一种基于博弈论的5G车联网服务资源分配方法

本发明涉及资源分配领域，特别是涉及一种基于博弈论的5g车联网服务资源分配方法。

背景技术：

1、随着智能交通的高速发展，自动驾驶、远程驾驶等智能场景快速应用，进一步提高了智能车辆对通信网络高可靠和低延迟等服务需求。由于5g具有的高可靠、低时延、大带宽等特性。车联网通过融合5g移动边缘计算等技术，将边缘服务器超密集部署在边缘基础设施中，智能分配其丰富的通信、计算和存储资源，感知终端的移动特征，实现接入网业务数据的融合，满足智能车辆新兴的计算密集型和时延敏感型等应用的服务需求。因此，研究5g车联网智能资源分配策略具有重要意义。

2、然而，本发明注意到针对车联网资源分配策略的研究存在一些关键问题。大多数研究只侧重于解决车辆通信信道状态快速变化导致的通信链路不稳定、网络能量效率利用率低等问题，并不能有效解决网络性能随着车辆移动速度以及车流密度等因素的影响动态变化，导致的车辆数据传输速率降低，网络延迟增大等问题。

3、综上，本发明提出了一种基于博弈论的5g车联网服务资源分配方法，在网络性能动态改变的5g车联网环境下，进一步分析建立通信链路过程中车辆与路边单元间的关联性，建立并动态更新以用户为中心的动态接入路边单元组(access road side unitgroup，arsug)。此外，综合考虑rsu负载成本、吞吐成本和车辆收益，提出基于博弈论的资源分配策略，以实现高效灵活地资源分配，以提高链路稳定性和服务质量。具有较高的研究价值和实际意义。

技术实现思路

1、本发明针对5g车联网中网络拓扑动态变化导致车辆通信链路稳定性较差以及数据传输速率较低等问题，提出了一种基于5g车联网智能资源分配策略方法。该方法包括以下步骤：首先建立5g车联网通信模型；然后为了网络实现无缝服务移动车辆，通过对车辆的移动性预测，建立并动态更新以用户为中心的动态接入点组。同时在此基础上，为了保证apg内路边单元可以随着车辆移动提供令人满意的服务，设计了基于博弈论的服务资源分配算法，综合考虑网络负载成本、吞吐成本和车辆收益，以实现apg灵活分配车辆所需服务资源。

2、所述一种基于博弈论的5g车联网服务资源分配方法包括以下步骤：

3、1)建立5g车联网通信模型；

4、2)建立一种移动性预测方法；

5、3)建立一种服务资源博弈机制；

6、4)建立博弈最优解。

7、上述步骤1)中进行建立5g车联网通信模型并进行移动性预测的方法如下：

8、在5g车联网通信模型中包含两类rsu，第一类为基于5g宏基站的rsu，负责大范围的低速数据传输；第二类为基于5g微基站的rsu，负责小范围的高速数据传输服务，边缘路边单元(edge road side unit，ersu)。此外，在mrsu侧部署了边缘服务器，负责资源分配、本地数据缓存和计算，mrsu和ersu之间通过骨干网传输信息。在5g车联网通信模型中，圆圈表示车辆通信范围内的通信小区，即由用户周围多个可以和车辆建立通信链路的ersu和mrsu构成的虚拟小区。用户车辆到达率服从泊松分布。在上行链路传输中，车辆将业务服务请求消息发送到rsu。在下行链路传输中，rsu将相关安全、效率和娱乐信息发送到目标车辆。在本发明中，主要关注下行链路传输过程。

9、上述步骤2)中，建立一种移动性预测方法如下：

10、本发明提出移动性预测方法，为了网络实现无缝服务移动车辆，通过对车辆的移动性预测，建立并动态更新以用户为中心的动态接入点组，其定义如下：

11、当车辆vtj即将驶进mrsu覆盖区域时，发出下载业务数据请求，mrsu通过移动性预测，根据车辆位置、速度、加速度等信息预测车辆在mrsu小区内的行为轨迹，计算出车辆在mrsu通信小区内任意时刻可以进行通信的rsu。并且，随着车辆vtj高速移动，为了支持用户移动性和保持无缝切换通信链路，mrsu动态刷新用户周围的接入点组(access pointgroup，apg)。在apg刷新方案中，考虑rsu信号质量对于车辆网络通信的影响，引入自适应延迟(adaptive delay，ad)，根据车辆vtj与自身apg内rsui空间位置变化而自适应调节触发延迟，网络动态更新apg。其中，ad的表达式为：

