一种基于网络切片的车联网联合资源分配算法

龙银江，吕 鹏，于 渊，刘 玮

(1.北京邮电大学 信息与通信工程学院，北京 100876;2.北京科技大学 计算机与通信工程学院，北京 100083;3.中国移动研究院，北京 100032)

0 引言

网络切片技术能够实现按需组网，但车联网的独特性不能直接映射到三大应用场景切片或者单片车联网切片[1-2]。现有车联网切片研究较少，比如切片粒度与网络架构[3-4]、5G车联网切片应用[5]以及与强型移动宽带共存[6]，但这些研究没有进一步考虑到车联网切片资源分配问题。内容缓存与分发作为车联网研究热点之一，多路侧单元(Roadside Unit，RSU)协作缓存是提高缓存资源利用率和减少中断概率较为有效的方案[7-9],但这些研究没有进一步考虑到服务质量的多样性和差异性需求问题，并且所有缓存资源仅视为一个缓存空间与基于内容流行度缓存策略容易造成文件命中率不平衡问题。为此，本文将网络切片引入到车与路侧基础设施通信(Vehicle-to-Infrastructure,V2I)下行链路中，考虑多路侧单元协作缓存场景，提出了一种联合资源分配算法。

1 系统模型

V2I下行链路文件传输模型如图1所示。在双向通道上由一个基站(Base Station，BS)、M个RSU和多辆车组成V2I通信网络，RSU之间、路侧单元与基站之间通过有线链路进行通信。RSU均具备一定的缓存能力，可提前从基站下载文件，再通过V2I通信下行链路为车辆提供下载服务。由于RSU之间的有线链路长度远小于RSU到基站的长度，多个RSU可以组成一个RSU群(RSU Group，RSUG)，通过协作缓存文件的方式减少基站前传链路负载和车辆下载文件时延。

图1 V2I下行链路文件传输模型Fig.1 V2I downlink file transfer model

2 问题描述

(1)

(2)

则Vm,n,j获得的总速率表示为：

(3)

式中，Γm,n,j,c为RBc上接收到的信号噪声干扰比(Signal to Interference plus Noise Ratio，SINR)，可表示为：

(4)

(5)

(6)

则文件f的请求概率可以表示为：

(7)

式中，P(uw,n)为所有属于类型n文件在基站中的请求概率总和。使用变量km,n,j,f表示Vm,n,j向RSUM请求下载文件f时未下载的数据量，km,n,j,f≤Hn,f。对于βm,n,f=1，Vm,n,j下载文件f所需时间可以表示为：

(8)

(9)

(10)

则Vm,n,j下载文件f所需时间可以表示为：

(11)

(12)

则Vm,n,j在RSUM下载文件f所需时间可以表示为：

(13)

(14)

最终，Vm,n,j完成文件f下载所需总时延可以表示为：

(15)

以优化系统车辆下载文件平均时延为目标，则优化目标可以表示为：

s.t.

(16)

式中，E[·]为随机变量期望；Xi(t)遵循泊松过程，则E[Xi(t)]可以表示为：

(17)

3 问题计算

优化目标式(16)是一个非线性组合规划问题，已被证明是一个NP-hard问题[13]，直接求解复杂度极高，本文通过变量解耦方式进行求解。首先，将优化问题拆解为通信资源优化子问题和缓存资源分配与文件放置优化子问题；其次，在求解通信资源优化子问题时，假设缓存资源分配及文件放置为已知，在求出通信资源分配问题后，带入系统目标函数中进行缓存资源分配及文件放置求解；最后，结合2步迭代算法得到1个次优解。

3.1 通信资源优化子问题

s.t.

(18)

该优化子问题是一个非线性组合规划问题，本文采用几何规划(Geometric Programming，GP)算法进行求解[14]，其标准形式为：

minf0(X)

s.t.

hi(X)≤1，i=(1,2,…,I)，

gj(X)=1，j=(1,2,..,J)。

(19)

(20)

minD

s.t.

