基于直通模式的车联网V2V频谱资源分配开题报告

1. 研究目的与意义（文献综述）

据相关数据显示，到2023年，中国将有67%的新出产汽车会内置车联网硬件^[1]，而5g的低延迟、高速率等特点能够满足车联网在各场景下的应用需求，车联网技术也因此成为了研究热点。v2x（vehicle to everything）是车联网中使用到的重要技术，包括v2v（vehicle to vehicle，车与车）、v2i（vehicle to infrastructure，车与基础设施）、v2p（vehicle to personal，车与行人）、v2n（vehicle-to-network，车与网络）等多种类型。这些技术的使用有助于车辆与外界进行信息的交换和处理，让车辆感知周围的环境信息，以起到减少交通事故、提高通行效率甚至实现自动驾驶的作用。其中v2v通信可以增强车辆间的相互感知能力，在一定程度上降低了司机的视线盲区导致的安全隐患，避免交通事故的发生^[2]。

对于车联网中的v2v通信模式，可以根据数据传输是否经过基站，分为蜂窝模式和直通模式。其中蜂窝模式使用的是lte-uu空中接口，在这种工作模式下，ue（user equipment）必须将其消息发送到上行链路中的enodeb，enodeb再将其消息发送到下行链路中的目的ue^[3]。尽管利用蜂窝网络可以扩大车辆通信的传播范围，但是由于所有的数据都需要经过基站传输，当车辆密度较大时，基站负荷较大，会造成较大的延时，难以满足对时延要求较高的安全应用程序的需求。而直通模式采用的是pc5接口，该接口能够实现车辆直接通信，减轻基站负荷，传输时延低且可靠性较高。

直通模式按频谱资源的分配方式可分为专用模式和重用模式，其中重用模式下ue会自主复用蜂窝用户的链路资源，提高频谱效率，但会对蜂窝通信造成干扰，降低了链路的吞吐量。目前国内外对v2v用户的频谱资源分配、车辆功率控制等方面进行了研究。文献[4]针对网络负载较轻的情况下，提出了空闲资源块和功率分配算法；而在网络负载较重的情况下，提出了占用资源块和功率分配算法。文献[5]基于慢衰落参数和信道的统计信息进行频谱共享和功率分配，最大化v2i链路的遍历容量。文献[6]提出了基于功率控制的5g车联网资源调度算法，采用二维马尔可夫模型将系统资源分为蜂窝用户使用优先和v2v用户对使用优先的两类；接着，以最大化系统吞吐量为目标，实现用户功率控制和资源分配协同优化。文献[7]提出一种基于萤火虫算法的c-v2v车载无线通信系统频谱分配算法,来提高频谱利用率。文献[8]提出了基于最小化谱半径增量的信道资源分配算法，保证v2v并发用户传输数量最大化。文献[9]提出一种有效的资源分配和功率控制(resources allocation and power control，rapc)算法，该rapc算法先依据最大化信道容量原则，给v2i用户分配资源，然后，在维持v2v用户的时延和可靠条件下，v2v用户与v2i用户共享资源。文献[10]设计了频谱资源分配算法，每个v2v组对应一个蜂窝用户，并提出了基于严格潜在博弈的功率控制方案，提高链路吞吐量。文献[11]提出一种基于能效的动态资源分配算法，该算法利用李雅普诺夫随机优化方法，根据当前网络的负载状态进行动态资源调度，在保证v2v用户时延、可靠性以及蜂窝用户速率需求的同时最大化系统能效。文献[12]提出一种两级自主资源分配的机制，首先根据高速道路的通信场景，对车辆的行驶方向不同来决策，对资源池进行划分，以减少不同方向的车辆作为发送消息的干扰，然后为了减少并行方向剩余同道的干扰，提出以一种改进sps（semi-persistent schedule 半静态调度）算法，采用在占用资源时并报告资源的位置来减少vue（vehicle user equipment，）资源碰撞的概率。文献[13]设计了以较低算法开销适应车辆拓扑动态变化的分簇算法，对lte 进行重新规划，对簇内的资源分配策略采用不同消息采用不同资源调度方式的解决方案。文献[14]采用机器学习模型，用于预测各个区域的车辆用户数，根据预测结果分析并完成对整个车联网中各区域的动态资源分配。文献[15]用博弈论进行问题建模，构建了rl-lstm（reinforcement learning- long short-term memory）的动作序列预测模型，提出资源分配算法，在考虑用户传输移动位置和缓存状态的同时，使得网络吞吐量最大化。文献[16]提出一个启发式算法，先对车辆用户分簇，再使用匈牙利指派算法对其进行资源分配，最后进行功率调整，最大化蜂窝用户的速率。韦伟在其文献[17]中提出一种借助vanet（vehicularad-hoc network，车载自组织网络）路边单元提供辅助的车联网复用lte资源的通信方式。文献[18]提出了基于深度q学习（deepq-learning，dqn）的单信道资源分配算法，当网络环境变化时，智能体会根据已有的学习经验自动计算近优性结果。

