吳啟暉，金珊珊，董 超，黃 洋，戚 楠

(南京航空航天大學 電磁頻譜空間認知動態(tài)系統(tǒng)工業(yè)與信息化部重點實驗室，南京210016)

車輛自組織網(wǎng)絡簡稱車聯(lián)網(wǎng)(Vehicular Ad Hoc Networks，VANETs)，是移動自組織網(wǎng)絡的一種特殊形式，對于提升道路交通的信息化，減少交通事故，提高交通安全，均具有十分重要的意義，近年來已成為智能交通領域的研究熱點[1].在車聯(lián)網(wǎng)中，車輛可以通過車載單元(On-Board Unit，OBU)實現(xiàn)與其通信范圍內(nèi)車輛的V2V(Vehicular to Vehicular)通信，同時，車輛也可以通過道路兩側的路邊單元(Road Side Unit，RSU)與其通信范圍內(nèi)的車輛實現(xiàn)V2R(Vehicular to RSU)通信.在未來，車輛還可以與路邊行人以及路燈等路邊交通設施進行通信，進一步為自動駕駛等應用提供有力的支持.

由于車輛具有高度的移動性，無線頻譜資源就成為車聯(lián)網(wǎng)的重要資源.1999年，美國聯(lián)邦通信委員會(Federal Communications Commission，F(xiàn)CC)為智能交通系統(tǒng)(Intelligent Transport System，ITS)分配了5 850～5 925 MHz總共75 MHz的帶寬，用于IEEE 802.11p技術標準[2].其中，5 850～5 855 MHz的5 MHz是預留的保護頻段，余下的從5 855～5 925 MHz頻段共劃分了7個信道，每個信道的帶寬為10 MHz.同時，F(xiàn)CC對每個信道的業(yè)務進行了定義，包括1個控制信道(Control CHannel，CCH)和6個服務信道(Service CHannel，SCH).可以看出，F(xiàn)CC固定了這些信道的使用方式，具體來說，控制信道用于傳輸安全控制類消息，而服務信道則用于傳輸用戶的業(yè)務信息[3].

隨著包括自動駕駛、道路安全通告以及車內(nèi)娛樂等車聯(lián)網(wǎng)業(yè)務的發(fā)展與普及，固定分配的頻譜使用模式已經(jīng)無法滿足需求.1)車聯(lián)網(wǎng)的拓撲是不停變化的，每一時刻都可能會有車輛加入或離開網(wǎng)絡，網(wǎng)絡拓撲隨時間和位置的動態(tài)變化導致了頻譜資源需求的動態(tài)性；2)不同地域中的車輛密度不同，比如，城區(qū)的車輛密度會遠遠大于郊區(qū)，對任何地域都采用固定的頻譜分配方式就顯得靈活性不足；3)車聯(lián)網(wǎng)的網(wǎng)絡環(huán)境十分復雜且在動態(tài)變化，物聯(lián)網(wǎng)的興起導致用頻設備增多，這加劇了無線頻譜環(huán)境的復雜性與動態(tài)性，車聯(lián)網(wǎng)也不能幸免.因此，無論從車聯(lián)網(wǎng)的動態(tài)用頻需求還是車聯(lián)網(wǎng)頻譜資源本身的動態(tài)性來說，固定分配的頻譜使用模式都會加劇車聯(lián)網(wǎng)頻譜資源的緊缺，從而頻譜資源的動態(tài)靈活運用就成為了車聯(lián)網(wǎng)發(fā)展的關鍵問題.

