基于毫米波通信技术的车辆集群算法

本发明涉及车辆通信，特别是车辆集群算法和毫米波通信技术。

背景技术：

1、随着车联网的发展，移动通信节点在工业4.0、物联网(iot)和汽车网络等各种垂直行业的使用呈指数级增长。这种增长强调了蜂窝通信系统在支持高度移动的车辆网络方面的重要性，以便随时随地为各种应用提供多样化的车载互联网服务。然而，这一发展给现有的移动蜂窝网络带来了显著的压力，通信运营商面临着无法满足用户对于数据流量需求的挑战。这些车辆应用和服务包括位置共享应用、传感器数据共享应用、移动中的在线游戏、多媒体下载、旅游/广告信息、社交媒体应用(即qq和微信)、虚拟现实(vr)、增强现实(ar)、混合现实(mr)等。在用车高峰期，尤其在城市高速路上，多车道虽然容纳了更多的车，但也加重了蜂窝网络的流量负载，如何在上行链路中有效地将大量数据迅速卸载到服务器或基站，成为了一个迫切需要解决的问题。目前，制约这一数据卸载过程的主要挑战之一是sub-6ghz频谱资源的快速耗尽。

2、目前，已有许多学者就运用各种通信技术来卸载数据进行了研究，上行链路数据卸载是指使用v2x通信将数据从车辆传输到其他车辆或基础设施(如rsu或基站)的过程。该过程用于减轻蜂窝网络的负担，并提高通信系统的整体性能，其主要有两种方法：一种是使用车辆云计算，其中车辆充当移动云节点，并向其他车辆提供计算和存储资源，文献[zhangke,mao yuming,leng,supeng et al.mobile-edge computing for vehicular networksa promising network paradigm with predictive off-loading[j].ieee vehiculartechnology magazine,2023,12(2):36-44]提出了一种车载网络中基于云的移动边缘计算(mec)卸载框架。考虑到计算任务执行的时间消耗和车辆的移动性，作者还提出了一种有效的预测组合模式降级方案，其中任务通过直接上传或预测中继传输自适应地卸载到mec服务器。令一种是通过使用协作通信技术，文献[c.-m.huang,s.-y.lin,and z.-y.wu.the k-hop-limited v2v2ivanet data offloading using the mobile edge computing(mec)mechanism[j].veh commun,2020,26:100–168]提出了一种基于卸载时间的k跳有限卸载方案，在车辆的后方或前方找到一条路径将其连接到附近的一个ap，以尽可能早和尽可能长地进行vanet数据卸载。这样的多跳链路在mec的帮助下建立，作者提出了恢复算法来尽可能延长卸载会话，在不同车辆密度的情况下，基于mec的v2v2i vanet卸载方法优于传统的v2i vanet卸载方法。文献[razvan stanica,marco fiore,francesco malandrino,etal.offloading floating car data[c]//2013 ieee 14th international symposiumon"a world of wireless,mobile and multimedia networks"(wowmom).madrid:spain,2013:1-9.]提出了一种使用v2v通信的分布式卸载方案，以减少从蜂窝网络基础设施上传车辆数据的负载。该方案涉及一组车辆，将其制定为最小支配集(mds)问题，收集和分发整个网络的fcd数据。使用基于度的(db)机制进行分析，然后引入基于蜂窝的基于度的确认(db-c)方法，开发了基于预留的(rb)方案来克服db-c的不足。

3、随着研究的深入，车辆能够选择不同的通信技术卸载数据，文献[zongjian he,daqiang zhang,junbin liang.cost-efficient sensory data transmission inheterogeneous software-defined vehicular networks[j].ieee sensors,2016,20:1558-1748.]开发了一种软件定义的车辆网络(sdvn)，旨在提高车辆网络中数据路由的成本效益。sdvn使用一种调度方案，该方案考虑了车载单元(obu)上可用的不同接口，如dsrc、蜂窝和wi-fi，以选择最具成本效益和高带宽的选项。毫米波通信技术作为增强车辆感知的技术应用到车辆网络中，文献[rohit singh,deepak saluja,suman kumar.reliabilityimprovement in clustering-based vehicular ad-hoc network[j].ieee,2020,16:1351-1355.]提出了集成毫米波和sub-6ghz车载通信接口的基于集群的车载自组织网络方案，作者提出了转移路径方法(dpa)来增强v2v通信的可靠性。此外，还引入了备用链路的概念，以增强v2i通信的可靠性。文献[gosan noh,junhyeong kim,seungnam choi,etal.feasibility validation of a 5g-enabled mmwave vehicular communicationsystem on a highway[j].ieee,2021,9:36535-36546.]提出了一种基于毫米波的车辆与基础设施(v2i)通信系统，通过现场试验评估其在实际公路上的可行性和有效性，验证了v2i链路使用毫米波通信技术的可行性。

