本发明专利技术公开了一种信息物理系统模型的车联网拥塞控制方法，每个车辆节点的负载状态是连续变量，而假设四种情况为离散变量，然后通过建模将混合动态系统离散化，将传统的拥塞控制问题转化为基于物理世界观测值使全局吞吐量最大化的时隙分配问题，并通过使用卡尔曼滤波预测信道状态，计算拥塞控制向量，即时隙分配矩阵。
【技术实现步骤摘要】
本专利技术涉及信息
，具体涉及一种基于信息物理系统模型的车联网拥塞控 制方法。
技术介绍
近年来，因为信息物理系统在车联网、智能电网、机器网络和嵌入式系统的广泛应 用而受到相当大的关注。一个典型的信息物理系统由物理子系统和信息子系统构成，并通 过一种方式连接他们。物理子系统的动态变化通常遵循物理法则，而信息子系统通过测量 和通信可以控制物理子系统的动态变化。车联网主要研究车辆间的联系以使驾驶达到安全 舒适的效果，本身就具有信息物理系统的特性，即使用不同的传感器以接触物理世界的实 体，测量和收集车辆是否在十字路口、当前的交通情况、天气情况、路面情况、安全相关的警 告等信息。观察到车辆的物理信息后，信息基础设施将测量的数据路由到控制单元，然后再 讲控制命令返回到物理部分。控制操作依赖于物理对象的测量反馈。在车联网中，大规模 的车辆通信需要有效的拥塞控制方法以降低信道的负载，满足车辆应用的需求，和保证通 信的稳定性和可靠性。
技术实现思路
针对现有技术的不足，本专利技术旨在提供一种信息物理系统模型的车联网拥塞控制 方法，通过建模将混合动态系统离散化，并通过使用卡尔曼滤波预测信道状态，计算时隙分 配矩阵，以建立一个有效的拥塞控制机制。 为了实现上述目的，本专利技术采用如下技术方案：-种基于信息物理系统模型的车联网拥塞控制方法，其中，信息物理系统包括物 理子系统和信息子系统，所述方法包括如下步骤：S1设定在信息物理系统中有N。个控制器和N3个传感器，其中，控制器包括路边基 础设施（RSUs)和以Adhoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上 的装置，通过收发机监听信道状况；S2在物理子系统中，假定在每一个控制器的操作和传感器的观察都是标量的， 以及物理子系统的变化是线性的且不受扰动的影响；在信息子系统中，假定所有车辆都在 RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符；另外，设定一次拥塞 控制执行的时间与IEEE802.lip协议中的广播中相邻两个beacon之间的时间间隔（beacon interval) 一样；S3RSUs通过传感器收集负载，作为系统的观察向量，然后计算拥塞控制向量，并 将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点；车辆节点根据 收到的拥塞控制向量计算控制操作向量，实施拥塞控制；S4由于在RSU集中控制车辆通信的情况下，存在为了安全业务以Adhoc的方式进 行彼此间的通信的车辆，因此用于信息子系统和物理子系统的连接中的线性反馈控制模型 表示为： u(t) =Ky(t)； 其中，K是一个反馈增益矩阵，即拥塞控制向量，u(t)表示控制操作向量，控制器n 的控制操作向量表示为un，y(t)表示传感器的观察向量，传感器n的观察向量表示为yn;矩 阵K的取值根据以下情况确定： 1) -个beacon帧的间隔内，没有任何以Adhoc方式进行通信的车辆对； 2)在一个beacon帧的间隔内，至少存在一对以Adhoc方式进行通信的车辆； 3)在beacon帧的广播时间内，至少存在一对偶尔以Adhoc方式进行通信的车 辆； 4)Adhoc方式通信的车辆节点同时会在beacon帧的广播期间和beacon帧的间隔 内发送信息； S5基于步骤S4中所述的情况1)-4)，将信息物理系统分为离散子系统和连续子系 