摘要車聯網高級安全服務中，智能網聯車輛配備了攝像頭，可以拍攝周圍的視頻，用于安全、交通監控和監視等目的。車輛將獲取的視頻上傳到邊緣計算節點后，可以對視頻進行分析和備份，以滿足不同的安全駕駛需求。然而，車輛連續直接向邊緣計算節點上傳生成的視頻內容會非常消耗帶寬，并消耗大量的能量。基于該問題，提出一種面向智能網聯汽車邊緣網絡的分布式端-邊協同算法。針對車聯網高可靠低時延內容傳輸的特點，引入有限塊長度編碼機制。同時，引入車輛視頻信息源的壓縮編碼功率消耗，建立車輛能耗模型。根據車輛視頻信息源的視頻質量要求，通過調整視頻編碼碼率、信息源傳輸速率，以及車輛多路徑路由的決策，提出一種完全分布式的優化算法，以提高網絡資源利用率，并保證單個車輛的能耗公平性。

引言

車聯網技術通過無線接入技術讓道路上安裝了車載設備單元（On Board Unit，OBU）的車輛可以與行人、相鄰的智能網聯汽車、路側設備單元（Road Side Unit，RSU）或者基站等實體便捷地進行各種信息的交換和傳播。通過這種方式，智能網聯汽車可以獲取碰撞預警等信息，從而及時采取相應的措施，進而降低交通事故的發生率、提升自動駕駛車輛的安全性。道路管理者可以利用車聯網技術實時獲取交通信息，通過車速引導等方式緩解城市交通的擁堵狀況，并達到車輛節能減排的目的。

車聯網高級安全服務中，智能網聯車輛配備了攝像頭，可以拍攝周圍的視頻，用于安全、交通監控和監視等目的。車輛將獲取的視頻上傳到邊緣計算節點后，可以對視頻進行分析和備份，以滿足不同的安全駕駛需求。現有研究顯示，如果將車輛獲取的視頻及時傳輸到邊緣計算節點進行視頻分析和備份，可以極大地提高公共安全性。然而，海量的視頻內容上傳會給當前的車聯網增加巨大的流量，導致大量的帶寬和能量消耗。

為了解決上述問題，現有的學術工作主要關注內容下載。E. Evdokimova等人提出了一個分析框架，該框架通過多維馬爾可夫過程對直通車聯網場景中的下行鏈路流量進行建模：將RSU緩沖區中的數據包到達構建為泊松過程，并且傳輸時間呈指數分布。考慮到與多維馬爾可夫過程相關的狀態空間爆炸問題，該文使用迭代擾動技術來計算馬爾可夫鏈的平穩分布。L. Yang等人研究了混合數據傳播問題，即優化確定數據傳輸的時間和目的車輛， 以及車輛是直接從邊緣還是從附近的車輛獲取所需數據，目的是最小化邊緣的流量成本并滿足獲取數據的時延要求；作者提出了一種新的數據傳播算法，稱為混合數據傳播離線算法，該算法優先尋找最有益的車到車廣播，然后選擇可行的車到基站傳播方式。J. He等人通過考慮交付延遲和保管箱部署成本之間的權衡來研究如何以最佳方式部署保管箱，為了解決該問題，首先提供了一個理論框架來準確估計交付延遲；然后，基于維度擴大和動態規劃的思想，設計了一種新穎的最優保管箱部署算法（ODDA）以獲得最優部署策略。在內容上傳方面，L. Cui等人提議在公交車站部署專用接入點 (AP) 以促進視頻上傳來研究移動公交車的視頻上傳問題，提出了一種注水放置算法，旨在平衡分配給每條總線的聚合帶寬，通過建立排隊模型來分析視頻內容的上傳延遲，并進一步采用機器學習模型將公交路線的影響納入排隊模型中。

本文提出一種面向智能網聯汽車邊緣網絡的分布式端（智能網聯汽車）-邊（邊緣計算節點）協同算法。針對車聯網高可靠低時延內容傳輸的特點，引入有限塊長度機制。同時，引入車輛視頻信息源的壓縮編碼功率消耗，建立車輛能耗模型。根據車輛視頻信息源的視頻質量要求，通過調整視頻編碼碼率、信息源傳輸速率，以及對車輛多路徑路由的選擇，提出一種完全分布式的優化算法，提高網絡資源利用率，并保證單個車輛的能耗公平性。

1 系統模型

智能網聯汽車邊緣網絡邊-端協同系統如圖 1 所示，由智能網聯汽車（端）、邊緣服務器（邊緣計算節點）、基站與邊緣網關（路由節點）組成。其中智能網聯汽車負責環境視頻信息數據的采集、壓縮編碼和數據傳輸的中繼，用?? = {1, … , |??|}表示智能網聯汽車的集和，|??|為智能網聯汽車的總數量；基站與邊緣網關是智能網聯汽車信息傳輸的匯聚點，用于視頻信息數據的接收匯聚，用??表示；基站與邊緣網關收到視頻內容后，通過有線通信鏈路（如光纖）將視頻內容傳送到邊緣服務器進行進一步分析和處理。

此外，智能網聯汽車和其他智能網聯汽車通過PC5無線通信鏈路進行數據傳輸，智能網聯汽車和基站與邊緣網關之間通過Uu無線通信鏈路進行數據傳輸。基站與邊緣網關和邊緣服務器之間通過有線通信鏈路進行數據傳輸。???? 用于表示無線通信鏈路的數量， ?W={1, … , ????}用于表示所有無線通信鏈路的集和。另外，用????  ∈ ?W表示第??條無線通信鏈路，具體來說，該通信鏈路從發送節點??到接收節點??，并可以表示為(??, ??)。??(??)和?(??)分別用于表示流出節點??和流入節點??的通信鏈路。

