6G通感一体化在智慧交通中的应用研究

张 娜

(河北省公安厅交通科研所,河北 石家庄 050050)

0 引言

在1G到5G时代,无线通信和无线感知都是独立存在的,通信系统只负责通信,雷达系统只负责测速、成像等感知功能,通信和感知分离的设计不仅造成了频谱资源的浪费,还需要大量硬件作为支撑。进入6G时代,频谱进入了太赫兹和毫米波的高频段、宽度更高的宽带以及更大规模的天线阵列,通信频谱和感知频谱有了重合,使得高精度的感知和更低时延通信成为可能,从而在一个通信系统中实现通信感知一体化(Integrated Sensing and Communication,ISAC),并且使两者功能相互促进[1]。

移动通信技术应用于智慧交通中是一个关注度高的话题,例如:车联网和车路协同,典型的应用是车辆自动驾驶。现有自动驾驶技术主要依靠本地车辆的多种传感器。智慧交通对于通信和感知能力都具有极高要求,在通信方面,需要超低时延、高数据速率;在感知方面,要求实时探测车辆行驶环境。相较于现有的5G运用于智慧交通中的方案,6G通感一体化技术具有明显优势,性能对比如表1所示。现有的方案存在不稳定的车-车通信链路以及海量感知信息造成的高时延等问题。针对多车互联场景中面临的高速率、低时延感知信息融合的挑战,本文提出了基于感知通信时分一体化设计的智能车联系统框架,以实现多车协同超视距感知目标。基于此框,本文架提出了基于LSTM的混合V2V/V2I时延优化算法[2]。

表1 5G和6G性能对比

1 通感一体化和智慧交通概念

1.1 通感一体化概念

通感一体化是6G移动通信中的一项关键技术,融合了通信和感知两个功能,在完成通信功能的同时,可以用于环境感知。通信设备通过收集与分析从周边环境获得的无线信号,可以分析出周边的环境信息,从而在网络侧可以快速做出决策,调整通信方式,从而实现通感一体化。

1.2 智慧交通概念

智慧交通是将大数据、云计算、物联网和移动互联网等信息技术与传统的交通行业进行深度融合,利用人工智能、交通科学和数据挖掘等工具,以全面感知、科学决策为目标实现对城市交通系统的智能化、高效化的管理。

2 智能车联系统和基于LSTM的混合V2V/V2I时延优化算法

2.1 智能车联系统设计

车辆通过多传感器获取的环境信息具有不同的优先级,将时延敏感的感知信息分为高优先级数据和低优先级数据,根据不同的优先级选择不同的通信链路进行传输。然后,对感知和通信两系统的帧长占比情况进行动态灵活配置,提出感知通信一体化系统中时隙动态可调帧结构方法。以无线帧的子帧作为感知通信一体化系统的最小分配单位,设计可调帧结构,即一个感知通信一体化系统帧中包含感知子帧和通信子帧,其中感知子帧用于车辆在该时间内执行雷达探测的感知操作,通信子帧用于车辆在该时间段内执行通信信息互传的操作[3]。针对时延敏感度高的信息采用短子帧,对时延敏感度低的信息采用长子帧,信息传输过程中根据业务需求对子帧长度进行动态配置。不同链路传输不同时延敏感信息,从而实现感知信息的低时延通信传输,有效支撑车辆的高精度定位。智能车联系统框架如图1所示。

