CN110582072A - 蜂窝车联网中基于模糊匹配的资源分配方法及装置 - Google Patents
蜂窝车联网中基于模糊匹配的资源分配方法及装置 Download PDFInfo
- Publication number
- CN110582072A CN110582072A CN201910757486.6A CN201910757486A CN110582072A CN 110582072 A CN110582072 A CN 110582072A CN 201910757486 A CN201910757486 A CN 201910757486A CN 110582072 A CN110582072 A CN 110582072A
- Authority
- CN
- China
- Prior art keywords
- vehicle user
- vehicle
- representing
- preset type
- resource block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000013468 resource allocation Methods 0.000 title claims abstract description 30
- 230000001413 cellular effect Effects 0.000 title claims abstract description 28
- 230000000694 effects Effects 0.000 claims abstract description 45
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims description 54
- 230000005540 biological transmission Effects 0.000 claims description 47
- 150000001875 compounds Chemical class 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 25
- 239000000654 additive Substances 0.000 claims description 13
- 230000000996 additive effect Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000005562 fading Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 229920006395 saturated elastomer Polymers 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/241—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account channel quality metrics, e.g. SIR, SNR, CIR, Eb/lo
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/04—TPC
- H04W52/18—TPC being performed according to specific parameters
- H04W52/24—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters
- H04W52/242—TPC being performed according to specific parameters using SIR [Signal to Interference Ratio] or other wireless path parameters taking into account path loss
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/04—Wireless resource allocation
- H04W72/044—Wireless resource allocation based on the type of the allocated resource
- H04W72/0473—Wireless resource allocation based on the type of the allocated resource the resource being transmission power
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源分配方法及装置,其中方法包括:基于获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;基于时变信道功率增益,构建基于三角模糊数的模糊空间模型;基于信道功率增益,计算每一车辆用户在对应接收端的信干噪比,及每一车辆用户在不同资源块上的数据速率;将数据速率映射到模糊空间模型中,得到模糊空间模型的效应函数;使用第一预设匹配算法,在资源块中为每一车辆用户选择目标匹配资源块,得到每一车辆用户的目标匹配资源块。本发明实施例,能够解决网络资源分配不合理的问题。
Description
技术领域
本发明涉及通信技术领域,特别是涉及一种蜂窝车联网中基于模糊匹配的资源分配方 法及装置。
背景技术
V2X(vehicle to everything,车联网)作为物联网的研究热点之一,是以道路交通为主要 服务对象的综合性无线网络。V2X以增强交通安全、提高交通效率、提升驾驶体验、支持 多样化车载网络服务为目的,通过多种底层无线传输协议实现V2N(vehicle tonetwork,车 辆与网络)、V2I(vehicle to infrastructure,车辆与基础设施)、V2V(vehicle to vehicle,车辆与 车辆)以及V2P(vehicle to pedestrian,车辆与行人)之间的通信。其中,V2N/V2I之间的通信 主要用于支撑具有大数据速率需求的娱乐服务,而V2V之间的通信主要用于提供具有严格 时延约束的安全应用。基于此,V2X在未来智能交通运输网络中扮演着重要的角色,拥有 广阔的发展前景。
持续增长的V2X服务对无线频谱接入提出了更加严苛的需求,使得有限的频谱资源成 为制约V2X发展的一个瓶颈因素。虽然FCC(Federal Communications Commission,美国联 邦通信委员会)将5.9Hz附近总共75MHz的带宽分配给V2V用于DSRC(dedicatedshort-range communication,专用短距离通信),然而其远不能满足V2X网络的无线资源需求。 基于成熟的蜂窝网络,V2X网络能够保证驾驶安全、提供车内娱乐服务、提升驾驶体验和 信息传输性能。车联网用户可以通过频谱感知和动态接入来利用未被充分使用的蜂窝频段 进而缓解DSRC的竞争压力。基于此,辅以合适的动态资源分配机制, Cellular-V2X(Cellular-vehicle to everything,蜂窝车联网)会在未来智能交通运输中展现出巨 大的潜能。
现有针对V2X服务中网络资源的分配方法为:依赖于确定信息的匹配方法,该匹配方 法中,假定V2X网络的信道状态(网络的时延、信道传输速率等)、网络拓扑状态以及该网络拓扑中车辆用户位置状态为确定的信息,当车辆用户向该网络中的管理端发出网络资源利用的申请时,网络中的管理端根据当前网络时延或信道的传输速率为车辆用户分配相应的网络资源,网络中的管理端,例如可以是基站等。网络中的管理端根据当前网络时延或信道的传输速率为车辆用户分配相应的网络资源,具体为,网络中的管理端按照当前网络时延或信道传输速率的大小,将当前网络资源对应的频段进行排序,进而在接收到车辆用户发出的网络资源利用申请时,按照网络时延从小到大或信道传输速率从大到小的顺序为车辆用户分配相应的网络资源。
然而,实际应用中,V2X网络的信道状态以及网络中车辆用户位置状态是变化而不确 定的信息,使得现有依赖于确定信息的匹配方法中,将不确定的信道状态以及车辆用户位 置状态信息,假定为确定的信息,实现网络资源分配的过程中,导致容易出现网络资源分 配不合理的问题。
发明内容
本发明实施例的目的在于提供一种蜂窝车联网中基于模糊匹配的资源分配方法及装置, 用以解决现有依赖于确定信息的匹配方法中,导致的网络资源分配不合理的问题。具体技 术方案如下:
第一方面,本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源分配方法,所 述方法包括:
获取网络资源信息和车辆用户信息;所述网络资源信息包含资源块,所述车辆用户信 息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户;
基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在不同资源块上 的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;所述信道功率增益用 于表示信道传输的衰减系数;
基于所述时变信道功率增益,构建基于三角模糊数的模糊空间模型;所述三角模糊数 为:将所述时变信道功率增益映射到模糊空间的模糊数;
基于每一所述车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传输功率, 车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一所述车辆用 户在对应接收端的信干噪比;所述车辆用户的传输功率用于表示车辆用户对应的传输能力;
