[发明专利]一种蜂窝车联网C-V2X业务流控制方法

权利要求书

1.一种蜂窝车联网C-V2X业务流控制方法，其特征在于，包括如下步骤：

利用预先构建的业务流模型将车联网业务流转化为数据包排队队列，并通过队列分析迭代获取车联网的队列阈值与平均排队时延的映射关系；

根据预设的时间窗口获取车联网业务流的数据包排队时延，并根据数据包排队时延计算当前时间窗口的平均排队时延；

基于队列阈值与平均排队时延的映射关系，根据当前时间窗口的平均排队时延和预设的车联网时延进行闭环反馈控制，动态调整下个时间窗口的队列阈值；

根据下个时间窗口的队列阈值进行数据包接收和发送操作，实现车联网业务流控制；

所述业务流模型的构建方法如下：

根据车联网的网络参数，基于MMBP构建车联网的信源模型，其中，每个信源模型表示车联网内的一个通信终端，且一个信源模型在一个时隙内只生成一个数据包；

利用N个信源模型的叠加聚合获得N-MMBP模型，其中，N为车联网内通信终端的数量；

利用N-MMBP模型生成数据包，进行车联网业务流模拟，计算车联网业务流的信源状态转移概率矩阵和数据包到达矩阵；

利用信源状态转移概率矩阵和数据包到达矩阵构成业务流模型；

每个信源模型包括两种状态：通信状态S₀和静默状态S₁，且S₀和S₁之间的状态转移时长大于一个时隙；所述信源状态转移概率矩阵的计算方法为：

通过穷举法获得每个信源模型的下一状态转移概率，具体表达式如下：

其中，SP_i表示第i个信源模型的下一状态转移概率，p_i表示第i个信源模型的通信状态的状态转换参数，q_i表示第i个信源模型的静默状态的状态转换参数，ST_i表示第i个信源模型在当前时隙的状态，ST_i'表示第i个信源模型在下一时隙的状态，i＝1,2,…,N；

令S₀＝0，S₁＝1，对每个时隙内的N-MMBP模型的状态进行二进制编码，获得对应的二进制数，并将二进制数转换为十进制数，获得N-MMBP模型的状态编号；

根据每个信源模型的下一状态转移概率和N-MMBP模型的状态编号计算N-MMBP模型的状态转移概率，具体表达式如下：

其中，S_m,n表示N-MMBP模型从状态m转换到状态n的状态转移概率，m为当前时隙N-MMBP模型的状态编号，n为下一时隙N-MMBP模型的状态编号，m,n∈[1,2^N]；

基于N-MMBP模型的状态转移概率构建N-MMBP模型的信源状态转移概率矩阵：

其中，S表示N-MMBP模型的信源状态转移概率矩阵；

设一个时隙内车联网生成δ个数据包，0≤δ≤N，则δ个数据包对应的数据包到达矩阵的计算方法为：

从N-MMBP模型中任选δ个信源模型组成一个数据包生成组合集，利用所有的数据包生成组合集构成数据包生成组合集矩阵SRC₁(δ)：

其中，H为N-MMBP模型中生成δ个数据包的信源模型的最大组合数，X_b表示第b个数据包生成组合集，x_b,c表示第b个数据包生成组合集中的第c个信源模型，b＝1,2,…,H，c＝1,2,…,δ；

根据SRC₁(δ)计算每个数据包生成组合集对应的数据包生成概率：

其中，ap_b表示第b个数据包生成组合集对应的数据包生成概率，表示信源模型x_b,c的状态，表示信源模型x_b,c在通信状态S₀下的到达概率，表示信源模型x_b,c在静默状态S₁下的到达概率；

根据N-MMBP模型获得与SRC₁(δ)对应的数据包无生成组合集矩阵SRC₂(δ)：

其中，Y_b表示X_b对应的第b个数据包无生成组合集，y_b,d表示第b个数据包无生成组合集中的第d个信源模型，d＝1,2,…,N-δ；

根据SRC₂(δ)计算每个数据包无生成组合集对应的数据包无生成概率：

其中，Nap_b表示第b个数据包无生成组合集对应的数据包无生成概率，表示信源模型y_b,d的状态，表示信源模型y_b,d在通信状态S₀下的到达概率，表示信源模型y_b，d在静默状态S₁下的到达概率；

根据ap_b、Nap_b和信源状态转移概率矩阵，计算N-MMBP模型的数据包到达概率，具体公式如下：

其中，a_m,n表示N-MMBP模型从状态m转换到状态n且生成δ个数据包时对应的数据包到达概率；

基于a_m,n构建N-MMBP模型的数据包到达矩阵：

其中，A(δ)表示N-MMBP模型生成δ个数据包时的数据包到达矩阵；

通过队列分析迭代获取车联网的队列阈值与平均排队时延的映射关系的具体操作如下：

根据预设的队列阈值取值范围逐个选取队列阈值；

利用业务流模型生成数据包排队队列，在选取的每个队列阈值的约束下计算每个队列阈值下队列长度的联合稳态概率向量；

基于Little定理，利用队列长度的联合稳态概率向量计算每个队列阈值对应的平均排队时延；

根据所有队列阈值和其对应的平均排队时延获得车联网的队列阈值与平均排队时延的映射关系；

队列阈值K下队列长度的联合稳态概率向量的计算方法为：

利用业务流模型向数据包排队队列发送数据包，在队列阈值K的约束下获得每个时隙下数据包排队队列的队列长度，

利用业务流模型的数据包到达矩阵与车联网的数据包发送概率耦合，计算前后时隙下数据包排队队列的队列长度状态转移矩阵；

利用马尔科夫链求解器算法对队列长度状态转移矩阵进行稳态排队分析，计算队列长度的联合稳态概率向量，具体公式如下：

π＝u(I-X+eu)^-1

其中，π表示队列阈值K下队列长度的联合稳态概率向量，u为X的任意行向量，I为K×K的恒等矩阵，QT表示队列长度状态转移矩阵，QT_f,g表示QT中第f+1行、第g+1列的队列长度状态转移元素，即队列长度从f转移到g的队列长度状态转移元素，e为长度为K的列向量，f∈[0,K]，g∈[0,K]。