C-V2X环境下基于队友模型的多智能体通信切换优化

蜂窝车联网(cellular vehicle-to-everything,C-V2X)通信技术是未来智能交通系统(intelligent transportation systems,ITS)的重要组成部分.毫米波(millimeter wave,mmWave)作为C-V2X通信技术的主要载体之一,可以为用户提供高带宽.然而,由于传播距离有限和对遮挡的敏感性,毫米波基站必须密集部署以维持可靠的通信,这使得智能联网车辆(intelligent connected vehicle,ICV)在行驶过程中不得不频繁地进行通信切换,极易造成局部资源短缺,进而导致服务质量低下和用户体验不佳.为了应对这些挑战,每辆ICV被视为一个智能体,并将ICV的通信切换问题建模为一个合作型多智能体博弈问题.为了解决这一问题,提出了一个基于队友模型的合作型强化学习框架.具体来说,首先设计了一个队友模型,用于量化复杂动态环境下智能体之间的相互依赖关系;接着提出了一种动态权重分配方案,生成了队友间的加权互信息,用于混合网络的输入,旨在帮助队友切换到可以提供良好QoS和QoE的基站,以获得高吞吐量和低通信切换频率.在算法训练过程中,设计了一种激励相容训练算法,旨在协调智能体的个体目标与集体目标的一致性,提升通信吞吐量.实验结果显示,提出的方法在不同规模车辆的场景中均展示出了卓越的性能,相较于现有的基于通信基准方法有13.8%~38.2%的吞吐量提升.

基于C-V2X网联车的路侧摄像机标定方法

为了安全高效地标定公开道路上的路侧摄像机,提出了一种新的标定方法。该方法不需要任何先验知识和封闭道路来阻断交通,克服了现有方法需要人工测量的局限性。它将网联车当作标志物,利用蜂窝车联网(C-V2X)通信技术,通过网联车提供路侧摄像机视野中各位置的WGS-84坐标并采用深度学习算法提取用于标定的网联车图像坐标。对网联车的图像坐标及其WGS-84坐标进行时间戳同步后,基于直接线性变换获取网联车图像坐标与其WGS-84坐标之间的映射关系,完成路侧摄像机标定。在长沙市真实路口进行选址搭建试验平台,采集了82个验证点对本研究方法进行可行性分析试验。结果表明:本研究方法的标定误差基本保持在1.5 m以内,能够满足协作式智能交通系统(C-ITS)应用的车道级定位要求。同时,将该方法与2种具有代表性的路侧摄像机标定方法进行了对比,结果表明本研究方法具有1.80%的最小均方根误差。此外,还探究了网联车姿态、网联车速度和GNSS定位精度对标定精度的影响,分别设计对比试验加以分析,最后依此总结了实用的指导建议,以便采用本研究方法时更容易地获得较高的标定精度。

基于深度强化学习的C-V2X任务卸载研究

无人驾驶、辅助驾驶的快速发展对车辆计算性能提出了较高的要求,联合移动边缘计算的任务卸载技术可以提供解决方案。然而实现快速、高效的任务卸载决策存在巨大挑战,同时现有研究对于任务卸载的系统整体效益考虑不足。针对上述问题,采用车-路-空架构,设计一种基于软件定义网络(SDN)的蜂窝车联网(C-V2X)分布式任务卸载系统模型,并提出一种基于深度强化学习的任务卸载控制算法。对任务本地计算、边缘计算、卫星计算3种模式分别构建成本模型,以用户端车辆能耗、资源租赁费用和服务端任务处理时延、服务器负载均衡性作为联合优化目标构建目标函数。考虑任务最大期望时延、服务器最大负载率等约束,将任务卸载问题表述为混合整数非线性规划(MINLP)问题,将其建模为离散-连续混合动作空间的Markov决策过程,最后基于深度强化学习算法获得关于任务调度、资源租赁、功率控制的任务卸载决策。实验结果表明,与传统的基于粒子群优化、遗传算法的方案相比,本文算法在取得相近决策效益的同时,单次决策时延降低了45%以上。

