智慧车联网中面向视频质量的包调度机制

咪咕文化科技有限公司 邢 刚

随着各种视频应用的兴起，基于泛在的移动终端进行视频数据传输已经成为学术界和工业界广泛关注的问题。而在智慧车联网中，移动设备间的弱连接性使得数据传输呈现高延迟的特征；移动设备的局部聚集性使得传输呈现竞争性的特征。视频数据传输需要足够的资源来对数据传输质量进行保障，而上述问题则给智慧车联网中的视频数据带来严峻挑战。本文从视频数据的机会传输入手，面向视频数据的传输质量进行包调度机制设计，不仅能够克服网络割裂对数据传输带来的影响，同时还能够利用非充裕的资源对视频传输质量进行优化。

无线通信技术和微电子技术的发展使得移动终端设备（车载、手持等）在最近十几年快速普及，这为泛在的移动自组织网络的形成奠定坚实的基础。智慧车联网络就是基于车载移动终端而形成的一种典型的自组织网络形态，但车辆密度的时变性、红绿灯、突发事件等因素都使得其拓扑结构呈现频繁割裂的特征，因此数据传输主要借助于载体的移动性通过无线多跳的机会传输方式来进行，图1中展示了智慧车联网模型。随着各种视频应用的兴起，视频数据已经成为提供各种服务的最为主要的载体。由此，视频数据传输也成为智慧车联网络中大家非常关注的一个课题。

图1 智慧车联网模型

在智慧车联网络中由于网络拓扑的频繁割裂，大量的视频数据会在移动节点上进行缓存。由于视频自身具有不同于图片的特征，各种应用程序对视频传输质量要求较高，除此之外，机会网络的连通性也是间歇的，所以，在机会网络中传输视频数据需要面临严峻的挑战，具体如下：

（1）为了提升数据的传输成功率，一般采用多备份的方式对机会网络中的数据信息进行传输，但这种方式需要较大的容量和带宽来存储、传输数据。参与机会网络中数据传输的主体都是容量较小的移动无线终端，通过彼此之间的机会接触来传输数据。除此之外，每次机会接触交换的数据量会因节点的移动变为有限的。综上，智慧车联网中视频数据传输面临的第一个挑战是解决传输视频数据对网络资源的要求和机会接触的有限性之间的矛盾是机会网络中视频数据传输。

（2）智慧车联网络中需要较小的时延保证视频数据传输的实时性，数据包间的较小时延抖动保证视频数据传输的流畅性，足够大的带宽保证视频的清晰度。在网络中，节点是在不断移动的，节点间的连通是间歇性的，无法保证视频传输的实时性、流畅性和清晰度。因此，如何解决网络状态与视频传输需要的网络环境之间的矛盾是视频传输过程需要面临的第二个挑战。

（3）视频数据的成功传输需要用户之间的彼此协作完成，但这样会消耗用户的存储资源和网络带宽，不强制的情况下，用户配合视频传输的主动性与积极性较低。因此，如何解决视频传输的广泛参与需求与用户的主动参与之间的矛盾，寻找两者之间的纳什均衡是机会网络中数据传输过程需要面临的第三个挑战。

在视频传输过程中，一部分视频数据会因有限的结点存储量溢出存储区，从而被丢弃；同时，视频数据的压缩编码使得不同的视频在重建过程中会产生较强的依赖关系，从而导致了不同类型的视频数据包在视频重建的过程中产生明显的差异性。为了解决该问题，本文提出了一种面向视频数据投递质量的包调度策略以实现对视频传输的质量的优化。

1 相关工作

由于在城市环境中，车辆之间的距离较小，智能车辆的通信距离相对较大，因此智慧车联网的网络拓扑结构更加接近于传统的移动社交网络。V3架构是最早被提出解决该问题的方法，利用“存储-携带-传输”的想法为高速公路中的用户提供实时的视频传输服务，应对网络中节点间歇连通性产生的问题，但是这种方法依旧无法保证视频流的传输质量。在此基础上，有研究者提出了一种SUV机制为节点提供视频流传播服务，通过GPS信号实现各个节点的同步，与此同时，为了最小化碰撞，该机制还采用图着色理论来辅助对中继节点的传输进行调度。

目前，有以下几种方法在机会网络中普遍应用：Drop head：在此类方法中，当数据包有传输的机会时，会优先传输最先进入队列的数据包；同样，当队列中有数据溢出时，系统会遵循先进先出的原则，将最先进入队列中的数据包丢弃，以存储新传入的数据包。Drop end：在该方法中，机会传输仍会优先传输最先进入队列的数据包；但当队列中的数据包溢出时，系统会先将最后进入队列的数据包丢弃以存储新传入的数据包。Drop tail：在该方法中，数据包的传输同样遵守先进先出原则，但当队列溢出时便会停止数据包接收，同时丢弃即将传入的数据包。Drop oldest：在该方法中，剩余生存时长最短的数据包会被优先传输和丢弃。

