TD-LTE 交通安全预警通信系统调度算法研究*

周玉财，陈 婷

(1.青海交通职业技术学院 汽车工程系，青海 西宁810003;2.长安大学 信息工程学院，陕西 西安710064)

0 引 言

交通安全预警通信子系统作为智能交通网预防预警和应急处置体系中的重要组成部分，是保障路网内交通参与各要素通信渠道顺畅，对路网内监管车辆进行安全预警、高效引导的关键［1-2］，近年来已经成为世界交通发达国家研究、发展与应用的热点［3-4］。例如，美国实施了通过车载传感器实现车车之间或者车路之间的信息交互，为驾驶者提供安全辅助控制或全自动控制支持的“智能车辆计划”、“车辆道路智能集成系统”;欧盟利用先进的信息通信技术促进安全系统的研发与集成应用，提出了包括eSafety，SAFESPOT 等在内的“道路安全计划”;日本遵循智能交通系统集成理念，利用智能交通系统相关技术及信息与通信技术，进行道路基础设施的整合，实现其“Smartway”系统。以GSM、GPRS 为代表的2.5 G 移动通信技术和以CDMA 为代表的3 G 移动通信技术均具有覆盖范围大且能够全国漫游的优点，因此被作为当前路网内交通安全预警管理中心向车载终端集中发布各种交通信息的首选通信方式。李晶等［5］对3 G 技术在车载导航系统、快速处理交通事故等方面的应用进行总结，为城市发展智能交通信息系统提供借鉴;Lequerica I 等［6］提出采用3G 技术作为分发部分与服务、协议相关的控制信息的途径，从而提高车辆通信系统中分组的成功递交率;Dalai T 等［7］建议将GPRS 作为定位装置用于在车辆遇险时便于乘客进行紧急信息传递;还有很多将移动通信技术应用于智能交通系统的实例［8-9］。

4 G 移动通信的代表技术TD -LTE 具备更好的频谱利用率和更高的传输速率，在20 MHz 频谱宽带下，TD-LTE 通信系统可达到下行10.8 b/Hz，上行5. 4 b/Hz 的频谱利用效率，能够提供下行100 Mb/s，上行50 Mb/s 的标准峰值速率，及以下行200 Mb/s，上行100 Mb/s 的系统峰值速率，用户平面内部单向传输时延低于5 ms，控制平面从睡眠状态到激活状态迁移时间低于50 ms，从驻留状态到激活状态的迁移时间小于100 ms;支持100 km 半径的小区覆盖;能够为低于350 km/h 的高速移动用户提供超过100 kb/s 的通信接入服务，因此，将TD-LTE 引入交通安全预警系统，将为车车或车路间的交通安全预警信息交互提供可靠的通信保障。近年来，虽然已有诸多文献对适用于TD-LTE 移动通信系统的无线资源调度算法展开研究，还有一些学者和研究机构开始关注TD -LTE技术在公路交通领域中的应用［10-11］，但针对基于TD-LTE 技术的交通安全预警通信系统性能仿真尚处于科研起步阶段，鲜有根据交通安全预警信息流自身特点设计TD-LTE 时频资源调度算法的文献。基于上述考虑，文中将TD -LTE 技术引入交通安全预警系统，提出了交通安全预警系统时频资源调度模型，并建议了适用于各类交通安全预警信息流的TD-LTE 无线资源调度算法。

图1 交通安全预警通信系统及其时频资源调度模型Fig.1 Traffic safety warning communication system and its time-frequency resource scheduling model

1 基于TD-LTE 的交通安全预警通信系统时频资源调度模型

基于TD-LTE 的交通安全预警通信系统及其时频资源调度模型如图1 所示，交通安全预警管理中心首先通过公网/专网将各类交通预警信息流递交至监管车辆隶属的TD -LTE 基站(eNodeB)处，再由该eNodeB 将其快速、可靠的下达至监管车辆车载终端处，从而通过主动预警的方式有效避免和减少交通事故，保障生命安全，提高交通运行效率。图1 中，eNodeB 处的分类器将对各类交通预警信息流进行分类映射，分别映射为:①视频预警信息;②话音预警信息;③其它数据预警信息，典型应用参见表1.当eNodeB 向监管车辆发送各类交通预警信息流之前，首先在对等的媒体接入控制层间建立单向的数据承载连接，连接建立后，隶属各类预警信息的信息流分组都将通过分类映射进入分类器缓存队列中，然后按照调度器的调度函数值调整下达至监管车辆处的各类交通预警信息流分组的调度顺序，与之相关的调度函数设计则是一个开放性问题。

