5G蜂窩車(chē)聯(lián)網(wǎng)(C-V2X) 資源分配優(yōu)化與性能評(píng)估

洪瑩 沙宇晨 丁飛 陳竺 張登銀

關(guān)鍵詞：智慧交通；蜂窩車(chē)聯(lián)網(wǎng)（C-V2X）；V2X通信；車(chē)對(duì)車(chē)通訊（V2V）；資源分配；吞吐量

第5代移動(dòng)通信系統(tǒng)（5thgenerationmobilecommunicationsystem，5G）的迅猛發(fā)展給車(chē)聯(lián)網(wǎng)帶來(lái)了重大發(fā)展機(jī)遇，5G與車(chē)聯(lián)網(wǎng)的融合推動(dòng)了城市道路基礎(chǔ)設(shè)施的升級(jí)部署以及智能網(wǎng)聯(lián)車(chē)路云協(xié)同系統(tǒng)的建設(shè)[1]。蜂窩車(chē)聯(lián)網(wǎng)（cellularvehicle-to-everything，C-V2X）通信技術(shù)從長(zhǎng)期演進(jìn)（longtermevolution，LTE）平滑演進(jìn)到5G，利用5G網(wǎng)絡(luò)的高速率和低時(shí)延優(yōu)勢(shì)可顯著提高智能網(wǎng)聯(lián)車(chē)輛的通信與服務(wù)性能[2]。一方面，基于C-V2X技術(shù)，智能網(wǎng)聯(lián)車(chē)輛具備與周?chē)?chē)輛以及道路相互通信的能力，這一能力使得智能網(wǎng)聯(lián)車(chē)輛在跟馳和換道等過(guò)程中獲得更多信息，有助于生成更加靈活、智能的決策[3]；另一方面，車(chē)到車(chē)（vehicletovehicle，V2V）、車(chē)到路（路側(cè)設(shè)施）（vehicles-toinfrastructure，V2I）、車(chē)到人（vehicletopedestrian，V2P）和車(chē)到云（vehicletocloud，V-C）多種組網(wǎng)模式的混合運(yùn)用，有益補(bǔ)充了智能網(wǎng)聯(lián)交通下人、車(chē)、路、云的服務(wù)場(chǎng)景[4]。

然而，智能網(wǎng)聯(lián)車(chē)輛大數(shù)量并發(fā)連接并入網(wǎng)運(yùn)行，車(chē)輛高速移動(dòng)和V2X組網(wǎng)加劇網(wǎng)絡(luò)拓?fù)浜托诺绖?dòng)態(tài)變化，造成車(chē)聯(lián)網(wǎng)組網(wǎng)性能無(wú)法獲得保證[5]。在大規(guī)模5G蜂窩車(chē)聯(lián)網(wǎng)中，傳統(tǒng)的蜂窩網(wǎng)絡(luò)資源管理手段已難以滿(mǎn)足動(dòng)態(tài)變化的車(chē)聯(lián)網(wǎng)用戶(hù)需求[6]。研究如何在高速變化的車(chē)聯(lián)網(wǎng)拓?fù)渚W(wǎng)絡(luò)中進(jìn)行高效的車(chē)聯(lián)網(wǎng)資源分配管理，對(duì)于保障車(chē)聯(lián)網(wǎng)通信與服務(wù)質(zhì)量，以及為后期車(chē)聯(lián)網(wǎng)實(shí)際部署與管理奠定堅(jiān)實(shí)基礎(chǔ)且具有實(shí)際意義[7-8]。

為了緩解蜂窩車(chē)聯(lián)網(wǎng)有限頻譜資源與海量用戶(hù)業(yè)務(wù)匹配需求的緊張矛盾，已有眾多研究者致力于資源分配優(yōu)化方面研究。針對(duì)高移動(dòng)性車(chē)輛環(huán)境導(dǎo)致車(chē)聯(lián)網(wǎng)網(wǎng)絡(luò)拓?fù)浜托诺揽焖僮兓?，使得蜂窩網(wǎng)絡(luò)無(wú)法收集準(zhǔn)確的瞬時(shí)信道狀態(tài)信息用于集中資源管理。文獻(xiàn)[9]構(gòu)建了基于車(chē)輛運(yùn)動(dòng)特征的時(shí)變模型，以支撐評(píng)估交叉口車(chē)輛排隊(duì)通信的動(dòng)態(tài)連接性能。文獻(xiàn)[10]提出了一種基于多任務(wù)強(qiáng)化學(xué)習(xí)算法來(lái)優(yōu)化資源分配和頻譜共享問(wèn)題，將資源共享建模為多智能體強(qiáng)化學(xué)習(xí)問(wèn)題，通過(guò)適當(dāng)?shù)莫?jiǎng)勵(lì)設(shè)計(jì)和訓(xùn)練機(jī)制更新Q網(wǎng)絡(luò)以學(xué)習(xí)改善頻譜和功率分配，有效提高V2V鏈路的有效載荷交付率和V2I鏈路的總?cè)萘?。為滿(mǎn)足智能網(wǎng)聯(lián)車(chē)輛對(duì)數(shù)據(jù)流量日益增長(zhǎng)的需求，文獻(xiàn)[11]提出了一種基于混沌—灰狼優(yōu)化算法的V2X功率控制和無(wú)線信道分配策略，綜合考慮V2V鏈路的時(shí)延約束和V2I鏈路的公平性約束等服務(wù)質(zhì)量（qualityofservice，QoS）指標(biāo)，在實(shí)現(xiàn)蜂窩車(chē)聯(lián)網(wǎng)資源分配的同時(shí)，提升了系統(tǒng)吞吐量。

文獻(xiàn)[12]將最大功率分配和最佳功率分配機(jī)制用于V2V鏈路的傳輸節(jié)點(diǎn)的功率分配環(huán)節(jié)，通過(guò)深度優(yōu)先搜索樹(shù)算法建立最優(yōu)功率策略，可以最大限度的提高整體網(wǎng)絡(luò)資源的利用率。針對(duì)大量車(chē)聯(lián)網(wǎng)業(yè)務(wù)造成的數(shù)據(jù)擁塞問(wèn)題，文獻(xiàn)[13]構(gòu)建了V2X協(xié)同緩存與資源分配架構(gòu)，引入了拉格朗日乘子法對(duì)V2X系統(tǒng)的功率與計(jì)算資源進(jìn)行聯(lián)合優(yōu)化。在進(jìn)行V2X資源分配時(shí)，如果不能充分考慮蜂窩車(chē)聯(lián)網(wǎng)動(dòng)態(tài)復(fù)雜環(huán)境下的信道衰落影響，會(huì)造成無(wú)線資源分配的不合理，為此文獻(xiàn)[14]評(píng)估和對(duì)比分析了蜂窩車(chē)聯(lián)網(wǎng)系統(tǒng)中無(wú)線信道受到的大尺度和小尺度衰落對(duì)資源分配造成的不同影響。當(dāng)多個(gè)用戶(hù)共用同一時(shí)頻資源進(jìn)行數(shù)據(jù)傳輸時(shí)會(huì)產(chǎn)生一定的相互干擾，設(shè)計(jì)有效的功率分配策略可緩解信道傳輸效能。文獻(xiàn)[15]基于最大化用戶(hù)的可達(dá)速率，設(shè)計(jì)了2種非正交多址（non-orthogonalmultipleaccess，NOMA）中繼輔助傳輸方案，但由于系統(tǒng)遍歷等問(wèn)題，造成該方法的計(jì)算復(fù)雜度較高。文獻(xiàn)[16]在車(chē)輛邊緣計(jì)算（vehicularedgecomputing，VEC）架構(gòu)下，納入了隨機(jī)任務(wù)到達(dá)與信道變化等車(chē)載動(dòng)態(tài)環(huán)境因素，通過(guò)構(gòu)建的分離式深度強(qiáng)化學(xué)習(xí)（deepreinforcementlearning，DRL）框架來(lái)生成功率分配優(yōu)化策略，相比傳統(tǒng)集中式DRL框架具有更好的功耗和延遲服務(wù)性能。上述研究主要采用模型驅(qū)動(dòng)方法對(duì)蜂窩車(chē)聯(lián)網(wǎng)資源進(jìn)行優(yōu)化并取得了較好的研究進(jìn)展，但在模型設(shè)計(jì)時(shí)通常需要自定義學(xué)習(xí)率和損失函數(shù)等參數(shù)，且需要找出不同訓(xùn)練條件下的迭代運(yùn)算優(yōu)化值，當(dāng)蜂窩車(chē)聯(lián)網(wǎng)車(chē)輛規(guī)模和并發(fā)業(yè)務(wù)量增加時(shí)，為滿(mǎn)足蜂窩車(chē)聯(lián)網(wǎng)網(wǎng)絡(luò)資源細(xì)粒度精確配置需求時(shí)，對(duì)應(yīng)模型的待優(yōu)化變量呈指數(shù)級(jí)增長(zhǎng)，從而影響到系統(tǒng)的執(zhí)行效率。

本文研究5G蜂窩車(chē)聯(lián)網(wǎng)V2X資源分配優(yōu)化問(wèn)題，在實(shí)時(shí)感知信道狀態(tài)條件下應(yīng)用啟發(fā)式圖優(yōu)化方法設(shè)計(jì)蜂窩車(chē)聯(lián)網(wǎng)資源分配算法，滿(mǎn)足V2I下行吞吐量最大化并保證V2V鏈路的連接性要求。在蜂窩車(chē)聯(lián)網(wǎng)V2X組網(wǎng)環(huán)境下，算法綜合考慮V2I鏈路的吞吐率和V2V鏈路的可靠連接性需求，以提出滿(mǎn)足V2X系統(tǒng)中V2I下行鏈路的吞吐量和V2V鏈路可靠性的優(yōu)化模型，通過(guò)動(dòng)態(tài)的功率分配以提高蜂窩車(chē)聯(lián)網(wǎng)V2X通信系統(tǒng)的組網(wǎng)服務(wù)性能。優(yōu)化目標(biāo)是在最大發(fā)射功率、中斷概率等約束條件下使系統(tǒng)下行的吞吐量最大化，通過(guò)KM（KuhnMunkras）算法對(duì)鏈路功率進(jìn)行優(yōu)化分配，最大限度地保障V2V鏈路的可靠性用檢驗(yàn)仿真結(jié)果檢驗(yàn)該算法的性能。

1系統(tǒng)模型

1.1網(wǎng)絡(luò)模型

蜂窩車(chē)聯(lián)網(wǎng)C-V2X組網(wǎng)模型如圖1所示。

路側(cè)單元（roadsideunit，RSU）、信號(hào)燈控制器、道路視頻錄像機(jī)等路側(cè)設(shè)施部署于區(qū)域邊緣云服務(wù)器。V2I鏈路旨在支持蜂窩下行V2I數(shù)據(jù)服務(wù)，V2V鏈路負(fù)責(zé)傳輸可靠的周期性安全消息，上述信息會(huì)根據(jù)車(chē)輛的移動(dòng)性以不同的周期頻率生成，應(yīng)用于高級(jí)駕駛服務(wù)。

路側(cè)單元（RSU）負(fù)責(zé)收集車(chē)輛終端設(shè)備和V2X交互信息，從全局視野感知V2X組網(wǎng)過(guò)程中的通信狀態(tài)信息。假設(shè)RSU覆蓋范圍為200m，該C-V2X網(wǎng)絡(luò)系統(tǒng)存在K個(gè)V2V鏈路和M個(gè)V2I鏈路，將V2V鏈路的集合記作K={1，2，…，k}，V2I鏈路的集合記作M={1，2，…，m}，每個(gè)V2X組網(wǎng)鏈路的收發(fā)端均配置一根全向天線。

為了提高頻譜利用率，V2I正交分配的下行頻譜被V2V復(fù)用。第m個(gè)V2I鏈路和RSU之間的信道功率增益表示為

其中：hm，R為頻率相關(guān)的小尺度衰落成分，其服從單位均值的指數(shù)分布；αm，R為大尺度衰落成分，由路徑損耗和陰影衰落疊加組成[13]。

1.2基于直連通信的信道模型

第3代合作伙伴計(jì)劃（3rdgenerationpartnershipproject，3GPP）協(xié)議為V2V信道模型定義了3類(lèi)傳播場(chǎng)景[17-18]，分別是視距（lineofsight，LOS）、非視距（notlineofsight，NLOS）以及車(chē)輛間非視距（notlineofsightduetovehicles，NLOSv），如圖2所示。

視距LOS條件下，無(wú)線信號(hào)無(wú)遮擋地在發(fā)射機(jī)與接收機(jī)之間直線傳播；NLOS為發(fā)射機(jī)和接收機(jī)之間受到障礙物的遮擋，發(fā)射機(jī)傳輸?shù)男盘?hào)需通過(guò)折射、反射、散射以及衍射，從而到達(dá)接收機(jī)。根據(jù)智能網(wǎng)聯(lián)車(chē)輛在高速公路和城區(qū)等不同交通場(chǎng)景下的行駛環(huán)境，分別構(gòu)建V2V信道模型對(duì)信號(hào)發(fā)生的衰減與干擾進(jìn)行模擬，以準(zhǔn)確評(píng)估智能網(wǎng)聯(lián)車(chē)輛V2X資源分配算法的可行性。

根據(jù)3GPPTR37.885[19]標(biāo)準(zhǔn)，高速公路場(chǎng)景LOS、NLOSv條件下的基于PC5接口的V2V通信的路徑損耗模型為：

考慮到智能網(wǎng)聯(lián)車(chē)輛的實(shí)際行駛過(guò)程中存在交叉路口、樓宇建筑物等非視距鏈路環(huán)境，信號(hào)不能直接到達(dá)接收方，定義NLOS條件下的路徑損耗模型為：

1.3基于Uu接口的信道模型

智能網(wǎng)聯(lián)車(chē)輛裝配的車(chē)載單元（onboardunit，OBU）與路側(cè)單元RSU之間的通信服務(wù)模型如圖3所示，其中hBS表示RSU天線的高度，hUT表示車(chē)輛OBU配置天線的高度，d3D表示OBU天線與RSU天線之間的3D距離。

1.3.1LOS信道模型

城區(qū)交通場(chǎng)景中，LOS條件下的路徑損耗模型為：

1.3.2NLOS信道模型

NLOS條件下，城區(qū)交通場(chǎng)景中，當(dāng)10m≤d2D≤5km時(shí)，路徑損耗模型為：

其中：Pm、Pk分別表示V2I和V2V鏈路的發(fā)射功率，gk表示在第k個(gè)V2V信道和干擾信道之間的信道增益，σ2表示噪聲功率，Im為V2I鏈路接收信道受到的干擾功率，Ik為V2V鏈路接收信道受到的干擾功率。

2優(yōu)化問(wèn)題描述與算法

2.1優(yōu)化問(wèn)題描述

蜂窩車(chē)聯(lián)網(wǎng)V2X資源分配的目標(biāo)是在動(dòng)態(tài)、時(shí)變的C-V2X信道環(huán)境下，考慮源節(jié)點(diǎn)的最大發(fā)射功率限制和目的節(jié)點(diǎn)的QoS約束，在每個(gè)傳輸時(shí)隙對(duì)系統(tǒng)下行吞吐量和V2V鏈路的連接性進(jìn)行聯(lián)合優(yōu)化。設(shè)計(jì)的目標(biāo)函數(shù)如式（17）所示，最大限度地保證每個(gè)V2V鏈路可靠組網(wǎng)的前提下，以最大化C-V2X系統(tǒng)的下行鏈路的吞吐量。

其中：約束（17a）表示M個(gè)V2I鏈路的發(fā)射功率都不能大于V2I鏈路的最大發(fā)射功率Pmax。約束（17b）表示每個(gè)V2I信道容量需要大于鏈路的最小限定吞吐量C0。約束（17c）表示K個(gè)V2V鏈路的發(fā)射功率需要小于或等于V2V鏈路的最大發(fā)射功率Pmax。p0表示鏈路可容忍的中斷概率，約束（17d）表示K個(gè)V2V鏈路的傳輸速率需小于或等于可容忍的中斷概率，即保證V2V鏈路的連接可靠性。

最大化系統(tǒng)下行的吞吐量ΣCm的優(yōu)化問(wèn)題是離散變量和連續(xù)變量并存的混合整數(shù)規(guī)劃問(wèn)題，優(yōu)化目標(biāo)和約束條件是連續(xù)優(yōu)化變量的非凸函數(shù)。為了在滿(mǎn)足蜂窩車(chē)聯(lián)網(wǎng)中不同鏈路的多樣化需求，即系統(tǒng)下行的吞吐量需求大、V2V連接可靠性需求高的要求，本文引入二分圖最佳匹配KM算法對(duì)上述優(yōu)化問(wèn)題進(jìn)行求解，將V2I鏈路總?cè)萘康膬?yōu)化問(wèn)題轉(zhuǎn)化為求帶權(quán)二分圖的鏈路信道資源的最佳匹配問(wèn)題。

2.2算法描述

基于帶權(quán)二分圖KM算法以加權(quán)二分圖為基礎(chǔ)，通過(guò)尋找增廣路徑得到最大權(quán)值的最佳匹配[20]。V2X鏈路資源帶權(quán)二分圖匹配框架如圖4所示，將V2I鏈路和V2V鏈路的接收用戶(hù)分別列入二分圖中兩個(gè)互不相交的頂點(diǎn)集合X和Y，其中V2I鏈路用戶(hù)為集合X，V2V鏈路用戶(hù)為集合Y。頂點(diǎn)集合X和Y之間的邊賦予權(quán)重wij，集合X的結(jié)點(diǎn)標(biāo)桿值為L(zhǎng)（xi），集合Y的結(jié)點(diǎn)標(biāo)桿值為L(zhǎng)（yj）。

KM算法求的是完備匹配下的最大權(quán)匹配：在一個(gè)二分圖內(nèi)，對(duì)于集合X和集合Y，現(xiàn)對(duì)于每組集合連接xiyj有權(quán)wij，求一種匹配使得所有wij的和最大。在KM算法執(zhí)行過(guò)程中的任一時(shí)刻，對(duì)于任一條邊xiyj，L（xi）+L（yj）≥wij恒成立，因此初始化時(shí)，令集合X的結(jié)點(diǎn)標(biāo)桿值L（xi）為xi所有路徑權(quán)值中的最大值，集合Y的所有結(jié)點(diǎn)標(biāo)桿值L（yj）均為0。KM算法成立基于定理：若由二分圖中所有滿(mǎn)足L（xi）+L（yj）=wij的邊xiyj構(gòu)成的子圖（稱(chēng)做相等子圖）有完備匹配，那么這個(gè)完備匹配就是二分圖的最大權(quán)匹配。其中，基于帶權(quán)二分圖KM算法的核心是匈牙利算法。

KM算法步驟：

步驟1：初始化集合可行頂標(biāo)的值；

步驟2：用匈牙利算法尋找完備匹配；

步驟3：若未找到完備匹配則修改可行頂標(biāo)的值；

步驟4：重復(fù)步驟2、步驟3直至找到相等子圖的完備匹配為止。

匈牙利算法的思想是利用增廣路徑求最大匹配。對(duì)增廣路徑有定義：M為無(wú)向圖的一個(gè)匹配，若路徑P是無(wú)向圖中一條連通兩個(gè)未匹配頂點(diǎn)的路徑，并且屬于M的邊和不屬于M的邊（即已匹配和待匹配的邊）在P上交替出現(xiàn)，則稱(chēng)P為相對(duì)于M的一條增廣路徑。匈牙利算法的原理來(lái)源于由增廣路徑定義所推導(dǎo)的3個(gè)結(jié)論：1）增廣路徑P的第一條邊和最后一條邊都不屬于匹配M；2）將匹配M和增廣路徑P進(jìn)行取反操作可以得到一個(gè)更大的匹配M；3）匹配M為二分圖發(fā)最大匹配當(dāng)且僅當(dāng)不存在匹配M的增廣路徑。

匈牙利算法步驟：

步驟1：初始化匹配M為空；

步驟2：找到一條增廣路徑P，通過(guò)異或操作獲得更大的匹配M替代匹配M；

步驟3：重復(fù)步驟2直到找不到增廣路徑，即可得

到二分圖的最大匹配。

在鏈路信道資源的匹配過(guò)程中，通過(guò)尋找二分圖的增廣路徑得到二分圖的最佳匹配，即實(shí)現(xiàn)5G網(wǎng)絡(luò)資源在不同V2X鏈路的最佳指派。在增廣路徑的搜索時(shí)，利用匈牙利算法對(duì)二分圖的指派路徑進(jìn)行優(yōu)化求解，從而快速找出m個(gè)V2I和k個(gè)V2V鏈路功率的指派生成路徑，即獲得蜂窩車(chē)聯(lián)網(wǎng)V2X鏈路的最佳資源分配策略。基于帶權(quán)二分圖匹配的資源分配搜索流程如圖5所示。

帶權(quán)二分圖將V2I鏈路和V2V鏈路的接收信道功率劃入2個(gè)互不相交的頂點(diǎn)集合，V2I鏈路和V2V的信道容量為連接邊權(quán)重，求解出滿(mǎn)足約束條件下的V2V和系統(tǒng)下行鏈路分配最優(yōu)功率，分別表示為Pk和Pm。

基于KM的資源分配算法為：

1）form=1：Mdo

2）初始化V2I鏈路集合和V2V鏈路集合的標(biāo)桿值

3）利用Cm構(gòu)建二分圖對(duì)應(yīng)邊的權(quán)重

4）使用匈牙利算法尋找增廣路徑得到最佳路徑生成方案

5）返回最優(yōu)功率分配（Pk，Pm）和V2I、V2V鏈路匹配策略

3仿真結(jié)果與分析

本節(jié)通過(guò)Matlab仿真平臺(tái)對(duì)高速公路和城區(qū)交通場(chǎng)景下的基于KM的資源分配算法進(jìn)行驗(yàn)證，道路上的智能網(wǎng)聯(lián)車(chē)輛遵循泊松分布原則，從不同交通場(chǎng)景與不同鏈路數(shù)方面評(píng)估蜂窩車(chē)聯(lián)網(wǎng)V2X系統(tǒng)的信道容量性能，并與貪婪算法[21]進(jìn)行優(yōu)化性能對(duì)比。蜂窩車(chē)聯(lián)網(wǎng)V2X通信環(huán)境的仿真參數(shù)設(shè)置如表1所示。

由圖6可知：當(dāng)SINR不斷增大時(shí)，CDF趨近于1。其中，當(dāng)可容忍中斷概率p0=10-3時(shí)，V2V鏈路滿(mǎn)足最大容忍中斷概率的約束條件，即蜂窩車(chē)聯(lián)網(wǎng)的V2V鏈路的連接性達(dá)到99.9%。因此，針對(duì)不同場(chǎng)景、不同車(chē)速等資源分配方案的性能對(duì)比時(shí)，本文實(shí)驗(yàn)將可容忍中斷概率配置為10-3。

車(chē)輛速度作為影響蜂窩車(chē)聯(lián)網(wǎng)V2X通信的關(guān)鍵因素之一[22]，下面將評(píng)估不同車(chē)輛速度對(duì)V2I鏈路吞吐量性能的影響。圖7和圖8分別評(píng)估在高速公路和城區(qū)交通等不同交通道路場(chǎng)景下基于KM算法進(jìn)行鏈路資源分配時(shí)的系統(tǒng)下行的吞吐量ΣCm性能。由圖7和圖8可知，V2I鏈路的信道容量隨著信道反饋時(shí)延T的增大而減??；當(dāng)車(chē)輛速度V分別為50、100和150時(shí)，隨著信道反饋時(shí)延T的增加，車(chē)輛速度為50時(shí)的V2I信道容量相對(duì)穩(wěn)定，車(chē)輛速度為100時(shí)的V2I信道容量出現(xiàn)較快速的下降，當(dāng)車(chē)輛速度為150時(shí)的V2I信道容量產(chǎn)生了急速的降低趨勢(shì)，主要原因在于多普勒頻移與多徑效應(yīng)影響了V2I鏈路的穩(wěn)定性，在確保V2V鏈路的連接性條件時(shí)，從而制約了V2I鏈路的整體容量性能。同時(shí)可以看出，高速公路場(chǎng)景下的V2I鏈路的吞吐量性能優(yōu)于城區(qū)場(chǎng)景，主要原因在于高速公路場(chǎng)景中的遮擋物相對(duì)較少且車(chē)輛密度一般低于城區(qū)交通場(chǎng)景，因此信道環(huán)境更優(yōu)，即通信損耗相較于城區(qū)交通場(chǎng)景會(huì)更小。

圖9給出了蜂窩車(chē)聯(lián)網(wǎng)中V2V鏈路數(shù)對(duì)V2I鏈路性能的影響。假設(shè)V2I鏈路數(shù)M設(shè)為10時(shí)，隨著V2V鏈路的增加，V2X系統(tǒng)的V2I下行鏈路的信道容量呈現(xiàn)明顯的下降趨勢(shì)。同時(shí)，蜂窩車(chē)聯(lián)網(wǎng)V2X通信的發(fā)射功率也會(huì)影響到V2I鏈路的吞吐量性能，從圖中可看出，發(fā)射功率設(shè)為23dB時(shí)產(chǎn)生V2I鏈路的信道容量明顯優(yōu)于18dB時(shí)，這是因?yàn)殡S著系統(tǒng)V2I鏈路的增加，V2I的下行鏈路通信需要與V2V鏈路共享帶寬資源，然而為了保證V2V鏈路的可靠性，需要減少來(lái)自V2I鏈路的干擾，即限制V2I鏈路的發(fā)射功率，因此導(dǎo)致V2I鏈路的信道容量下降；而且，V2I鏈路受到更多干擾時(shí)，會(huì)導(dǎo)致對(duì)應(yīng)鏈路的接收SINR的降低。

為了評(píng)估蜂窩車(chē)聯(lián)網(wǎng)V2X系統(tǒng)中V2V和V2I鏈路的發(fā)射功率和吞吐量之間的演變關(guān)系，在滿(mǎn)足約束條件的情況下，基于KM算法對(duì)蜂窩車(chē)聯(lián)網(wǎng)的功率進(jìn)行動(dòng)態(tài)分配，產(chǎn)生的鏈路功率分配結(jié)果如圖10所示。圖11顯示了KM算法與貪婪算法對(duì)頻譜效率性能的影響。

由圖10可知：本文提出的KM算法可以較好地實(shí)現(xiàn)V2X通信系統(tǒng)的發(fā)射功率和吞吐量之間的平衡，即所提算法可高效的管理網(wǎng)絡(luò)資源，在保證V2V可靠連接的同時(shí)，可動(dòng)態(tài)調(diào)節(jié)V2I鏈路的信道容量，保障網(wǎng)絡(luò)資源的充分利用。

由圖11可知：隨著迭代次數(shù)的增加，兩種算法獲得的V2I鏈路的頻譜效率均呈現(xiàn)上升趨勢(shì)。相比于KM算法，貪婪算法可較快收斂到局部最優(yōu)解。當(dāng)?shù)螖?shù)超過(guò)3次時(shí)，KM算法獲得V2I鏈路的吞吐性能優(yōu)于貪婪算法；隨時(shí)迭代次數(shù)的增加，KM算法和貪婪算法在迭代次數(shù)為7及之后的V2X鏈路的頻譜效率均基本保持為平緩趨勢(shì)，且KM算法獲得的全局最優(yōu)解性能明顯優(yōu)于貪婪算法。因此與貪婪算法相比，迭代次數(shù)設(shè)為7次或之后的KM算法可以獲得更優(yōu)的吞吐性能。

4結(jié)論

5G蜂窩車(chē)聯(lián)網(wǎng)實(shí)現(xiàn)信道資源的動(dòng)態(tài)調(diào)度對(duì)優(yōu)化5G-V2X通信具有非常重要意義，本文提出了一種面向系統(tǒng)下行吞吐量最大化并保證V2V鏈路連接性的資源分配算法，該算法采用實(shí)時(shí)感知信道狀態(tài)信息，利用KM算法將資源分配優(yōu)化問(wèn)題轉(zhuǎn)化為二分圖最大權(quán)值的匹配問(wèn)題，滿(mǎn)足V2I下行吞吐量最大化并保證V2V鏈路的連接性要求。仿真驗(yàn)證結(jié)果表明：所提出的KM算法在多次迭代后（本文選為7次）的下行吞吐量性能優(yōu)于傳統(tǒng)貪婪算法；在中斷概率、最大發(fā)射功率等約束條件下，所提KM算法可適應(yīng)城區(qū)和高速公路等不同蜂窩車(chē)聯(lián)網(wǎng)環(huán)境以實(shí)現(xiàn)網(wǎng)絡(luò)資源的優(yōu)化分配，為下一步部署基于5G-V2X網(wǎng)絡(luò)的車(chē)路云協(xié)同系統(tǒng)提供理論基礎(chǔ)與技術(shù)支撐。