4、随着研究的推进，将毫米波通信技术应用于车辆自组织网络中，为车辆提供更多的可用频谱，能够实现比传统蜂窝网络更高的数据卸载量。然而，考虑使用毫米波通信来进行v2v与v2i链路的研究文献尚少，因此，从毫米波通信技术的链路稳定性出发，提出一种基于几何的毫米波链路可持续时间预测算法，以此设计一种基于毫米波通信技术的车辆集群方案，使用毫米波通信技术实现稳定的v2i、v2v链路，利用簇头收集数据并传输数据到路边单元，充分发挥毫米波通信技术的优势，实现高卸载量、可靠交付的数据卸载目标。

技术实现思路

1、本发明旨在解决以上现有技术的问题。提出了一种基于毫米波通信技术的车辆集群方案。本发明的技术方案如下：

2、一个基于毫米波通信技术的车辆集群方案，其包括车辆集群的构建与维护方案，同时，针对车辆间通信链路使用毫米波通信技术，需要设计算法优化其通信方式。其包括以下步骤：

3、101、毫米波链路可用性判断与链路持续时间预测。车辆通过pc5接口接收到周围车辆周期发送的车辆数据后，根据各车辆的位置信息，使用基于几何的毫米波链路可用性判断算法来评估链路的连通性；通过无迹卡尔曼滤波算法获取车辆未来几秒的位置信息，使用链路可用性判断算法来预测车辆链路未来几秒的可用性情况，若连续几秒获得的预测位置信息都推测出链路可用，则链路持续时间为对应的时间，由此获得预测的车辆毫米波链路持续时间。

4、102、根据步骤101获得车辆与周围车辆的链路持续时间后，将其作为重要标准纳入集群构建与维护中；车辆周期性计算自身的簇头参考值，以车辆与周围车辆的毫米波链路持续时间的平均值、车辆的相对移动性和车辆与路边单元(du)的距离为模糊逻辑系统的输入，输出簇头参考值。在集群选择出簇头后，簇头会周期性的从周围的节点中选择出合适的集群内车辆作为中继节点，以车辆与簇头的相对速度与毫米波链路的可持续时间，以及跟随该车辆的车辆数量为模糊逻辑系统的输入，输出车辆的中继节点参考值，从而在集群中选择出合适的中继节点；

5、103、根据步骤102评估出簇头参考值后，选择出合适的集群簇头，考虑周围其他车辆加入集群；车辆加入集群需要评估周围车辆的优先值，选择合适的车辆连接，整个过程中，车辆周期性更新自身与周围车辆的连接值，以记录车辆间的连接性，当车辆有切换连接节点需求时，计算周围车辆的优先值，以选择出能够保持稳定连接的车辆节点为目标，考虑多种影响车辆连接的标准，使用模糊多层次分析来计算车辆的优先值。

6、进一步的，根据权利要求101所述的毫米波链路可用性判断，本发明采用基于几何的算法验证车辆毫米波链路的可用性。相关定义和具体步骤如下：

7、在获得周围车辆的位置信息后，建立车辆的毫米波传播模型来判断车辆能否建立可用的链路。在数据传播过程中，一旦毫米波链路被其他车辆阻挡，链路质量会显著降低，从而导致阻塞。此外，接收器超出有效传输范围也会导致通信传输中断。因此，为了在传输过程中尽可能避免丢包，考虑了两个因素：车辆是否在另一辆车的最大传输范围内；两车之间的链路是否被其他车辆挡住。从而设计一种基于车辆位置信息的链路可用性识别方法，判决规则为：

8、

9、lij表示车辆i和车辆j之间的链路。lij在未被阻塞且小于最大传输距离时具有良好的信道状态。车辆的毫米波通信最大传输范围r为：

10、

11、其中pi表示车辆i的发射功率，pn表示噪声功率，pth为给定接收器j处的最小信噪比(snr)阈值，l0＝(4π/λ)2表示1m处的参考路径损耗，其中λ是毫米波信号的波长。g为波束对准后一对一链路上发射和接收车辆的单向波束天线增益，可由下式给出：

12、

13、其中θ是车辆i和车辆j之间的对准误差角。假设被调度的通信对的波束正确对准，即忽略波束未对准。是半功率波束宽度，g是旁瓣功率，在0和1之间。车辆j处的接收信号功率可表示为：

14、

15、其中pi为车辆i的发射功率，rij为车辆i与车辆j之间的距离，α为路径损耗指数。gi和gj分别是发射机i和接收机j的天线增益。在这里，假设所有车辆都具有相同的发射功率pt和相同的单波束天线增益，gi＝gj。