仅仅考虑了单个节点存储器的数据包信息，上述策略在性能上距最优仍有一定差距。为了克服该问题，有研究者希望收集全网的传输视频数据包信息来建立关于传输性能的目标函数；然后，利用目标函数计算每个数据包的效用值，最终根据该效用值进行数据包的调度。研究者假定包的全局信息为已知的情况下设计了最优的调度策略GBD。

2 面向视频传输的最优包调度机制

2.1 视频数据包边缘质量增益计算

如图2所示，NG个帧结构组成了视频段V；帧结构主要分为I、P、B三大类，在传输途中这三类帧结构可被分割成MI、MP、MB个不同类型的视频数据包。同时，定义RI、RP和RB分别为I、P、B三种类型的视频数据包的投递成功率。用P(x)表示视频帧x能够成功重建的概率。帧投递率对应的视频传输质量建模如下：

图2 视频帧分割示意图

I帧、P帧和B帧重建后分别为NI、NP和NB，且NI、NP和NB的值可通过视频帧在编码中的相关性求得：

因此，用RI、RP和RB为变量构造的的函数可以得出视频段的帧投递率Q，即：

其中，RI、RP和RB分别表示I、P、B三种类型的数据包投递成功概率。

在移动机会网络中，λ表示节点间平均的接触频率，且移动用户的接触时间间隔都需服从参数为λ的指数分布。由此，可以通过I类型的视频数据包i的剩余生存时长RI,i(t)和下次与目的节点接触的等待时间得出i未被成功投递概率为：exp(—λRI,i(t))。同样也可得出I类型的视频数据包i被成功投递的概率PI,i为：

其中，NI,i(TI,i(t))，MI,i(TI,i(t))分别表示在时刻t，I类型的数据包在网络中的备份数量和“遍历”过的节点个数。则全网所有I类型的视频数据包能够被成功投递的平均概率RI可以计算为：

用同一种方法，可得出所有的P与B类型的视频数据包在t时刻的成功投递的平均概率RP和RB。

对于任一I类型的视频数据包i，对变量NI,i(TI,i(t))求偏导，则有：

对该偏微分方程进行离散化，即可以得到单个备份数的增加引起的视频重构质量的增量为：

因此，可以得出ΔQI,i为I类型视频数据包i在时刻t对视频V的重构边缘质量增益。此算法同样适用于求其他类型视频数据包的边缘质量增益。

2.2 视频数据包传输调度策略

因为机会网络的特性，当两传输节点Na与Nb相遇时，需要确保比较重要且在网络中备份数少的视频数据包的优先传输，因此要对视频数据包的优先级进行一定的排序。本文中用符号U表示需要在节点Na和Nb之间进行交换的视频数据包的集合，且用Ua和Ub分别表示节点Na与Nb共享存储区中的数据包集合，另外集合U中的视频数据包用pkti表示，其中，用ΔQi表示其对应的边缘质量增益。则视频数据包优化调度策略如下：(1)当节点相遇时，传输数据包集合，此为各自共享存储区中的数据包信息；(2)然后通过存储区集合与分别计算出节点边Na和Nb的边缘质量增益；(3)交换节点Na和Nb的边缘质量增益结果，并按结果大小对集合U中的数据包重新排序：，其中满足：；(4)根据排序结果有序的交换节点双方的数据。

3 仿真与分析

3.1 仿真环境搭建

通过NS-2我们开发了一个机会网络的仿真环境，此环境中的节点利用协议802.11b与通信半径为100m其它节点进行通信，同时完成对包调度策略的评估。此外，通过Random Waypoint Model模型合成的数据集来进行仿真。

3.2 性能分析

在图3中展示了当消息的生存周期(TTL)取不同值时，几种不同的方法和本文所提方法性能的对比，其中图3(a)和3(b)分别展示了平均可解码帧速率与平均PSRN值之间的对比。从图3中我们可以看出，当数据包的生存时间规定为100s时各种方法之间的性能基本没有差异。原因是当数据包刚注入网络是，大量移动节点中的存储队列处于空闲状态，因此各调度方法的性能并未显现。但是，当数据包的生存时间不断增加后，Drop tail和Drop end方法的性能基本相同，而本文提出基于视频优化策略的性能就能明显区别于其他方法，显示出最佳的性能，且所传播视频的质量也远高于次优的GBD，两者之间最高可产生3dB的投递质量差。图4中也显示了性能之间的差异，其中图4(b)画面是由本文所提方法重建的视频，相较于图4(a)中的原视频基本无异，且明显优于采用GBD方法的图4(c)画面。

图3 基于随机移动模型的不同调度策略性能对比

图4 真实重建视频质量对比图

小结：本文通过视频数据包的边缘质量增益建模设计了面向视频传输质量优化的视频数据包调度策略，从而解决了智慧车联网中视频数据传输面临的传输机会和网络资源受限的问题。在网络环境受限的情况下该调度策略同样可以提升视频重构的质量，此算法的性能在仿真结果和对比分析也得到了证明。