统，其中，离散子系统是指情况1)-情况4)，连续子系统为情况1)-4)中任一情况下的连续 系统变化；整个信息物理系统的动态变化表示为： 上式描述了信息物理系统的变化过程，其中，x(t)是一个M阶向量，用于表示物理 子系统的状态，是一个连续系统状态；q(t)代表情况1) _情况4)，是一个离散的系统状态， q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续 子系统之间的转换；A. =A+BK:_C，f=BKGv+Fw，其中，A、B、F、C、G均为增益矩阵， A代表x⑴对你)的增益，B代表u(t)对i⑴的增益，w代表物理子系统的系统过程噪声， 服从均值为〇,协方差为Q的高斯分布，即w~N(0,Q)，F代表w对幻))的增益，C代表x(t) 对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v~N(0,R)， G代表v对y⑴的增益；Kq(t)代表步骤S4中情况1) -4)下K的值，而在f=BKGv+Fw中， 因为加和性，N'依然是一个高斯白噪声，在上述情况1)-4)中都存在，所以N' =BKGv+Fw 中K代表上述情况1)-4)中都不随系统情况而变化的增益矩阵； S6通过卡尔曼滤波预测信道状态，计算得出矩阵K。 需要说明的是，步骤S2中，物理子系统的变化是线性的且不受扰动的影响，则该 线性变化梁用下忒弄示， 需要说明的是，矩阵K的取值在所述情况1)-4)中的取值情况如下： 针对情况1)，K能完全由RSUs测量； 针对情况2)，K= ，K表示基于RSUs感知到的负载状态的第一次时隙分 配，琴表示基于收到的玄，对Adhoc节点的第二次时隙分配；针对情况3)，Adhoc车辆在beacon的广播期间进行数据传输，增益矩阵由:f 表示，:翁是两部分的和：一个是在beacon广播时间内对Adhoc节点的增益，另一个是在 beacon帧间隔内，由RSUs控制的以集中方式进行通信的节点的增益； 针对情况4)，系统的增益矩阵是按照情况2)得到的矩阵K和按照情况3)得到的 矩阵fe的和。 需要说明的是，所述步骤S6的具体方法如下： 6. 1)定义一个离散价值函数，以惩罚信道负载偏差和最小化控制开销，当J达到 最小时，可以得到相应的时隙d的控制向量Kd，J的计算式如下： J为二次型性能指标泛函，ud是系统的时隙d的控制操作向量，H和L为系统参数， 其中H为非负定矩阵，L为正定矩阵，E表示对后面括号里的元素求和，M为M阶向量x(t) 的阶数；A^是一个基于上一时隙系统动态变化的负载状态估计，表示为： Axd=AAxd !+Bud1； 其中ud i表示系统的d-1时隙的控制操作向量，A xd屬d-1时刻系统的状态估 计； 6. 2)由于系统状态为离散化，此时的反馈控制等式为： ud= K dyd；Kd表示在时隙d的所有车辆的时隙分配，ud i分别是应用于时隙d和时隙d-1 的控制操作向量；下一时隙系统负载的最优测量采用卡尔曼滤波预测获得，为：yld为系统的观察值，Hld是A xd的增益矩阵；K d作为卡尔曼增益矩阵，可通过以下 公式获得： 其中，民是观测噪声的协方差矩阵；色二是预测的协方差，并通过 巧=(/ 进行更新，I是个M阶的单位阵，PdSd时刻的协方差估计值；Pdi为d-1 时刻的协方差估计值，A为增益矩阵，Q为系统噪声的协方差； 6.3)经过步骤6. 1)-6. 2)，对每一个时隙d，都可以得到控制向量Kd，再将得到的 控制向量合并，从而得到矩阵K，即系统的拥塞控制向量。 本专利技术的有益效果在于：本专利技术在构建信息网络系统的同时，综合的考虑了物理 系统的状态采样率、测量误差、研究系统的混合性能等特性，使得研究结果更加准确和有 效，考虑了周期性的beacon帧的拥塞问题，使得拥塞控制方法更加完备，同时解决了为紧本文档来自技高网...
