吳麟麟，壽光明，景 鵬，丁 璠

(1江蘇大學 汽車與交通工程學院，江蘇 鎮(zhèn)江 212013；2東南大學 交通學院,江蘇 南京 211189)

0 引言

交通系統(tǒng)智能化、網(wǎng)聯(lián)化水平的發(fā)展，使得系統(tǒng)中各要素間的信息交互正在受到更廣泛的關(guān)注，通信網(wǎng)絡(luò)與交通網(wǎng)絡(luò)的同步設(shè)計成為新的發(fā)展趨勢[1].面向這一趨勢，我國在《國家綜合立體交通網(wǎng)規(guī)劃綱要》中，明確指出推進交通基礎(chǔ)設(shè)施網(wǎng)與運輸服務(wù)網(wǎng)、信息網(wǎng)、能源網(wǎng)融合發(fā)展，構(gòu)建新一代智能網(wǎng)聯(lián)交通系統(tǒng)[2-4].《交通運輸部關(guān)于推動交通運輸領(lǐng)域新型基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》[5]中也明確要求推進與第五代移動通信技術(shù)(5G)等的協(xié)同應(yīng)用.

現(xiàn)代交通系統(tǒng)中，通信網(wǎng)連接人、車、路、云各個節(jié)點[3].網(wǎng)絡(luò)的承載能力(容量)、延時、穩(wěn)定性和可靠性直接影響到網(wǎng)內(nèi)各節(jié)點間信息交互，進而影響整個系統(tǒng)正常運行.為了服務(wù)未來智能網(wǎng)聯(lián)汽車發(fā)展，國家提出了基于蜂窩網(wǎng)絡(luò)系統(tǒng)開發(fā)的自主駕駛和智能交通系統(tǒng)輔助技術(shù)C-V2X(Cellular Vehicle -to everything)[6-7].該技術(shù)發(fā)展之初采用IEEE802.11P協(xié)議，但由于其不可預(yù)測的延時和有限的傳輸能力，被逐漸發(fā)展起來的長期演進網(wǎng)絡(luò)(Long Term Evolution, LTE)[8-9]所代替.然而，面對未來智能網(wǎng)聯(lián)汽車低至毫秒級的控制時延要求和海量數(shù)據(jù)吞吐需求，LTE依然顯得捉襟見肘.而作為新一代通信技術(shù)，5G正是目前實現(xiàn)V2X的一種有效途徑[10-12].

5G網(wǎng)絡(luò)研究者主要通過提升硬件性能來提升網(wǎng)絡(luò)承載能力[13]和優(yōu)化網(wǎng)絡(luò)資源配置，進而提升網(wǎng)絡(luò)資源的使用效率[14-15].在對網(wǎng)絡(luò)進行規(guī)劃時，通過開發(fā)應(yīng)用于5G網(wǎng)絡(luò)的容量估計模型和工具[16]來預(yù)估網(wǎng)絡(luò)容量需求，從而實現(xiàn)宏觀和微觀層的網(wǎng)絡(luò)規(guī)劃[17].然而這些研究聚焦于增強型移動帶寬(Enhance Mobile Broadband, eMBB)需求，考慮最大限度提升網(wǎng)絡(luò)承載能力和平衡容量、覆蓋、質(zhì)量和成本間的關(guān)系[18].對于超高可靠低時延通信(Ultra Reliable &Low Latency Communication, uRLLC)場景甚少涉及.為了能夠進一步評估5G對V2X的適應(yīng)性，許多研究對5G網(wǎng)絡(luò)的下行信道性能[19]、不同頻率波段的信道本征值和容量[20]、以及不同場景[10]和擁堵交通狀態(tài)[21]下的網(wǎng)絡(luò)性能進行分析和評價；另一些研究則在此基礎(chǔ)上更進一步，提出非正交多址(Non-orthogonal Multiple Access, NOMA)技術(shù)[9,22]、多普勒傳播控制技術(shù)[23]、動態(tài)小區(qū)區(qū)間干擾協(xié)調(diào)和多點協(xié)調(diào)技術(shù)[24]等相關(guān)技術(shù)，以期提高網(wǎng)絡(luò)連接可靠性和連接效率.然而這些研究立足點也僅是從提升網(wǎng)絡(luò)性能和容量出發(fā).目前尚未發(fā)現(xiàn)相關(guān)研究將焦點置于網(wǎng)絡(luò)容量與網(wǎng)絡(luò)需求的動態(tài)匹配，并對其進行建模.

