On the Analysis of Platooned Vehicular Networks on Highways

技术摘要：关于高速公路车队编队网络分析的研究

问题陈述
车辆编队（即车辆在紧密距离内的协调移动）能显著提高燃油效率、减少排放并优化交通流。然而，在高速公路上维持这些编队所需的通信动态机制仍有待深入探索。虽然编队促进了车联网（V2V）通信，但车辆的紧密聚集可能会改变用于车路协同（V2I）连接的路侧单元（RSU）的负载分布。具体而言，编队内车辆位置的相关性可能导致“爆发性”流量负载，从而可能导致某些 RSU 过载，而其他 Rю 则利用不足。本文旨在解决关于编队如何影响 RSU 负载分布、覆盖概率（CP）、速率覆盖（RC）以及在不同车辆与基础设施空间分布下的这些指标可靠性方面缺乏全面分析的问题。

研究方法
作者采用随机几何框架对高速公路上的车辆网络进行建模。该系统由沿一维直线分布的 RSU 和车辆用户（VU）组成。

• 基础设施模型： RSU 被建模为同质的一维泊松点过程（PPP），其密度为 $\lambda_r$。
• 交通场景： 本文分析了两种不同的交通模型：
  1. 非编队交通场景 (N-PTS)： VUs 独立移动，被建模为密度为 $\lambda$ 的一维 PPP。
  2. 编队交通场景 (PTS)： VUs 是集群分布的。这通过一维 Matérn 集群过程（MCP）进行建模，其中父点（编队领航车）遵循 PPP，而子点（编队成员）分布在围绕父点的半径为 $a$ 的球体内。
• 性能指标： 研究推导了以下各项的闭式表达式和分布：
  • 负载分布： 典型 RSU 服务于 VUs 的数量，以及标记 RSU（服务于特定典型车辆的 RSU）的服务数量。
  • 连通性： 用于 V2V 通信的“连通度”以及用于 V2I 通信的覆盖概率（CP）。
  • 可靠性： 信噪比（SINR）和可实现速率的元分布（MD），它量化了网络中链路成功概率的变异性。
• 分析工具： 分析利用了概率生成函数（PGF）、矩生成函数（MGF）以及一维 MCP 和 PPP 的性质，来推导均值、方差、偏度和高阶矩的精确表达式。

核心贡献
本文提供了以下具体的分析贡献：

1. 负载分布推导： 推导了 PTS 和 N-PTS 场景下 RSU 负载分布的闭式表达式。作者强调，负载差异源于编队中 VU 位置的空间相关性。研究进一步推导了负载的均值、方差和偏度，以表征流量的爆发性。
2. 活跃 RSU 密度： 利用负载分布，本文推导了 RSU 处于活跃状态（至少服务于一辆车）的概率以及由此产生的活跃 RSU 密度，这对于干扰建模至关重要。
3. V2V 和 V2I 性能分析：
   • V2V： 研究了两种场景下典型 VU 的连通度（一定范围内邻居的数量）。
   • V2I： 作者推导了典型 VU 的覆盖概率（CP）和速率覆盖（RC）。至关重要的是，他们推导了 SINR 和速率的精确元分布（MD），从而提供了比仅基于平均指标更深层次的链路可靠性理解。
4. 数值验证： 通过仿真验证了理论发现，展示了 VU 密度和编队程度对网络性能的影响。

结果
数值结果表明，与独立移动相比，编队交通场景（PTS）显著改变了网络动态：

• 负载爆发性： 由于车辆的集群特性，PTS 导致 RSU 负载分布的爆发性增加。
• RSU 效率： 与“集群总是会导致基础设施过载”的直觉相反，分析表明 PTS 可以提高 RSU 的效率。这归因于负载分布的特殊性质，即在编队条件下的较高 VU 密度使得活跃 RSU 的利用率比 N-PTS 基准更高。
• 可靠性： 元分布分析揭示了 VU 密度和编队如何影响链路成功概率的变异性，为单个车辆的连接可靠性而非仅仅是网络平均水平提供了见解。

意义与主张
本文声称填补了文献中的空白，提供了一个专门用于分析高速公路编队场景的可处理的随机几何框架。虽然之前的研究分析了二维网络中的负载分布，或侧重于不考虑特定编队负载动态的连通性，但本研究提供了一项综合分析，涵盖了一维高速公路环境下的每 RSU 负载、SINR、速率分布及其元分布。作者断言，理解这些负载动态对于维持稳定的编队运行和优化基础设施资源分配至关重要。本研究并非提出新的硬件或控制算法，而是为评估现有通信技术（V2V 和 V2I）在特定车辆编队空间约束下的性能提供了必要的分析基础。