《车载网中保证服务质量的HCCA优化策略》由会员分享，可在线阅读，更多相关《车载网中保证服务质量的HCCA优化策略（7页珍藏版）》请在金锄头文库上搜索。
1、车载网中保证服务质量的 HCCA 优化策略摘要：在车载网中，为了保证数据传输的服务质量，一个稳定高效的信道访问策略是十分必要的。据此，在 802.11p 协议的链路层信道访问控制协议 HCCA 策略的基础上，提出了一种基于马尔科夫决策过程的紧急数据优先的策略(URF-HCCA)来保证数据传输的服务质量。该策略采用按需分配资源的方式来减少系统的传输冗余和传输延迟。此外,它还引入了基于延迟预测的接入控制模型。仿真结果表明,与其他几种策略相比，URF-HCCA 优化策略可以很好的满足传输的服务质量需求，提高信道利用率、降低平均传输延迟以及系统的丢包率。关键词：车载网，IEEE 802.11P，服务质
2、量，URF-HCCA，接入控制，马尔科夫决策过程。1. 概述在车载网环境中，特别是在密集的高速移动场景或者事故频发的车辆移动场景中，一些意外情况的发生可能会引起数个小时乃至数天的交通拥堵。因此，建立一个健壮的，稳定的，以及中断容忍度高的车辆网络是十分必要的，它可以及时的传送紧急状况信息以及有效道路信息来提高交通的安全系数和交通的高效性。HCCA 策略是 802.11p45协议中链路层的一种无竞争的集中式信道访问策略，它的协调器会维护一个轮询表来控制其他节点对信道资源的使用。HCCA 策略会有效减少信道访问延迟，但是，它的资源分配并不是自适应的，大量的轮询包和空数据包也会产生大量的数据冗余。此外
3、，在 HCCA 方案的接入控制策略也将难以满足数据传输的延迟、带宽以及丢包率等服务质量的要求。本文在 HCCA 策略的基础上提出了一种紧急请求优先的信道访问策略（URF-HCCA）以及基于延迟预测的接入控制策略。在路边设备端，协调器首先给要收集各个车载节点的数据传输请求，并根据各个请求的参数进行资源分配，为了保证传输的服务质量，协调器引入接入控制策略来对请求的数据流进行准入控制；在车载单元端则会应用马尔可夫决策过程来管理传输队列。URF-HCCA 策略以及相应的接入控制策略会在很大程度上提高信道的利用率，减少平均传输延迟以及丢包率。2. 研究背景本文主要研究的是车辆与路旁设备通信的密集公路场景
4、。网络中有 n 个移动节点分享 1 个控制信道以及 6 个服务信道，这些车载单元在这两种信道间隔中不停的转换，控制信道用来传输管理控制信息，服务信道用来进行数据传输。按照 HCCA 策略的定义，每个超级帧中包含非竞争阶段以及竞争阶段，协调器主要控制非竞争阶段的数据传输，它会为每个数据请求分配占用信道的时间，占用带宽，以及传输优先级。我们将紧急数据的传输设置为最高优先级进行传输。当数据流请求过多以至于系统不能满足所有的传输请求时，就需要建立一个接入控制模型来对数据流进行准入控制。一个标准的接入控制模型需要有两类输入：对当前流量的具体描述和对请求数据的服务质量需求，这些信息都会存储在 TSPEC
5、要素里。协调器会根据输入的这两类条件来判断是否同意接下来的数据传输，如果当前条件不能满足服务质量需求，则协调器必须拒绝该数据传输。TSPEC要素主要包含项如表 1 所示。马尔可夫决策过，是在决策结果一部分随机，另一部分是在决策者的控制的情况下，为决策模型提供的一个数学框架。决策者需要以一定的概率采取一个措施来从一个状态转移到下一个状态，在这个过程中也会产生一定的报酬。到到达最终状态时，报酬的总和要尽可能的达到最大值。决策模型是由五个参数组成的： ，其 , , (,), (, ), 中， 是系统的有限状态集， 是系统的有限行动集 合， 是当系统从一个状态转移到另一个状态(,)时，采取某一个行动的
6、概率， 是当系统采(, )取一个行动从状态 转移到状态 时，得到的报酬值， 是报酬函数。关键的问题是根据系统当前的状态，从有限行动集中选取一个行动，为了尽可能的找出最优策略，在作出决策时也可以参考当前状态和历史状态信息。在有很多不确定因素的情况下，MDP决策模型已经被大范围的应用于许多领域例如生态科学，经济理论和通信系统等等 91314。经过多种反复验证，马尔科夫决策模型被证明可以应用于调度算法的改进，并且可以取得很好的效果。表 1 TSPEC 要素定义参数 定义M 数据流的最大传入速率m 数据流的平均传入速率U 数据包的平均大小P 物理层最小比特率B 传输一个数据包的时间和带宽分配值S 两个
7、连续 SP 的时间间隔D 数据流传输的最大延迟值3. URF-HCCA 策略及接入控制模型3.1 URF-HCCA 策略模型在 URF-HCCA 策略中，车载单元将会主动向协调器请求资源预定。这些移动节点每间隔一段时间会收集本节点的传输请求，然后将这些请求写入ADDTS 请求列表，将他们发送给协调器。协调器收集到所有的 ADDTS 请求列表后，会根据接入控制模型来评估这些请求，如果评估后确定该请求可以被满足，协调器会根据己端的调度策略来分配网络资源，包括传输时间、传输优先级、带宽以及其他的 TSPEC 信息，并把这些信息写入 ADDTS 反馈信息中。在下一个超级帧的 beacon 帧中，将这些
8、 ADDTS 反馈信息广播给车载单元节点；如果评估后确定该请求应该被拒绝，那么就不会产生对应的 ADDTS 反馈信息。在 beacon 广播之后，其他的车载节点会查看反馈信息列表，如果在这些列表中发现了自己的地址及反馈信息，那么它会立即按照分配给自己的信道资源进行数据传输。相反，如果该车载节点的地址以及反馈信息并没有在广播列表中出现，这就意味着该请求被拒绝了，在这种情况下，移动节点会调整自己的请求列表，并在下一个超级帧中重新将请求发送出去。如果移动节点在当前时间段内没有传输请求，则不会产生 ADDTS 请求列表。这种策略会有效的减少信息冗余，具体的URF-HCCA 策略过程将在图 1 中展示。
9、3.2 接入控制模型当协调器从车载节点接收到请求时，它会通过衡量当前的情况来允许或者拒绝请求者对信道的使用权。协调器通过采用这种衡量标准来减少传输延迟或者提高系统利用率。在 TSPEC 要素表中 78，有一项内容是延迟边界，它定义的是传输延迟的最大期望值，当传输一个数据包的端到端延迟小于最大延迟期望值小于阈值时，该传输请求就应该被允许，相反则应该拒绝。在讨论数据包的平均端到端延迟之时，需要用到以下几个变量，包括服务时间以及端到端延迟。对于输入速率为 数据流请求，服务时间被定义为从数据包到达数据最前端到 ACK数据包被成功接收的时间间隔。在非竞争阶段中，访问延迟并不存在，因此，数据包的服务时间可
10、以入公式（1 ）所示，服务速率 可以表示为服务时间 的倒数，因此，交通密度 可以定义为 。 (1)=+=1(+)端到端延迟 可以定义为从数据包到达队列到ACK 数据包被成功接收的时间间隔。一个随机数据包的平均端到端延迟可以表示为平均队列长度除以平均输入速率，如公式（2）所示。对于一个输入数据流来说，只要平均端到端延迟小于要求的阈值，该数据流请求就会被接受，反之则被拒绝。在公式（2 ）中， 表示平均队列长度， 表示任意 节点的平均输入速率。 值为延迟阈值。(2)=D yesnorefuse the requestHC gets a QoS requestgo through all the Qo
11、S requests and calculate the total delay and loss rate choose the biggest profit and put the reqeust into the certain position图 2 接入控制模型及 MDP 模型系统设定在协调器的覆盖范围内有 个车载移动节点，因此，系统的状态集可以表示为 。1,!每个数据流的的传输延迟可以表示为 。1,2,协调器每采取一个措施都会产生一个相应的报酬，该报酬值应与系统的性能相关。该报酬值是传输延迟与丢包率的参数。系统的丢包率是由每个车载节点检测出来的，该值是由有效的数据传输率与数据重传率
12、连合得到的，因此，丢包率可以被用来计算系统的报酬值。数据包的传输延迟越小，丢包率越小，则报酬值越大。公式（8）描述了在时刻 ，当协调器采取动作 时，产生的报酬值，该值是传输延迟与丢包率的倒数。 和(,)表示的是在采取动作 时的传输延迟() 和丢包率的标准化值。由于采取不同的动作会导致不同的报酬值，因此协调器总是会采取产生最大报酬值的动作。协调器采取某个动作的概率如公式（9 ）所示，其中 表示的是在时刻 ，采取(,) 动作 所产生的报酬的加权值。(8):1(,)() (1 )(9)(,)= (,)(,1)+(,)(1)(10):公式（10）表示的是报酬指标。由于实时传输延迟是由队列延迟 以及自身
13、的传输延迟组成的，因此，公式（10）也可以改写为公式（11 ） 。其中 和 的关系由公式（12 ）表示。(11)+(12)=1+2+1数据流 i 的队列延迟可以表示为前（i-1）个数据流的传输延迟的总和。马尔科夫决策过程的设计模型如图 2 所示。这里需要注意的是，可能有多个数据流需要传输，以至于在一个周期内不能完全传输完这些请求，在这种情况下，为每个请求节点所分配的带宽以及传输时间长度都要相应减小，对传输时间的分配调度如公式（13 ） （14 ）所示。如公式所示，当请求数据流在一个周期中处理不完时，所有的请求节点都需要作出牺牲。另一方面，这些请求节点也需要根据相应的调度策略来尽量满足优先级高的
14、数据包的传输要求，或者在下一个周期中继续传输未完的数据。(13)=1=(14)=13.4 复杂度分析复杂度的计算可以被分作两部分：马尔科夫决策模型的计算以及队列重排，这两部分的复杂度均为 。因此，总复杂度也是 。(2) (2)=()+()+()=(2)+(+1)+(2)(15)=(2)4. 仿真结果分析4.1 仿真设计在图 3 的仿真场景中，最多有 50 个移动节点在方圆 1 公里的范围内移动，这个范围正好可以控制在一个协调器的覆盖范围之内。如图所示，当出现某些特殊状况时，车载节点将会发送紧急信息到协调器来把这种情况广播给其他的节点知晓。每个车载节点的移动速度的初始值都是设定的，以此来保证紧急信息的数据量占到总数据量的 10%。仿真是从非饱和系统状态逐渐过渡到饱和的系统状态。数据的密度可以通过移动节点的数量以及数据速率来调节。仿真试验实在 Qualnet 4.0 平台上完成的。紧急数据包的优先级我们设定为 6,7 两个级别，而其他的数据包包括在