C-V2X网联环境下应急优先的绿灯补偿模型研究

针对在路口实施应急车辆优先策略会对非优先相位交通造成影响的问题,在蜂窝车联网(C-V2X)环境下进行了均衡非优先相位通行效益的绿灯补偿模型研究。搭建了相应的算法模型,并对一辆应急车辆的场景进行了模拟。该模型在不影响应急车辆优先通行的前提下,根据非优先相位实时交通需求计算补偿绿灯时间,从而最小化应急优先对非优先相位的车辆通行影响。仿真结果证明,所提模型在不同的饱和度状态下均可有效地降低应急车辆通过后非优先相位车辆的平均延误时间和平均排队长度。所提模型对于应急车辆通过红绿灯路口的策略进行了优化,提高了通行效率。

基于C-V2X技术的车载终端设计与验证

针对V2X(Vehicle-to-Everything)车载终端需要满足高速行驶车辆低延迟、高速率和高可靠性的通信需求,开展基于C-V2X技术的车载终端设计与验证。该终端采用DMD31芯片与主副处理器相结合的设计、主天线和分集天线的增益设计以及全新的任务调度与数据交互设计,研究了该终端硬件系统与软件系统的结构和主要功能,分别在静态场景和动态场景下对该终端的性能进行了测试。结果表明:该终端在200 m内的通信时延低于19.7 ms,丢包率低于0.03%;与现有基于专用短程通信技术设计的车载终端相比,平均通信时延降低了0.4 ms,通信距离大于100 m后丢包率降低了1.8%。该终端的通信性能满足3GPP TS 36.521 Release15标准规范,可用于构建各类车路协同应用。

基于C-V2X的智能路侧单元系统设计

随着自动驾驶技术和智能交通产业的不断发展,车路协同技术逐渐成为交通领域研究的热点,路侧单元RSU做为车路协同系统的路侧核心设备,是支撑车路协同技术应用的关键所在。基于此,文章设计了一种基于C-V2X的智能路侧单元,具备C-V2X直连通信及5G通信功能,支持C-V2X系列标准协议,能够连接路侧各类智能设备以及交通参与者,将路侧信息分析处理后上传到云端,同时将信息发送给车端,为智能网联车辆、自动驾驶车辆提供各类信息服务,支撑车路协同场景应用。

C-V2X车联网城市级规模示范应用

中国移动通信集团有限公司联合产业各方在无锡市打造了全球首个C-V2X车联网城市级规模示范应用。介绍了该项目的总体情况、目标及端到端的技术方案,包括系统总体架构、平台技术方案、V2X通信网络技术方案、路侧系统与终端技术方案;同时对该项目在示范效应、技术验证、产业推进等方面的成果进行了总结,并提出下一步的规划。旨在为国内其他示范区的开展提供参考与借鉴,推动车联网产业的快速发展。

C-V2X系统中动态信道预测的R-ATB算法

在智能交通系统中,由于车辆节点高速运动,且速度、方向等状态频繁发生变化,造成了车联网无线信道的时变衰落.针对目前所采用的自适应交通信标ATB(adaptive traffic beacons)预测算法过程较为复杂、使用信道质量评估指标较多的问题,提出了新型的R-ATB预测算法.根据节点运动的多普勒频移程度,计算对应的相关时间参数RT(relevant time),给出R-ATB算法.通过OMNET++通用网络平台的条件设定与系统建模,对相关信道预测算法下的PDR(package delivery rate)与时延参数进行分析与评估.结果表明:与静态信标和传统ATB算法相比,R-ATB预测算法使用较少的实时评价指标量与较小的预测过程计算量,降低了IoV的通信信道拥塞,在典型高密度OBUs数据交互场景下,安全信标的传播及时性和高速数据的传输成功率PDR都有所提高.

