基于博弈论的车联网通信中继选择算法研究*

周景旸，马若飞，王瑞松，王凯璇，刘功亮

（哈尔滨工业大学（威海）信息科学与工程学院，山东 威海 264209）

0 引言

车联网被定义为有车辆的行驶路线、位置、速度等形式信息构成的信息化交通网络，结构庞大，是未来智能交通系统的重要组成部分[1-5]。车联网对处理车辆用户在移动过程中产生的海量数据，实现万物互联、交通智能化具有重要的意义，致力于打造智能创新型物联网生态网络体系。随着云计算和边缘计算技术的发展[6-9]，通过在道路两侧安装路侧单元（RSU,Roadside Unit）并在RSU中部署边缘服务器，车联网引入了移动边缘计算（MEC,Mobile Edge Computing）技术[10-12]。MEC 是通过将通信基础设施下沉移动设备构成的网络边缘，使得移动设备进行各种应用、通信时，数据传输时延得到很大程度降低，并且可以提高系统性能，为用户提供碰撞预警、实时导航、多媒体等丰富的服务内容。然而，高速移动的车辆节点可能会在MEC 服务器计算任务的过程中驶离RSU 的覆盖范围，造成下行链路的中断，无法顺利接收计算结果。移动中继辅助通信可以有效扩大信息传输范围，解决车辆与RSU 之间的回传链路中断问题，提高数据传输的可靠性。移动中继系统是由源节点、移动中继、目的节点组成。其中，源节点与移动中继节点之间的链路成为接入链路，中继与目的节点之间的链路为回程链路。

目前，关于中继辅助通信的应用得到了广泛研究。文献[13] 分别研究了放大转发（AF,Amplify-and-Forward）和解码转发（DF,Decode-and-Forward）两种中继辅助方案在车辆可见光通信中的影响，实验结果表明DF 链路在相同实验参数下具有较好的性能，文中还提出了一种减轻通信车辆之间未对准导致的系统性能下降影响的方法。为了扩大无线系统中的通信范围，在文献[14] 中提出了使用中继节点（RN,Relay Node），基于中继的系统被证明在缓解短传输范围内的信道衰落方面是可行的，在目标中断概率为10-6的情况下，使用单个RN 可以实现18.5 dB 的性能提升。对于车辆间通信系统，在文献[15] 中研究了包含车辆中继的车辆网络，结果表明，中继将视线（LOS,Line-of-Sight）覆盖面范围增加了近50%。文献[16] 研究了三种广泛采用的中继选择方案，即随机向前转发（RFP,Random with Forward Progress）、固定半径最远转发（MFR,Most Forward with Fixed Radius）和最近向前转发（NFP,Nearest with Forward Progress）下毫米波多跳 V2V 通信的延迟和可靠性。无人机（Unmanned Aerial Vehicle,UAV）辅助的双向中继系统[17]同样可用于增强车辆间连接和扩大车载网络覆盖范围，在满足吞吐量要求的前提下，该系统实现了较低的延迟。

本文研究了在车辆离开RSU 覆盖范围的情况下，利用同方向的其他车辆作为移动中继节点，将计算结果回传到原车辆，并提出了一种基于联盟博弈论的中继选择算法，以最大化系统的容量。

1 系统模型

图1 为车载通信网络，由于车辆的移动性，车辆与路边单元、车与车之间的通信距离也会发生变化。在第2 节的基础上，同样有M个车辆需要V2I 链路进行高容量通信，表示为RUE；K对进行本地V2V 通信的小车，表示为DUE；同时有N个作为中继节点进行辅助R2V（RSU to Vehicle,路边单元到车辆）通信的小车，表示为MRE（Mobile relay equipment,移动中继设备）。假设所有的车辆都能通过V2R 链路、V2V 链路R2V 链路传输数据。这意味着每个小车都配备了多个无线电，即一辆小车可能同时进行V2V、V2I 和R2V 通信。将RUE 的集合表示为将DUE 的集合表示为将MRE 的集合表示为