当所述车辆用户为第一预设类型的车辆用户时,基于每一所述车辆用户在对应接收端 的信干噪比,信道的带宽,计算每一所述车辆用户在不同资源块上的数据速率;所述数据 速率表示单位时间内所述车辆用户在不同资源块上数据传输的信息量;
当所述车辆用户为第二预设类型的车辆用户时,基于每一所述车辆用户在对应接收端 的信干噪比,及链路的可靠程度,计算每一所述车辆用户在不同资源块上的数据速率;
将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的效应函数;所 述效应函数用于表示车辆用户在不同资源块上收益的函数;
基于所述效应函数,使用第一预设匹配算法,在所述资源块中,为每一所述车辆用户 选择目标匹配资源块,得到每一所述车辆用户的目标匹配资源块。
可选地,所述基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在 不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益的步骤, 包括:
基于所获取的网络资源信息和车辆用户信息,使用如下表达式计算每一所述车辆用户 在不同资源块上的信道功率增益:
式中,表示车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,m,R表示车辆用户与路边单元R之间的信道传输,表示服从瑞利分布的时变小尺度衰落,表示log形式的阴影衰落变量,A表示路径损耗常数,dm,R表示从车辆用户m到路边单 元R的链路距离,表示路径损耗指数;
每一所述车辆用户在不同资源块上的信道功率增益对应的时变信道功率增益表示为:
式中,表示的统计特性因子,表示由快速时变小尺度衰落引起的 不确定因子,ρm,R表示不确定因子的边界限制;
所述基于所述时变信道功率增益,构建基于三角模糊数的模糊空间模型的步骤,包括:
将包含所述网络资源信息和所述车辆用户信息的不确定信息,通过所述时变信道功率 增益映射为三角模糊数,所构建的基于三角模糊数的模糊空间模型表示为:
式中, 表示映射 到所述模糊空间模型中的数,分别表示三角模糊数的三个变量。
可选地,所述基于每一所述车辆用户在不同资源块上的信道功率增益,预设的车辆用 户的传输功率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算 每一所述车辆用户在对应接收端的信干噪比的步骤,包括:
当所述车辆用户为第一预设类型的车辆用户时,使用如下表达式计算每一所述车辆用 户在对应接收端的信干噪比:
式中,表示第一预设类型的车辆用户m在接收端路边单元R的信干噪比,PM表示第一预设类型的车辆用户m的传输功率,表示第一预设类型的车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,PN表示第二预设类型的车辆用户n的传输功率,表示第二预设类型的车辆用户n与路边单元R在时隙t接入信道k的信道功率增益, 一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,θn,k,t表示第二预设类型的 车辆用户n与资源块(k,t)之间分配关系的指示变量,σ2表示加性高斯白噪声,M表示第一 预设类型的车辆用户的个数,N表示第二预设类型的车辆用户的个数,表示第二预设类 型的车辆用户的集合;
当所述车辆用户为第二预设类型的车辆用户时,使用如下表达式计算每一所述车辆用 户在对应接收端的信干噪比:
式中,表示第二预设类型的车辆用户n在对应接收端的信干噪比,表示第 二预设类型的车辆用户n收发端在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户m对第二预设类型的车辆用户n在时隙t接入信道k的信道功率增益,θm,k,t表示第一预设类型的车辆用户m与资源块(k,t)之间分配关系的指示变量,θn′,k,t表示第二预设类型的车辆用户n′与资源块(k,t)之间分配关系的指示变量,表示第二预设类型的车辆用户n对第二预设类型的另一车辆用户n′在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户的集合,n′表示第二预设类型的除n之外的另一个车辆用户。
可选地,所述当所述车辆用户为第一预设类型的车辆用户时,基于每一所述车辆用户 在对应接收端的信干噪比,信道的带宽,计算每一所述车辆用户在不同资源块上的数据速 率的步骤,包括:
当所述车辆用户为第一预设类型的车辆用户时,使用如下表达式计算每一所述车辆用 户在不同资源块上的数据速率:
式中,一个资源块表示(k,t),k表示第k个信道,t表示第t个时隙,表示第一预设类型的车辆用户m在资源块(k,t)上的数据速率,B表示信道的带宽,表示第一 预设类型的车辆用户m在接收端路边单元R的信干噪比,M表示第一预设类型的车辆用户 的个数;
所述当所述车辆用户为第二预设类型的车辆用户时,基于每一所述车辆用户在对应接 收端的信干噪比,及链路的可靠程度,计算每一所述车辆用户在不同资源块上的数据速率 的步骤,包括:
当所述车辆用户为第二预设类型的车辆用户时,使用如下表达式计算每一所述车辆用 户在不同资源块上的数据速率:
式中,一个资源块表示(k,t),k表示第k个信道,t表示第t个时隙,表示第二预 设类型的车辆用户n在资源块(k,t)上的数据速率,表示第二预设类型的车辆用户n在 对应接收端的信干噪比,N表示第二预设类型的车辆用户的个数,an,k,t表示第二预设类型 的车辆用户n在资源块(k,t)上的链路的可靠程度。
可选地,所述将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的 效应函数的步骤,包括:
使用如下表达式将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型 的效应函数:
式中,表示映射到所述模糊空间模型中的数,表示第一预设类型的 车辆用户m在资源块(k,t)上的数据速率,表示映射到所述模糊空间模型中的数, 表示第二预设类型的车辆用户n在资源块(k,t)上的数据速率,用于表示和在模糊空间模型中的表示,表示模糊空间模型的效应函数中的变量,ΔUi,k,t表示由信道不确定性引起的错误偏差。
可选地,基于所述效应函数,使用第一预设匹配算法,在所述资源块中,为每一所述 车辆用户选择目标匹配资源块,得到每一所述车辆用户的目标匹配资源块的步骤,包括:
获取车辆用户集合和资源块集合;
初始化预设优化模型的约束参数G,Di以及Qi,并在满足所述预设优化模型的约束条件下,按照预设的匹配规则,对所述车辆用户集合中每一车辆用户和所述资源块集合中的每一资源块进行匹配;其中,G为常数,Di表示第i个车辆用户对资源块的需求数量,Qi表示车辆用户i成功匹配的次数;
基于所述效应函数,利用预设的构建规则,构建每一所述车辆用户对每一所述资源块 的第一偏好列表,及每一所述资源块对每一所述车辆用户的第二偏好列表;
基于所述第一偏好列表和所述第二偏好列表,使用第二预设匹配算法,为每一所述车 辆用户选择候选匹配资源块;
当所述Qi大于1时,判断当前每一车辆用户的候选匹配资源块与上一次每一车辆用户 的候选匹配资源块是否相同;
在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块相同 时,将当前每一车辆用户的候选匹配资源块,确定为每一车辆用户的目标匹配资源块;
在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块不同 时,返回执行所述基于所述效应函数,利用预设的构建规则,构建每一所述车辆用户对每 一所述资源块的第一偏好列表的步骤。
第二方面,本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源分配装置,所 述装置包括:
获取模块,用于获取网络资源信息和车辆用户信息;所述网络资源信息包含资源块, 所述车辆用户信息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户;第一计 算模块,用于基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在不同 资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;所述信道功 率增益用于表示信道传输的衰减系数;构建模块,用于基于所述时变信道功率增益,构建 基于三角模糊数的模糊空间模型;所述三角模糊数为:将所述时变信道功率增益映射到模 糊空间的模糊数;第二计算模块,用于基于每一所述车辆用户在不同资源块上的信道功率 增益,预设的车辆用户的传输功率,车辆用户与资源块之间分配关系的指示变量,以及加 性高斯白噪声,计算每一所述车辆用户在对应接收端的信干噪比;所述车辆用户的传输功 率用于表示车辆用户对应的传输能力;第三计算模块,用于当所述车辆用户为第一预设类 型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,信道的带宽,计算每 一所述车辆用户在不同资源块上的数据速率;所述数据速率表示单位时间内所述车辆用户 在不同资源块上数据传输的信息量;第四计算模块,用于当所述车辆用户为第二预设类型 的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,及链路的可靠程度,计 算每一所述车辆用户在不同资源块上的数据速率;映射模块,用于将所述数据速率映射到 所述模糊空间模型中,得到所述模糊空间模型的效应函数;所述效应函数用于表示车辆用 户在不同资源块上收益的函数;匹配模块,用于基于所述效应函数,使用第一预设匹配算 法,在所述资源块中,为每一所述车辆用户选择目标匹配资源块,得到每一所述车辆用户 的目标匹配资源块。