以高速公路為例，其流量潮汐現(xiàn)象明顯，若不對網(wǎng)絡(luò)資源進行合理的動態(tài)調(diào)節(jié)，會因提供大量冗余的網(wǎng)絡(luò)服務(wù)導(dǎo)致能源和資源的浪費.

本文研究如下問題：(1) 首次從智能網(wǎng)聯(lián)背景下高速公路通信需求出發(fā)，對路網(wǎng)網(wǎng)絡(luò)通信容量需求進行理論建模和估計；(2)所建立模型能夠根據(jù)動態(tài)交通流數(shù)據(jù)實時測算網(wǎng)絡(luò)通信需求，為5G基站動態(tài)資源配置和能耗調(diào)節(jié)提供參考依據(jù).(3) 引入動態(tài)衰減因子，對模型進行補償，以進一步說明網(wǎng)內(nèi)服務(wù)需求對網(wǎng)絡(luò)覆蓋能力的動態(tài)影響.

1 模型參數(shù)定義

在對智能網(wǎng)聯(lián)場景建模時，將在線車輛類型劃分為客車與貨車，針對信息傳輸延時需求將數(shù)據(jù)分為：實時數(shù)據(jù)和非實時數(shù)據(jù)，并進一步根據(jù)通信數(shù)據(jù)類型將數(shù)據(jù)分為上行(非)實時數(shù)據(jù)和下行(非)實時數(shù)據(jù).上行實時數(shù)據(jù)是指在線車輛/交通感知設(shè)施實時采集、壓縮、重構(gòu)并上傳的數(shù)據(jù)；下行實時數(shù)據(jù)是指基礎(chǔ)設(shè)施實時向在線車輛推送的路況信息.此類信息對時間敏感度較高，需要保證其數(shù)據(jù)傳輸?shù)某蜁r延和超高可靠性.非實時數(shù)據(jù)包括除實時數(shù)據(jù)的其他數(shù)據(jù)，如在線高精地圖更新、動態(tài)路徑規(guī)劃等.然后是義基站覆蓋距離參數(shù)。

首先將在線車輛數(shù)據(jù)集劃分為

V={coach(c),truck(t)}，

式中：V表示車輛；coach(c)表示客車；t表示貨車.

同時將通信數(shù)據(jù)按上/下行數(shù)據(jù)、(非)實時以及車輛/移動用戶建立數(shù)據(jù)集：

對于單輛在線車輛，其單位時間內(nèi)的數(shù)據(jù)總量可以用以下公式表示為

L={Lul,Ldl}，

2 智能網(wǎng)聯(lián)下的高速公路場景描述

高速公路典型互通樞紐是指高速公路間主線車流實現(xiàn)交換的流量互通區(qū)域.本研究以如圖所示典型高速互通模型作為場景研究對象并進行分析.

在此場景中將交通流分為橫向和縱向，因此，在記錄獲取的流量檢測數(shù)據(jù)時，需要同時考慮橫向和縱向交通流數(shù)據(jù)進行計算，數(shù)據(jù)存儲時按流向和車道分為

Hlanes:j,j=1,2,...,NH；Vlanes:j,j=1,2,...,NV，

式中：Hlanes表示水平方向車道；Vlanes表示垂直方向車道；NH表示水平方向車道數(shù)；NV表示垂直方向車道數(shù).同時定義匝道數(shù)據(jù)集

Ramps:r,r=0,1,...,M，

式中：r為匝道編號；M為匝道車道數(shù).

對于互通樞紐，雖然各條主線存在流量遷移，但樞紐總體流量保持平衡.因此，對于此類場景，將各條主線匝道口上游檢測數(shù)據(jù)作為模型輸入數(shù)據(jù)，即可完成樞紐動態(tài)總體流量預(yù)估.而對于堵塞狀態(tài)，則如前文所述，將匝道作為主路車道的延伸計入車道統(tǒng)計中進行計算.