C-V2X蜂窝车联网标准分析与发展现状

C-V2X(Cellular-VehicletoEverything)是基于移动蜂窝网络的车联网无线传输技术之一,是实现未来智慧交通和无人驾驶的关键所在。首先介绍了C-V2X的基本概念,跟踪了最新标准进展,分析了应用场景及业务指标需求,并对其关键技术进行了详细的研究,最后给出了国内C-V2X外场试验进展和结论。

C-V2X车联网安全通信方案研究

C-V2X车联网通信需要解决的关键问题是可信身份认证和安全通信,对主流非对称密码技术和SIM认证技术进行分析和研究,并结合当前技术和标准发展现状,提出一种SIM认证与IBC密码技术相结合的C-V2X车联网应用层安全通信解决方案,从而达到实现C-V2X车联网通信中的可信认证和应用层安全通信的目的。

C-V2X外场大规模测试床设计及测试

C-V2X测试技术是V2X商用进程中的关键技术,但目前尚缺乏权威测试认证体系,业界对大规模测试方法及规程也并无结论。分析了C-V2X大规模测试需求,提出了一种C-V2X外场大规模测试床设计方案,详细阐述了测试床控制方法及测试流程,并基于设计测试床进行外场实测,分析了测试结果,可望对C-V2X测试认证体系的构建和技术参数的合理化提供理论和技术参考。

C-V2X关键技术及其系统架构研究

C-V2X是自动驾驶和智能交通系统的关键通信技术,具有低延迟、高可靠性、高吞吐量的优点。本文首先给出了C-V2X协议栈架构与技术演进路径;其次,详细解析了LTE-V2X与NR-V2X标准的接入层原理机制;最后分别梳理出了LTE-V2X与NR-V2X的系统架构及其网络部署形式。

面向C-V2X通信的基于深度学习的联合信道估计与均衡算法

为了在不显著提升计算复杂度的情况下,有效提升通信系统的误码率(BER)性能,利用深度学习在数据处理方面的强大能力,提出一种面向基于蜂窝网络的车联网(C-V2X)通信的基于深度学习的联合信道估计与均衡算法——V-EstEqNet。与传统算法分两个阶段分别进行信道估计与均衡不同,V-EstEqNet将通信系统接收机中的信道估计与信道均衡进行联合考虑,并利用深度学习网络直接对接收数据进行校正和恢复,无须进行显式的信道估计环节即可完成信道均衡。具体而言,首先利用大量的接收数据对网络进行离线训练,使网络学习到叠加在接收数据中的信道特性;然后利用该特性恢复原始的发送数据。仿真实验结果表明,在不同的速度场景下,所提算法可以更加有效地追踪信道特性;同时,相较于传统信道估计算法(最小二乘法(LS)和线性最小均方误差法(LMMSE))配合传统信道均衡算法(迫零(ZF)均衡算法和最小均方误差(MMSE)均衡算法),所提算法在低速环境下有最高有6dB的BER增益,在高速环境下最高有9dB的BER增益。

5G蜂窝车联网(C-V2X)资源分配优化与性能评估

为改善蜂窝车联网(C-V2X)频谱利用效率,提出了一种针对系统下行吞吐量最大化、并保证车对车通讯(V2V)链路连接性的资源分配算法。定义蜂窝车联网信道模型,在最大发射功率、中断概率等约束条件下建立优化模型并对其进行分步求解,采用二分图最佳匹配(KM)算法动态调度信道资源,实现C-V2X通信系统中车辆到路边设施(V2I)下行链路与V2V链路之间动态分配网络资源,最后通过不同交通场景评估算法的优化性能。结果表明:本算法经7次迭代后进入稳态,在保证V2V链路连接性条件下实现了V2I链路资源的优化分配,下行链路频谱效率相较于贪心算法平均提升3.5%以上。

C-V2X技术在智能网联行业中应用探讨

智能网联汽车可以实现安全、舒适和高效的行驶。蜂窝车用无线通信(C-V2X)技术是实现智能网联业务的重要技术手段之一。全球多个标准组织都开展了包括C-V2X关键技术、网络架构和业务应用场景的研究。C-V2X与感知技术、移动边缘计算(MEC)和5G相融合,能够为实现智能网联业务提供强大的助力。C-V2X网络的部署采用"终端-网络-平台"的一体化架构。通过开展规模试验、试点部署积累经验,逐步实现大规模商用落地。C-V2X也面临着产品商用化推广、建设投资成本较高以及商业模式不清晰等挑战。

