本发明涉及车联网技术和拥塞控制技术，具体是涉及一种基于网络效用最大化的车联网拥塞控制方法。
背景技术：
随着通信技术、电子技术、汽车技术、交通运输技术等的发展和创新，智能交通系统(Intelligent Transportation System,ITS)的概念应运而生，旨在提供与不同交通方式和交通管理相关的创新性服务，使众多用户更好地了解情况，从而更安全、更协调、更“智能”地使用交通网络。近年来，ITS及其子系统发展迅速，已经成为世界上交通运输科学等相关领域的研究热点。VANET(Vehicular ad-hoc network)是一种特殊的移动自组织网络(Mible Ad-hoc NETwork,MANET)，其作为ITS的重要组成部分，旨在加强车辆对周围环境的感知，实现信息交互，提升道路交通安全，已经受到学术界、工业界和政府机构的广泛关注和大力支持，正在从理论走向现实。
车辆间通信的消息类型主要分为两类：一类是周期性广播的信标消息，其主要包含车辆的位置、朝向、速度等核心状态信息；另一类是事件驱动的安全消息，如因为车祸等紧急事件触发的告警消息。当车流密度增大到一定程度时，仅仅是周期性广播的信标消息就会使车联网的无线信道产生拥塞，导致消息传输时出现时延增大、丢包率上升等问题，严重影响通信质量和安全服务的正常运行。
对于信标消息和告警消息的拥塞控制能够保证安全信息传输的实时性、可靠性和可扩展性。而现有的消息拥塞控制还存在控制效果不佳的不足。且车联网中车流密度增加到一定程度时，即使无线信道中只有信标消息，信道拥塞也会发生。
技术实现要素：
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于网络效用最大化的车联网拥塞控制方法。
本发明的目的可以通过以下技术方案来实现：
一种基于网络效用最大化的车联网拥塞控制方法，该方法综合考虑车辆节点的移动性和车辆信标发射功率分配时的公平性，每个车辆不断广播并接受包含车辆核心状态信息的信标消息，感知周围环境和车辆，并根据接收到的有用信息和自身信息，周期性地使用梯度下降法和牛顿法计算当前自身的最优信标发射功率，实现主动式拥塞控制。
进一步地，所述信标信息包括邻居车辆的位置、速度、代价、信标发射功率转换形式和信标发射速率。
进一步地，所述使用梯度下降法和牛顿法计算当前自身的最优信标发射功率具体包括：
1)根据接收到的信标消息以及自身当前代价，采用梯度下降法更新自身的代价；
2)根据接收到的信标消息以及自身当前信标发射功率转换形式，采用牛顿法计算最优信标发射功率转化形式。
进一步地，对于车辆i，所述采用梯度下降法更新自身的代价具体公式为：
式中，λ′i为更新后车辆i的代价，λi为车辆i的自身当前代价，μ为梯度下降法的迭代步长，C为最大信标负载，Vi代表车辆i能正确接收并解析的信标消息来自的车辆加上车辆i自身的集合，称为邻居车辆集合，j∈Vi代表车辆i的邻居车辆集合中的车辆j，rj为车辆j的信标发射速率，表示采用形状因子为m的Nakagami-m衰落信道，c为光速，f为载波频率，S为信号能被正确解析的强度，dij代表车辆i和车辆j之间的相对距离，β代表路径损耗系数，xj为车辆j信标发射功率转换形式，
进一步地，所述Nakagami-m衰落信道的表达式为：
式中，pj为车辆j的信标发射功率，Pr代表接收功率，t为积分时的自变量。
进一步地，所述采用牛顿法计算最优信标发射功率转化形式具体过程包括：
201)初始化计数变量n＝1，并令对应的x(n)＝xi，xi为车辆i自身当前信标发射功率转换形式；
202)计算x(n+1)：
式中，η为牛顿法的迭代步长，ri为车辆i的信标发射速率，ωij代表车辆i和车辆j之间的权重，ωij＝ωji，vij代表车辆i和车辆j之间的相对速度，Const是一个正常数，代表相对速度的最小正值，λ为Lagrange乘子向量，λj是λ中的第j项；
203)令n＝n+1；
204)判断是否存在ε为迭代精度，若是，则执行步骤205)，若否，则返回步骤202)；
205)以最后获得的x(n)作为最优信标发射功率转化形式。
与现有技术相比，本发明具有以下有益效果：
1)本发明方法综合考虑车辆节点的移动性和车辆信标发射功率分配时的公平性，以车辆间的相对速度和相对距离作为权重，通过每个车辆动态调整自身信标发射功率来实现拥塞控制，控制效果佳。
2)本发明能够解决车联网中车流密度增加到一定程度时，即使无线信道中只有信标消息，信道拥塞也会发生的问题。
3)每个车辆仅根据自身接收到的信标消息，分布式地动态调整自身的代价和信标发射功率，无需全局网络信息，实时性好。
4)本发明控制过程引入基于车辆移动性的权重和具有公平性的效用函数，实现了考虑车辆节点移动性的加权公平性功率分配，从而达到拥塞控制的目的。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种基于网络效用最大化的车联网拥塞控制方法，该方法综合考虑车辆节点的移动性和车辆信标发射功率分配时的公平性，每个车辆不断广播并接受包含车辆核心状态信息的信标消息，包括邻居车辆的位置、速度、代价、信标发射功率转换形式和信标发射速率等，感知周围环境和车辆，并根据接收到的有用信息和自身信息，周期性地使用梯度下降法和牛顿法计算当前自身的最优信标发射功率，实现主动式拥塞控制。
如图1所示，本发明具体步骤如下：
步骤1：车辆i接收其邻居车辆集合中所有车辆的位置dj、速度vj、代价λj、信标发射功率转换形式xj和信标发射速率rj，j∈Vi，Vi代表车辆i能正确接收并解析的信标消息来自的车辆加上车辆i自身的集合，称为邻居车辆集合，j∈Vi代表车辆i的邻居车辆集合中的车辆j。
步骤2：车辆i根据接收到的信息通过式(1)更新自身的代价λi：
式(1)中，车联网中所有车辆的集合为V，i∈V代表异构车联网中的车辆i；Vi代表车辆i能正确接收并解析的信标消息来自的车辆加上车辆i自身的集合，称为邻居车辆集合，j∈Vi代表车辆i的邻居车辆集合中的车辆j；pi代表车辆i的信标发射功率，rj代表车辆j的信标发射速率；f(m,Gij/pj)，其表达式为式(2)，代表采用形状因子为m的Nakagami-m衰落信道，车辆j的信标发射功率为pj，代表在与其距离为dij处的车辆i的接收功率大于能正确解析的信号强度S的概率；车辆i处的本地负载是其自身的信标发射速率加上总体的信标接收速率；C是最大信标负载；μ为梯度下降法的迭代步长；
式(2)中，Pr代表接收功率；t为积分时的自变量。
式(3)中，β代表路径损耗系数，c代表光速，f代表载波频率，S代表信号能被正确解析的强度。
步骤3：车辆i根据牛顿法计算当前需要设置的最优信标发射功率转化形式：xi＝NMP(xi,ri,λj)。具体过程包括：
301)初始化计数变量和对应的x(n)；
302)计算x(n+1)；
303)令n＝n+1；
304)判断是否存在ε为迭代精度，若是，则执行步骤305)，若否，则返回步骤302)；
305)以最后获得的x(n)作为最优信标发射功率转化形式。
其中，η为牛顿法的迭代步长，ε为控制NMP函数迭代的精度。
式(9)、(10)中，λj称为第j个不等式约束的Lagrange乘子，Lagrange乘子向量λ＝[λ1,λ2,…,λ|V|]，λj是λ中的第j项，α为影响功率分配公平性的参数。
本发明的具体步骤2和步骤3本质上是对优化问题(6)(7)(8)的求解：
最优化目标式(6)是最大化整个异构车联网中每个车辆i取决于发射功率pi的效用的总和，即网络中发射功率的效用之和最大化；约束条件式(7)保证任意车辆的本地负载在最大信标负载之下，从而预留一部分带宽给其他类型消息的传输，预防信道拥塞的产生，实现拥塞控制的目的；约束条件式(8)保证所有发射功率在一定范围之内，具有现实意义。
Uij(pi)代表车辆i基于发射功率pi的效用，其表达式为式(9)，和分别代表pi的最小值和最大值，
式(9)中，当权重ωij都设为1时，α为影响功率分配公平性的参数，取不同值时可以实现对pi分配的不同的公平性：当α＝0时，可以达到最大化网络吞吐量；当α＝1时，可以达到比例公平性；当α＝2时，可以达到调和平均数公平性；当α→∞时，可以达到最大最小公平性。当权重ωij不恒为1时，α取不同值时可以实现上述不同的带有权重的公平性，即相应的加权公平性。
式(10)中，ωij代表车辆i和车辆j之间的权重，ωij＝ωji；dij代表车辆i和车辆j之间的相对距离；vij代表车辆i和车辆j之间的相对速度；Const是一个正常数，代表相对速度的最小正值。
步骤4：车辆i设置自身发射功率
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。