3 網(wǎng)絡(luò)容量需求建模

由上文可知，單個基站覆蓋距離為Lul，在此，引入衰減系數(shù)σ，原因如下：(1) 單個基站信道、帶寬資源有限，當范圍內(nèi)聯(lián)網(wǎng)用戶增多時，會出現(xiàn)競爭；(2)由于無線電存在鏈路損耗，信號存在中心強，邊緣弱的問題，當出現(xiàn)競爭時，信號覆蓋的邊緣處丟包率增加，傳輸速率下降，覆蓋能力下降.

因此，在t時刻，單個基站覆蓋范圍內(nèi)單車道保有車輛數(shù)Vj為

假設(shè)客車占比φj貨車占比1-φj,則客車數(shù)量為φjVj，貨車數(shù)量為(1-φj)Vj.根據(jù)網(wǎng)聯(lián)化水平，假設(shè)在線車輛中，網(wǎng)聯(lián)客車占比為ψ，網(wǎng)聯(lián)貨車占比為ζ.可以得出在t時刻，單位時間實時數(shù)據(jù)上下行信道容量需求Bul,RT和Bdl,RT為：

單位時間內(nèi)，非實時數(shù)據(jù)上下行信道容量需求Bul,nRT和Bdl,nRT為：

4 模型數(shù)值假設(shè)與分析

4.1 參數(shù)假設(shè)

由前述可知，動態(tài)容量計算模型關(guān)于網(wǎng)絡(luò)覆蓋范圍內(nèi)車輛數(shù)的獲取由流量和流速檢測器獲取，在實際交通流檢測中也是這么做的，比如線圈、微波雷達等.受限于當前5G網(wǎng)絡(luò)覆蓋、智能網(wǎng)聯(lián)等的發(fā)展水平，在此，僅考慮基于理論的假設(shè)驗證，并根據(jù)理論方法對覆蓋范圍內(nèi)的車輛數(shù)進行計算.

本文采用De Romph在1994年發(fā)表的交通流基本圖公式作為計算流量-密度-速度三者之間關(guān)系的基本公式，公式為

其中u0為最大限速.當k=kc時：

u0(1-αk)=γ(1/k-1/kj)β.

因此：

γ=u0(1-αkc)/(1/kc-1/kj)β.

采用文獻[25]中3車道高速公路作為本次模型檢驗樣例，設(shè)定如下：u0=110 km·h-1,kc=23 veh·km-1，kj=100 veh·km-1，α=5.710-3，β=0.84.由此計算得到：γ=1 658,qc=2 198 veh·h-1.該結(jié)果與[25]中γ=1 672,qc=2 215 veh·h-1存在一定偏差，經(jīng)過反復(fù)驗證，將α修正為5.381 0-3得：γ=1 672,qc=2 217 veh·h-1,

獲得流量-密度-流速基本關(guān)系圖如圖1所示：

而后，設(shè)定其他初始化參數(shù)，如下表1:

表1 初始化假設(shè)參數(shù)值Tab.1 Assume initialization of parameter values

4.2 結(jié)果討論

本樣例交通流基本圖以3車道高速為建模背景，因此，以下對3車道流量需求進行分析.首先對衰減系數(shù)修正為：

σ=2(-(k(φ×ψ+(1-φ)×ζ)×3/200))，

不同網(wǎng)聯(lián)比例在該衰減系數(shù)和密度的關(guān)系如圖2所示：

對于實時數(shù)據(jù)，上行實時數(shù)據(jù)趨勢如下圖3所示：

在三車道以及該衰減系數(shù)假定條件下，隨著聯(lián)網(wǎng)率的不斷增加，實時數(shù)據(jù)流量隨車輛密度的增速放緩，尤其當聯(lián)網(wǎng)率達到100%時，在密度達到90%以上時，數(shù)據(jù)流量基本達到峰值，這說明在該條件下，實時數(shù)據(jù)傳輸能力已接近極限.上行非實時數(shù)據(jù)的無衰減系數(shù)和動態(tài)衰減系數(shù)如圖4所示.