蜂窝车联网(C-V2X)技术发展、应用及展望

车联网作为产业变革创新的重要催化剂,正推动着交通管理模式、汽车产业形态、人们出行方式和能源消费结构的深刻变化。首先分析了智慧交通和智能驾驶等对车联网通信在通信速率、时延和可靠性等方面的需求与挑战,进而介绍了蜂窝车联网(cellular vehicle-to-everything,C-V2X)中LTE-V2X和NR-V2X的关键技术及其国际标准演进,并指出C-V2X在全球竞争中已形成超越态势。在此基础上,分析了应用C-V2X的车车协同和车路协同在智慧交通和智能驾驶中的应用优势。最后介绍了C-V2X在我国的示范应用情况和发展展望,指出中国发展智慧交通和智能网联汽车之路:将积极推进“5G+C-V2X”新型基础设施建设,探索基于车联网的“聪明的车、智慧的路、协同的云”发展模式,进而支撑我国达成“碳达峰”与“碳中和”战略目标。

C-V2X边缘服务器的动态负载均衡算法研究

为更好地解决蜂窝车联网与移动边缘计算融合应用场景下边缘服务器资源负载分配不均、资源利用率较低等问题,提出一种动态负载均衡算法。通过监测边缘服务器的实时运行状态动态更新负载指标权值,准确评估边缘服务器的实际负载状态,并结合边缘服务器集群的负载率阈值、均值和标准差,实现任务的合理分配。实验结果表明,与传统随机轮询算法和最小流量均衡算法相比,该算法能够更好地提升边缘服务器集群的负载均衡度,缩短任务完成时间。

基于跨层信息的C-V2X缓存分配算法

针对城市场景的蜂窝车联网(cellular vehicle to everything,C-V2X)中车辆缓存节点高效选择和合理的缓存文件分配问题,提出了基于跨层信息的C-V2X缓存分配算法(Cross-layer Caching Allocation for C-V2X,CLCA)。该算法在LTE-V2X mode3模式下,由基站周期地收集覆盖范围内节点的连接度、信噪比和信道接入时延信息,并重新划分邻居归属,构建跨层信息邻接矩阵,再采用贪婪分配的方法筛选缓存节点,以减少缓存节点数量,节约通信资源并降低开销。进而,以服从Zipf分布的文件流行度分布为基础,采用文件流行度预测概率与历史周期实际流行度概率加权叠加的方式,提高文件流行度预测的准确性,再根据缓存容量合理配置缓存文件。仿真分析表明,该算法可以有效提高节点的文件获取效率,降低文件传输时延,减少基站负载。

基于5G+C-V2X的车联网解决方案及验证

我国车联网产业在国家政策的推动下蓬勃发展,但受部署成本、商业模式以及跨行业协同等限制,其在规模化部署、商用路径上仍存在一定的难点。针对上述问题,结合运营商5G+MEC网络优势,提出了通过5G网络承载车联网的技术方案并实地部署验证,并对5G网络能力、C-V2X网络覆盖及在5G承载下的车联网业务进行联合测试,测试结果表明目前5G+C-V2X方案在性能上完全可以承载车联网业务。

C-V2X规模化信息交互测试评估平台设计

智能网联汽车和车路协同系统在全世界范围内得到快速发展,测试评估技术决定了智能网联汽车发展速度,然而,现有的智能网联汽车测试评估系统没有一套高效的方法,可以验证智能网联汽车和车路协同系统在复杂交通场景下的通信能力。设计了基于C-V2X通信技术的规模化信息交互测试评估平台,该测试评估平台可灵活部署于实验室和室外实验场。平台中单个测试节点所发送BSM(Basic Safety Message,基本安全消息)消息的最高发送频率可设置为50Hz,同时模拟5台背景车辆;平台通过部署少量的节点即可模拟出复杂交通条件下的C-V2X通信场景,解决了智能网联汽车或车路协同无法得到有效验证的问题。测试结果表明:通过无线电综合测试仪的比对测试,在不同速率下的有效发包率均保持在99%以上;在拥有16辆模拟网联汽车的交通环境中,终端的丢包率达到17.28%,V2X应用功能失效;因此,该平台具有较强的规模化信息交互测试评估能力,可以对外开展C-V2X终端测试评估实验业务。