近些年，有許多研究都力求打破車聯(lián)網(wǎng)頻譜資源固定使用的模式.文獻[4]解決WAVE系統(tǒng)頻譜利用不足并且效率低下的問題，采用認知無線電的概念和增強型分布式協(xié)調(diào)接入(Enhanced Distributed Channel Access，EDCA)技術，提出了適用于VANETs的認知MAC協(xié)議，該協(xié)議在長期頻譜接入中使用并發(fā)傳輸來增強MAC容量，在短期頻譜接入中采用寬帶頻譜的方法，從而提高了信道利用率(Channel Utilization， CU)和安全消息的可靠性.文獻[5]根據(jù)車輛節(jié)點的移動性，利用地理位置和感知的頻譜信息，提出了一種允許車輛機會性地訪問WiFi信道的協(xié)議，其中感知的信道信息和地理位置被用于執(zhí)行發(fā)送分組的認知路由，該協(xié)議可以提高整體網(wǎng)絡吞吐量.文獻[6]提出了一種車載網(wǎng)絡的認知MAC協(xié)議，該協(xié)議使用短期和長期無線電頻譜接入來保證公平的頻譜共享.此外，所提出的信道接入方案利用多用戶的多樣性來實現(xiàn)較高的網(wǎng)絡吞吐量.文獻[7]提出了適用于城市和郊區(qū)的高效多通道服務質(zhì)量認知MAC協(xié)議，專用于車載環(huán)境的高效多信道QoS認知MAC.文獻[8]基于一個包含多個時隙的時間窗設計了資源分配算法，分析了包含主基站和次級基站的小區(qū)中的頻譜共享策略.以上工作對車聯(lián)網(wǎng)頻譜資源的動態(tài)利用進行了有益的探索，但并未很好地考慮車聯(lián)網(wǎng)頻譜資源的特征，比如，車輛有限的通信距離導致的頻譜可重用性等.

本文作者對車聯(lián)網(wǎng)頻譜捷變機制進行研究，頻譜捷變是智能、可靠、高效地使用頻譜資源的有效技術.使用頻譜捷變技術，可以根據(jù)實時頻譜態(tài)勢進行智能決策，及時地對頻譜資源進行調(diào)整，從而有效地解決頻譜擁塞和干擾等問題，極大地提高頻譜利用效率.

1 車聯(lián)網(wǎng)頻譜捷變架構與協(xié)議

1.1 車聯(lián)網(wǎng)頻譜捷變架構

如圖1所示，本文所提的車聯(lián)網(wǎng)頻譜捷變架構包含頻譜感知、頻譜決策以及頻譜服務三層，具體描述如下.

圖1 車聯(lián)網(wǎng)頻譜捷變架構Fig.1 Architecture of spectrum agility for VANETs

1)頻譜感知層的主要作用是對車聯(lián)網(wǎng)環(huán)境的頻譜使用狀況進行感知，為下一步的頻譜決策提供依據(jù).這一功能由圖1中的頻譜感知模塊完成，常用的方法有能量檢測法、匹配濾波器檢測法和循環(huán)平穩(wěn)特征頻譜檢測法等[9].除此之外，考慮到車輛的通信距離往往并不遠這一特點，本文提出基于車輛的位置感知以及地理位置數(shù)據(jù)庫等信息，對車輛進行分組，如圖1中的車輛分組模塊，其思想在于依據(jù)車輛的分布情況對車輛進行分組，實現(xiàn)對空閑頻譜的粗粒度劃分，即按照車輛的不同分組來接入相應的空閑頻譜資源.

2)頻譜決策層是車聯(lián)網(wǎng)頻譜捷變的關鍵一層，通過頻譜感知層提供的信息，為每一輛車的每一類業(yè)務分配相應的頻譜資源，從而保證車輛以及應用的服務質(zhì)量(Quality of Service，QoS)要求，這一步是對空閑可用頻譜的細粒度調(diào)度.

3)頻譜服務層的主要功能是進行頻譜的利用，主要包括頻譜共享和頻譜移動模塊.它們會利用頻譜決策的結果，解決多輛車之間的頻譜共享以及車輛移動導致的頻譜移動問題.

在上述所提的車聯(lián)網(wǎng)頻譜協(xié)作架構中，車聯(lián)網(wǎng)動態(tài)分組模塊與車聯(lián)網(wǎng)頻譜決策模塊至關重要.

1.2 車聯(lián)網(wǎng)動態(tài)分組協(xié)議

考慮到車輛有限的通信距離，相距比較遠的車輛可以復用相同的頻譜資源，同時，從車聯(lián)網(wǎng)的應用出發(fā)，并不是網(wǎng)絡中的所有車輛都需要建立通信連接，比如，相距很遠的車輛并不需要相互之間通告安全信息等.因此，對車輛進行分組是節(jié)省頻譜管理成本、提高車聯(lián)網(wǎng)頻譜管理效率的有效技術手段.本文考慮車輛駕駛員可能具有的沿某一特定路線和目的地行駛的特性，引入車輛的宏觀社會行為這一概念，提出一種基于車輛社會行為的車輛動態(tài)分組協(xié)議，其流程如圖2所示.