對于非實時數(shù)據(jù)，與實時數(shù)據(jù)相同的一點在于當聯(lián)網(wǎng)率達到100%時，非實時數(shù)據(jù)在密度達到90%以上后，基本達到峰值.這個結(jié)果并不能說明網(wǎng)絡(luò)的極限傳輸能力，它反映的是在此動態(tài)衰減條件下，網(wǎng)絡(luò)覆蓋范圍內(nèi)的聯(lián)網(wǎng)車輛基本達到飽和時，范圍內(nèi)所有聯(lián)網(wǎng)車輛、移動用戶對非實時數(shù)據(jù)的上下行需求.

5 結(jié)語

本次研究從新基建交通網(wǎng)、通信網(wǎng)協(xié)同建設(shè)為背景的智能網(wǎng)聯(lián)場景下的通信網(wǎng)絡(luò)容量需求研究為出發(fā)點，首先從理論出發(fā)對高速場景下的5G網(wǎng)絡(luò)需求建模可行性進行了分析，通過對高速場景梳理，說明了建?？尚行院徒Ｒ罁?jù).而后，通過分類各型數(shù)據(jù)對網(wǎng)絡(luò)需求的差異和網(wǎng)絡(luò)覆蓋范圍內(nèi)數(shù)據(jù)流量需求，建立評估模型，實現(xiàn)對區(qū)域范圍內(nèi)動態(tài)網(wǎng)絡(luò)情況下5G網(wǎng)絡(luò)通信需求的評估.該模型輸出結(jié)果能夠為5G基站網(wǎng)絡(luò)承載能力需求評估和實時動態(tài)調(diào)節(jié)站點網(wǎng)絡(luò)資源配置提供參考依據(jù)，從而有助于合理規(guī)劃基站布設(shè)，節(jié)約網(wǎng)絡(luò)能耗，實現(xiàn)綠色發(fā)展.因此，本文的主要結(jié)論如下：

(1) 物聯(lián)網(wǎng)時代多樣化網(wǎng)絡(luò)數(shù)據(jù)使得網(wǎng)絡(luò)規(guī)劃更為復(fù)雜，尤其對于超低時延高可靠場景.基于高速公路地理位置和網(wǎng)絡(luò)用戶性質(zhì)特點，首次提出了智能網(wǎng)聯(lián)環(huán)境下高速路網(wǎng)5G網(wǎng)絡(luò)容量需求建模.

(2) 動態(tài)容量模型能夠根據(jù)車流量檢測設(shè)備輸入數(shù)據(jù)，準實時動態(tài)評估當前路段通信流量需求，為網(wǎng)絡(luò)動態(tài)資源配置提供參考；鑒于智能網(wǎng)聯(lián)和5G網(wǎng)絡(luò)尚未大規(guī)模應(yīng)用，各型設(shè)備、通信協(xié)議、數(shù)據(jù)交互模型等均未完善，無實測可用數(shù)據(jù)，因此本次研究以典型交通流基本圖為替代數(shù)據(jù)對模型進行數(shù)值運算和驗證.

(3) 在模型中引入衰減系數(shù)σ.面對智能網(wǎng)聯(lián)uRLLC和eMBB混合場景，網(wǎng)絡(luò)服務(wù)的原則發(fā)生根本性改變，網(wǎng)聯(lián)車輛實時數(shù)據(jù)交互需求要求其在網(wǎng)絡(luò)邊緣依舊能夠享受超低時延高可靠服務(wù).在實際環(huán)境中，隨著在線用戶的不斷增長，單個基站范圍內(nèi)上行數(shù)據(jù)競爭加劇，導(dǎo)致原測算邊緣的數(shù)據(jù)丟包率增加，服務(wù)能力和基站覆蓋能力下降.本研究通過無衰減、常數(shù)衰減和基于網(wǎng)內(nèi)用戶數(shù)的變衰減對衰減引起的數(shù)據(jù)流變化進行了對比，從而說明了衰減的影響.然而，由于電磁波的特殊性質(zhì)，其邊緣測量存在較大不確定性.為獲得準確的網(wǎng)內(nèi)用戶和網(wǎng)絡(luò)衰減之間的關(guān)系，需要進一步對不同網(wǎng)聯(lián)密度情況下網(wǎng)絡(luò)邊緣覆蓋能力進行測試，進而擬合出具有較高置信度的衰減方程，以提高模型的置信度.