表1 各类交通预警信息流典型实例Tab.1 Typical examples of traffic warning information flow

TD-LTE 交通安全预警通信系统无线资源配置如图2 所示，资源块(Resource Block，RB)是最小的时频资源配置单元，每个RB 在时域上由两个时隙构成，在频域上由一个子信道构成，且在调度时刻仅能分配给一个监管车辆。时域上，TD-LTE交通安全预警通信系统的无线资源被划分为持续时长为1 ms 的传输时间间隔(Transmission Time Interval，TTI)。每个TD-LTE 帧都由10 个连续的TTI 组成，每个TTI 均包含2 个时隙，每个时隙持续时长为0.5 ms;频域上，整个系统带宽被划分为若干子信道，每个子信道为180 kHz，包括12 个连续的子载波，由于子信道带宽固定，因此，系统带宽不同，相应的RB 数也不同，例如，当系统带宽分别为5 和10 MHz 时，系统带宽分别对应25 个RB和50 个RB.

图2 TD-LTE 交通安全预警通信系统中的无线资源配置Fig.2 Wireless resource allocation in TD-LTE traffic safety warning communication system

基于TD-LTE 的交通预警系统时频资源调度函数模型由式(1)给出

式中 ωi，k为第i 个监管车辆与第k 个RB 的匹配指数，总是为ωi，k取值最大的第i 个监管车辆分配第k 个RB.

2 交通安全预警通信系统时频资源调度算法

目前，已有诸多适用于无线通信的调度算法，然而已形成商用的TD-LTE 调度算法仍是最经典的3 种调度算法，分别是RR 算法、MT 算法、和PF算法，RR 算法可使eNodeB 覆盖范围内的所有用户按照固定顺序在相等的时间间隔内轮流获取RB，从而保证用户获取无线资源的短期公平和长期公平，但系统吞吐量相对很低;MT 算法总是在调度时刻将RB 分配给能够达到最大吞吐量的用户，进而使系统吞吐量达到最大，但会导致距离eNodeB 较远或者信道状况不好的用户难以获得任何无线资源，导致“饿死现象”发生;PF 算法是MT算法和RR 算法的折中，能够在兼顾用户公平获取无线资源的同时获得尽可能高的系统吞吐量，可作为TD-LTE 系统的首选调度方案。然而，上述三种经典调度算法在为eNodeB 覆盖范围内的所有监管车辆进行无线资源分配时，均只考虑了系统吞吐量和监管车辆公平性问题，并未考虑监管车辆获取各类交通预警信息流的时延限定。对于监管车辆而言，及时可靠地获取来自交通安全预警管理中心的各类信息对于保障行车安全，降低生命财产损失，提高道路通行效率而言至关重要，因此，需要根据实际应用场景对PF 算法进行改进，设计能够保障各类交通预警信息流传输时延的调度算法。

引入时延调节因子对已有PF 算法进行改进，调度时刻t，建议的适用于各类交通安全预警信息流的TD -LTE 无线资源调度算法匹配指数(t)满足式(2)

式中 Ri，k(t)为调度时刻t 时监管车辆i 在第k 个RB 上期望的数据传输速率;(t-1)为到上一调度时刻(t-1)为止，监管车辆i 上的信息流获得的平均数据传输速率;¯Ri，k(t-1)值越小，Ri，k(t)值越大，则值ωi，k越大，监管车辆i 获得第k 个RB 的可能性就越大。(t-1)可通过式(4)得出

式中 ¯Ri，k(t)为监管车辆i 在调度时刻t 的瞬时数据传输速率;α 为公平调节因子且满足式(5)