图1 车联网中继辅助通信模型

路边单元到第n个MRE 小车的信道增益hR,n表示为：

（1）目标车辆行驶于RSU1的边缘，产生数据传输给路边单元RSU1；

（2）路边单元RSU1将数据发送给MEC1服务器进行计算，计算结束后将数据返回RSU1；

（3）RSU1传回数据时，目标车辆行驶到下一个路边单元RSU2的覆盖范围，回程链路发生中断；

（4）路边单元RSU1选择第n个MRE 作为中继小车；

（5）路边单元RSU1将数据传送给MREn；

（6）最后MREn将数据传送给目标车辆。

2 移动中继选择方法

2.1 基于联盟博弈论的中继选择

首先，一个空闲的移动节点要想成为中继节点需要服从以下条件（初始资格规则）：

（1）中继小车此时行驶在目标RSU 覆盖范围之内；

对于RSU 来说，所有合格的中继节点MREn的集合表示为Un，即将Un描述为正在选择中继节点的RSU 所形成的一个联盟，被选择的移动节点为参与者。

将σs描述为路边单元RSUs不被任何中继节点辅助的概率，可以解释为RSUs的需求，因此由式(8)表示：

如算法1 所示，首先，初始化联盟分区，每个中继节点MREn按照初始资格规则找到联盟Un。每个中继节点MREn都与RSU 交换信道状态信息。在每次迭代中，RSUs计算σs；然后RSUs 找到其最佳组合。如果RSUs执行切换，它将通知关于该切换的两个对应的移动中继。将描述为RSUs得到的贡献，而σs是RSUs的需求，因此将描述为比例贡献，即每个路边单元RSUs接收与他的需求成比例的中继容量。假设网络拓扑和CSI在算法执行期间保持不变。MRE 能够测量它们连接的链路的CSI 参数，以便估计θ和移动节点需要周期性地执行信道估计过程，以收集和交换CSI 信息。然而，移动节点不需要收集关于其断开的链路或其相邻的移动节点的信息。

2.2 基于容量最大化的中继选择

假设分配的信道和路边单元的发射功率是预定义的，联盟表示为U，由于有n个MRE，每个MRE 都能与路边单元RSU 构成一个联盟，如图2 所示：

图2 合作博弈模型

因此每个结构都可以有n个联盟，将RSUs与MREn合作的联盟表示为Us,n，将效用函数定义为总容量Cs。第n个MRE 和第k个DUE（目标小车）的接受信噪比分别表示为：

因此，Cs的计算如式(11) 所示：

在合作博弈中，两个重要的稳定性概念是为了最大化覆盖概率，需要满足切换条件公式(17) 所示，才能实现联盟Us,n到联盟切换。

切换过程符合严格的不等式(17)，那么收益和总是增加，所以迭代不能包含循环，因此算法将被终止，网络结构收敛到Dhp稳定[18]。此外，由于切换过程是基于不等式(17) 所示的效用顺序，如果存在Dc稳定，则收敛到Dc稳定，并且它最大化了社会福利[19]。

根据效用顺序[18]，提出合并-分裂（MS,Merge-Split）算法，在总是收敛到Dc稳定结构中，如果满足以下条件，则执行MS 算法。

（1）RSU 和MRE 都更倾向于合作联盟而不是非合作；

（2）在每个新联盟中，每个用户达到允许的r0。

然而，这些条件更大程度上取决于用户所在的位置，在大多数场合中，理想算法并不适用，它需要收集大量的网络状态信息，因此，提出基于切换联盟的MS 算法。切换规则就是当满足不等式(17) 的条件时，由路边单元RSUs与移动中继MREn合作的联盟Us,n切换到由路边单元RSUs与移动中继MREn合作的联盟其中

2.3 复杂性分析

根据算法2，只有满足初始资格规则的空闲移动节点被选择作为MRE。然而，满足条件取决于许多因素，例如节点的分布、用户关联、信道状态。因此，在实际网络中，每个RSU 的MRE 数量很少，这意味着联盟划分的数量是有限的。另一方面，与联盟随机的合并分裂过程不同，该算法使每个MRE 加入实现最大效益的联盟，增加了切换过程到达最终稳定联盟的可能性，每次切换操作只使用两个相关联盟的网络状态信息，而不是全局信息，其复杂性远远低于穷举搜索等优化方法[21]。但在最坏的情况下，仍可能出现较高的计算复杂度结合最优功率分配算法[20]，该算法总的复杂度为

3 仿真结果及分析

本节对基于中继选择的车载动态网络容量优化方法进行性能验证，实验网络是以一个路边单元为联盟中心，对周围20 个移动中继进行选择，移动节点服从泊松过程随机分布。主要参数的设置如表1 所示。接下来将从该算法对车联网的公平性、覆盖概率还有总容量三种因素的影响进行仿真分析。首先比较所提算法与固定中继算法的公平性。在固定中继方案中，每个RSU 探测MRE获取网络状态信息并选择中继，当出现移动中继的网络状态信息符合路边单元的要求时，RSU 将停止检测。公平指数表示为：

表1 仿真场景参数表

仿真结果如图3 所示，当n较小时，由于中继数量不足，所有方法都处于低性能状态，但随着中继数量的增多，所有算法的性能都在提升，其中MS 算法的性能提升较为显著。

图3 公平指数与中继数量关系图

如图4 所示，信噪比阈值与覆盖概率的关系图，并与固定中继方案进行比较。随着信噪比阈值的升高，覆盖概率都随之降低，该结果与公式是相符的。通过对比可以看出，本文所提出的中继选择算法在信噪比阈值提高的过程中覆盖概率下降较慢，在信噪比在5 dB 到30 dB 之间时表现出了较优越的性能。另外，信噪比阈值不变时，通过改变路径损耗，可以看出路径损耗对覆盖概率也有较大的影响，路径损耗越大，链路的质量越低，覆盖概率就越低。

图4 覆盖概率与信噪比阈值关系

从图5 可以看出中断概率对覆盖概率的影响，并且与固定中继方案进行对比。在一定范围内，随着中断概率的增加，覆盖概率在不断降低。当中断概率在开始增加时，固定中继方案的覆盖概率快速下降，而此时的本文所提的MS 算法性能虽然也有所下降，但是仍旧保持在较高的数值，随着中断概率继续增加，下降速度也较缓慢。但在中断概率增加到一定值时，可以观察到MS 算法覆盖概率下降速度明显变快，这说明，此时被阻断的概率很高。此外，可以发现，随着移动节点的增加，使得RSU 的抗阻塞能力得到提升，覆盖概率会随之增加。

图5 覆盖概率与中断概率关系图

图6 描绘了路径损耗指数与传输容量的关系，并与一种基于距离的中继选择算法和固定中继方案进行比较。如图6所示，随着路径损耗指数的增加，系统总容量都随之减小。但在相同的路径损耗下，MS 算法总能达到更大的总容量；并且，相较于其他算法，本方案下降速度较慢，可以说明，它对路径损耗的修复能力相对较强。这是因为其他的方案更加注重个体的性能提升而非整体性能。对于固定中继来说，此中继的信道状况较差时，整体的性能自然会降低，而对于基于距离选择中继算法，当它位于中间位置的中继信道状况不佳的时候，系统的整体性能可能会随之降低。

图6 中继容量与路径损耗关系图

4 结束语

本文分析了由于车辆高移动性产生的路径损耗和阴影而导致的链路中断问题，提出了基于联盟博弈论的移动中继选择算法。首先基于中继的车载动态网络模型分析其动态特性，构建覆盖概率函数，然后对中继选择问题进行分析，采用中继合作联盟算法，构建合作分区；最后提出MS 算法，按照顺序切换到覆盖概率更大的移动节点最为最佳的中继节点，以实现系统容量最大化。最后通过仿真最大化系统容量，并且验证MS 算法相对于其他中继选择算法的优越性。