第三方面,本发明实施例还提供了一种电子设备,包括处理器、通信接口、存储器和 通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现上述第一方面所述的一种蜂窝车联网中基于模糊匹配的资源分配方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介 质中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面所述的一种蜂窝 车联网中基于模糊匹配的资源分配方法。
本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配方法及装置,由于可 以基于获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上的信道功 率增益,以及与该信道功率增益对应的时变信道功率增益,然后,基于时变信道功率增益, 构建基于三角模糊数的模糊空间模型,通过模糊空间模型,能够对网络资源信息和车辆用 户信息这些动态变化的信息更准确的进行描述,基于信道功率增益,计算每一车辆用户在 对应接收端的信干噪比,以及每一车辆用户在不同资源块上的数据速率,进而将计算得到 的数据速率映射到模糊空间模型中,得到模糊空间模型的效应函数,再基于该效应函数, 使用第一预设匹配算法,在资源块中,为每一车辆用户选择目标匹配资源块,得到每一车 辆用户的目标匹配资源块,能够在网络资源信息和车辆用户信息动态变化的情况下,为每 一车辆用户更好的分配网络资源,实现网络资源的合理分配和利用。当然,实施本发明的 任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明 的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根 据这些附图获得其他的附图。
图1为本发明实施例提供的一种网络模型结构示意图;
图2为本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配方法的流程示 意图;
图3为本发明实施例提供的一种为车辆用户匹配资源块的实施方式流程图;
图4为本发明实施例提供的为车辆用户匹配资源块的具体实施方式流程图;
图5为本发明实施例提供的一种不同信干噪比门限值下***吞吐量随车辆速度的变化 仿真图;
图6为本发明实施例提供的一种不同方法下***吞吐量随车辆速度变化曲线的对比仿 真图;
图7为本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配装置的结构示 意图;
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地 描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本 发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例,都属于本发明保护的范围。
本发明实施例所应用的网络模型,可以如图1所示,图1为本发明实施例提供的一种网 络模型结构示意图,RSU(road side unit,路边单元)覆盖一定区域内的双向车道,并为驶入 该区域内的车辆提供网络接入服务。车辆用户根据其业务需求的不同可分为V2I和V2V两种 类型:V2I车辆用户需要大数据速率支撑面向娱乐的服务,传输道路安全信息的V2V车辆用 户更注重链路的可靠性。
图2为本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配方法,该方法 可以包括:
S101,获取网络资源信息和车辆用户信息。
本发明实施例中,可以获取网络资源信息和车辆用户信息,其中,网络资源信息包含 资源块,车辆用户信息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户。
在一种实施方式中,第一预设类型的车辆用户可以为V2I类型的车辆用户,第二预设类 型的车辆用户可以为V2V类型的车辆用户。网络资源信息中包含资源块,根据LTE(Long Term Evolution,长期演进)标准,V2I上行链路采用OFDMA(Orthogonal FrequencyDivision Multiple Access,正交频分多址技术)。PRB(physical resource block,物理资源块)表示 为K个正交信道,可以表示为和T个时隙,可以表示为则相应的一个物理资源块单元表示为(k,t),表示正交信道的集合,表示时隙的集合,本发明实施例中,使用资源块统一表示物理资源块。
在一种实施方式中,车辆用户信息还可以包括车辆用户的数量,车辆用户的速度等, 具体的本发明实施例中不作限定。
S102,基于所获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块 上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益。
本发明实施例中,将图1所示网络模型中V2I和V2V类型的车辆用户分别使用集合表示 为和M表示第一预设类型的车辆用户的个数,N 表示第二预设类型的车辆用户的个数,表示第二预设类型的车辆用户的集合,表示 第一预设类型的车辆用户的集合。如果车辆用户速度为v,为保障车辆用户间的安全距离, 区域中每千米内的最大车辆密度可以表示为:
其中,表示车辆用户速度为v时每千米内的最大车辆密度,c表示时间常数,c×v 表示保证安全的最小车间距。
本发明实施例中,车辆用户可以分为V2I类型的车辆用户和V2V类型的车辆用户,基于 所获取的网络资源信息和车辆用户信息,可以使用如下表达式计算每一车辆用户在不同资 源块上的信道功率增益,该信道功率增益用于表示信道传输的衰减系数。
以V2I类型的车辆用户m与RSU之间的信道传输为例,计算车辆用户m在时隙t接入信 道k(即资源块(k,t))上的信道功率增益可以为:
式中,表示车辆用户m与路边单元R在时隙t接入信道k的信道功率增益, m,R表示车辆用户与路边单元R之间的信道传输,表示服从瑞利分布的时变小尺度衰落,表示log形式的阴影衰落变量,A表示路径损耗常数,dm,R表示从车辆用户m到 路边单元R的链路距离,表示路径损耗指数。
类似的,V2V类型的车辆用户n的收发端在时隙t接入信道k的信道功率增益可以表示 为V2I类型的车辆用户m对V2V类型的车辆用户n在时隙t接入信道k的信道功率增益可以表示为V2V类型的车辆用户n对RSU在时隙t接入信道k的信道功率增益 可以表示为V2V类型的车辆用户n对另一V2V类型的车辆用户n′在时隙t接入信道 k的信道功率增益可以表示为其计算方式也是类似的,可参见上述表达式本发明实施例在此不进行一一列举。
在实际网络环境下,信道状态以及车辆用户状态,例如,信道的传输功率、衰减系数 以及车辆用户的速度、数量是动态变化的,基于上述计算得到的每一车辆用户在不同资源 块上的信道功率增益,可以将每一车辆用户在不同资源块上的信道功率增益对应的时变信 道功率增益表示,以为例,对应的时变信道功率增益表示为:
式中,表示的统计特性因子,表示由快速时变小尺度衰落引 起的不确定因子,ρm,R表示不确定因子的边界限制。
本发明实施例中,与之间的计算都是类似 相同的,故,以为例就可以实现对应的所有计 算和应用,本发明实施例中都是为例进行说明。
S103,基于时变信道功率增益,构建基于三角模糊数的模糊空间模型。
在实际网络环境下,信道状态以及车辆用户状态为动态变化,在表示出每一车辆用户 在不同资源块上的信道功率增益对应的时变信道功率增益后,可以基于该时变信道功率增 益,构建基于三角模糊数的模糊空间模型,其中,三角模糊数可以为:将时变信道功率增 益映射到模糊空间的模糊数。
本发明实施例中,可以将包含网络资源信息和车辆用户信息的不确定信息,通过时变 信道功率增益映射为三角模糊数,所构建的基于三角模糊数的模糊空间模型可以表示为:
式中, 表示映射 到模糊空间模型中的数,分别表示三角模糊数的三个变量。
S104,基于每一车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传输功 率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一车辆用 户在对应接收端的信干噪比。
本发明实施例中,计算得到每一车辆用户在不同资源块上的信道功率增益后,可以计 算每一车辆用户在对应接收端的信干噪比,其中,车辆用户的传输功率用于表示车辆用户 对应的传输能力。上述加性高斯白噪声也可以是预先得到的。
本发明实施例中,为了满足V2X中车辆用户的不同需求并充分地利用网络资源,可以将 资源块动态的分配。使用指示变量θn,k,t表示第二预设类型的车辆用户n与资源块(k,t)之间 分配关系,该指令变量可以表示为:
假设单个资源块至多可以分配给一个V2I类型的车辆用户,而多个V2V类型的车辆用户 可以共享同一个资源块。
在一种实施方式中,当车辆用户为第一预设类型的车辆用户时,可以使用如下表达式 计算每一车辆用户在对应接收端的信干噪比:
式中,表示第一预设类型的车辆用户m在接收端路边单元R的信干噪比,PM表示第一预设类型的车辆用户m的传输功率,表示第一预设类型的车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,PN表示第二预设类型的车辆用户n的传输功率,表示第二预设类型的车辆用户n与路边单元R在时隙t接入信道k的信道功率增益, 一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,θn,k,t表示第二预设类型 的车辆用户n与资源块(k,t)之间分配关系的指示变量,σ2表示加性高斯白噪声,M表示第 一预设类型的车辆用户的个数,N表示第二预设类型的车辆用户的个数,表示第二预设 类型的车辆用户的集合。
在一种实施方式中,当车辆用户为第二预设类型的车辆用户时,可以使用如下表达式 计算每一车辆用户在对应接收端的信干噪比:
