5所示。

(7)

(8)

图5 解决车辆半双工问题流程

3 仿真分析

对每种业务下的资源分配方式进行多次仿真，对仿真结果取统计平均值避免结果的偶然性，详细的仿真参数假设见表2。

表2 仿真假设

对单播-周期业务的平均PRR评价结果如图6所示，单播-周期业务的平均PIR评估结果如图7所示，单播-非周期业务的平均PRR评价结果如图8所示，单播-非周期业务的平均PIR评估结果如图9所示。

图6 周期业务-平均PRR

图7 周期业务-平均PIR

图8 非周期业务-平均PRR

图9 非周期业务-平均PIR

由图6可见，在10 ms的传输时延和较低的6 ms传输时延中，本文机制在平均PRR方面比mode-4机制表现更优，其原因在于将资源池划分为两个专属资源池，将互相之间距离较远的车簇规定共用同一专属资源。该种资源池划分方式本身就将存在距离较近的干扰概率进行了降低处理，再者以头车分配资源的特性减少了SA感知的失败概率，便能够更加准确知晓V-UE占用和被预留的时隙资源，进而在历史的干扰测量中获得较为准确的干扰值，在采取资源复用时将干扰较小的资源进行复用。另外在mode-4机制中某些半双工问题的V-UE不能将数据包传出，且又由于是周期性的业务，则造成一个包都未能传输成功，一旦超过传输最大时延时就会造成丢包。这种情况车簇调度机制很好地避免了半双工问题，对收包率的提升也有一定帮助作用。

由图7可见，在平均PIR方面，同样在10 ms时延和6 ms时延，车簇的资源分配方式的性能要好于mode-4。分析原因是由于平均PIR统计的为每个V-UE在仿真中所有成功接收的包之间的时间间隔，则每个UE至少有两个包要传输成功才能参与统计，从平均PRR的情况可以得知，车簇机制比mode-4机制收包率整体要高不少。所以收包率提升了，前后包接收时间间隔也会降低，那么在平均PIR的方面本文机制仍有所优势，体现的是系统的时延容忍，说明本文机制较mode-4更能体现低时延特性。

由图8可见，在非周期业务中，由于在20 ms的较宽裕的传输时延当中，V-UE总能找到合适的资源进行传输，本文机制相较随机选择在接收机处于较近的位置时平均PRR差异不是特别明显，但随着接收机距离越来越远，随机资源选择的性能逐渐劣于本文。其原因在于在中远距离传输时，由于受大尺度衰落的影响，本身信号质量已经不好，若此时接收机周围存在强干扰的话，则会导致接收端接收失败，而本文提出的车簇资源分配能够避免尽量避免这种强干扰。在10 ms较低传输时延要求中，每个V-UE必须在较短的时间里找到资源传输，而每个TTI的多个V-UE要传输数据包，则会造成大量的资源碰撞，复用的资源会有较强的干扰，本文机制较随机资源选择有所增益，其原因仍然是针对资源池对不同车组的专属资源划分减少了近距离的发射V-UE之间干扰的出现和头UE对当前资源请求情况对接收端存在影响的TX-VUE分不同时隙发包，并且对V2V通信中半双工导致的问题进行适当处理。

图9为本文机制与随机资源分配在平均PIR下的性能对比，随机分配比本文机制在20 ms的较宽裕的传输时延中性能较好。分析原因是：本文机制目的为寻找碰撞较少和干扰较小的资源，由于资源选择窗为时间滑窗，每次滑窗会在资源选择窗末尾出现空载的时隙资源，那么会优先选择空载的时隙资源传输，为了保证传输的可靠性而牺牲了时延，所以平均PIR比随机分配较差。随着传输时延的降低，在传输时延10 ms的情况下本文机制较随机分配有所增益，随机分配由于不确定性在较低的传输时延情况下会造成资源的碰撞或选择了那些干扰较强的资源而造成了丢包，而本文机制旨在碰撞避免和选择干扰较小的资源，丢包的概率较小，从而平均PIR上比随机分配有增益。关于10 ms时延下的平均PIR评估图中随机资源选择与本文出现交点的原因是：非周期业务的来包时刻不固定为10+exp(10)，在对随机资源选择机制进行仿真时来包时刻要普遍比车簇资源分配早，所以起点要比车簇低，但性能劣于车簇就出现了交叉。

移动性考虑是下一个研究点,但对于车队场景来说，车队内车辆都是匀速运动，所以移动性问题并不会对本文算法性能造成任何影响。对于其他场景，本文对不同算法进行了多次仿真,每次仿真撒点独立,取总的仿真结果均值进行了算法之间性能评估,多次仿真下的多次撒点,无疑也进行了移动性验证。本文算法为半静态调度,在LTENR V2X中，SPS(Semi-Persistent Scheduling)周期大概为1 s，我们以一个SPS周期(1 000 ms)为仿真时长对本文算法进行评估,仿真中道路上车辆均为120 km/h即0.033 m/ms,每一次仿真下来,车辆仅移动0.3 m。所以每次仿真中,车辆移动的距离并不会影响车辆在本次仿真中分配资源,下一个SPS周期到来时,头车又将会根据车辆的归属运用本文算法进行资源分配。

4 结 语

本文提出了一种车辆分簇的资源分配方式。该方式根据车簇的地理位置为不同车簇划分专属资源，基于UE的感知技术，由原来的每个UE感知更改为每个车簇中的簇头感知并担任资源分配角色，这样的好处是头车不仅知道自身能量感知范围内的UE的历史资源占用信息，且可实时知晓自己车簇中簇成员的资源占用信息。根据簇成员的实时请求信息，判断出属于该车簇中的资源池中那些干扰较强的资源并排除，实时地进行资源协调，能够很好地将互相之间干扰很强UE在时延允许范围内分不同时隙发包并解决半双工引起的问题。通过在较高和较低的传输时延要求的条件根据业务模型进行仿真对比，结果表明：本文机制随着传输时延要求的减少相比LTE-V2X现有资源分配机制表现更好，既保证了V2X下的高可靠性，又达到了低时延传输的要求。