協(xié)同車輛安全系統(tǒng)自適應信道擁塞控制研究.pdf

1、協(xié)同車輛安全系統(tǒng)是車聯(lián)網(wǎng)最重要也是最具有挑戰(zhàn)性的一種應用。車輛追蹤性能是協(xié)同安全系統(tǒng)的基礎，協(xié)同安全系統(tǒng)主要依賴IEEE802.11p周期性廣播車輛狀態(tài)信息，實現(xiàn)車輛間移動軌跡的追蹤。然而，車聯(lián)網(wǎng)中，車輛移動環(huán)境影響網(wǎng)絡性能，在高車輛密度情形下，IEEE802.11p信道產(chǎn)生擁塞，通信性能下降，而通信性能下降反過來直接導致車輛移動軌跡追蹤精度下降。車輛移動物理動態(tài)性和通信過程之間緊耦合的關系，要求必須建立自適應于車輛移動環(huán)境的信道擁塞控

2、制策略，充分公平使用信道帶寬資源，保證不同車輛密度情形下車輛準確追蹤性能。本文以建立車輛移動環(huán)境與IEEE802.11p交互模型和信道訪問控制協(xié)議為目標，分別從以下幾個問題展開研究:
　　(1)目前的信道擁塞控制策略是在信道發(fā)生擁塞之后或者車輛密度變化之后才對網(wǎng)絡參數(shù)進行調(diào)整，這就需要一定的時間，從擁塞的信道狀態(tài)恢復至正常的信道狀態(tài)，無法滿足車輛追蹤實時性需求。為了保證動態(tài)車輛密度環(huán)境下車輛間實時追蹤，基于模型預測控制方法，提出了

3、一種自適應于車輛密度的功率主動控制策略。首先，建立了動態(tài)車輛密度與信息分發(fā)速率交互模型，基于該模型，將一個時域內(nèi)的功率控制問題轉(zhuǎn)化為一個非線性優(yōu)化問題，并設計了一個分布式功率迭代算法;然后，在一個時域優(yōu)化問題的基礎上，針對車輛密度變化的時變性，提出了基于車輛密度估計和滾動優(yōu)化的功率自適應控制算法，該算法主動引導IEEE802.11p在不同車輛密度情形下達到期望的信息分發(fā)速率性能，并實現(xiàn)準確的車輛追蹤。
　　(2)車聯(lián)網(wǎng)中最近鄰居車

4、輛具有較高的碰撞危險系數(shù)，應該賦予最近鄰居車輛較高的數(shù)據(jù)包發(fā)送優(yōu)先權(quán)。然而，傳統(tǒng)的信道擁塞控制方法不能保證不同車輛密度情形下最近鄰居車輛的追蹤精度需求。為了充分利用信道資源，且維持最近鄰居車輛追蹤精度，提出了一個自適應于車輛追蹤精度需求的功率反饋控制框架。在該框架下，首先，設計了一個描述車輛密度、數(shù)據(jù)包成功接收概率和車輛追蹤精度之間交互關系的參考模型，該參考模型基于期望的車輛追蹤精度需求，獲取期望的數(shù)據(jù)包成功接收概率，作為功率自適應控制

5、過程的一個參考點;然后，設計了一個功率控制器，該控制器基于期望的數(shù)據(jù)包成功接收概率和實際的數(shù)據(jù)包成功接收概率之間的偏差，產(chǎn)生實時的功率控制序列，維持動態(tài)車輛密度和外界干擾影響下可接受的車輛追蹤精度。
　　(3)目前公平信道資源分配策略基于最大最小化方法實現(xiàn)，該方法沒有考慮資源分配的效率問題，不能保證每個車輛的追蹤精度最優(yōu)。為了保證每個節(jié)點公平的信道資源訪問機會，且實現(xiàn)準確的車輛追蹤，提出了描述車輛追蹤精度與接收節(jié)點數(shù)據(jù)包成功接收速

6、率之間交互關系的效用函數(shù);基于車輛追蹤精度效用函數(shù)，利用博弈論方法，設計了一個帶有懲罰函數(shù)的競爭窗口調(diào)整博弈模型，給出了博弈模型納什均衡點引導算法，該算法能夠使得信道訪問機會比較大的節(jié)點受到其它鄰居節(jié)點的懲罰，從而引導所有節(jié)點達到相同的信道訪問概率;為了實現(xiàn)帕累托最優(yōu)，設計了一個分布式競爭窗口調(diào)整算法，該算法通過在每個節(jié)點間交互競爭窗口信息，引導每個節(jié)點到達帕累托納什均衡點，實現(xiàn)節(jié)點間相同的信道訪問機會且保證準確的車輛追蹤。
　　

7、(4)目前信道擁塞控制策略假設數(shù)據(jù)包的丟失主要由于信道中多個節(jié)點并發(fā)發(fā)送數(shù)據(jù)包產(chǎn)生的碰撞造成。然而，由于隱藏終端的存在，并不是所有成功發(fā)送的數(shù)據(jù)包都能被周圍鄰居節(jié)點成功接收。目前的信道擁塞控制策略沒有考慮隱藏終端的影響。針對上述背景，基于比例-積分-微分控制方法，提出了一個自適應于車輛密度與隱藏終端數(shù)量的動態(tài)反饋功率控制策略。首先，建立了動態(tài)車輛密度和隱藏終端影響下的信息分發(fā)速率模型，基于該模型，給出了能夠預測不同車輛密度情形下期望信息