圖2 車聯(lián)網(wǎng)動態(tài)分組Fig.2 Dynamic networking of VANETs

1)整個網(wǎng)絡被分成不同的子網(wǎng)絡(對應社會學中的社區(qū))，每個RSU(按照RSU位置分布的稀疏程度，每個RSU中可能包含1個或多個子網(wǎng)絡)收集各自網(wǎng)絡內(nèi)車流的統(tǒng)計信息以及各個車輛的個體信息(包括速度、方向、位置等)，完善對各個車輛的宏觀社會行為信息的收集，收集的結果將為后續(xù)車輛動態(tài)分組協(xié)議設計提供必要的數(shù)據(jù)信息.

2)RSU跟蹤每個車輛并對其社會行為信息進行判定，對社會行為相似的車輛進行初步分組，使不同分組的車輛具有相同或相似的社會行為，從而在大時間跨度上，初步保持各個分組的穩(wěn)定.

3)在初步分組的基礎上，根據(jù)設計目標是否完成，借助庫侖定律的思想，將車輛的宏觀社會行為與 “虛擬庫侖力”[10]的微觀社會行為相結合進行進一步分組.比如，當兩車輛靠近或以相同速度前行時，兩車輛以較大概率劃歸于同一組中，車輛之間存在牽引力；反之，當兩車輛間距隨時間推移而增大時，兩車輛在同一組中的可能性小，則車輛之間存在排斥力.具體實現(xiàn)時，各個車輛按照IEEE 802.11協(xié)議，以一定周期廣播各自的信標信息，來通知周圍車輛自己的存在，并告知臨近車輛自己的位置坐標(通過車載GPS獲取)、速度大小和方向信息.

1.3 頻譜決策協(xié)議

利用地理頻譜數(shù)據(jù)庫，頻譜決策協(xié)議可以根據(jù)業(yè)務的QoS要求以及鏈路層的接入等因素選擇出最合適的通信頻譜.車聯(lián)網(wǎng)頻譜決策協(xié)議應實現(xiàn)以下功能：通過觀察確定每個可用頻譜的特征，在確定端到端路由上為每一跳找到最佳的頻點，從而滿足端到端的QoS需求；同時，根據(jù)無線電環(huán)境和用戶的QoS要求重新配置通信協(xié)議的參數(shù)以及通信硬件的設置[11-13].考慮到車輛的移動性，車聯(lián)網(wǎng)的頻譜決策對實時性、最優(yōu)性要求更高.因此，本文認為，頻譜決策協(xié)議設計過程應遵循以下所述多智能體決策問題求解架構:

1)從Markov決策過程理論、Q-learning的理論基礎出發(fā)來設計頻譜決策協(xié)議，使得整個數(shù)學規(guī)約表達滿足Bellman方程，從而滿足動態(tài)規(guī)劃問題解最優(yōu)性的必要條件，即可以確保面向長期目標，協(xié)議所獲得的頻譜是最優(yōu)的.

2)基于強化學習理論設計適用于車聯(lián)網(wǎng)的、以長期目標為優(yōu)化導向的在線智能頻譜協(xié)作決策協(xié)議的具體流程.需要注意的是，車聯(lián)網(wǎng)的頻譜決策不是單智能體的決策而是多智能體的協(xié)同決策，這樣才能使得頻譜決策協(xié)議更加合理化.

在本文的實現(xiàn)中，采用了鏈路的SINR、車輛的分組情況以及業(yè)務的QoS需求等作為頻譜決策的主要依據(jù)，通過以上多智能體決策問題的求解架構來求解.

2 仿真評估及結果分析

為了對所提的車聯(lián)網(wǎng)頻譜捷變機制進行評估，本文使用道路交通軟件SUMO，網(wǎng)絡仿真軟件EXata以及計算軟件Matlab進行了聯(lián)合仿真.

