车载自组网V2I通信中可休眠轮询接入控制策略性能分析

2020-01-16吴帮吕孙飞飞周朝旭

东南大学学报（自然科学版） 2020年1期

何敏吴帮吕孙飞飞官铮周朝旭

(1云南大学信息学院, 昆明 650091)(2云南省信息技术发展中心, 昆明 650021)

随着车载自组网(vehicular ad-hoc networks,VANETs)的迅猛发展,对诸如路况信息、道路安全、路途支持及各类面向用户的应用研究吸引了不少学者的关注.VANETs通信包括车间(vehicle to vehicle,V2V)通信、车与基础设施间(vehicle to infrastructure,V2I)通信2种方式[1].V2V通过车载单元(on-board unit,OBU)或路侧单元(roadside unit,RSU)的转发实现车辆间通信; 而V2I则是当车辆处于各类基础设施的覆盖范围内时OBU与RSU之间的通信.RSU通常部署在城市街道或高速公路两侧,为交通管理和安全服务提供支持.

IEEE 802.11p[1]是专门为车用环境制定的无线通信标准,与802.11a物理架构大致相同,提供基于竞争的EDCA和基于轮询的HCCA两种可选方式.媒体接入控制方式对通信性能产生重要影响,轮询控制是一种避免冲突、提供服务保障(quality of service,QoS)的多址接入方式[2].因此,在V2I通信中,通常选择轮询方式为那些低速但对时延和可靠性敏感的业务提供服务.

在轮询控制的基础上,不少学者提出了各种混合策略对系统进行优化[3-7],但较少考虑能耗因素.空闲节点关闭射频休眠,不仅可以大幅减少能耗[8],还能减少电磁干扰,是一种绿色通信方式.近年来,高能效的协议设计备受关注[9-13].文献[9]提出了一种可休眠的轮询控制来节约空闲能耗,但站点必须主动侦测网络以决定其休眠时间,导致服务前的串音能耗.文献[10]针对突发业务提出了一种时隙预约的方法来降低能耗、提高系统吞吐量.文献[11]提出了一种负载自适应的休眠机制.文献[12]提出一种能量有效的数据汇聚算法来平衡负载.但目前在对具有休眠机制的系统进行分析时,往往忽略休眠状态,采用计算机仿真或通过能耗模型逐段统计能耗,难以表达休眠与系统性能及网络服务参数间的关系.文献[13]首次在系统模型中结合休眠状态分析了限定K=1的休眠轮询系统模型,但当负载较高时,其性能下降较快.

本文以保证服务性能、降低系统能耗为目的,在IEEE 802.11p的基础上,当系统空闲时引入休眠,设计了一种门限服务轮询接入控制策略GPC-S,采用概率母函数和嵌入马尔可夫链的分析方法建立分析模型,得到特性量平均查询周期、排队队长的精确解析,进而推导出站点休眠时间与网络服务参数、特性量之间定量关系的闭式表达式.

1 GPC-S服务机制描述

1.1 GPC-S接入机制

如图1所示的一类V2I的应用场景中,每个簇(子网)由一个RSU及其覆盖范围内的OBU、各类环境数据收集传感节点及视频图像采集节点构成(以下统称站点STA).GPC-S通信传输分为上行和下行链路,下行链路传输环境数据和控制信息,上行链路传输环境数据.在稳定的数据服务期间,传感节点和视频图像采集节点向RSU发送采集的环境数据,各个OBU从RSU接收本区域及邻近区域的各类环境数据.

图1 GPC-S接入控制的V2I应用场景示意图

在GPC-S中,空闲站点将一直处于休眠状态直至有数据包到达,唤醒并申请接入网络等待服务.RSU检测到接入信号后,将该站点登记到轮询服务列表(PolList)的表尾,并根据PolList中的站点数为其分配服务时隙,站点则可依据间隔长短决定转入休眠还是低功耗等待.