式中,表示第二预设类型的车辆用户n在对应接收端的信干噪比,表示第 二预设类型的车辆用户n收发端在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户m对第二预设类型的车辆用户n在时隙t接入信道k的信道功率增益,θm,k,t表示第一预设类型的车辆用户m与资源块(k,t)之间分配关系的指示变量,θn′,k,t表示第二预设类型的车辆用户n′与资源块(k,t)之间分配关系的指示变量,表示第二预设类型的车辆用户n对第二预设类型的另一车辆用户n′在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户的集合,n′表示第二预设类型的除n之外的另一个车辆用户。
S105,当车辆用户为第一预设类型的车辆用户时,基于每一车辆用户在对应接收端的 信干噪比,信道的带宽,计算每一车辆用户在不同资源块上的数据速率。
当车辆用户为第一预设类型的车辆用户时,即,车辆用户为V2I类型的车辆用户,可以 使用如下表达式计算每一车辆用户在不同资源块上的数据速率,该数据速率表示单位时间 内车辆用户在不同资源块上数据传输的信息量。
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第一预设类型的车辆用户m在资源块(k,t)上的数据速率,B表示信道的带宽,表示第 一预设类型的车辆用户m在接收端路边单元R的信干噪比,M表示第一预设类型的车辆用 户的个数。
S106,当车辆用户为第二预设类型的车辆用户时,基于每一车辆用户在对应接收端的 信干噪比,及链路的可靠程度,计算每一车辆用户在不同资源块上的数据速率。
当车辆用户为第二预设类型的车辆用户时,即,车辆用户为V2V类型的车辆用户,可以 使用如下表达式计算每一车辆用户在不同资源块上的数据速率:
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第二 预设类型的车辆用户n在资源块(k,t)上的数据速率,表示第二预设类型的车辆用户n 在对应接收端的信干噪比,N表示第二预设类型的车辆用户的个数,an,k,t表示第二预设类 型的车辆用户n在资源块(k,t)上的链路的可靠程度。
本发明实施例中,对于安全首要的V2V类型的车辆用户,定义二元矩阵A表征车辆用 户在资源块上的链路的可靠程度,A可以表示为:
式中,表示V2V类型的车辆用户的信干噪比门限。
S107,将数据速率映射到模糊空间模型中,得到模糊空间模型的效应函数。
本发明实施例中,蜂窝车联网的总吞吐量可以表示为:
其中,表示V2X类型的车辆用户与资源块之间 的分配方式,表示V2X类型的车辆用户的集合,θm,k,t表示V2I类型的车辆用户m与资源 块(k,t)之间分配关系。
蜂窝车联网中的资源分配可以建模为满足约束条件下的最大化网络总容量问题,即,
其中,第一个约束条件表示V2I类型的车辆用户链路之间信道的正交分配,单个资源块 至多可以分配给一个V2I类型的车辆用户;第二个约束条件表示一个资源块(k,t)可以容纳 V2X类型的车辆用户的最大数量,G为一个资源块可以容纳V2X类型的车辆用户的最大数量, 是一个常数;第三个约束条件表示第i个车辆用户的网络需要资源,可以用需要成功匹配资 源块的数量Di表征,Di是一个常数。
一种实施方式中,基于上述最大化网络总容量问题,可以使用如下表达式将数据速率 映射到模糊空间模型中,得到模糊空间模型的效应函数,该效应函数用于表示车辆用户在 不同资源块上收益的函数。
式中,表示映射到模糊空间模型中的数,表示第一预设类型的车辆 用户m在资源块(k,t)上的数据速率,表示映射到模糊空间模型中的数,表 示第二预设类型的车辆用户n在资源块(k,t)上的数据速率,用于表示和在模糊空间模型中的表示,即和在模糊空间模型中统一使用表示,表示模糊空间模型的效应函数中的变量,ΔUi,k,t表示由信道不确定性引起的错误偏差。
S108,基于效应函数,使用第一预设匹配算法,在资源块中,为每一车辆用户选择目 标匹配资源块,得到每一车辆用户的目标匹配资源块。
在上述实施例的基础上,本发明实施例中,第一预设匹配算法是基于双向多对多模糊 匹配问题设定的,下面先给出双向多对多模糊匹配博弈的相关定义。
对于两个不相交的集合和双向多对多模糊匹配博弈是集合到集合 的函数Φ的映射,对于满足:
其中代表集合中的元素个数; 称为一个匹配对;
其中,第一个条件表示:对于中的任一个元素i,可以匹配中的多个元素,Φ(i)表 示中的元素i匹配中的元素;第二个条件表示:对于中的任一个元素可以匹配中 的多个元素,表示中的元素匹配中的元素;第三个条件表示:中的元素匹配中的元素与交集中的元素至多可以为一个;第四个条件表示:中的元素匹配中的元 素与交集中的元素最多可以有G个,G为一个中的元素可以容纳中元素的最大数量, 是一个常数;第五个条件表示:中的元素匹配中元素的个数为第i个元素的网络需要资 源,可以用第i个元素需要成功匹配中元素的数量Di表征,Di是一个常数;第六个条件 表示:如果元素i与元素匹配,那么元素也与元素i匹配;第七个条件表示:如果元素i与 元素不匹配,那么元素也与元素i不匹配,表示中的元素匹配中的元素。
本发明实施例一种实施方式中,基于效应函数,使用第一预设匹配算法,在资源块中, 为每一车辆用户选择目标匹配资源块,得到每一车辆用户的目标匹配资源块的实施方式可 参见图3,图3为本发明实施例为上述步骤S108提供的一种为车辆用户匹配资源块的实施方 式,该实施方式可以包括:
S1081,获取车辆用户集合和资源块集合。
本发明实施例中,将车辆用户集合表示为i为车辆用户集 合中的车辆用户,该车辆用户集合为V2I类型的车辆用户与V2I类型的车辆用户的并集,即 该车辆用户集合中的车辆用户为V2I类型的车辆用户和V2I类型的车辆用户。资源块集合表 示为即该资源块集合为正交信道集合与时隙集合的并集。
S1082,初始化预设优化模型的约束参数G,Di以及Qi,并在满足预设优化模型的约束条件下,按照预设的匹配规则,对车辆用户集合中每一车辆用户和资源块集合中的每一资源块进行匹配。其中,G为常数,Di表示第i个车辆用户对资源块的需求数量,Qi表示 车辆用户i成功匹配的次数。具体的,本领域技术人员可以根据实际需求设置G和Di的初 始值,可以将Qi的初始值设置为0。示例性的,预设优化模型的约束条件可以为车辆用户 需要匹配资源块的数量,当资源块集合满足车辆用户需要匹配资源块的数量时,可以随机 对车辆用户集合中每一车辆用户和资源块集合中的每一资源块进行匹配。该预设的匹配规 则可以是随机的匹配。
S1083,基于效应函数,利用预设的构建规则,构建每一车辆用户对每一资源块的第一 偏好列表,及每一资源块对每一车辆用户的第二偏好列表。基于上述得到的模糊空间的效 应函数对应的模糊数该模糊数的隶属函数一般形式可记为:
其中,
x表示隶属函数中的变量。
模糊数的α截断可以表示为:
其中,和分别是和的反函数。
假设待排序的模糊数集合为网络预设的排序观点为 为预先知道的。可以看作对模糊数排序的参考标准,即按照各个模糊数与的关系对集合 u中模糊数进行排序。模糊数优于的期望概率可以表示为:
模糊数在集合u中基于的相对值可以表示为:
其中,为模糊数在下的评估值。将相对值的大小 作为模糊数的排序结果。
可以使用如下表达式构建每一车辆用户对每一资源块的第一偏好列表:
式中,表示车辆用户i对资源块的偏好度,表示车辆用户i对资源块的偏好度,资源块表示为(k1,t1),资源块表示为(k2,t2),上述表达式的含义为,相比于资源块车辆用户i更偏好于资源块
可以使用如下表达式每一资源块对每一车辆用户的第二偏好列表:
式中,表示资源块对车辆用户i1的偏好度,表示资源块对车辆用户i2的偏好度,上述表达式的含义为,相比于车辆用户i2,资源块更偏好于车辆用户i1。
S1084,基于第一偏好列表和第二偏好列表,使用第二预设匹配算法,为每一车辆用户 选择候选匹配资源块。具体的,基于第一偏好列表和第二偏好列表,使用第二预设匹配算 法,为每一车辆用户选择候选匹配资源块在下文中详细介绍。
S1085,当Qi大于1时,判断当前每一车辆用户的候选匹配资源块与上一次每一车辆用 户的候选匹配资源块是否相同。当车辆用户i成功匹配的次数Qi大于1时,判断当前每一车 辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块是否相同。如果相同, 说明当前匹配状态已稳定,则执行步骤S1086;如果不相同,说明当前匹配状态还没有达到 稳定,则返回执行步骤S1083。
S1086,在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源 块相同时,将当前每一车辆用户的候选匹配资源块,确定为每一车辆用户的目标匹配资源 块。在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块相同 时,说明当前匹配状态已稳定,则将当前每一车辆用户的候选匹配资源块,确定为每一车 辆用户的目标匹配资源块。
图4为本发明实施例中步骤S1084的一种流程示意图,该过程包括:
S1084a,针对车辆用户集合中的每一车辆用户,向该车辆用户对应的第一偏好列表中 第一个资源块发送资源利用请求,并将该资源块从该车辆用户对应的第一偏好列表中删除。 针对车辆用户集合中的每一车辆用户,向该车辆用户对应的第一偏好列表中排序在第一位 的第一个资源块发送资源利用请求,该第一个资源块为该车辆用户最偏好的资源块,并在 发送资源利用请求之后,将该资源块从该车辆用户对应的第一偏好列表中删除。S1084b, 判断发送请求的车辆用户与第一个资源块在当前匹配形式下是否相互匹配。S1084c,如果 发送请求的车辆用户与第一个资源块在当前匹配形式下相互匹配,则接收发送请求的车辆 用户的资源利用请求。S1084d,如果发送请求的车辆用户与第一个资源块在当前匹配形式 下不是相互匹配,则判断车辆用户为第一预设类型的车辆用户,或第二预设类型的车辆用 户。在发送请求的车辆用户与第一个资源块在当前匹配形式下不是相互匹配时,判断车辆 用户为V2I类型的车辆用户,还是V2V类型的车辆用户,进而根据不同的车辆用户,执行不 同的匹配过程。S1084e,如果车辆用户为第一预设类型的车辆用户,则判断是否存在另一 个第一预设类型的车辆用户与第一个资源块匹配。S1084f,如果车辆用户为第二预设类型的 车辆用户,或不存在另一个第一预设类型的车辆用户与第一个资源块匹配,则判断第一个 资源块当前匹配是否饱和。本发明实施例中,第一个资源块当前匹配是否饱和可以表示为, 该第一个资源块是否还可以匹配给其他的车辆用户,或该第一个资源块上匹配的车辆用户 的数量是否达到该第一个资源块能够匹配车辆用户的最大值。S1084g,如果存在另一个第 一预设类型的车辆用户与第一个资源块匹配,或第一个资源块当前匹配饱和且存在另一个 第二预设类型的车辆用户与第一个资源块匹配,则根据第一个资源块对应的第二偏好列表, 判断第一个资源块是否更偏好于发送请求的车辆用户。
