认知自组织车联网中的连通性关键技术研究

Cognitive radio vehicular ad-hoc networks (CR-VANETs) is deemed as a potential approach to balance the tradeoff between the shortage of spectrum resource and the development of information on the road. In a CR-VANET, the activities of primary users (PUs) are dynamic, cognitive vehicles (CVs) are affected by which in both time and frequency domain, meanwhile, there exists correlation between their distribution in time domain as well. Therefore, such activities of PUs may partition the topology of a CR-VANET and the time of partition is uncertain, which result in the deterioration of end-to-end transmission performance. However, existing works involve neither the analysis nor the guarantee of the connectivity of CR-VANETs. In this project, we focus on the traffic in both urban and highway districts. Firstly, we examine the impacts of the activities of PUs, the condition of available channels and the density of CVs on connectivity, then derive the connectivity region of CR-VANETs and feasible conditions. Based on that, we further design the distributed topology control protocol with low complexity for large scale CR-VANETs, which can circumvent the transmission interruption by PUs and CVs, and ensure the network can still be connected whenever multiple channels are occupied by PUs simultaneously. The achievements of this project will provide the stable topology for the safe driving in cognitive environment, and the necessary theoretical and technical supports for future CR-VANETs.

认知自组织车联网可有效缓解车联网可用频谱有限与众多行车数据需要传输之间的矛盾，但授权用户对认知车辆的影响在时域、频域上动态变化以及两者在空域上具有的相关性，使得认知车联网的拓扑结构呈现出间歇性分裂特征且分裂时间难以确定，进而影响网络的端到端传输性能。本项目拟针对城市和高速公路两种交通场景，先从整体网络层面探索多维多域因素影响下的网络拓扑连通域，分析授权用户活动（时域因素）、可用信道状态（频域因素）、认知车辆分布（空域因素）与认知车联网连通性的内在关系，确定保障网络连通的可行性条件；并在此基础上，从各台车辆层面实施网络连通性保障方法，设计低复杂度的分布式拓扑控制协议，规避授权用户动态活动和车辆移动性引起的拓扑割裂风险，确保网络在任意多个信道被授权用户同时占用之后依然维持连通。项目的完成能为认知环境下的安全驾驶提供稳定的网络结构，为认知车联网的布设提供理论基础和技术支持。

认知自组织车联网可有效缓解车联网可用频谱有限与众多行车数据需要传输之间的矛盾，但授权用户对认知车辆的影响在时域、频域上动态变化以及两者在空域上具有的相关性，使得认知车联网的拓扑结构呈现出间歇性分裂特征且分裂时间难以确定，进而对网络的连通性能造成无法预估的影响。.为突破认知自组织车联网中的连通性关键问题，本项目首先开展了认知自组织车联网中单跳以及多跳车-车通信场景下的连通性能分析，显性表征出认知信噪比、车辆速度、车辆密度等重要因素所构成的连通域；接着，进一步针对基于车-路通信场景，基于空间独立性分析理论推导出了不同车辆传输能力、不同车辆中继行为两种场景下的网络连通概率表达式；然后，克服认知自组织车联网中动态可用频谱与拓扑结构引发的潜在拓扑割裂风险，研究通过融合拓扑优化、功率控制、信道分配方法来有效保障网络的连通特性；最后，本文拓展性地开展了面向支持移动边缘计算和缓存的用户关联和资源分配技术研究，通过联合优化时频资源划分因子最小化网络整体时延。.通过上述研究，本项目在不同认知车辆传输能力场景下，推导出了关联车辆认知、通信以及交通密度等因素的连通概率表达式，分析出了认知车辆中继行为、认知车辆传输能力等重要因素关联的连通概率表达式。然后，本项目设计的拓扑控制方法可在保障移动认知网络环境中接收车辆服务质量的基础上，降低了网络运行开销，进而可为认知车联网部署提供稳定的拓扑结构。最后，本项目提出的面向移动边缘计算和缓存的用户关联和资源分配技术，能够应对边缘网络中任务卸载和基站关联的复杂特性。.研究成果能够可为运营商在不同车流量道路上部署基站提供有效理论依据，还能为运营商降低功耗和数据流开销，实现提供多种服务机制提供有效的理论基础，同时还能为车联网中边缘计算卸载方案、能效型负载均衡方案等设计提供理论指导及技术支撑。