1.2 GPC-S数据传输模式

GPC-S的数据传输模式如图2所示,图中STA1、STA2、STA3代表依次等待服务的站点,Pt、Pr、Pi、Ps分别为发送功率、接收功率、空闲侦听功率和休眠功率,Ps2i、Pi2s分别为休眠/空闲、空闲/休眠状态切换功率,TSW为状态切换时间.RSU发送信标帧(B)和结束帧(CE)标志一个无竞争服务周期(CFP)的起始和终止,并根据PolList中的站点数完成网络分配矢量(NAV)的更新.在一个CFP开始后,RSU依次对PolList中的站点发送轮询帧,在一个短帧间隔(SIFS)后,接收该站点在轮询时刻之前到达的所有数据包,并在应答帧(ACK)中交换下一轮的服务时刻,站点将根据2次服务时间间隔决定是否启动定时器转入休眠.若站点处于休眠状态则无法响应轮询帧,如STA2,那么RSU将在一个轮询帧间隔(PIFS)后,继续轮询下一个站点并将STA2从PolList中删除.当PolList为空时,RSU发送结束帧(CE)并启动休眠定时器进入休眠,直到定时器溢出,重启新一轮的服务.

图2 GPC-S数据传输示意图

2 GPC-S建模分析

由GPC-S服务机制抽象出其系统数学模型: 假设一个RSU覆盖范围内的子网由一个服务器AP和N个站点组成的队列Q1、Q2、…、QN构成,AP依次轮询各站点进行门限服务.若AP在时刻tn对Qi(i=1,2,…,N)进行服务,当AP发送完在查询时刻之前Qi内等待的数据包后,为其分配下一轮的服务时隙,Qi可选择关闭射频休眠;AP经过一个查询转换时间后转向服务Qi+1,若Qi+1有数据,AP将在时刻tn+1对其服务,若Qi+1无响应,则AP继续查询后继站点; 以此类推.若所有站点均为空且AP间转发周期未到时,AP启动休眠计时器进入休眠,并在休眠结束后重启服务.

2.1 系统工作条件

假设信道处于理想状态,信道纠错由物理层差错检测机制处理,站点i满足如下假设条件:

1) 每个站点的缓冲区足够大,不会产生数据丢失.

设在tn时刻AP对Qi(i=1,2,…,N) 进行服务,定义如下随机变量:vi(n)是AP为Qi(i=1,2,…,N)进行数据传输服务的时间;ui(n)为AP从Qi(i=1,2,…,N) 转向Qi+1的查询转换时间;μj(ui)为在时间ui(n)内进入Qj(j=1,2,…,N) 的数据包数量;ηj(vi)为在vi(n)时间内进入Qj(j=1,2,…,N) 的数据包数量;ζ(n)为在tn时刻所有站点为空时AP将要休眠的时间;ζj(ζ)为在ζ(n)时间内进入Qj(j=1,2,…,N)的数据包数量.

2.2 GPC-S数学模型

πi(x1,x2,…,xi,…,xN)

(1)

式中,P[ξi(n)=xi;i=1,2,…,N]表示系统状态的概率分布;πi(x1,x2,…,xi,…,xN)表示系统状态的稳态分布.

假设用Gi(z1,z2,…,zi,…,zN)表示AP在tn时刻查询Qi时系统状态的概率母函数,有

Gi(z1,z2,…,zi,…,zN)=

根据概率母函数的定义,由式(1)可得

式中,E(*)表示*的数学期望.