式中，Tf为时间窗口。

式(2)中，θi(t)为调度时刻t，监管车辆i 的时延调节因子，由式(6)给出

式(6)中 ρi(t)∈［0，τ］为eNodeB 在调度时刻t，向监管车辆i 发送的交通预警信息流隶属分类器的队头分组等待调度的时间;τ 为eNodeB 发送给监管车辆的交通预警信息流目标传输时延限定;Δτ∈［0，τ］为系统预定的保护时间间隔，通常设为帧长。如果Δτ≤τ-ρi(t)，即ρi(t)∈［0，τ-Δτ］，则交通预警信息流隶属分类器的队头分组等待调度的时间能够满足时延要求，且ρi(t)越小，其调度优先级就越低;如果Δτ ＞τ-ρi(t)，即ρi(t)∈［0，τ-Δτ］，则交通预警信息流隶属分类器的队头分组等待调度的时间即将超出时延限定，其调度优先级最高，应尽快调度该分组。

综上可知，建议的适用于各类交通安全预警信息流的TD -LTE 无线资源调度算法匹配指数(t)可由式(7)给出，通过将时延调节因子θi(t)引入已有PF 算法，可在兼顾监管车辆公平和系统吞吐量的同时，有效保证交通预警信息流满足预先规定的时延要求，总是在调度时刻，为队头分组即将超出时延限定的交通预警信息流赋予优先调度的权利。

图3 仿真场景Fig.3 Simulation scenario

3 性能仿真

采用LTE-Sim 仿真工具搭建基于TD-LTE 的交通安全预警通信系统时频资源调度场景，如图3所示:小区半径为1 km，包含1 个eNodeB 和若干个TD - LTE 车载终端，eNodeB 位于小区中心位置，车载终端移动方式符合Way-Point 模型，平均行驶速度为60 km/h. 以下行链路为例，每个车载终端同时收发3 类交通预警信息流，采用“highway.yuv”视频测试序列模拟视频预警信息流，采用基于开/闭马尔可夫模型的G.729 VoIP 业务流模拟话音预警信息流，采用FTP 数据下载业务模拟其他数据预警信息流。仿真使用随机种子初始化，仿真时间设定为200 s，每次仿真过程至少进行10 次，最终结果取平均值。仿真硬件环境为Linux操作系统，2.6 GHz 主频，4 G 内存。其它仿真参数见表2.

表2 其它系统仿真参数Tab.2 Other system simulation parameters

将建议算法与PF 算法的仿真性能进行对比分析。图4 和图5 分别比较了2 种算法下的视频预警信息流和话音预警信息流的丢包率，可以看到，随着接入交通安全预警系统的监管车辆数目不断增加，系统需承载的信息流负荷越来越重，相应的丢包率也将随之增加，但由于建议算法能够根据eNodeB 分类器队头分组在系统的等待时间自适应的调整其调度优先级，总是为即将超出目标时延限定的分组赋予优先调度的权利，因此，能够获得更低的丢包率性能。与PF 算法相比，建议算法的视频预警信息流和话音预警信息流的平均丢包率性能分别改善了29%和48%，能够更好的保证实时预警信息的可靠传输。

图6 比较了2 种算法下其它预警信息流的系统吞吐量，可以看到，随着接入交通安全预警系统的监管车辆数目不断增加，每辆车能够有效获取的无线资源将降低，相应的其它预警信息流吞吐量也会随之降低。当接入交通安全预警系统的监管车辆不超过20 辆时，监管车辆所需的无线资源低于系统带宽，建议算法可在保证视频预警信息流和话音预警信息流的实时传输前提下，获得与PF 算法相差不大的其它预警信息流吞吐量性能;当接入交通安全预警系统的监管车辆超过20 辆时，监管车辆所需的无线资源超过系统带宽，建议算法需考虑视频预警信息流和话音预警信息流的时延限定要求，并为即将超出时延限定要求的队头分组赋予优先调度的权利，故会牺牲掉部分时延不敏感信息流获取无线资源的权利，因此，相应的其它预警信息流系统吞吐量性能低于PF 算法。

图4 视频预警信息流丢包率Fig.4 Packet loss rate of video warning information flow

图5 话音预警信息流丢包率Fig.5 Packet loss rate of audio warning information flow

图6 其它预警信息流吞吐量Fig.6 Throughput of other warning information

图7 系统用户公平指数Fig.7 Fairness index of system user

图7 比较了两种算法下监管车辆接入交通安全预警系统的公平指数。公平指数越接近1，表明系统监管车辆越能公平地获取无线资源。可以看到，PF 算法与建议算法的公平指数均与1 十分接近，建议算法虽然略低于PF 算法，但相差不大，建议算法通过对PF 算法的改进，用较低的监管车辆公平性代价换得时延敏感信息流的可靠传递，提高了交通安全预警的时效性。