(21)

最终，通信资源优化子问题可转化为标准GP进行求解，具体算法如下：

算法1:通信资源分配算法① 初始化并输入:RSUM网络切片数量N,RB数量C,带宽B,发射功率Pmc,噪声功率σ2,通信资源分配方案αψ ,迭代次数ζ1=1,误差τ1。② 迭代:如果ζ1大于0,则进入步骤③;③ 更新计算:更新ςm,n,i,j,cζ1 ,计算得出通信资源分配方案αζ1 ;④ 判断:如果αζ1 -αζ1-1 ≤τ1,则α=α(ζ1),跳到步骤⑤,否则,ζ1=ζ1+1跳到步骤③;⑤ 输出:α

3.2 缓存资源和文件放置优化子问题

通信资源分配变量α为已知，则从优化目标函数分解出的缓存资源和文件放置优化子问题可以表示为：

s.t.

(22)

(23)

整理后的拉格朗日函数可以表示为：

L(S,β,δ,η)=f(S)+f(β)+f(Φ)

s.t.

η3,η4,η5，

(24)

s.t.

η3,η4,η5。

(25)

算法2:两步迭代算法① 初始化并输入:基站文件数量W,倾斜度θ,文件类型n集合,RSU数量M及网络切片数量N,缓存容量集合及分配策略m,通信资源和文件放置矩阵α和β,路侧单元文件缓存状态βm,n,w=0;迭代次数ζ=ζ1=ζ2=1,δmnζ2 =0,ηm,n,wζ2 =0,误差τ=τ1=τ2;② 迭代:如果ζ大于0,则进入步骤③;否则,跳到步骤⑥;③ 通信资源分配策略:根据算法1求出通信资源分配策略αζ1 ;④ 缓存资源和文件放置策略:L,β,δ,η =f +fβ +fΦ ,更新计算δmnζ2 和ηm,n,wζ2 ,ζ2=ζ2+1,得出mn(ζ2)和β(ζ2);⑤ 判断:如果Dζ -Dζ-1 ≤τ,则α=α(ζ1),β=β(ζ2),mn=mn(ζ2),D=Dζ ;否则跳到步骤②;⑥ 输出:α,β,m,D。

4 仿真分析

不同文件数量和倾斜度对系统平均时延的影响如图2所示。随着倾斜度参数增大，车辆请求文件越集中，流行度等级越高的文件请求概率越大，从而降低系统车辆下载文件的平均时延；当倾斜度参数过大时，文件数量所需要的时延几乎相同。

不同通信资源数量和缓存容量对时延的影响如图3所示。随着通信资源数量的增大，车辆可分配的资源块也越多，不同缓存容量下的系统平均时延不断降低且逐渐缓和；当通信资源数量相同时，由于流行度等级越靠后的文件请求概率越小，虽然增大缓存容量可以提高文件请求命中率，但差距不是很明显，和倾斜度参数大小有关。

图2 文件数量和倾斜度对时延的影响Fig.2 The influence of the number and inclination of documents on the time delay

图3 通信资源和缓存容量对时延的影响Fig.3 Influence of different communication resources and buffer capacity on delay

不同车速度对系统车辆下载文件平均时延的影响如图4所示。一定范围内的车辆速度可以降低车辆下载文件的平均时延，但车辆速度过大时，车辆可能需要经过多个RSU才能完成请求文件的下载，甚至可能由低速率的BS完成下载，从而导致系统时延迅速升高。

图4 车速对时延的影响Fig.4 Influence of different speeds on time delay

算法性能对比如图5所示。为了与不同算法性能进行对比，本文列举了2个常用的算法，算法3：基于切片车辆比例的通信资源与缓存资源分配和基于流行度的文件放置策略；算法4：通信和缓存资源平均分配与随机文件放置选择策略。不难发现，本文所提算法的系统平均时延始终低于算法3和算法4，并且随着RSU数量增加，性能优势更为明显。

图5 算法性能对比Fig.5 Performance comparison of different algorithms

5 结束语

受5G技术启发，本文将网络切片引入到RSU文件传输场景中，提出了一种联合通信资源、缓存资源与文件放置算法。该算法能很好地解决文件服务质量差异性问题，通过与2个常用算法进行对比，该算法具有明显的性能优势。在未来工作中，将对车联网计算任务卸载问题进行研究。