在一种实施方式中,可以使用如下表达式,判断第一个资源块是否更偏好于发送请求 的车辆用户:
式中,表示资源块对应的第二偏好列表中资源块对车辆用户i1的偏好度,表示资源块对应的第二偏好列表中资源块对车辆用户i2的偏好度,上述表达式的含义为,相比于车辆用户i2,资源块更偏好于车辆用户i1。
S1084h,如果第一个资源块更偏好于发送请求的车辆用户,则接收发送请求的车辆用 户的资源利用请求,并将另一个第一预设类型的车辆用户或另一个第二预设类型的车辆用 户从该第一个资源块对应的第二偏好列表中删除。当存在另一个第一预设类型的车辆用户 与第一个资源块匹配,或第一个资源块当前匹配饱和且存在另一个第二预设类型的车辆用 户与第一个资源块匹配,并在判断该第一个资源块更偏好于发送请求的车辆用户时,将另 一个第一预设类型的车辆用户或另一个第二预设类型的车辆用户从该第一个资源块对应的 第二偏好列表中删除,并接收发送请求的车辆用户的资源利用请求。S1084i,如果第一个资 源块当前匹配不饱和,则根据预设的规则,判断第一个资源块与发送请求的车辆用户匹配 是否能提高第一个资源块的效益。如果第一个资源块当前匹配不饱和,则根据该第一个资 源块对应的第二偏好列表,基于该偏好列表,判断发送请求的车辆用户在该第二偏好列表 中的排序是否达到预定的排序位置,如果达到预定的排序位置,则表明第一个资源块与发 送请求的车辆用户匹配能提高第一个资源块的效益,如果不能达到预定的排序位置,则表 明第一个资源块与发送请求的车辆用户匹配不能提高第一个资源块的效益。其中,预定的 排序位置本领域技术人员可根据实际需求进行设置。S1084j,如果第一个资源块与发送请求 的车辆用户匹配能提高第一个资源块的效益,则接收发送请求的车辆用户的资源利用请求。 S1084k,如果第一个资源块不是更偏好于发送请求的车辆用户,或第一个资源块与发送请 求的车辆用户匹配不能提高第一个资源块的效益,则保持当前匹配形式。
S1084l,如果第一个资源块接收发送请求的车辆用户的资源利用请求,则Qi增加1,并 使用第一个资源块匹配发送请求的车辆用户,更新当前车辆用户集合中每一车辆用户和资 源块集合中的每一资源块的匹配形式,将第一个资源块确定为发送请求的车辆用户的候选 匹配资源块。如果第一个资源块没有接收发送请求的车辆用户的资源利用请求,则保持当 前匹配形式。当第一个资源块接收发送请求的车辆用户的资源利用请求,说明发送请求的 车辆用户成功匹配一次,故Qi的值增加1。S1084m,判断Qi与Di是否相等,或每一车辆 用户对应的第一偏好列表是否为空。当Qi的值与Di相等,或每一车辆用户对应的第一偏好列表为空时,表明每一车辆用户都成功的匹配到了资源块,此时该次匹配完成,结束本次匹配,如果Qi与Di不相等,或每一车辆用户对应的第一偏好列表不为空,表明还有车辆 用户没有成功的匹配到资源块,此时返回执行步骤S1084a。
本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配方法,由于可以基于 获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上的信道功率增益, 以及与该信道功率增益对应的时变信道功率增益,然后,基于时变信道功率增益,构建基 于三角模糊数的模糊空间模型,通过模糊空间模型,能够对网络资源信息和车辆用户信息 这些动态变化的信息更准确的进行描述,基于信道功率增益,计算每一车辆用户在对应接 收端的信干噪比,以及每一车辆用户在不同资源块上的数据速率,进而将计算得到的数据 速率映射到模糊空间模型中,得到模糊空间模型的效应函数,再基于该效应函数,使用第 一预设匹配算法,在资源块中,为每一车辆用户选择目标匹配资源块,得到每一车辆用户 的目标匹配资源块,能够在网络资源信息和车辆用户信息动态变化的情况下,为每一车辆 用户更好的分配网络资源,实现网络资源的合理分配和利用。
示例性地,对本发明实施例中蜂窝车联网场景的动态模糊匹配方法进行仿真,得到不 同信干噪比门限值下***的吞吐量随着车辆速度变化仿真图,如图5所示。设置道路宽度为 4m,RSU覆盖道路长度为1km,网络中可用的正交信道和时隙个数均为20个,车辆用户速 度范围为20~120km/h,为保证安全行车距离,时间常数c=3.6s。由图5仿真结果可以得出不 同信干噪比门限下,***吞吐量的变化趋势一致,即均随着车速的增大而减小。然而,对 于不同的车辆速度,***吞吐量在不同信干噪比门限值间的差值不同。
对本发明实施例与现有技术方法1和现有技术方法2在不同车辆用户速度下的***吞吐 量性能进行仿真,如图6所示,其中,现有技术方法1为背景技术中的现有技术,现有技术 方法2为一种基于贪婪算法的匹配方法,其过程为:多个车辆用户同时申请网络资源,基站 对网络资源的申请,优先为车辆用户分配信道速率高、时延低的网络资源。设置道路宽度 为4m,RSU覆盖道路长度为1km,网络中可用的正交信道和时隙个数均为20个,车辆用户 速度范围为20~120km/h,为保证安全行车距离,时间常数c=3.6s。每个车辆用户速度参数设 置下产生50个网络模型,各个网络模型独立运行100次,得到仿真结果如图6所示。由图6仿 真结果可以得出,本发明实施例在不同车辆用户速度下获得的网络总吞吐量性能均优于两 个对比方法的性能。
相应于上述方法实施例,本发明实施例提供了一种蜂窝车联网中基于模糊匹配的资源 分配装置,如图7所示,该装置可以包括:
获取模块201,用于获取网络资源信息和车辆用户信息;网络资源信息包含资源块,车 辆用户信息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户。第一计算模块 202,用于基于所获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上 的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;信道功率增益用于表 示信道传输的衰减系数。构建模块203,用于基于时变信道功率增益,构建基于三角模糊数 的模糊空间模型;三角模糊数为:将时变信道功率增益映射到模糊空间的模糊数。第二计 算模块204,用于基于每一车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传 输功率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一车 辆用户在对应接收端的信干噪比;车辆用户的传输功率用于表示车辆用户对应的传输能力。 第三计算模块205,用于当车辆用户为第一预设类型的车辆用户时,基于每一车辆用户在对 应接收端的信干噪比,信道的带宽,计算每一车辆用户在不同资源块上的数据速率;数据 速率表示单位时间内车辆用户在不同资源块上数据传输的信息量。第四计算模块206,用于 当车辆用户为第二预设类型的车辆用户时,基于每一车辆用户在对应接收端的信干噪比, 及链路的可靠程度,计算每一车辆用户在不同资源块上的数据速率。映射模块207,用于将 数据速率映射到模糊空间模型中,得到模糊空间模型的效应函数;效应函数用于表示车辆 用户在不同资源块上收益的函数。匹配模块208,用于基于效应函数,使用第一预设匹配算 法,在资源块中,为每一车辆用户选择目标匹配资源块,得到每一车辆用户的目标匹配资 源块。
本发明实施例提供的一种蜂窝车联网中基于模糊匹配的资源分配装置,由于可以基于 获取的网络资源信息和车辆用户信息,计算每一车辆用户在不同资源块上的信道功率增益, 以及与该信道功率增益对应的时变信道功率增益,然后,基于时变信道功率增益,构建基 于三角模糊数的模糊空间模型,通过模糊空间模型,能够对网络资源信息和车辆用户信息 这些动态变化的信息更准确的进行描述,基于信道功率增益,计算每一车辆用户在对应接 收端的信干噪比,以及每一车辆用户在不同资源块上的数据速率,进而将计算得到的数据 速率映射到模糊空间模型中,得到模糊空间模型的效应函数,再基于该效应函数,使用第 一预设匹配算法,在资源块中,为每一车辆用户选择目标匹配资源块,得到每一车辆用户 的目标匹配资源块,能够在网络资源信息和车辆用户信息动态变化的情况下,为每一车辆 用户更好的分配网络资源,实现网络资源的合理分配和利用。
需要说明的是,本发明实施例的装置是与图2所示的一种蜂窝车联网中基于模糊匹配的 资源分配方法对应的装置,图2所示的一种蜂窝车联网中基于模糊匹配的资源分配方法的所 有实施例均适用于该装置,且均能达到相同或相似的有益效果。
可选地,第一计算模块202,具体用于:基于所获取的网络资源信息和车辆用户信息, 使用如下表达式计算每一车辆用户在不同资源块上的信道功率增益:
式中,表示车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,m,R表示车辆用户与路边单元R之间的信道传输,表示服从瑞利分布的时变小尺度衰落,表示log形式的阴影衰落变量,A表示路径损耗常数,dm,R表示从车辆用户m到路边单 元R的链路距离,表示路径损耗指数。
每一车辆用户在不同资源块上的信道功率增益对应的时变信道功率增益表示为:
式中,表示的统计特性因子,表示由快速时变小尺度衰落引起的 不确定因子,ρm,R表示不确定因子的边界限制。
构建模块203,具体用于:将包含网络资源信息和车辆用户信息的不确定信息,通过时 变信道功率增益映射为三角模糊数,所构建的基于三角模糊数的模糊空间模型表示为:
式中, 表示映射 到模糊空间模型中的数,分别表示三角模糊数的三个变量。
可选地,第二计算模块204,具体用于:
当车辆用户为第一预设类型的车辆用户时,使用如下表达式计算每一车辆用户在对应 接收端的信干噪比:
式中,表示第一预设类型的车辆用户m在接收端路边单元R的信干噪比,PM表示第一预设类型的车辆用户m的传输功率,表示第一预设类型的车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,PN表示第二预设类型的车辆用户n的传输功率,表示第二预设类型的车辆用户n与路边单元R在时隙t接入信道k的信道功率增益, 一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,θn,k,t表示第二预设类型的 车辆用户n与资源块(k,t)之间分配关系的指示变量,σ2表示加性高斯白噪声,M表示第一 预设类型的车辆用户的个数,N表示第二预设类型的车辆用户的个数,表示第二预设类 型的车辆用户的集合。
当车辆用户为第二预设类型的车辆用户时,使用如下表达式计算每一车辆用户在对应 接收端的信干噪比:
式中,表示第二预设类型的车辆用户n在对应接收端的信干噪比,表示第 二预设类型的车辆用户n收发端在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户m对第二预设类型的车辆用户n在时隙t接入信道k的信道功率增益,θm,k,t表示第一预设类型的车辆用户m与资源块(k,t)之间分配关系的指示变量,θn′,k,t表示第 二预设类型的车辆用户n′与资源块(k,t)之间分配关系的指示变量,表示第二预设类 型的车辆用户n对第二预设类型的另一车辆用户n′在时隙t接入信道k的信道功率增益, 表示第一预设类型的车辆用户的集合,n′表示第二预设类型的除n之外的另一个车辆用 户。
可选的,第三计算模块205,具体用于:当车辆用户为第一预设类型的车辆用户时,使 用如下表达式计算每一车辆用户在不同资源块上的数据速率:
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第一预设类型的车辆用户m在资源块(k,t)上的数据速率,B表示信道的带宽,表示第 一预设类型的车辆用户m在接收端路边单元R的信干噪比,M表示第一预设类型的车辆用 户的个数。
第四计算模块206,具体用于:当车辆用户为第二预设类型的车辆用户时,使用如下表 达式计算每一车辆用户在不同资源块上的数据速率:
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第二 预设类型的车辆用户n在资源块(k,t)上的数据速率,表示第二预设类型的车辆用户n 在对应接收端的信干噪比,N表示第二预设类型的车辆用户的个数,an,k,t表示第二预设类 型的车辆用户n在资源块(k,t)上的链路的可靠程度。
可选地,映射模块207,具体用于:使用如下表达式将数据速率映射到模糊空间模型中, 得到模糊空间模型的效应函数:
式中,表示映射到模糊空间模型中的数,表示第一预设类型的车辆 用户m在资源块(k,t)上的数据速率,表示映射到模糊空间模型中的数,表 示第二预设类型的车辆用户n在资源块(k,t)上的数据速率,用于表示和在模糊空间模型中的表示,表示模糊空间模型的效应函数中的变量,表示由 信道不确定性引起的错误偏差。
可选地,匹配模块208,包括:
获取子模块,用于获取车辆用户集合和资源块集合。初始化子模块,用于初始化预设 优化模型的约束参数G,Di以及Qi,并在满足预设优化模型的约束条件下,按照预设的 匹配规则,对车辆用户集合中每一车辆用户和资源块集合中的每一资源块进行匹配;其中, G为常数,Di表示第i个车辆用户对资源块的需求数量,Qi表示车辆用户i成功匹配的次 数。构建子模块,用于基于效应函数,利用预设的构建规则,构建每一车辆用户对每一资 源块的第一偏好列表,及每一资源块对每一车辆用户的第二偏好列表。选择匹配子模块, 用于基于第一偏好列表和第二偏好列表,使用第二预设匹配算法,为每一车辆用户选择候 选匹配资源块。判断子模块,用于当Qi大于1时,判断当前每一车辆用户的候选匹配资源 块与上一次每一车辆用户的候选匹配资源块是否相同。确定子模块,用于在当前每一车辆 用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块相同时,将当前每一车辆 用户的候选匹配资源块,确定为每一车辆用户的目标匹配资源块。在当前每一车辆用户的 候选匹配资源块与上一次每一车辆用户的候选匹配资源块不同时,触发构建子模块。
本发明实施例还提供了一种电子设备,如图8所示,包括处理器301、通信接口302、存 储器303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信,存储器303,用于存放计算机程序;处理器301,用于执行存储器303上所存放的程序时,实现本发明实施例所提供的一种蜂窝车联网中基于模糊匹配的资源分配方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA) 总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用 一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备 与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失 性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。上述的处理器可以是通用处理器,包 括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存 储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一一种蜂窝车联 网中基于模糊匹配的资源分配方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计 算机上运行时,使得计算机执行上述实施例中任一一种蜂窝车联网中基于模糊匹配的资源 分配方法的步骤。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或 者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任 何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排 他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素, 而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所 固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在 包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。本说明书中的各个 实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施 例重点说明的都是与其他实施例的不同之处。尤其,对于装置/设备实施例而言,由于其基 本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。 以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的 精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (9)
1.一种蜂窝车联网中基于模糊匹配的资源分配方法,其特征在于,所述方法包括:
获取网络资源信息和车辆用户信息;所述网络资源信息包含资源块,所述车辆用户信息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户;
基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;所述信道功率增益用于表示信道传输的衰减系数;
基于所述时变信道功率增益,构建基于三角模糊数的模糊空间模型;所述三角模糊数为:将所述时变信道功率增益映射到模糊空间的模糊数;
基于每一所述车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传输功率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一所述车辆用户在对应接收端的信干噪比;所述车辆用户的传输功率用于表示车辆用户对应的传输能力;
当所述车辆用户为第一预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,信道的带宽,计算每一所述车辆用户在不同资源块上的数据速率;所述数据速率表示单位时间内所述车辆用户在不同资源块上数据传输的信息量;
当所述车辆用户为第二预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,及链路的可靠程度,计算每一所述车辆用户在不同资源块上的数据速率;
将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的效应函数;所述效应函数用于表示车辆用户在不同资源块上收益的函数;
基于所述效应函数,使用第一预设匹配算法,在所述资源块中,为每一所述车辆用户选择目标匹配资源块,得到每一所述车辆用户的目标匹配资源块。
2.根据权利要求1所述的方法,其特征在于,所述基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益的步骤,包括:
基于所获取的网络资源信息和车辆用户信息,使用如下表达式计算每一所述车辆用户在不同资源块上的信道功率增益:
式中,表示车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,m,R表示车辆用户与路边单元R之间的信道传输,表示服从瑞利分布的时变小尺度衰落,表示log形式的阴影衰落变量,A表示路径损耗常数,dm,R表示从车辆用户m到路边单元R的链路距离,表示路径损耗指数;
每一所述车辆用户在不同资源块上的信道功率增益对应的时变信道功率增益表示为:
式中,表示的统计特性因子,表示由快速时变小尺度衰落引起的不确定因子,ρm,R表示不确定因子的边界限制;
所述基于所述时变信道功率增益,构建基于三角模糊数的模糊空间模型的步骤,包括:
将包含所述网络资源信息和所述车辆用户信息的不确定信息,通过所述时变信道功率增益映射为三角模糊数,所构建的基于三角模糊数的模糊空间模型表示为:
式中,表示映射到所述模糊空间模型中的数,分别表示三角模糊数的三个变量。
3.根据权利要求1所述的方法,其特征在于,所述基于每一所述车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传输功率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一所述车辆用户在对应接收端的信干噪比的步骤,包括:
当所述车辆用户为第一预设类型的车辆用户时,使用如下表达式计算每一所述车辆用户在对应接收端的信干噪比:
式中,表示第一预设类型的车辆用户m在接收端路边单元R的信干噪比,PM表示第一预设类型的车辆用户m的传输功率,表示第一预设类型的车辆用户m与路边单元R在时隙t接入信道k的信道功率增益,PN表示第二预设类型的车辆用户n的传输功率,表示第二预设类型的车辆用户n与路边单元R在时隙t接入信道k的信道功率增益,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,θn,k,t表示第二预设类型的车辆用户n与资源块(k,t)之间分配关系的指示变量,σ2表示加性高斯白噪声,M表示第一预设类型的车辆用户的个数,N表示第二预设类型的车辆用户的个数,表示第二预设类型的车辆用户的集合;
当所述车辆用户为第二预设类型的车辆用户时,使用如下表达式计算每一所述车辆用户在对应接收端的信干噪比:
式中,表示第二预设类型的车辆用户n在对应接收端的信干噪比,表示第二预设类型的车辆用户n收发端在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户m对第二预设类型的车辆用户n在时隙t接入信道k的信道功率增益,θm,k,t表示第一预设类型的车辆用户m与资源块(k,t)之间分配关系的指示变量,θn′,k,t表示第二预设类型的车辆用户n′与资源块(k,t)之间分配关系的指示变量,表示第二预设类型的车辆用户n对第二预设类型的另一车辆用户n′在时隙t接入信道k的信道功率增益,表示第一预设类型的车辆用户的集合,n′表示第二预设类型的除n之外的另一个车辆用户。
4.根据权利要求1所述的方法,其特征在于,所述当所述车辆用户为第一预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,信道的带宽,计算每一所述车辆用户在不同资源块上的数据速率的步骤,包括:
当所述车辆用户为第一预设类型的车辆用户时,使用如下表达式计算每一所述车辆用户在不同资源块上的数据速率:
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第一预设类型的车辆用户m在资源块(k,t)上的数据速率,B表示信道的带宽,表示第一预设类型的车辆用户m在接收端路边单元R的信干噪比,M表示第一预设类型的车辆用户的个数;
所述当所述车辆用户为第二预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,及链路的可靠程度,计算每一所述车辆用户在不同资源块上的数据速率的步骤,包括:
当所述车辆用户为第二预设类型的车辆用户时,使用如下表达式计算每一所述车辆用户在不同资源块上的数据速率:
式中,一个资源块表示为(k,t),k表示第k个信道,t表示第t个时隙,表示第二预设类型的车辆用户n在资源块(k,t)上的数据速率,表示第二预设类型的车辆用户n在对应接收端的信干噪比,N表示第二预设类型的车辆用户的个数,an,k,t表示第二预设类型的车辆用户n在资源块(k,t)上的链路的可靠程度。
5.根据权利要求4所述的方法,其特征在于,所述将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的效应函数的步骤,包括:
使用如下表达式将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的效应函数:
式中,表示映射到所述模糊空间模型中的数,表示第一预设类型的车辆用户m在资源块(k,t)上的数据速率,表示映射到所述模糊空间模型中的数,表示第二预设类型的车辆用户n在资源块(k,t)上的数据速率,用于表示和在模糊空间模型中的表示,表示模糊空间模型的效应函数中的变量,ΔUi,k,t表示由信道不确定性引起的错误偏差。
6.根据权利要求1所述的方法,其特征在于,基于所述效应函数,使用第一预设匹配算法,在所述资源块中,为每一所述车辆用户选择目标匹配资源块,得到每一所述车辆用户的目标匹配资源块的步骤,包括:
获取车辆用户集合和资源块集合;
初始化预设优化模型的约束参数G,Di以及Qi,并在满足所述预设优化模型的约束条件下,按照预设的匹配规则,对所述车辆用户集合中每一车辆用户和所述资源块集合中的每一资源块进行匹配;其中,G为常数,Di表示第i个车辆用户对资源块的需求数量,Qi表示车辆用户i成功匹配的次数;
基于所述效应函数,利用预设的构建规则,构建每一所述车辆用户对每一所述资源块的第一偏好列表,及每一所述资源块对每一所述车辆用户的第二偏好列表;
基于所述第一偏好列表和所述第二偏好列表,使用第二预设匹配算法,为每一所述车辆用户选择候选匹配资源块;
当所述Qi大于1时,判断当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块是否相同;
在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块相同时,将当前每一车辆用户的候选匹配资源块,确定为每一车辆用户的目标匹配资源块;
在当前每一车辆用户的候选匹配资源块与上一次每一车辆用户的候选匹配资源块不同时,返回执行所述基于所述效应函数,利用预设的构建规则,构建每一所述车辆用户对每一所述资源块的第一偏好列表的步骤。
7.一种蜂窝车联网中基于模糊匹配的资源分配装置,其特征在于,所述装置包括:
获取模块,用于获取网络资源信息和车辆用户信息;所述网络资源信息包含资源块,所述车辆用户信息包括:第一预设类型的车辆用户,及第二预设类型的车辆用户;
第一计算模块,用于基于所获取的网络资源信息和车辆用户信息,计算每一所述车辆用户在不同资源块上的信道功率增益,以及与该信道功率增益对应的时变信道功率增益;所述信道功率增益用于表示信道传输的衰减系数;
构建模块,用于基于所述时变信道功率增益,构建基于三角模糊数的模糊空间模型;所述三角模糊数为:将所述时变信道功率增益映射到模糊空间的模糊数;
第二计算模块,用于基于每一所述车辆用户在不同资源块上的信道功率增益,预设的车辆用户的传输功率,车辆用户与资源块之间分配关系的指示变量,以及加性高斯白噪声,计算每一所述车辆用户在对应接收端的信干噪比;所述车辆用户的传输功率用于表示车辆用户对应的传输能力;
第三计算模块,用于当所述车辆用户为第一预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,信道的带宽,计算每一所述车辆用户在不同资源块上的数据速率;所述数据速率表示单位时间内所述车辆用户在不同资源块上数据传输的信息量;
第四计算模块,用于当所述车辆用户为第二预设类型的车辆用户时,基于每一所述车辆用户在对应接收端的信干噪比,及链路的可靠程度,计算每一所述车辆用户在不同资源块上的数据速率;
映射模块,用于将所述数据速率映射到所述模糊空间模型中,得到所述模糊空间模型的效应函数;所述效应函数用于表示车辆用户在不同资源块上收益的函数;
匹配模块,用于基于所述效应函数,使用第一预设匹配算法,在所述资源块中,为每一所述车辆用户选择目标匹配资源块,得到每一所述车辆用户的目标匹配资源块。
8.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757486.6A CN110582072B (zh) | 2019-08-16 | 2019-08-16 | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757486.6A CN110582072B (zh) | 2019-08-16 | 2019-08-16 | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110582072A true CN110582072A (zh) | 2019-12-17 |
CN110582072B CN110582072B (zh) | 2020-07-10 |
Family
ID=68811511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910757486.6A Active CN110582072B (zh) | 2019-08-16 | 2019-08-16 | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110582072B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741050A (zh) * | 2020-04-07 | 2020-10-02 | 北京邮电大学 | 一种基于路边单元的数据分发方法及*** |