在一个服务周期内,若轮询列表PolList非空,AP将为非空站点服务.假设AP在tn时刻按照门限服务规则对Qi进行服务,并在tn+1时刻转向查询Qi+1,则有

Gi+1(0,…,0,…,0)=S(Ai(zi))Gi(o)

式中,Gi(o)表示tn时刻所有站点均无数据包的系统状态的概率母函数，其中o=0,…,0,…,0.从而得到

Gi+1(z1,z2,…,zi,…,zN)=

(2)

2.3 性能解析

2.3.1 平均排队队长

定义Gi(z1,z2,…,zi,…,zN)的一阶偏导为

i,j=1,2,…,N

式中,gi(j)为在tn时刻AP查询服务Qi时Qj中平均等待的数据包数.同理有

i,j=1,2,…,N

从而有

gi+1(j)=γiλj+gi(j)+βiλjgi(i)

i,j=1,2,…,N;j≠i

(3)

gi+1(i)=γiλi+βiλigi(i)+ζλiGi(o)

(4)

式中,gi(i)为在tn时刻AP查询服务Qi时Qi中平均等待的数据包数,也即查询点的平均排队队长.

(5)

(6)

式中,ρ=λβ表示系统的服务强度.若Nλβ=Nρ≥1,则表明AP的服务能力低于系统总负载,站点内堆积的数据包数量将越来越多,式(6)不再成立.

2.3.2 平均查询周期

GPC-S的平均查询周期θ定义为AP对GPC-S系统中的N个站点按门限服务策略完成一次服务所需时间的统计平均值,即

(7)

(8)

2.3.3 IEEE 802.11p性能分析

IEEE 802.11p门限服务(以下简称802.11p)的运行模式同文献[14],因此,得到802.11p的平均排队队长gi(i)P和平均查询周期θp分别为[14]

(9)

(10)

2.4 能效分析

空闲节点的串音将导致大量能耗,因此在服务周期内,节点休眠时间越长就越节能.根据GPC-S休眠机制,在满足稳定条件Nλβ< 1下,可求得站点在连续2轮服务中的平均休眠时间TSLP为

(11)

TAT=[θ-(γ+βgi(i))](1-Gi0)

TSV=(γ+βgi(i))(1-Gi0)[1+(1-Gi0)]

TIBS=[θ-(γ+βgi(i))](1-Gi0)2

式中,TAT为当STA有数据包到达时,从休眠唤醒到接入RSU的活跃等待时间;TSV为在2轮稳定服务周期中RSU为STA服务的时间;TIBS为一个活跃的STA接入网络后等待RSU确认服务时隙的空闲时间;Gi0表示第i个STA为空的系统状态的概率母函数,有

Gi0=P{ξi(n)=0}=exp(-λiθ)=exp (-λθ)

当所有STA均为空时,RSU也将进入休眠状态,其休眠时间TSLP_RSU计算如下:

TSLP_RSU=θGi(o)

(12)

站点关闭射频进入休眠状态后能耗极低,可忽略不计.为避免不同厂商的芯片在发送、接收数据时的功耗差异,通过节点的休眠时间与服务周期的比值来衡量节能效果,定义为平均休眠比ψ,即

(13)

3 实验仿真与数值分析

3.1 实验条件设定

为了检验在V2I中的服务性能及能效,在MATLAB r2015中对GPC-S、802.11p及文献[13]中的带休眠的限定K=1服务策略(以下简称SPCF)进行了仿真.在满足系统稳定条件Nλβ<1的前提下,分别对3个系统进行了1×106次蒙特卡洛实验,并进行统计平均.

仿真实验中,时间单位为时隙(1时隙宽度为100 μs).假定信道为理想状态,所有数据包成功发送.各项系统参数设置如下:N取值区间为[5,10,20,30],λ变化区间为0.000 5～0.002个/时隙,β=9时隙,γ取值区间为[1,3]时隙,TSW=2.5时隙,ζ取值区间为[5,10,20]时隙;Pt=1.65 W,Pr=1.4 W,Pi=1.15 W,Pi2s=Ps=0.045 W,Ps2i=1.725 W.

3.2 服务性能对比

相同参数下,GPC-S、802.11p及SPCF的平均查询周期、排队队长性能指标如图3和图4所示.

