[发明专利]一种基于区块链使能的群智感知的智能交通管理方法

权利要求书

1.一种基于区块链使能的群智感知的智能交通管理方法，其特征在于，步骤如下：

(1)引入区块链、群智感知、边缘计算和5G技术建立终端-边缘-远端管理三层智能交通管理框架；

1.1)终端层设计

终端层包含车辆、注册机构和交通管理部门；其中车辆用于收集交通事件有关的数据；注册机构是一个可信的政府机构，并且负责交通管理中车辆以及路侧单元的注册以及奖励车辆；交通管理部门负责解决发生的交通事故；

采用车辆群智感知技术并将车辆聚为不同的簇来分布式地、高效地收集交通数据，并引入区块链技术提供安全的数据收集环境和保证车辆在收集过程中的隐私保护以及数据安全；

1.2)边缘层设计

边缘层包含路侧单元和移动边缘计算服务器；由于车辆具有有限的计算能力和存储能力，区块链应用部署在路侧单元上，并安全存储所有车辆收集的数据以及在选择活跃矿工时车辆给路侧单元的本地分数；

引入边缘计算并借助移动边缘计算服务器帮助车辆对收集到的数据进行处理；当簇头完成数据的收集，并将要通过数据处理提取出一条准确的消息时，有三种任务计算方式供簇头选择，分别是本地计算、将计算任务卸载到簇内成员以及将计算任务卸载到移动边缘计算服务器；

1.3)远端管理层设计

远端管理层包含部署计算服务器的基站；基站主要负责接收来自簇头的信息并验证信息的准确性，通知交通管理部门发生的事件，通过路侧单元通知车辆发生的事件以及通知注册机构相关簇头的奖励信息；

将基站的信道划分为多个子信道，并且引入5G中非正交多址接入技术，即每个子信道同时为多个用户服务；

(2)对交通管理的安全性、延迟以及用户效用进行抽象并建立最大化交通管理的安全性、用户效用且最小化交通管理延迟的多目标优化模型；

2.1)抽象交通管理的安全性

交通管理的安全性由区块链保证并根据如下公式计算区块链的安全性：

其中，x为包含簇头m在数据收集过程中收集到的最后一个消息所对应的交易的块，λ为路侧单元被攻击者妥协的概率，A是区块链中活跃旷工的数量；

2.2)抽象交通管理的延迟

Step1：数据收集中的延迟包含数据收集的固有时间τ以及区块链的延迟；区块链的延迟计算如下：

其中，是块的产生时间，是块达成共识所需要的时间；块的产生时间表达如下：

其中，w是块的大小，即块x中包含的交易数，是块管理者在生成块x时的CPU频率，l_g和l_h分别是验证一个签名和计算一个哈希值所需要的CPU周期数；

最坏情况下块x的共识时间表达如下：

其中，是活跃矿工集合，ψ是关于广播时间的一个常数，d_x是共识过程中消息的大小，是旷工a的CPU频率，是从活跃旷工a到块管理者的数据传输速率，z_q是交易q的数据大小，而是块x的数据大小，是路侧单元集合，J是路侧单元个数，是矿工a在区块链上添加块x所需要的时间；

Step2：在数据处理过程中，簇头m本地计算的任务延迟：

其中，l_k,m是连接移动边缘计算服务器k的簇头m的任务所需要的CPU周期数，是簇头m的CPU频率；

卸载到移动边缘计算服务器时簇头m的任务延迟：

其中，d_k,m是连接移动边缘计算服务器k的簇头m收集到的数据的大小，是任务从簇头m到移动边缘计算服务器k的数据传输速率，是簇头m连接的移动边缘计算服务器k的CPU频率；

卸载到簇内成员时簇头m的任务延迟：

其中，N_k,m是簇头m的簇内成员数，是簇内成员n对于其所分配的卸载任务的任务延迟，计算入下：

其中，ζ_k,m,n是簇头m卸载到簇内成员n的任务比例，是簇头m到簇内成员n的数据传输速率，是簇内成员n的CPU频率；

考虑上述三种任务计算方式，簇头m在数据处理中的任务计算延迟：

其中，α_k,m,β_k,m和γ_k,m是二元变量；

Step3：设在数据上传的过程中簇头m在基站s的子信道中传输，则传输过程中信号与干扰加噪声比为：

其中，P_s,m是连接基站s的簇头m的发射功率，P_s,i是连接基站s的簇头i的发射功率，是同时与簇头m在相同的子信道上传输的簇头集合，是二元变量，h_s,m和h_s,i分别为簇头m和簇头i上传数据时的信道增益，σ²为加性白高斯噪声的方差；

