面向群體感知的智能汽車協(xié)同通信方法

孫 亮，吳靜媛，梁翠蘭，楊 樹

(中國交通信息科技集團(tuán)有限公司 綜合交通運(yùn)輸大數(shù)據(jù)處理及應(yīng)用技術(shù)交通運(yùn)輸行業(yè)研發(fā)中心，北京 100035)

0 引言

車聯(lián)網(wǎng)體系[1-4]的提出加速了汽車的網(wǎng)絡(luò)化和智能化進(jìn)程。在車聯(lián)網(wǎng)體系架構(gòu)下，車輛借助V2X、人工智能等技術(shù)，被賦予了豐富的感知、計(jì)算和通信能力[5-6]，不僅是信息的消費(fèi)者，更成為信息的收集者。借助車輛在城市中的廣泛分布和車輛之間的通信協(xié)同，可以感知城市交通狀況[7-9]，方便司機(jī)避開擁堵[10-11]，合理規(guī)劃行車路線。服務(wù)商還可以利用車載空氣檢測器，收集融合城市空氣質(zhì)量數(shù)據(jù)或噪聲污染數(shù)據(jù)[12-14]。在智能駕駛應(yīng)用場景中，基礎(chǔ)設(shè)施和交通細(xì)節(jié)也被納入智能汽車的感知范圍[15]，所感知的高精度地圖具有厘米級精度，包含路面地貌、實(shí)時(shí)路況、交通信號等道路交通的細(xì)節(jié)。這些豐富的應(yīng)用不斷推動(dòng)車聯(lián)網(wǎng)通信架構(gòu)的演進(jìn)。

V2X[16-18]是基于3GPP全球統(tǒng)一標(biāo)準(zhǔn)的通信技術(shù)，愿景是使用直連、移動(dòng)蜂窩等多種網(wǎng)絡(luò)技術(shù)使車與周邊一切元素互聯(lián)。目前包含LTE-V2X和 NR-V2X，支持LTE-V2X向NR-V2X的平滑演進(jìn)。LTE-V2X的目標(biāo)主要是支持輔助駕駛，通過車輛短消息實(shí)時(shí)通信共享路面情況，提升道路安全及提高效率；NR-V2X具有更大的帶寬和容量，通過將高帶寬通信技術(shù)與人工智能、大數(shù)據(jù)等新技術(shù)結(jié)合，可以更好地支持協(xié)同駕駛、協(xié)同感知等新功能。2019年12月，3GPP通過了標(biāo)準(zhǔn)化項(xiàng)目“5G新空口sidelink增強(qiáng)”將實(shí)現(xiàn)對NR-V2X sidelink[19]的增強(qiáng)。未來車聯(lián)網(wǎng)融合體系中直連通信部分，除了LTE-V的PC5廣播模式，還將有NR-V2X sidelink所支持的單播、組播模式，使車聯(lián)網(wǎng)的運(yùn)行部署更為靈活，支持更多的協(xié)同感知、協(xié)同決策的應(yīng)用。

協(xié)同感知、協(xié)同決策等服務(wù)對V2X協(xié)同通信提出了局部高密度、高動(dòng)態(tài)要求，這些服務(wù)具有較強(qiáng)信息效用時(shí)空衰減性，本地信息需要快速流通融合。另一方面，隨著車聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)量的增加，整個(gè)互聯(lián)系統(tǒng)的確定性增加，協(xié)調(diào)控制復(fù)雜度增加，通信開銷也成倍增加，因此大規(guī)模協(xié)同任務(wù)也不適合中心控制管理。為了提高車聯(lián)網(wǎng)體系應(yīng)對此類服務(wù)，需要研究一種支持局部車輛動(dòng)態(tài)組織的、低通信開銷的協(xié)同通信機(jī)制。

因此，本文研究了面向群體感知的智能汽車協(xié)同通信系統(tǒng)，對已有V2X中的通信機(jī)制進(jìn)行優(yōu)化，提出基于地理分割的融合反饋方法，動(dòng)態(tài)地組織通信資源，減小服務(wù)對通信資源的占用，可進(jìn)一步提升車輛通信密度、支撐車聯(lián)網(wǎng)局部協(xié)同服務(wù)。

