一种基于信息物理系统模型的车联网拥塞控制方法
【技术领域】
[0001] 本发明涉及信息技术领域，具体涉及一种基于信息物理系统模型的车联网拥塞控 制方法。
【背景技术】
[0002] 近年来，因为信息物理系统在车联网、智能电网、机器网络和嵌入式系统的广泛应 用而受到相当大的关注。一个典型的信息物理系统由物理子系统和信息子系统构成，并通 过一种方式连接他们。物理子系统的动态变化通常遵循物理法则，而信息子系统通过测量 和通信可以控制物理子系统的动态变化。车联网主要研究车辆间的联系以使驾驶达到安全 舒适的效果，本身就具有信息物理系统的特性，即使用不同的传感器以接触物理世界的实 体，测量和收集车辆是否在十字路口、当前的交通情况、天气情况、路面情况、安全相关的警 告等信息。观察到车辆的物理信息后，信息基础设施将测量的数据路由到控制单元，然后再 讲控制命令返回到物理部分。控制操作依赖于物理对象的测量反馈。在车联网中，大规模 的车辆通信需要有效的拥塞控制方法以降低信道的负载，满足车辆应用的需求，和保证通 信的稳定性和可靠性。
【发明内容】
[0003]针对现有技术的不足，本发明旨在提供一种信息物理系统模型的车联网拥塞控制 方法，通过建模将混合动态系统离散化，并通过使用卡尔曼滤波预测信道状态，计算时隙分 配矩阵，以建立一个有效的拥塞控制机制。
[0004] 为了实现上述目的，本发明采用如下技术方案：
[0005]-种基于信息物理系统模型的车联网拥塞控制方法，其中，信息物理系统包括物 理子系统和信息子系统，所述方法包括如下步骤：
[0006]S1设定在信息物理系统中有N。个控制器和N3个传感器，其中，控制器包括路边基 础设施（RSUs)和以Adhoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上 的装置，通过收发机监听信道状况；
[0007]S2在物理子系统中，假定在每一个控制器的操作和传感器的观察都是标量的， 以及物理子系统的变化是线性的且不受扰动的影响；在信息子系统中，假定所有车辆都在 RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符；另外，设定一次拥塞 控制执行的时间与IEEE802.lip协议中的广播中相邻两个beacon之间的时间间隔（beacon interval) 一样；
[0008]S3RSUs通过传感器收集负载，作为系统的观察向量，然后计算拥塞控制向量，并 将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点；车辆节点根据 收到的拥塞控制向量计算控制操作向量，实施拥塞控制；
[0009]S4由于在RSU集中控制车辆通信的情况下，存在为了安全业务以Adhoc的方式进 行彼此间的通信的车辆，因此用于信息子系统和物理子系统的连接中的线性反馈控制模型 表示为：
[0010] u(t) =Ky(t)；
[0011] 其中，K是一个反馈增益矩阵，即拥塞控制向量，u(t)表示控制操作向量，控制器n 的控制操作向量表示为un，y(t)表示传感器的观察向量，传感器n的观察向量表示为yn;矩 阵K的取值根据以下情况确定：
[0012] 1) -个beacon帧的间隔内，没有任何以Adhoc方式进行通信的车辆对；
[0013] 2)在一个beacon帧的间隔内，至少存在一对以Adhoc方式进行通信的车辆；
[0014] 3)在beacon帧的广播时间内，至少存在一对偶尔以Adhoc方式进行通信的车 辆；
[0015] 4)Adhoc方式通信的车辆节点同时会在beacon帧的广播期间和beacon帧的间隔 内发送信息；
[0016] S5基于步骤S4中所述的情况1)-4)，将信息物理系统分为离散子系统和连续子系 统，其中，离散子系统是指情况1)-情况4)，连续子系统为情况1)-4)中任一情况下的连续 系统变化；整个信息物理系统的动态变化表示为：
[0017]
[0018] 上式描述了信息物理系统的变化过程，其中，x(t)是一个M阶向量，用于表示物理 子系统的状态，是一个连续系统状态；q(t)代表情况1) _情况4)，是一个离散的系统状态， q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续 子系统之间的转换；A. =A+BK:_C，f=BKGv+Fw，其中，A、B、F、C、G均为增益矩阵， A代表x⑴对你)的增益，B代表u(t)对i⑴的增益，w代表物理子系统的系统过程噪声， 服从均值为〇,协方差为Q的高斯分布，即w~N(0,Q)，F代表w对幻))的增益，C代表x(t) 对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v~N(0,R)， G代表v对y⑴的增益；Kq(t)代表步骤S4中情况1) -4)下K的值，而在f=BKGv+Fw中， 因为加和性，N'依然是一个高斯白噪声，在上述情况1)-4)中都存在，所以N' =BKGv+Fw 中K代表上述情况1)-4)中都不随系统情况而变化的增益矩阵；
[0019] S6通过卡尔曼滤波预测信道状态，计算得出矩阵K。
[0020] 需要说明的是，步骤S2中，物理子系统的变化是线性的且不受扰动的影响，则该 线性变化梁用下忒弄示，
[0021]
[0022] 需要说明的是，矩阵K的取值在所述情况1)-4)中的取值情况如下：
[0023] 针对情况1)，K能完全由RSUs测量；
[0024] 针对情况2)，K= ，K表示基于RSUs感知到的负载状态的第一次时隙分 配，琴表示基于收到的玄，对Adhoc节点的第二次时隙分配；
[0025]针对情况3)，Adhoc车辆在beacon的广播期间进行数据传输，增益矩阵由:f 表示，:翁是两部分的和：一个是在beacon广播时间内对Adhoc节点的增益，另一个是在 beacon帧间隔内，由RSUs控制的以集中方式进行通信的节点的增益；
[0026] 针对情况4)，系统的增益矩阵是按照情况2)得到的矩阵K和按照情况3)得到的 矩阵fe的和。
[0027] 需要说明的是，所述步骤S6的具体方法如下：
[0028] 6. 1)定义一个离散价值函数，以惩罚信道负载偏差和最小化控制开销，当J达到 最小时，可以得到相应的时隙d的控制向量Kd，J的计算式如下：
[0029]
[0030] J为二次型性能指标泛函，ud是系统的时隙d的控制操作向量，H和L为系统参数， 其中H为非负定矩阵，L为正定矩阵，E表示对后面括号里的元素求和，M为M阶向量x(t) 的阶数；A^是一个基于上一时隙系统动态变化的负载状态估计，表示为：
[0031] Axd=AAxd !+Bud1；
[0032] 其中ud i表示系统的d-1时隙的控制操作向量，A xd屬d-1时刻系统的状态估 计；
[0033] 6. 2)由于系统状态为离散化，此时的反馈控制等式为：
[0034] ud= K dyd；
[0035]Kd表示在时隙d的所有车辆的时隙分配，ud i分别是应用于时隙d和时隙d-1 的控制操作向量；下一时隙系统负载的最优测量采用卡尔曼滤波预测获得，为：
[0036]
[0037]yld为系统的观察值，Hld是A xd的增益矩阵；K d作为卡尔曼增益矩阵，可通过以下 公式获得：
[0038]
[0039] 其中，民是观测噪声的协方差矩阵；色二是预测的协方差，并通过 巧=(/ 进行更新，I是个M阶的单位阵，PdSd时刻的协方差估计值；Pdi为d-1 时刻的协方差估计值，A为增益矩阵，Q为系统噪声的协方差；
[0040] 6.3)经过步骤6. 1)-6. 2)，对每一个时隙d，都可以得到控制向量Kd，再将得到的 控制向量合并，从而得到矩阵K，即系统的拥塞控制向量。
[0041] 本发明的有益效果在于：本发明在构建信息网络系统的同时，综合的考虑了物理 系统的状态采样率、测量误差、研究系统的混合性能等特性，使得研究结果更加准确和有 效，考虑了周期性的beacon帧的拥塞问题，使得拥塞控制方法更加完备，同时解决了为紧 急事件预留的带宽不能充分利用的问题，使得传输资源得以合理利用。
【