16、进一步的，假设车辆的平均长度为lv。在图3中，将车辆v1称为参考发射器，将v1传输范围r内的车辆v3、v4、v5称为参考接收器。以v1为圆心，在半径为lv/2的圆v2上画两条切线。分别分析v1和v3、v4、v5之间链接的可用性(即l13、l14、l15)。

17、情况1：车辆在同一车道上。例如v1、v2、v4在同一车道，v2在v1和v4之间，链路l14被阻断，c14＝0。

18、情况2：车辆在不同的车道上。链接的可用性取决于两个角度ω和γ的关系。根据车辆的位置，这些角度由下式给出：

19、

20、rij车辆i到车辆j的链路的方向向量，<·>表示内积运算。在图3的例子中，计算出ω1、γ1、ω2、γ2的值，它们之间的关系为：ω1＞γ1，ω2＜γ2。因此，l13被v2阻断，c13＝0，l15不被v2阻断。通过这种方式，可以判断l15是否被除v2之外的其他车辆阻挡。当且仅当没有阻挡车辆时，c15才等于1。基于上述链路可用性识别方法，车辆可以识别周围车辆之间的所有链路并构建毫米波los图g＝(v,e)，其中e＝{lij|i,j∈v,cij＝1}。

21、在能够对毫米波链路的可用性进行判断后，若获得车辆未来的位置后，便可以预测未来时间点的毫米波链路可用性，获得链路的持续时间；车辆未来的时间通过在当前时间点的位置上进行无迹卡尔曼滤波的更新步骤，每秒重复一遍更新步，即可获得对应的车辆位置，接着判断链路的可用性，若链路不可用则停止位置预测更新，若链路可用则持续时间增加；

22、进一步的，根据步骤101获得车辆间毫米波链路的持续时间，所述步骤102根据车辆的其他信息计算簇头参考值和中继节点参考值；计算簇头参考值需要得到车辆的相对移动性指标，由于车辆的机动性高，导致车辆集群的稳定性较低，为了选择合适的簇头以增加集群稳定性，引入相对移动性指标来衡量车辆在道路中的移动，对同一方向且相距300米内的车辆进行计算，对于行驶中的车辆k，它与范围内的所有其他车辆之间的速度差是：

23、

24、与范围内的所有其他车辆之间的加速度差是：

25、

26、相对移动性指标：

27、

28、其中α和β是加权系数，且α+β＝1。它们可以根据不同的交通状况进行调整。在这里取值都为0.5。相对移动性指标归一化处理：

29、

30、相对移动性指标m能够评估一辆车与范围内所有其他车辆之间的相对速度和最大加速度差异。较小的m表示该车辆的相对移动性低于该集群中的其他车辆，即其作为簇头更加稳定；

31、车辆k的周围车辆毫米波链路持续平均时间，其计算公式为：

32、

33、其中,表示第i辆车与车辆k的链路持续时间，n辆车需要满足对于i＝1,2,...,n。

34、当簇头周围的集群节点满足以下约束条件的情况下进一步计算其中继节点参考值：

35、

36、进一步的，在获得车辆相关信息后，使用模糊综合评价法来计算车辆的簇头参考值与中继节点参考值；

37、模糊综合评价法是一种基于模糊数学的多因素决策方法，被用于解决多指标的评价问题，其主要的思想是将各因素的权重，评语和贡献值用模糊数来表达，通过模糊逻辑运算，得到最终的综合评价结果；通过模糊综合评价法对车辆的簇头参考值进行评价，以车辆vi为研究对象，主要包括以下五个步骤：

38、1)确定因素集u＝{u1,u2,u3}，其中，u1为因素“车辆的相对移动性”，u2为因素“车辆与路边单元du的距离”，u3为因素“毫米波链路持续时间的平均值”；

39、2)确定评语集v＝{v1,v2,v3}，其中，v1为评语“差”，v2为评语“中”，v3为评语“优”；

40、3)确定各因素的权重集c＝{c1,c2,c3}，其中，c1,c2,c3分别对应u1,u2,u3三个因素的权重，三者之间的关系满足c1+c2+c3＝1，三者的取值由车辆来决定；获得权重c1,c2,c3后，记作向量c＝[c1,c2,c3]；

41、4)确定模糊综合评价矩阵；将mi(t)、di(t)和通过隶属度函数进行模糊化，获得u1,u2,u3三个因素在v1,v2,v3三个评语中的隶属度，其中隶属度函数通过三角形和梯形隶属度函数相结合的形式进行设计；u1的隶属度函数如图4(a)所示，u2的隶属度函数如图4(b)所示，u3的隶属度函数如图4(c)所示。其中三角形隶属度函数公式为：

42、

43、式中，e和g分别为模糊集合输入参数的上下限，f为隶属度函数峰值所对应的输入参数。梯形隶属度函数公式为：

44、

45、式中，h和k分别为模糊集合输入参数的上下限；i和j分别为隶属度函数峰值所对应输入参数的上下限；

46、通过图4(a)～(c)设计的各输入参数的隶属度函数，代入式(12)、式(13)，即可得到u1,u2,u3三个因素对应v1,v2,v3三个评语的隶属度；

47、令u1对评语v1,v2,v3的隶属度构成向量g1，u2对v1,v2,v3的隶属度构成向量g2，u3对v1,v2,v3的隶属度构成向量g3，三者构成模糊综合评价矩阵g＝[g1；g2；g3]；

48、5)模糊综合评价：将c和g两个模糊矩阵进行合成，通过最大-最小合成法得到评价结果然后取隶属度的值作为此次车辆簇头参考值的综合评价的结果。

49、计算车辆中继节点参考值与簇头参考值的计算方法相同，都使用模糊逻辑评价法进行评估，其不同在于模糊逻辑输入的选择、隶属度函数的设计与模糊逻辑规则的不同；中继节点参考值计算时，其因素集u＝{u1,u2,u3}，其中，u1为因素“与簇头的相对速度”,其隶属度函数如图5(a)所示，u2为因素“跟随该车辆的车辆数”，其隶属度函数如图5(b)所示，u3为因素“与簇头的毫米波链路的持续时间”，其隶属度函数如图5(c)所示；通过最大-最小合成法得到评价结果，取隶属度的值作为该车辆中继节点参考值的综合评价的结果。

50、进一步的，步骤102获得集群的簇头参考值与中继节点参考值，将其应用到集群构建与维护中，而车辆则需要在动态的环境下连接合适的节点接入集群传输数据，所述步骤103获得周围车辆的优先值，在车辆选择节点连接时提供参考；

51、车辆通过更新与周围节点的连接值，判断车辆间链路的可用性，作为切换节点与选择连接车辆的参考条件，进一步减少计算量，连接值的计算公式为：

52、

53、其中cij是连接值，表示车辆i与节点j的连接值；tpred是车辆预测的连接时间，能否最低满足车辆的通信所需时间需要看连接车辆的角色；若j为中继节点，则当时tpred(i,j)≥2s时，cij＝tpred(i,j)，否则cij＝0；若j为簇头节点，则当时tpred(i,j)≥1s，cij＝tpred(i,j)，否则cij＝0；若j为边缘节点或独立节点(状态为ecn或iso_ch)，则cij＝0。

54、进一步的，获取周围车辆的连接值后，选择连接值大于0的车辆，进一步计算其优先值，使用模糊集理论与ahp过程相结合的fahp算法，最大限度地减少与决策问题相关的模糊性，在fahp中执行以下步骤来计算与每个标准相关的权重：

55、1)每个决策者使用tfn标准比较。第k个决策者的成对比较矩阵如下：

56、

57、其中使用tfn表示第k个决策者对第i个标准相对于第j个标准的偏好，n是标准的数量。

58、2)如果有多个决策者，则取平均值：

59、

60、其中k是决策者的数量。

61、3)所得的成对比较矩阵：

62、

63、4)每个标准的模糊比较值的几何平均值：

64、

65、5)每个标准的权重：

66、

67、其中，符号和分别表示模糊乘法和模糊加法。

68、6)对于每一个标准，将其隶属度函数值与权重相乘，并将乘积相加得到该标准的隶属度值，最将后所有标准的隶属度值相加得到综合隶属度值，即为车辆的优先值。

69、车辆选择优先值较高的多辆车发送连接请求，从而实现连接节点的切换等步骤，车辆选择节点连接是构建与维护集群的基础，平滑的切换能使集群稳定，进一步提高整个网络的数据卸载量。

70、本发明的优点及有益效果如下：

71、1.设计了一种基于毫米波通信技术的车辆集群算法，结合最新的毫米波通信技术的研究，构建了一个新的网络模型，使用毫米波通信技术进行v2v、v2i链路的通信，极大的提高了车辆的数据卸载量。

72、2.设计了一种基于几何的毫米波链路可持续时间预测算法，通过预测车辆位置并进行链路可用性判断，预估了链路的可持续时间，以可视距的链路代替毫米波通信的强度与受到的干扰来衡量链路的可用性，维护了车辆与集群的连接，提高了集群的稳定性。

73、3.在获得链路的持续时间后，设计了完整的集群构建与维护流程，将预测的链路持续时间作为重要参数考虑进集群的簇头选择、中继节点选择与车辆动态连接集群中，既提高了毫米波链路的稳定性，又保证了车辆稳定的接入集群中，提高了集群稳定性与数据卸载量。