12、

13、式中，round函数负责对括号内输出结果进行四舍五入取整，max函数负责选择括号内较大值并输出该数值，ri为rsui的通信半径，ad单位秒。综上所述，apg内添加或移除rsu的触发的条件如下：

14、

15、综上，建立二进制判定因子hji(t)，判定rsui是否可以添加进车辆vtj的apg，表达式如下：

16、

17、式中，hji(t)＝1时，表示车辆vtj在t时刻将rsui添加进apg；hji(t)＝0，表示车辆vtj在t时刻，将rsui从所在apg移除。

18、上述步骤3)中建立一种服务资源博弈机制的方法如下：

19、本发明建立一种服务资源博弈机制，分为两个阶段：

20、第一阶段，车辆vtj发出包含业务类型的服务请求，mrsu在接收请求后，预测车辆vtj在该通信小区内的移动轨迹，同时计算车辆vtj通信过程中，rsu的吞吐成本以及负载成本，并公布此策略。车辆vtj在收到rsu成本策略后，与其余车辆彼此竞争获得更多的服务资源。第二阶段，mrsu根据竞争结果调整rsu对不同车辆的发射功率，从而分配资源，并重新更新自身成本策略。当新的车辆到达时，彼此车辆之间开始新一轮竞争。所有计算过程在mec处完成，旨在减少车辆不必要的计算开销。

21、策略：mrsu分配给每一个车辆接入到任意rsu的一套服务准则s＝(sj1，sj2，...，sji，...，sjn)，其中，

22、车辆vtj竞争任意rsu的服务资源策略为sji，表达式如下：

23、

24、式中，tj为车辆vtj经过mrsu所在小区的总行驶时间，d为mrsu小区覆盖区域的车道的总长度，vj为车辆vtj的车速。当rsui对车辆vtj的发射功率时，

25、收益函数φji(sji，s-ji)：代表车辆对执行策略sji的增益。本文中研究的收益函数是指数函数，该函数具有严格的凹性，其二阶导为负数。车辆vtj切换到rsui后的收益函数φji(sji，s-ji)，表达式如下：

26、

27、式中，μ为加权因子，且μ∈(0，1)。

28、rsui的吞吐成本函数lji(sji，s-ji)：表示车辆vtj选择与rsui通信时，该rsu的数据吞吐成本。假设用户请求的数据包的长度相等，此时节点吞吐量之比等于其传输速率之比，吞吐成本函数的表达式如下：

29、

30、式中，γ1为传输成本函数的的加权因子γ1∈(0，1)，为车辆vtj切换到rsui时，rsui的吞吐度量。即：

31、

32、式中，表示rsui的最大承载传输速率。

33、rsui的负载成本函数nji(sji，s-ji)：表示车辆vtj选择与rsui通信时，该rsu的负载成本。rsu处移动用户的连接数越多，负载成本越高，用户被分配的服务资源越少，用户的qos下降，表达式如下：

34、

35、式中，γ2为负载成本函数的的加权因子，γ2∈(0，1)，为rsu的负载度量。即：

36、

37、式中，ni(t)为t时刻，rsui上存在数据服务的用户总数。

38、效应函数gji(sji，s-ji)：通过车辆vtj选择rsui后的服务质量收益和rsui的成本函数来定义效应函数，其中包括rsui的吞吐成本和负载成本。对于车辆vtj来说，效应函数gji(sji，s-ji)表达式如下：

39、

40、上述步骤4)中，建立博弈最优解方法如下：

41、考虑到求解最优解sj*i过程中，需要竞争结果的取值范围满足sji＝[0，sjimax]。因此，优化问题可以写成：

42、

43、引入新的拉格朗日乘数λ1，λ2，通过拉格朗日乘数法，构造函数求解多个约束条件的策略最优解。

44、

45、综上，博弈者策略最优问题的条件为：

46、

47、根据sji的取值范围，讨论(sji＝0&λ2＝0)，(sji＝sjimax&λ1＝0)以及(0＜sji＜sjimax&λ1＝0&λ2＝0)时的三种情况下最优解。最终，车辆vtj博弈策略最优解sj*i的表达式如下：

48、

49、综上所述，在服务资源分配过程中，rsu根据网络负载成本、吞吐成本和车辆收益，通过功率控制，灵活分配apg内rsu对车辆的服务资源，进而保证网络负载均衡的同时，提高车辆的通信服务质量。