[发明专利]一种基于信息物理系统模型的车联网拥塞控制方法

摘要

本发明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。

主权项

1.一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：步骤S1：设定在信息物理系统中有N_c个控制器和N_s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；步骤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；步骤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；步骤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u_n，y(t)表示传感器的观察向量，传感器n的观察向量表示为y_n；矩阵K的取值根据以下情况确定：1)一个beacon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beacon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beacon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beacon帧的广播期间和beacon帧的间隔内发送信息；步骤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)表示物理子系统的状态，用一个M阶向量来表示；是根据物理子系统的状态及测量值得出的系统状态的预测；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；K_q(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；步骤S6：通过卡尔曼滤波预测信道状态，计算得出矩阵K；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K_d，J的计算式如下：J为二次型性能指标泛函,u_d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；Δx_d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：Δx_d＝AΔx_d‑1+Bu_d‑1；其中u_d‑1表示系统的d‑1时隙的控制操作向量，Δx_d‑1是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：u_d＝K_dy_d；K_d表示在时隙d的所有车辆的时隙分配，u_d，u_d‑1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：y_id为系统的观察值，H_id是Δx_d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，R_i是观测噪声的协方差矩阵；是预测的协方差，并通过.进行更新，I是个M阶的单位阵，P_d为d时刻的协方差估计值；P_d‑1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K_d，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。