图1 智能车联系统框架

2.2 基于LSTM的混合V2V/V2I时延优化算法

车联网技术不断发展,车联网通过实时的数据分析保证车辆的安全行驶。随着6G技术的发展,其典型应用场景中的超可靠低时延通信(Ultra-Reliable Low-Latency Communication,URLLC)为车联网的交通运输和安全等提供了保障[4]。如何有效地利用现有技术提出面向车联网的资源调度方案与场景预测机制,并进一步降低车联网中信息传输时延,提升车辆行驶安全,是亟待解决的问题之一。现有的时延优化方法主要集中于计算卸载、动态资源分配,缺乏从车联网传输角度去考虑的时延优化。参数的冗余量仍需进一步优化。根据不同车辆的应用以及对信息传输时效性要求的不同,将同一区域中的车辆分为两种类型,分别是车路协同业务支持车辆和本地业务支持车辆。车与车之间为V2V,车与路边基础设施之间为V2I,如图2所示。针对车联网中的时延敏感性业务传输问题,本文提出一种基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的混合V2V、V2I传输算法来优化时延。本文通过 LSTM 预测路段的车辆到达率,进而构建整体交通模型,建立关于系统时延的目标函数,接着提出一种混合 V2V/V2I 算法来达到时延最小化的目的。

图2 车联网通信方式

首先将车辆到达事件建模为非齐次泊松过程,然后通过LSTM人工神经网络预测出某一路段的车辆到达率函数为λ(t)(t0),为非齐次泊松过程的强度函数。在(0,t)区间内,预期的车辆到达数目均值为:

(1)

假设车辆存在加速机制,车的速度变化会影响到车与路侧单元通信时延,即当两个车辆之间的距离大于车辆的传输范围时,车辆则会进行加速来缩短两车的距离,加速直到两车距离在车辆传输范围之内时,为保证数据稳定传输,加速完后再保持匀速行驶。

接下来研究在不同的通信方式下车辆搭载智能车联系统后信号之间的干扰情况,结合对信息传输时延和计算时延的分析给出请求车辆信息通过V2V通信方式或V2I方式到响应车辆的通信时延。图2中车辆m和车辆n是一组V2V对,讨论对象以车辆m为主。基于2.1节中提出的感知通信持续时间比例可调的帧结构,车辆m在固定帧长的前段时间执行前向雷达探测功能,用于感知和收集信息,在确保本车辆安全行驶的同时,将探测到的全部感知信息以通信的方式向后传给信号接收车辆n,以此来实现安全相关的信息在车辆之间的传输共享。

在V2V模式下,假设车辆m的计算系统中存在的平均任务数为R,车辆m与车辆n之间的通信链路的信道容量Cm,n,雷达探测感知信息的互信息量定义为总的数据量l,τ1为成功传输产生的时延,感知信息在车辆m与车辆n之间的传输时延为:

(2)

设车辆计算模块任务到达速率为W,系统的计算时延为:

(3)

此时总的时延为:

(4)

在V2I情况下,由于任务由车辆m将感知信息传输到路侧单元,再由路侧单元传输到车辆n处,以此来实现感知信息在整个网络中的车辆之间共享。在该模式下假设车辆n处任务到达速率为W1,车辆m与路测单元信道容量为C1,车辆n与路侧单元信道容量为C2,则总时延为感知信息从车辆m传输到路侧单元的传输时延、任务数据在车辆n处的计算时延、感知信息在车辆n和路侧单元之间进行传输时的传输时延和成功传输之后产生的时延τ之和,如下公式:

(5)

当请求车和响应车位于同一路段,存在V2V和V2I两种通信传输模式,请求车和响应车位于不同路段,此时仅存在V2I通信传输模式。当请求车辆和响应车辆处在不同路段时,单独的V2I通信时延比较高,为解决该问题,提出通过车间多跳通信和车与路侧单元的联合通信方式。通过仿真测试所提出方法的性能比较,结果如图3、图4所示。

图3 不同数据包下系统时延对比

在同一个路段时,考虑两个车辆之间的传输时延,仿真结果表明,在传输数据包大小和车辆速度不断变化下,混合V2V/V2I传输的时延显著低于纯V2I传输。

3 结语

本文通过对现有的通感一体化应用研究基础上,提出了基于时分一体化设计的智能车联系统,通过感知信息时延敏感度的不同,使用不同的帧结构和通信链路对感知信息进行传输,进一步提升信息的交互速率,在智能车联系统的前提下,通过对感知时延的分析,提出了V2V结合V2I的通信方法。仿真结果表明,此方法进一步降低了系统时延,确保交通系统的安全可靠。随着6G的发展,信息传输会变得更加高速可靠,不断推动着城市交通的智能化发展。