2.1 仿真系統(tǒng)架構

車聯(lián)網(wǎng)頻譜捷變仿真系統(tǒng)整體架構如圖3所示.仿真大致分為兩個部分，其中離線部分主要包括道路交通模擬與車聯(lián)網(wǎng)動態(tài)分組模塊，兩者將車輛移動軌跡以及相應的車輛分簇結果發(fā)送給在線部分的對應模塊后，仿真就進入在線部分的執(zhí)行.其中，網(wǎng)絡仿真模塊與頻譜決策模塊會不停交互信道增益、換頻命令以及分簇信息來推動仿真的進展，同時，兩者還會將各自的結果實時發(fā)送給展示模塊進行結果呈現(xiàn).表1介紹了車聯(lián)網(wǎng)網(wǎng)絡仿真軟件EXata的配置.

圖3 車聯(lián)網(wǎng)仿真架構Fig.3 Simulation architecture of VANETs

表1 仿真場景參數(shù)配置

2.2 仿真結果分析

網(wǎng)絡仿真軟件EXata中的場景如圖4所示，本文選取的是位于南京建鄴區(qū)奧體大街周圍街道的百度衛(wèi)星地圖，其中不同分組的車輛有不同的標識.

圖4 EXata仿真場景Fig.4 Simulation scenario of EXata

仿真運行過程中，通過實時顯示終端可以展示各個信道以及整個系統(tǒng)的吞吐量和丟包率，如圖5所示.圖5(a)中,在實時顯示終端上可以看到，仿真時間為75 s時，信道1顯示紅色并且傳輸速率為0 bps，表示信道1被完全干擾，此時丟包率明顯上升.圖5(b)中，仿真時間為80 s時，信道1仍然被干擾，但是在此過程中頻譜決策模塊根據(jù)信道狀態(tài)決策出最合適的信道并將換頻信息傳給EXata后，節(jié)點切換到信道19上進行傳輸，相比75 s時，丟包率開始下降，說明了頻譜捷變機制的有效性.

圖5 仿真運行結果Fig.5 Simulation results

3 結論與展望

本文提出了一種車聯(lián)網(wǎng)頻譜捷變架構，討論了其中兩個重要的協(xié)議并利用仿真對所提機制的有效性進行了評估.在未來，車聯(lián)網(wǎng)環(huán)境會更加復雜，車聯(lián)網(wǎng)頻譜捷變將面臨巨大的挑戰(zhàn).為了應對這些挑戰(zhàn)，可以結合如下技術來進一步完善頻譜捷變機制.

1)深度強化學習技術：現(xiàn)有的頻譜感知技術通常需要以檢測用戶信號的方式來獲得授權信道的使用狀況，在這個角度來看，頻譜感知也可以看作是一種信號檢測問題.面向復雜的電磁頻譜環(huán)境，需要基于模型的深度學習技術來提升頻譜檢測性能，而強化學習可以通過試錯來更好地適應實時環(huán)境的變化，因此可以將這兩種技術結合起來形成深度強化學習來快速識別車輛所處情景、頻譜環(huán)境、頻譜資源狀態(tài)、車輛行為等.

2)分層優(yōu)化技術：傳統(tǒng)協(xié)議棧的層與層之間都是獨立設計和運行，并由動態(tài)接口來完成通信的.這些接口使得網(wǎng)絡設計大大簡化，并具有良好的擴展性能，但是這也會使得網(wǎng)絡結構靈活性變差.分層優(yōu)化技術可以使頻譜感知層、頻譜決策層、頻譜服務層基于總體優(yōu)化目標解耦實現(xiàn)各層優(yōu)化.分層優(yōu)化技術在車聯(lián)網(wǎng)應用中，可以極大地提高頻譜捷變的性能，滿足各種業(yè)務服務質(zhì)量(QoS)的要求，因此在研究車聯(lián)網(wǎng)頻譜捷變機制時，基于分層優(yōu)化進行網(wǎng)絡跨層設計是值得期待的.

3)快速決策技術：在頻譜捷變中，頻譜分配影響著頻譜共享的合理性和有效性.現(xiàn)有的頻譜分配算法大都存在目標優(yōu)化方面收斂性不高、求解效率低下的問題，快速決策技術可以利用各種優(yōu)化算法來有效解決頻譜分配問題，達到在提高頻譜利用率的同時，減少計算時間，增強對動態(tài)環(huán)境的適應能力.同時，快速決策也可以更好地應對未來車聯(lián)網(wǎng)更加動態(tài)的網(wǎng)絡環(huán)境.