【技术保护点】
一种基于信息物理系统模型的车联网拥塞控制方法，其中，信息物理系统包括物理子系统和信息子系统，其特征在于，包括如下步骤：S1设定在信息物理系统中有Nc个控制器和Ns个传感器，其中，控制器包括路边基础设施(RSUs)和以Ad hoc方式交换安全信息的车辆，而传感器则是安装在车辆或RSUs上的装置，通过收发机监听信道状况；S2在物理子系统中，假定在每一个控制器的操作和传感器的观察都是标量的，以及物理子系统的变化是线性的且不受扰动的影响；在信息子系统中，假定所有车辆都在RSUs的广播范围内，并假定所有车辆都使用同一信道并使用通配符；另外，设定一次拥塞控制执行的时间与IEEE802.11p协议中的广播中相邻两个beacon之间的时间间隔(beacon interval)一样；S3 RSUs通过传感器收集负载，作为系统的观察向量，然后计算拥塞控制向量，并将拥塞控制向量通过广播的方式，发送给其广播范围内的每一个车辆节点；车辆节点根据收到的拥塞控制向量计算控制操作向量，实施拥塞控制；S4在RSU集中控制车辆通信的情况下，存在为了安全业务以Ad hoc的方式进行彼此间的通信的车辆，因此用于信息子系统和物理子系统的连接中的线性反馈控制模型表示为：u(t)＝Ky(t)；其中，K是一个反馈增益矩阵，即拥塞控制向量，u(t)表示控制操作向量，控制器n的控制操作向量表示为un，y(t)表示传感器的观察向量，传感器n的观察向量表示为yn；矩阵K的取值根据以下情况确定：1)一个beacog帧的间隔内，没有任何以Ad hoc方式进行通信的车辆对；2)在一个beacog帧的间隔内，至少存在一对以Ad hoc方式进行通信的车辆；3)在beacog帧的广播时间内，至少存在一对偶尔以Ad hoc方式进行通信的车辆；4)Ad hoc方式通信的车辆节点同时会在beacog帧的广播期间和beacog帧的间隔内发送信息；S5基于步骤S4中所述的情况1)‑4)，将信息物理系统分为离散子系统和连续子系统，其中，离散子系统是指情况1)‑情况4)，连续子系统为情况1)‑4)中任一情况下的连续系统变化；整个信息物理系统的动态变化表示为：x.(t)=A~q(t)x(t)+N′=(A+BKq(t)C+BKGv+Fw);]]>上式描述了信息物理系统的变化过程，其中，x(t)是一个M阶向量，用于表示物理子系统的状态，是一个连续系统状态；q(t)代表情况1)‑情况4)，是一个离散的系统状态，q(t)连续的动态变化来自于信息物理系统的连续子系统，离散的动态变化来自于这些连续子系统之间的转换；N′＝BKGv+Fw，其中，A、B、F、C、G均为增益矩阵，A代表x(t)对的增益，B代表u(t)对的增益，w代表物理子系统的系统过程噪声，服从均值为0，协方差为Q的高斯分布，即w～N(0，Q)，F代表w对的增益，c代表x(t)对观察变量y(t)的增益，v是服从均值为0和协方差为R的高斯测量噪声，即v～N(0，R)，G代表v对y(t)的增益；Kq(t)代表步骤S4中情况1)‑4)下K的值，而在N′＝BKGv+Fw中，因为加和性，N′依然是一个高斯白噪声，在上述情况1)‑4)中都存在，因此N′＝BKGv+Fw中K代表上述情况1)‑4)中都不随系统情况而变化的增益矩阵；S6通过卡尔曼滤波预测信道状态，计算得出矩阵K。...
【技术特征摘要】
【专利技术属性】
技术研发人员：陈晨，张建峰，裴庆祺，赵力强，任智源，杨鲲，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。