[论文解读] Cyber-Physical Interference Modeling for Predictable Reliability of Inter-Vehicle Communications

Chuan Li, Hongwei Zhang+3 more|arXiv (Cornell University)|Aug 14, 2017

Vehicular Ad Hoc Networks (VANETs)参考文献 23被引用 3

一句话总结

本文提出了网络物理调度（CPS）框架，通过利用PRK干扰模型的几何近似（gPRK）和车辆移动性动态，实现车辆间通信的可预测可靠性。在ns-3/SUMO仿真中，CPS实现了100%的链路可靠性，同时具备低延迟和高吞吐量，是首个可现场部署的、用于V2V网络中可预测干扰控制的解决方案。

ABSTRACT

Predictable inter-vehicle communication reliability is a basis for the paradigm shift from the traditional singlevehicle-oriented safety and efficiency control to networked vehicle control. The lack of predictable interference control in existing mechanisms of inter-vehicle communications, however, makes them incapable of ensuring predictable communication reliability. For predictable interference control, we propose the Cyber-Physical Scheduling (CPS) framework that leverages the PRK interference model and addresses the challenges of vehicle mobility to PRK-based scheduling. In particular, CPS leverage physical locations of vehicles to define the gPRK interference model, a geometric approximation of the PRK model, for effective interference relation estimation, and CPS leverages cyber-physical structures of vehicle traffic flows (particularly, spatiotemporal interference correlation as well as macro- and micro-scopic vehicle dynamics) for effective use of the gPRK model. Through experimental analysis with high-fidelity ns-3 and SUMO simulation, we observe that CPS enables predictable reliability while achieving high throughput and low delay in communication. To the best of our knowledge, CPS is the first field deployable method that ensures predictable interference control and thus reliability in inter-vehicle communications.

研究动机与目标

• 为解决现有车辆间通信协议中缺乏可预测干扰控制的问题，该问题会削弱可靠车联网控制。
• 在高移动性V2V网络中实现可预测的可靠性，此类网络中干扰关系高度动态且非局部。
• 开发一种分布式、可扩展的调度框架，在不产生过多信令开销的前提下维持可靠性。
• 利用物理车辆位置和交通流动态，即使在移动情况下也能准确估计干扰关系。
• 证明几何近似PRK模型可实现有效且低开销的干扰控制，适用于真实世界V2V场景。

提出的方法

• 提出gPRK模型，即PRK干扰模型的几何近似，利用车辆位置以最小信令开销估计干扰关系。
• 结合时空干扰相关性与宏观/微观车辆动态，动态更新干扰估计。
• 设计一种分布式网络物理调度（CPS）框架，利用gPRK实现实时、可预测的干扰协调。
• 利用车辆轨迹和速度数据预测信号传播与干扰水平，减少对实时反馈的依赖。
• 利用PRK模型将非局部干扰转化为本地协调的特性，实现可扩展的分布式调度。
• 采用高保真度的ns-3和SUMO仿真，验证框架在真实交通与移动性条件下的有效性。

实验结果

研究问题

• RQ1 PRK模型的几何近似是否能在高度移动的V2V网络中实现准确且低开销的干扰估计？
• RQ2 如何利用时空相关性和车辆动态，在移动条件下保持可靠的干扰跟踪？
• RQ3 基于gPRK的分布式调度框架是否能在无集中协调的情况下实现可预测的通信可靠性？
• RQ4 gPRK-based V2V调度中，可靠性、延迟与吞吐量之间的性能权衡如何？
• RQ5 在具有动态拓扑和移动性的现实世界V2V网络中，部署基于PRK的干扰控制是否可行？

主要发现

• CPS确保所有链路100%的通信可靠性，优于OCPS，后者在15%的链路上未能达到90%的可靠性阈值。
• OCPS的最低可靠性为75%，但由于在移动条件下干扰跟踪不精确，无法保证所有链路均达到所需的90%可靠性。
• CPS实现了高吞吐量和低延迟，展示了可靠性、延迟与吞吐量之间有效的权衡。
• gPRK模型即使在快速车辆动态下，也能以极低的控制信令实现准确的干扰关系估计。
• 车辆动态与时空相关性的结合，使干扰关系能够实现实时、精确且敏捷的跟踪。
• 据作者所知，CPS是首个可现场部署的框架，可在车辆间网络中实现可预测的干扰控制与可靠通信。