簇头m到基站s的数据上传速率为：

其中，B_s是基站s的带宽，W_s是基站s的子信道数量；

簇头m的上传延迟根据如下公式计算：

其中，d_s,m是簇头m提取的信息的数据大小；

综合上述三步交通管理在数据收集、处理以及上传的延迟，交通管理的总延迟为：

其中T_x是区块链延迟；

2.3)抽象用户效用

用户效用等于用户从注册机构中获得的奖励与其在数据处理中计算成本的差；簇头m获得的奖励表示为：

其中，AoI^max是交通管理延迟的上限；

簇头m本地计算的成本为：

其中，l_k,m是任务所需要的CPU周期数，δ_k,m是簇头m运行一周期CPU的成本；

簇头m将任务卸载到移动边缘计算服务器的成本为：

其中，P_k,m是连接移动边缘计算服务器k的簇头m的发射功率，是单位能量的价格，δ_k是移动边缘计算服务器k运行一周期CPU的价格；

簇头m将任务卸载到簇内成员的成本为：

其中，δ_n是簇内成员n运行一周期CPU的价格；

综合考虑上述三种计算方式，簇头m的计算成本为：

最后簇头m的效用表示为：

2.4)建立最小化交通管理延迟、最大化交通管理安全性以及用户效用的多目标优化模型：

P：

s.t.C1：

C2：

C3：

C4：

C5：

C6：

C7：α_k，m+β_k，m+γ_k，m＝1

C8：

C9：

C10：

C11：

C12：

C13：

C14：SINR_s，m≥SINR^min

C15：AoI_s，m≤AoI^max

其中，是交易池中交易的集合，T_q是交易q在交易池中的时间，是簇头m的簇内成员集合；

C1、C2、C6、C7、C8、C12和C13保证决策变量的有效性；

C3保证交通管理的安全性不能低于下限

C4保证区块链的吞吐量不能低于其下限

C5保证交易在区块链中被存储于区块链上之前的时间不能超过上限

C9保证卸载到每个簇内成员的任务不能超过设备对设备的链路容量

C10保证卸载到移动边缘计算服务器的任务不能超过其所有的计算能力上限

C11保证CPU频率最大的簇内成员其任务延迟也最大；

C14保证簇头m的信号与干扰加噪声比不低于其下限SINR^min以保证信息的成功上传；

C15保证交通管理的延迟不超过其上限AoI^max；

(3)将步骤(2)中的多目标优化模型根据优化目标的拆分以及约束条件分解为三个子模型，分别为区块链优化子模型、车辆任务计算子模型以及基站子信道分配子模型；

分解出第一个子模型，即区块链优化：

P1:

s.t.P中C1-C5

C6:

其中，C6保证区块链延迟不超过其上限

分解出第二个子模型，即任务计算：

P2′:

s.t.C1:

C2:

C3:

C4:

C5:

C6:

C7:

C8:

C9:

其中，α＝{α^k}＝{α_k,m}，β＝{β_k,m}，γ＝{γ^k}＝{γ_k,m}，ζ＝{ζ^k}＝{ζ_k,m,n}，和分别是移动边缘计算服务器集合、与移动边缘计算服务器k相连的簇头集合和与移动边缘计算服务器k相连的簇头m的簇内成员集合，C4、C5、C6分别保证当簇头m选择本地计算、卸载到移动边缘计算服务器、和卸载到簇内成员时数据收集和数据处理的总时间不超过上限

分解出第三个子模型，即子信道分配：

P3′:

s.t.C1:

C2:

C3:

C4:

其中，是同时与簇头m通过相同的基站上传数据的簇头集合，是基站s的子信道集合；

(4)设计基于深度强化学习的方法求解步骤(3)中区块链优化子模型

通过定义性能最佳提升率其中是一个常数，将区块链优化子模型转化为单目标优化模型，然后设计基于深度强化学习的算法结合基于分数的活跃旷工选择算法从路侧单元中选择出最佳的活跃旷工并从交易池中选择出最佳的交易，在区块链安全性以及延迟间做一个权衡，进而解决区块链优化子模型；

(5)利用分布式交替方向乘子法求解3)中车辆任务计算子模型

通过变量松弛和转化以及全局变量的本地拷贝将任务计算子模型转化为凸优化模型并移除移动边缘计算服务器之间的耦合性，利用分布式交替方向乘子法为所有的簇头选择最佳的任务计算方式以最大化所有簇头的效用总和，进而解决任务计算子模型；

(6)设计双边匹配算法求解步骤(3)中基站子信道分配子模型

根据各个簇头在各个子信道的上传时间获得各个簇头降序的子信道偏爱列表，簇头根据偏爱列表请求当前最佳子信道，然后基站根据簇头的优先级处理每个子信道中所有簇头的请求，为每个簇头分配合理的子信道以最小化所有簇头的总上传延迟，进而解决子信道分配子模型。