4 结 论

为改善各类交通安全预警信息的通信传输质量，将TD-LTE 技术引入车路通信系统，建议了适用于TD-LTE 交通安全预警系统的调度算法。

1)该建议算法在已有PF 算法基础上，将时延调节因子引入交通预警系统时频资源调度函数，使得系统总是为即将超过目标时延限定要求的交通信息流分组赋予优先调度的权利，有效降低交通预警信息流的丢包率，保证交通预警信息的实时传达;

2)仿真表明，该算法与典型的PF 算法相比，能够为乘客提供更加可靠的安全预警信息传输保障，更适用于交通安全预警系统。

References

［1］ 刘文峰，李 斌，郝 亮.智能交通技术在改善道路交通安全中的潜在优势［J］.公路交通科技，2012，29(S1):121 -124，151.LIU Wen-feng，LI Bin，HAO Liang.Potential advantages of intelligent transport technologies in improving road safety［J］. Journal of Highway and Transportation Research and Development，2012，29(S1):121-124，151.

［2］ 陈 超，吕植勇，付姗姗，等.国内外车路协同系统发展现状综述［J］. 交通信息与安全，2011，29(1):102-105.CHEN Chao，LV Zhi-yong，FU Shan-shan，et al.Collaborative review of development of domestic and foreign vehicle road system［J］.Journal of Transport Information and Safety，2011，29(1):102 -105.

［3］ 王云鹏.智能车路协同系统［C］//第三届智能交通论坛.武汉:武汉理工大学，2010.WANG Yun-peng. Intelligent vehicle-road cooperative system［C］//The third session of intelligent transportation BBS. Wuhan:Wuhan University of Technology，2010.

［4］ 李 晶，张 莉，杜 娟，等.3G 网络技术在智能交通系统中的应用［J］.吉林交通科技，2010(2):38-39.LI Jing，ZHANG Li，DU Juan，et al.3D Net application technology in ITS［J］. Science and Technology of Jilin Communication，2010(2):38 -39.

［5］ Lequerica I，Ruiz P M，Cabrera V. Improvement of vehicular communications by using 3G capabilities to disseminate control information［J］. Network，IEEE，2010，24(1):32 -38.

［6］ 厉保军，梁 明，吴冬琴.3S 与GSM 通信技术智能消防系统探讨［J］. 西安科技大学学报，2010，30(3):363 -367.LI Bao-jun，LIANG Ming，WU Dong-qin.A study of intelligent fire-fighting system based on 3S and GSM communication technology［J］. Journal of Xi’an University of Science and Technology，2010，30(3):363 -367.

［7］ Stewart J，Shen X，Wang C，et al. From 3 G to 4 G:standards and the development of mobile broadband in China［J］. Technology Analysis ＆ Strategic Management，2011，23(7):773 -788.

［8］ Choi J G，Bbhk S. Cell-throughput analysis of the proportional fair scheduler in the single-cell environment［J］.Vehicular Technology，IEEE Transactions on，2007，56(2):766 -778.

［9］ Capozzi F，Piro G，Grieco L A，et al. Downlink packet scheduling in LTE cellular networks:key design issues and a survey［J］.Communications Surveys ＆ Tutorials，IEEE，2013，15(2):678 -700.

［10］ 姬杨蓓蓓，张小宁，孙立军.交通事件持续时间预测方法综述［J］.公路工程，2008(3):72 -79，141.JIYANG Bei-bei，ZHANG Xiao-ning，SUN Li-jun. Prediction of traffic incident duration［J］. Highway Engineering，2008(3):72 -79，141.

［11］ 刘 浩，张晓亮，张 可.基于粗糙集交通信息提取计算的城市道路行程时间预测［J］. 公路交通科技，2008(10):117 -122.LIU Hao，ZHANG Xiao-liang，ZHANG Ke. Rough set city road travel time calulation based on the extraction of traffic information prediction［J］.Journal of Highway and Transportation Research and Development，2008(10):117 -122.