图3 平均查询周期理论值与仿真值对比图 (N=5,ζ=5，1时隙=100 μs)

图3分别对比了N=5、ζ=5时,在γ=1和γ=3下平均查询周期的理论值与仿真值随到达率的变化趋势,其中GPC-S、SPCF的查询周期相同.负载较低时,802.11p的理论值与仿真值间的误差超过9%;随着负载增大,误差逐渐减小.而不论负载大小,GPC-S与SPCF的误差都接近于零,与802.11p相比,性能特性量的理论计算精度最高提升9%以上.这是因为λ较小时,站点为空的概率大,因此系统为空的概率也增大,由于在无休眠的802.11p的数学模型中忽略了系统为空的状态,从而导致理论值与仿真值之间误差偏大,随着负载增大,Gi(o)不断减小,最后逼近于零,由休眠状态对性能产生的影响也趋于零,因而三者趋于一致.

(a) 系统平均查询周期对比

(b) 查询点平均排队队长对比

图4仿真了在N=20时,不同休眠因子、不同查询转换时间下3个系统的平均查询周期及排队队长随到达率的变化趋势.由图可知,在相同到达率λ下,系统性能均随ζ和γ增大而下降.从图4(a)看出,相同γ下,不论ζ的大小,3个系统的平均查询周期均随λ的增大而趋于一致; 图4(b)表明GPC-S与802.11p的排队队长也趋于一致,但SPCF的gi(i)值比其他2个系统的大,并随λ的增大而明显增大.图4说明:

1) 在GPC-S系统中,因系统为空时RSU会转入休眠状态,与无休眠的802.11p相比性能有所下降,但在ζ不超过γ+β时,影响很小; 而当ζ>γ+β后,低负载时,GPC-S系统的性能受到较明显的影响,但随着负载的增大与802.11p的性能趋于一致.这是因为当负载增大时,Gi(o)变小,最后趋于零,所以GPC-S中的RSU转入休眠的机会也趋于零,其性能趋近802.11p.

2) 相同条件下,虽然SPCF、GPC-S和802.11p三者的平均查询周期这个表征系统整体性能的特性量是一致的,但从影响单个站点性能的排队队长看,SPCF明显比其他2个系统差.可见,门限服务策略虽然不如限定K=1服务策略公平,但能有效减小站点的排队队长,提高服务性能.

同时,从图4也可以看出,即使ζ=20,GPC-S在γ=1下的性能也较802.11p在γ=3下的性能好,表明查询转换时间对性能影响更大.

3.3 休眠时间及能效对比

3.3.1 站点能效对比

图5给出了在不同ζ及γ下站点的平均休眠比ψ的柱状比较图.为了对比休眠效果,图中给出了SPCF在ζ=20时的平均休眠比.仿真结果表明:

1) 低负载时,802.11p系统中的站点有98%以上的时间处于空闲串音状态,消耗大量能量,而GPC-S中的站点因为空闲而转入休眠状态,能效提升97%以上.即使在负载很高时,802.11p中站点的空闲能耗也超过了60%.

2) GPC-S与SPCF的休眠性能均随着负载的增大而降低,但在相同条件下,与SPCF相比,GPC-S的站点能得到更多的休眠时间,即更节能;同时,随着负载的增大,SPCF的站点休眠比明显下降,在负载很高时,GPC-S也有近60%左右的休眠时间,而SPCF则下降到20%以下,说明GPC-S系统中站点的能效更高.

(a) N=20,γ=3

(b) N=30,γ=1

3.3.2 RSU休眠时间对比

图6比较了GPC-S与SPCF在不同ζ及γ下RSU的平均休眠时间,2个系统中RSU的休眠时间接近,GPC-S的RSU休眠时间比SPCF的略长.由图可知,相同条件下,ζ越大,RSU的休眠时间越长,但均小于ζ,且随着负载的增大休眠时间迅速减小.只有当所有站点均没有数据传输时,RSU才能切换到休眠状态,可见,只要到达率不为零,总会有少数站点产生数据包,RSU就不能一直处于休眠状态; 同时,随着负载增大,系统为空的概率迅速减小,RSU的休眠时间也随之快速减少.