2. 研究的基本内容与方案

（1）基本内容和目标

本设计首先会对车联网v2x的系统结构以及技术标准的研究进展进行文献研究，并结合移动通信原理和车联网的知识，研究直通模式下v2v的性能指标以及影响因素，进而分析出直通模式下车联网v2v复用频谱资源产生严重干扰的原因。

在算法设计部分，本设计会综合评估现有研究中改善v2v通信性能的方法的优缺点，提出改进和优化措施，重点在功率控制和资源分配策略上搭建数学模型、确定分配算法。

3. 研究计划与安排

第1-3周：完成题目调研，查阅参考资料，设计大致框架，撰写开题报告；

第4-5周：学习有关车联网及v2v知识，完成论文开题；

第7-8周：用matlab对v2v通信进行建模；

4. 参考文献（12篇以上）

[1] 韩彬.我国车联网技术及产业发展现状[j].汽车工程师,2019(12):14-16.[2] 李福涛.车联网通信技术简析[j].数字通信世界,2020(02):87.

[3] gaurang naik, biplav choudhury, jung-min park. ieee 802.11bd 5g nr v2x: evolution of radio access technologies for v2x communications[j]. ieee access, 2019,7：70169-70184.

[4] xiaoshuai li, lin ma, et al. joint power control and resource allocation mode selection for safety-related v2x communication[j]. ieee transactions on vehicular technology, 2019，68（8）：7970-7986.

[5] le liang, geoffrey ye li, wei xu. resource allocation for d2d-enabled vehicular communications[j]. ieee transactions on communications, 2017, 65(7): 3186-3197. [6]孙向月. 5g车联网场景下基于业务优先级的资源调度算法的研究[d].重庆邮电大学,2019.[7]朱丹. cellular-v2v车载无线通信系统资源分配[d].桂林电子科技大学,2019.[8]黄家庆. v2v系统分簇及功率控制、信道分配问题研究[d].东南大学,2019.[9]蹇清平,张毅.v2x通信的资源管理及功率控制算法[j].中国电子科学研究院学报,2019,14(10):1042-1047.[10] 周诗豪. 蜂窝车联网中v2v通信资源分配和动态模式自适应切换研究[d].华中科技大学,2019.[11] 肖娇. 基于c-v2x的车联网资源调度算法研究[d].重庆邮电大学,2019.[12] 余翔,陈晓东,王政,石雪琴.基于lte-v2x的车联网资源分配算法[j/ol].计算机程:1-7[2020-03- 17].https://doi.org/10.19678/j.issn.1000-3428.005693.[13] 陈倩. 基于分簇的lte网络v2v资源分配策略研究[d].电子科技大学,2017.[14] 刘聪. 基于机器学习的车联网资源分配机制研究[d].西安电子科技大学,2017.[15] 张亚楠. 基于深度增强学习的网络资源分配[d].南京邮电大学,2019.[16] 向煜. 基于d2d通信的v2x资源分配方案研究[d].重庆邮电大学,2018.[17] 韦伟. d2d/v2x通信的资源管理技术研究[d].北京邮电大学,2017.