圖 1 智能網聯汽車邊緣網絡邊-端協同系統

1.1 視頻失真率模型

在智能網聯汽車邊緣網絡邊-端協同系統中，視頻上傳的端到端失真大小包括兩個不相關的部分① 由視頻壓縮引起的壓縮編碼失真????；② 由通信傳輸引起的傳輸失真????。數學上，端到端失真大小??可以表示為：?? = ???? + ????。

其中，σ2為平均視頻輸入方差，e為自然對數函數的底數，γ為與編碼效率相關的參數。根據失真率模型，如圖2所示，在給定視頻壓縮編碼失真大小的情況下，信息源編碼后數據速率越大，則視頻壓縮編碼功率消耗越小；在給定信息源編碼后數據速率的情況下，視頻質量（表示為失真大小）越好，則視頻壓縮編碼功率消耗越大。

另一方面，S. Pudlewski等人的研究表明在設定合適的目標誤碼率前提下，由通信傳輸引起的傳輸失真相較于由視頻壓縮引起的壓縮編碼失真而言，可以忽略不計。因此，總視頻失真大小僅考慮由視頻壓縮引起的壓縮編碼失真。

1.2 傳輸信道模型

1.3 網絡數據流平衡模型 

對于智能網聯汽車邊緣網絡中的任一節點（智能網聯汽車、基站與邊緣網關）而言，流出該節點的數據信息流量需等于流入該節點的數據信息流量與該節點產生的數據信息流量之和。因此，網絡流平衡模型可以表示為：

對于智能網聯汽車而言，節點產生的數據信息流量為視頻信息源編碼后數據速率；基站 與邊緣網關是智能網聯汽車信息傳輸的匯聚點，其數據信息流量為所有智能網聯汽車數據信 息流量之和的負數。因此，智能網聯汽車或基站與邊緣網關??的信息源編碼后數據速率??^(??)可以表示為：

1.4 能量消耗模型

智能網聯汽車的數據傳輸功率消耗包括發送數據功率消耗以及接收數據功率消耗。用????^(??)表示智能網聯汽車??的發送數據功率消耗，數學上可以表示為：

2 優化問題建模

3 分布式優化算法

4 仿真實驗和分析

圖3和圖4分別顯示了提出的算法對于智能網聯汽車視頻壓縮和通信總能耗、編碼后數據速率的迭代性能，由圖可知，大約在200次迭代后達到最優。因此，本算法能在較短的時間內達到性能穩定狀態，能夠滿足車聯網場景下拓撲結構快速變化的需求。同時，針對優化目標，即保證單個車輛的能耗公平性，圖3中的仿真結果顯示，在迭代達到最優狀態時，每輛智能網聯汽車的視頻壓縮和通信總能耗非常接近（如表2所示）。因此，本算法能夠達到保證單個車輛的能耗公平性的目標。

圖 3 智能網聯汽車視頻壓縮和通信總能耗的迭代性能

圖4還表明承擔中繼數據任務較重的車輛會使用較低的視頻壓縮能耗（由視頻失真率模型式（1）可知，因此該車輛編碼后數據速率較大），由此利用較多的能耗用于數據接收與傳輸。

圖 4 智能網聯汽車編碼后數據速率的迭代性能

圖 5 本文算法與車到基站直連傳輸機制總能耗對比

為了比較提出算法的性能，將其與每輛智能網聯汽車直接與基站通信機制下的性能進行對比，結果如圖5所示。在智能網聯汽車直接與基站通信的機制下，每輛智能網聯汽車的視頻壓縮和通信總能耗差別較大，即距離基站較近的智能網聯汽車的視頻壓縮和通信總能耗較小。這是因為距離基站較近的智能網聯汽車具有較好的傳輸信道信噪比，可以利用更少的通信能耗支持更大的數據傳輸速率。同時，根據視頻失真率模型式（1），在視頻質量要求相同的情況下，更大的數據速率需要的視頻壓縮能耗更小。

將圖5中的結果進行對比，在智能網聯汽車距離基站較近的情況下（如圖5中車輛7~10的結果所示），車到基站直連傳輸機制所需的視頻壓縮和通信總能耗比本文得到的視頻壓縮和通信總能耗更小。本文算法考慮邊-端協同機制，距離基站較近的智能網聯汽車以數據中繼的方式協助距離基站較遠的智能網聯汽車進行數據傳輸，因此導致了更多的能耗。如圖5所示，對于距離基站較遠的智能網聯汽車（如車輛1~6），大大降低了其視頻壓縮和通信總能耗。因此，本文算法能夠通過邊-端協同，保證單個車輛的能耗公平性。

在本文算法的邊-端協同機制下，部分距離基站較遠的智能網聯汽車不與基站直接通信， 而是利用其他智能網聯汽車，通過多路徑多跳路由的方式進行數據傳輸。因此，本算法還可以減少車到基站直連通信的鏈路數量，從而節省通信帶寬資源（一般而言，車到車通信鏈路的帶寬資源可以進行復用）。

5 結束語

本文提出了一種基于次梯度算法的分布式邊-端協同算法，通過調整視頻編碼碼率、信息源傳輸速率，以及車輛多路徑路由決策，實現資源分配策略。該算法可以部署在每輛智能網聯汽車中執行，并且只需要與其相鄰節點（智能網聯汽車或基站）交換少量信息。

仿真實驗結果和分析表明，本算法能在較短的時間內達到性能穩定狀態，能夠滿足車聯網場景下拓撲結構快速變化的需求；同時，相比于每輛智能網聯汽車直接與基站通信的機制，能保證單個車輛的能耗公平性，并提高網絡資源利用率。