1 任務(wù)消息的擴(kuò)散與時(shí)空群落的形成

以一個(gè)高精度地圖眾包任務(wù)為例，說明面向群體感知的協(xié)同通信的作用背景。任務(wù)消息的擴(kuò)散與時(shí)空群落的形成如圖1所示，根據(jù)任務(wù)階段分為任務(wù)擴(kuò)展區(qū)和任務(wù)感知區(qū)。任務(wù)擴(kuò)展區(qū)是節(jié)點(diǎn)協(xié)同進(jìn)行感知準(zhǔn)備工作的區(qū)域，也稱擴(kuò)展地理范圍，通常由定制者指定范圍大小。任務(wù)感知區(qū)是節(jié)點(diǎn)正式進(jìn)行數(shù)據(jù)收集的區(qū)域。一個(gè)地圖供應(yīng)商發(fā)起了對某一路段的感知任務(wù)，并將任務(wù)投放到任務(wù)擴(kuò)展區(qū)內(nèi)某個(gè)發(fā)起節(jié)點(diǎn)上。任務(wù)投放位置不需要十分精確，理想情況下，具體由哪個(gè)感知節(jié)點(diǎn)發(fā)起任務(wù)并不影響后續(xù)感知任務(wù)的效果。

圖1 任務(wù)消息的擴(kuò)散與時(shí)空群落的形成Fig.1 Diffusion of task messages and formation of spatiotemporal community

發(fā)起節(jié)點(diǎn)首先向周圍廣播擴(kuò)展消息，其余節(jié)點(diǎn)收到擴(kuò)展消息后繼續(xù)轉(zhuǎn)發(fā)。為了防止消息無限制傳播，采用地理范圍和生存時(shí)間約束消息的擴(kuò)散。參與消息擴(kuò)散的節(jié)點(diǎn)稱為擴(kuò)展節(jié)點(diǎn)，擴(kuò)展節(jié)點(diǎn)中有參與感知任務(wù)意愿的節(jié)點(diǎn)構(gòu)成了一個(gè)地理和時(shí)間上鄰近，擁有共同目的的智能汽車群體，稱為面向感知任務(wù)的時(shí)空群落。

2 群落關(guān)鍵信息共享

所有具有參與意愿的節(jié)點(diǎn)已經(jīng)從邏輯上構(gòu)成了一個(gè)時(shí)空群落，由于一次V2X廣播消息只能跨越單跳距離，群落成員對于群落中遠(yuǎn)距離節(jié)點(diǎn)的意愿缺乏了解。任務(wù)發(fā)起節(jié)點(diǎn)無法預(yù)估所能提供的感知量，因此不能向定制者提供有效的反饋。

消息擴(kuò)散過程到達(dá)邊界后，處于邊界上的節(jié)點(diǎn)可以通過3種方法向發(fā)起節(jié)點(diǎn)反饋關(guān)鍵信息：簡單反饋、動(dòng)態(tài)簇和基于地理分割的融合反饋。以上信息共享方法中，時(shí)空群落仍然需要擴(kuò)散節(jié)點(diǎn)幫助傳播消息。

2.1 簡單反饋

簡單反饋機(jī)制是一種普通的V2X消息傳播方法。每一個(gè)群落成員都生成一則消息，向發(fā)起節(jié)點(diǎn)的區(qū)域洪泛，利用常用的競爭-退避機(jī)制，使每一跳盡量選擇最遠(yuǎn)的中繼節(jié)點(diǎn)轉(zhuǎn)發(fā)，以便消息盡快到達(dá)發(fā)起節(jié)點(diǎn)。簡單反饋的方法沒有在轉(zhuǎn)發(fā)過程中融合數(shù)據(jù)，每一個(gè)群落成員的消息都需要消耗單獨(dú)一條傳播路徑，造成較大的通信開銷?；诤唵畏答伒南鬟f方法如圖2所示。

圖2 基于簡單反饋的消息傳遞方法Fig.2 Message passing method based on simple feedback

2.2 動(dòng)態(tài)簇

動(dòng)態(tài)簇反饋機(jī)制是一種常見的V2X消息傳播方法。如圖3所示，擴(kuò)展區(qū)域內(nèi)每個(gè)節(jié)點(diǎn)(包括群落成員和擴(kuò)展節(jié)點(diǎn))搜尋以自己為中心，半徑為R的區(qū)域內(nèi)是否存在簇頭，如果沒有則自己成為簇頭。

圖3 基于動(dòng)態(tài)簇的消息傳遞方法Fig.3 Message passing method based on dynamic cluster

然后，群落成員被劃分至各個(gè)簇頭管轄。簇頭收集本簇所有節(jié)點(diǎn)的信息。每個(gè)簇還生成“簇首”和“簇尾”作為中繼，輔助簇頭之間通信。依靠分層的結(jié)構(gòu)，消息只需要在少量節(jié)點(diǎn)之間傳遞，發(fā)起節(jié)點(diǎn)就可以獲取所有群落成員信息。該方法的代價(jià)是簇的維護(hù)消耗通信資源。

2.3 基于地理分割的融合反饋

本文提出了基于地理分割的融合反饋方法，圖4對這種方法進(jìn)行了說明。通過競爭轉(zhuǎn)發(fā)機(jī)制將每一跳距離L盡可能長，同時(shí)通過L劃分出相互交疊的地理區(qū)域。每個(gè)區(qū)域中通過競爭生成轉(zhuǎn)發(fā)節(jié)點(diǎn)，該節(jié)點(diǎn)統(tǒng)計(jì)本區(qū)域內(nèi)有參與意愿的節(jié)點(diǎn)，并將本區(qū)域消息融合在轉(zhuǎn)發(fā)消息中，消息在回傳過程中伴隨著融合更新。有的節(jié)點(diǎn)可能被2條反饋路線重復(fù)統(tǒng)計(jì)(如A節(jié)點(diǎn)可能被路線1和路線2重復(fù)統(tǒng)計(jì))，也有節(jié)點(diǎn)可能被2個(gè)相鄰的轉(zhuǎn)發(fā)節(jié)點(diǎn)覆蓋統(tǒng)計(jì)(如B節(jié)點(diǎn)可能被H1和H2重復(fù)統(tǒng)計(jì))，故每輛車均設(shè)置判重標(biāo)記，已被標(biāo)記的節(jié)點(diǎn)代表已經(jīng)被上述2種情況之一統(tǒng)計(jì)。最終，整個(gè)任務(wù)擴(kuò)展區(qū)內(nèi)有參與意愿的節(jié)點(diǎn)信息被反饋至發(fā)起節(jié)點(diǎn)。與SF相比，GFF增加了信息融合過程；與DC相比，GFF沒有顯式的簇生成和維護(hù)過程，所以通信開銷較小。GFF額外的開銷主要發(fā)生在區(qū)域之間判重，這是由于地理分割的不精確造成的。

圖4 基于地理分割的融合反饋消息傳遞方法Fig.4 Fusion feedback message passing method based on geographic segmentation

3 仿真與分析

3.1 仿真環(huán)境

TransModeler是一款用于交通仿真的軟件，可以逼真地模擬出各類交通網(wǎng)絡(luò)和多種出行方式的交通流，使用動(dòng)畫把交通流的情況、信號燈的運(yùn)作情況以及道路交通網(wǎng)絡(luò)的性能直觀地展現(xiàn)出來。本文在TransModeler二次開發(fā)的基礎(chǔ)上，實(shí)現(xiàn)了汽車邏輯通信仿真系統(tǒng)。系統(tǒng)通過網(wǎng)絡(luò)通信接收來自應(yīng)用層的服務(wù)請求，TransModeler仿真車輛路徑或通信進(jìn)行控制。圖5為TransModeler的仿真界面和本實(shí)驗(yàn)的仿真城市環(huán)境。

圖5 仿真環(huán)境示意Fig.5 Schematic diagram of simulation environment

仿真在美國San Antonio的城市地圖上進(jìn)行，其道路拓?fù)浼昂暧^車流狀況來自真實(shí)數(shù)據(jù)，所得數(shù)據(jù)均采用多次實(shí)驗(yàn)取平均值的方法獲得。

經(jīng)典V2X協(xié)同通信方法有2種[10-12]：基于洪泛的簡單反饋是V2X從VANET中繼承來的最經(jīng)典的信息傳遞方法；動(dòng)態(tài)簇因?yàn)椴捎梅謱咏Y(jié)構(gòu)優(yōu)化信息傳播而被廣泛采用。另外，基于地理分割的融合反饋方法是根據(jù)V2X場景優(yōu)化后提出的方法，將與前2種經(jīng)典方法進(jìn)行實(shí)驗(yàn)對比。

3.2 指標(biāo)統(tǒng)計(jì)

通信指標(biāo)包括總通信次數(shù)和總時(shí)間。

廣播雖然是一對多的消息傳播，但由于其只占用一個(gè)信道，所以也記為一次通信。如果一個(gè)節(jié)點(diǎn)分別向N個(gè)節(jié)點(diǎn)單播，則記為N次。完成感知協(xié)同任務(wù)需要的總次數(shù)可以反映通信開銷。

精確仿真時(shí)間消耗比較困難，令每一次通信消耗一個(gè)單位時(shí)間T，則從發(fā)起節(jié)點(diǎn)開始擴(kuò)散消息到協(xié)調(diào)分工消耗的總時(shí)間可以通過累計(jì)通信次數(shù)m所消耗的時(shí)間mT近似。

3.3 試驗(yàn)結(jié)果

實(shí)驗(yàn)安排在一條1 000 m的直線主干道上，消息擴(kuò)散范圍限制為發(fā)起節(jié)點(diǎn)下游1 000 m以內(nèi)，V2X直連有效通信距離為150 m。

3.3.1 車輛密度對通信效果的影響

如圖6所示,GFF方法在3種方法中擁有最低的通信總次數(shù)。隨著車輛密度的增加,3種信息共享方法協(xié)同形成群落的通信總次數(shù)隨之增加。不同的是，DC和GFF增加幅度較小，SF增加幅度較大，因此SF不太適合車輛密度較大的場景。

圖6 車輛密度對通信總次數(shù)的影響Fig.6 Influence of vehicle density on total communication times

車輛密度-通信總時(shí)間(圖7)曲線中，在擴(kuò)散地理范圍的約束下，各方法的通信總時(shí)間是一個(gè)與車輛密度無關(guān)的常數(shù)。SF所消耗的時(shí)間最短，GFF消耗時(shí)間最長，為SF的2～3倍，原因在于GFF方法中一旦轉(zhuǎn)發(fā)節(jié)點(diǎn)生成，需要耗費(fèi)額外的時(shí)間對周圍節(jié)點(diǎn)實(shí)施統(tǒng)計(jì)?？紤]到V2X中一個(gè)單位時(shí)間片T通常處于10～100 ms的數(shù)量級，增加的時(shí)間開銷是可以接受的。另外，DC作為V2X中的經(jīng)典方法，其表現(xiàn)在2種指標(biāo)下都較好。

圖7 車輛密度對通信總時(shí)間的影響Fig.7 Influence of vehicle density on total communication time

因此， DC和GFF均適合非實(shí)時(shí)協(xié)同感知服務(wù)。對實(shí)時(shí)性要求高的服務(wù)，應(yīng)選用SF。對于頻譜資源短缺的情況，GFF可以實(shí)現(xiàn)極低的通信開銷，是一種有效的協(xié)同感知方法。

3.3.2 道路拓?fù)鋵νㄐ判Ч挠绊?/p>

城市復(fù)雜道路環(huán)境可能降低算法的效果。一個(gè)具有魯棒性的算法應(yīng)該能夠適應(yīng)不同結(jié)構(gòu)的道路，如直道、彎道、十字路口。仿真實(shí)驗(yàn)在一定車輛密度范圍(40～60)內(nèi)觀察道路拓?fù)鋵Σ煌桨傅挠绊?。信息擴(kuò)散的地理范圍約束均為1 000 m×1 000 m。

道路狀況對通信總次數(shù)的影響如圖8所示，道路狀況對通信總時(shí)間的影響如圖9所示。

圖8 道路狀況對通信總次數(shù)的影響Fig.8 Influence of road conditions on total communication times

圖9 道路狀況對通信總時(shí)間的影響Fig.9 Influence of road conditions on total communication time

由圖8和圖9可以看出，3種方法的通信指標(biāo)隨不同道路拓?fù)渚行》▌?dòng)，說明3種方法均適應(yīng)復(fù)雜道路拓?fù)洹?/p>

4 結(jié)束語

車聯(lián)網(wǎng)技術(shù)進(jìn)步促進(jìn)了智能汽車協(xié)同通信的研究。本文討論了面向群體感知的智能汽車協(xié)同通信方法，提出了基于地理分割的融合反饋機(jī)制。該方法面向地圖商的大型感知任務(wù)，利用V2X在感知現(xiàn)場動(dòng)態(tài)組織資源對任務(wù)進(jìn)行規(guī)劃和執(zhí)行。該方法對V2X的協(xié)同通信方式進(jìn)行了改進(jìn)，能夠有效減小通信開銷，提高車輛密度，并能適應(yīng)直道、彎道、十字路口等復(fù)雜拓?fù)淝闆r。后續(xù)將在相關(guān)研究基礎(chǔ)上，進(jìn)一步研究設(shè)計(jì)獎(jiǎng)勵(lì)機(jī)制以優(yōu)化群體感知的效果。