高效可靠的车联网无线传输及协作通信机制研究

发布时间：2020-03-19 19:14

【摘要】：近年来,城市人口上升致使车辆数目急剧增加,导致城市交通事故频发、交通效率下降,给各个国家带来了巨大的生命和财产损失。为了提高交通效率并减少交通事故,研究者提出智能网联汽车的概念:基于车联网网络,实现车与车、人、路间的感知信息共享,使车辆具备复杂环境感知和决策的能力。然而,由于车联网环境的高复杂性、网络拓扑的高动态性等因素,现有车联网无线通信技术无法有效满足车联网业务的多样性和差异性的需求。因此,如何保障车联网业务的需求,尤其是车辆行驶安全相关的需求,已经成为亟需解决的问题。所以,本文着眼于研究高效可靠的车联网无线传输及协作通信机制。首先,结合网络切片和深度学习技术,本文提出了面向车联网业务的智能网络架构,然后,着手研究实现该架构所需的关键技术。在微观层面,为了提升车辆行驶的安全性,本文从无线资源管理这个角度入手,研究保证时延和可靠性要求的无线资源分配算法,设计无人驾驶车队协作控制机制,其次,在宏观层面,利用深度强化学习对车联网网络进行无线资源配置,以满足各类车联网业务的需求。本文主要研究内容和创新点可归纳为:1.车联网智能网络架构设计现有车联网的统一架构无法有效地支持车联网业务的差异化需求。在对车联网典型业务详细分析的基础上,本论文提出了面向车联网业务的智能网络架构,该架构在逻辑上建立网络切片以满足业务的服务质量(Quality of Service,QoS)要求。另一方面,为了高效配置和管理网络内的各类资源,本部分内容设计了分级资源管理方案,即,在大时间尺度上,控制层根据车联网的历史信息,运用深度强化学习技术挖掘网络的内在特征并调整网络切片的资源配置;在小时间尺度上,网络切片根据业务当前的QoS,实时地将资源分配给切片内的车辆用户,使得业务的QoS得到保障,该方案在资源管理的时效性与有效性间达到平衡。最后,本部分内容分析了该架构在实现过程中所需解决的技术挑战,为本文的后续内容提供了研究方向。2.面向强时延要求业务的无线资源分配算法研究车辆间的安全信息传递对车联网系统提出了高可靠和低时延的需求,但现有的通信系统还无法严格保证时延要求。同时,基于LTE-V协议的车车(Vehicle-to-Vehicle,V2V)通信会存在与蜂窝通信共享无线频谱资源的场景,需要解决干扰共存问题。针对这些问题,首先,基于网络演算理论,本研究点量化了无线资源分配对通信时延的影响,并推导出保障时延要求所需满足的条件。基于该方法,本研究点提出了一种低复杂度的无线资源调度算法,该算法通过分配时频资源,调整车辆发射功率以及选择相应的调制编码方式,从而保证交通安业务的可靠性和实时性要求,并降低V2V通信对于蜂窝通信的干扰。3.无人驾驶车队的协作通信与控制机制研究无人驾驶车队(Vehcile Platoon)通过最小化每辆车与前车的追踪误差来维持预定的运动模式。无人驾驶车队可以看作一个网络控制过程,车队的姿态控制依赖于车辆之间周期性地交换感知信息。然而,传统方案将车辆控制与车辆间通信过程割裂开来,分别进行处理。为了解决这一不足,本部分研究内容提出将车队内通信与车辆控制过程进行联合优化:优化车队内部的无线资源分配和车辆控制器参数,以最小化车辆间的追踪误差为目标,同时保证V2V通信的可靠性,并保证车队队列的稳定性以提升行驶的安全性。仿真结果表明,与传统方案相比,该方案可以在保证通信可靠性与车队行驶安全性的同时,减少车辆间的追踪误差,进一步提高交通行车效率。4.基于深度强化学习的切片无线资源配置算法研究在智能网络架构中,控制层需要优化网络切片的资源配置策略,用以适应车联网的动态变化所带来的影响。然而,由于车联网网络环境的未知性和高复杂性,传统优化理论难以取得较好的效果。针对该问题,本部分提出了基于深度强化学习的网络切片无线资源配置算法,考虑了网络切片内车辆移动性、车联网业务的QoS,在大时间尺度上调整切片的无线资源配置和参数设置,达到提升车联网业务Qos及系统长期收益的目标。提出的算法将长短期记忆神经网络(Long short term memory,LSTM)纳入深度学习网络中,使用LSTM可以挖掘车联网观察状态在时间维度上的相关性,分析车联网历史信息的内在特征,并给出切片无线资源配置策略。最后通过仿真结果表明,相比于常规的深度强化学习算法,该方案在性能上有较为明显的提升。
【图文】：

示意图,方式,示意图,感知信息

北京邮电大学博士学位论文逦逡逑１．１车联网的兴起逡逑１．１．１车联网的概念与内在特征逡逑根据中国物联网校企联盟的定义，车联网是面向车辆通信业务的动态移动网逡逑络，实现车与车、车与路边设备、车与行人通信以及车与网络间的互联互通。车逡逑联网可以收集车辆和道路环境等多源感知信息，并对交通环境中的动态信息进行逡逑有效提取和利用，，实现车辆间的感知信息共享。逡逑根据通信对象的不同，如所示，可以将车联网中的通信链路划分为四类：车逡逑与车通信（Ｖｅｈｉｃｌｅ邋ｔｏ邋Ｖｅｈｉｃｌｅ，邋Ｖ２Ｖ）、车与路边设备通信（Ｖｅｈｉｃｌｅ邋ｔｏ邋Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ，逡逑Ｖ２Ｉ）、车与网络端通信（ＶｅｈｉｃｌｅｔｏＮｅｔｗｏｒｋ，邋Ｖ２Ｎ）以及车与行人通信（Ｖｅｈｉｃｌｅ逡逑ｔｏ邋Ｐｅｄｅｓｔｒｉａｎ，邋Ｖ２Ｐ）邋［８］。逡逑

论文,结构示意图,车队,无线资源

论文第四章针对无人驾驶车队业务，在通信资源受限的条件下，研究车队姿逡逑态控制与无线资源分配策略，保证车队系统的稳定性，并提升车队控制效果。逡逑（１）针对无人驾驶车队系统，研宄车辆间通信过程对车辆姿态控制效果的逡逑影响，并进行建模和分析研究；逡逑（２）提出基于控制效果的无线资源调度准则，并且车队根据无线分配相应逡逑调整控制器参数，以保证行驶的安全可靠。逡逑论文第五章在提出的智能网络架构基础上，在基于ＬＴＥ－Ｖ模式４的Ｖ２Ｖ通逡逑信网络中，深入讨论了如何利用深度强化学习对切片的无线资源进行宏观地配置，逡逑具体研宄内容包括：逡逑１５逡逑
【学位授予单位】：北京邮电大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：U495

【相似文献】