CN112652189A (zh) * | 2020-12-30 | 2021-04-13 | 西南交通大学 | 基于策略流的交通分配方法、装置、设备及可读存储介质 |
CN113068150A (zh) * | 2021-04-06 | 2021-07-02 | 北京邮电大学 | 策略估计网络的训练方法及装置、传输方法、设备及介质 |
CN113543065A (zh) * | 2021-05-31 | 2021-10-22 | 北京邮电大学 | 一种基于强化学习的通信资源分配方法及其相关设备 |
CN113676275A (zh) * | 2021-08-18 | 2021-11-19 | 中国电信股份有限公司 | 车联网频谱复用的资源分配方法、装置、设备和可读介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140179335A1 (en) * | 2011-08-25 | 2014-06-26 | Huawei Technologies Co., Ltd. | Method, device and system for dynamic frequency spectrum optimization |
US20150043525A1 (en) * | 2012-04-27 | 2015-02-12 | Huawei Technologies Co., Ltd. | User pairing method, device and system for realizing user scheduling |
CN105960024A (zh) * | 2016-06-08 | 2016-09-21 | 北京邮电大学 | 一种d2d通信中基于社交感知的用户发现及资源分配方法 |
CN107613500A (zh) * | 2017-08-29 | 2018-01-19 | 北京邮电大学 | 一种不确定环境下的无线频谱共享方法 |
CN107682838A (zh) * | 2017-11-20 | 2018-02-09 | 哈尔滨工业大学 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109729528A (zh) * | 2018-12-21 | 2019-05-07 | 北京邮电大学 | 一种基于多智能体深度强化学习的d2d资源分配方法 |
-
2019
- 2019-08-16 CN CN201910757486.6A patent/CN110582072B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140179335A1 (en) * | 2011-08-25 | 2014-06-26 | Huawei Technologies Co., Ltd. | Method, device and system for dynamic frequency spectrum optimization |
US20150043525A1 (en) * | 2012-04-27 | 2015-02-12 | Huawei Technologies Co., Ltd. | User pairing method, device and system for realizing user scheduling |
CN105960024A (zh) * | 2016-06-08 | 2016-09-21 | 北京邮电大学 | 一种d2d通信中基于社交感知的用户发现及资源分配方法 |
CN107613500A (zh) * | 2017-08-29 | 2018-01-19 | 北京邮电大学 | 一种不确定环境下的无线频谱共享方法 |
CN107682838A (zh) * | 2017-11-20 | 2018-02-09 | 哈尔滨工业大学 | 车联网通信联合集中式资源调度和自组织资源分配方法 |
CN109302709A (zh) * | 2018-09-14 | 2019-02-01 | 重庆邮电大学 | 面向移动边缘计算的车联网任务卸载与资源分配策略 |
CN109729528A (zh) * | 2018-12-21 | 2019-05-07 | 北京邮电大学 | 一种基于多智能体深度强化学习的d2d资源分配方法 |
Non-Patent Citations (1)
Title |
---|
WANLU SUN: ""Radio Resource Management for D2D-Based V2V Communication"", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111741050A (zh) * | 2020-04-07 | 2020-10-02 | 北京邮电大学 | 一种基于路边单元的数据分发方法及*** |
CN112652189A (zh) * | 2020-12-30 | 2021-04-13 | 西南交通大学 | 基于策略流的交通分配方法、装置、设备及可读存储介质 |
CN112652189B (zh) * | 2020-12-30 | 2021-09-28 | 西南交通大学 | 基于策略流的交通分配方法、装置、设备及可读存储介质 |
CN113068150A (zh) * | 2021-04-06 | 2021-07-02 | 北京邮电大学 | 策略估计网络的训练方法及装置、传输方法、设备及介质 |
CN113543065A (zh) * | 2021-05-31 | 2021-10-22 | 北京邮电大学 | 一种基于强化学习的通信资源分配方法及其相关设备 |
CN113543065B (zh) * | 2021-05-31 | 2024-02-02 | 北京邮电大学 | 一种基于强化学习的通信资源分配方法及其相关设备 |
CN113676275A (zh) * | 2021-08-18 | 2021-11-19 | 中国电信股份有限公司 | 车联网频谱复用的资源分配方法、装置、设备和可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110582072B (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110582072B (zh) | 蜂窝车联网中基于模糊匹配的资源分配方法及装置 | |
CN111711666B (zh) | 一种基于强化学习的车联网云计算资源优化方法 | |
Park et al. | Network resource optimization with reinforcement learning for low power wide area networks | |
CN113687875B (zh) | 一种车联网中车辆任务卸载方法及装置 | |
Rahim et al. | An efficient caching policy for content retrieval in autonomous connected vehicles | |
CN115665227B (zh) | 一种普适的异构融合算网资源智慧适配网络架构及方法 | |
CN114827191B (zh) | 一种车路协同***中融合noma的动态任务卸载方法 | |
CN108307412B (zh) | 用户为中心的基于分组博弈的超密集网络干扰管理方法 | |
CN110831206A (zh) | 一种应用于车联异构网络的无线资源调度方法及装置 | |
CN113392539A (zh) | 基于联邦强化学习的机器人通信控制方法、***及设备 | |
CN111741450A (zh) | 网络流量预测方法、装置和电子设备 | |
CN107613500B (zh) | 一种不确定环境下的无线频谱共享方法 | |
CN103561103A (zh) | 业务迁移的控制方法和装置 | |
Hoffmann et al. | Frequency selection for platoon communications in secondary spectrum using radio environment maps | |
Hu et al. | Social-aware resource allocation for vehicle-to-everything communications underlaying cellular networks | |
WO2022179077A1 (zh) | 一种通信感知一体化非正交多址随机接入通信方法及装置 | |
CN113543065B (zh) | 一种基于强化学习的通信资源分配方法及其相关设备 | |
CN111510882A (zh) | 基于用户体验质量的车联网频谱资源分配方法及*** | |
Ma | Communication Resource Allocation Strategy of Internet of Vehicles Based on MEC. | |
CN116506829B (zh) | 基于c-v2x通信的联邦边缘学习选择车辆方法 | |
CN105791403B (zh) | 基于模糊算法的车辆自组织网络资源管理方法 | |
CN113473419B (zh) | 基于强化学习的机器类通信设备接入蜂窝数据网络的方法 | |
CN113676958B (zh) | 车辆到车辆的网络切片带宽资源分配方法及装置 | |
CN113784308B (zh) | 基于编码缓存的内容共享方法及装置 | |
Wang et al. | Location-partition-based channel allocation and power control methods for C-V2X communication networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |