Sidelink Radio Resource Management for Vehicular Communications in Co-Operative Automated Driving
| dc.date.accessioned | 2024-10-17T15:15:21Z | |
| dc.date.available | 2024-10-17T15:15:21Z | |
| dc.date.issued | 2024 | |
| dc.identifier | doi:10.17170/kobra-2024100810932 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/16091 | |
| dc.language.iso | eng | |
| dc.rights | Namensnennung 4.0 International | * |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
| dc.subject | V2V communication | eng |
| dc.subject | sidelink | eng |
| dc.subject | radio resource scheduling | eng |
| dc.subject | radio resource allocation | eng |
| dc.subject | radio resource management | eng |
| dc.subject | V2X | eng |
| dc.subject | vehicular communication | eng |
| dc.subject | sidelink communication | eng |
| dc.subject | connected autonomous vehicles | eng |
| dc.subject | co-operative automated driving | eng |
| dc.subject.ddc | 600 | |
| dc.title | Sidelink Radio Resource Management for Vehicular Communications in Co-Operative Automated Driving | eng |
| dc.type | Dissertation | |
| dcterms.abstract | Automatisiertes Fahren zeichnet sich als zentraler Technologietrend ab und bietet eine Chance zur Koordinierung autonomer Fahrzeuge zur Verbesserung des Straßenverkehrsflusses, der Kraftstoffeffizienz und der Betriebssicherheit. In diesem Zusammenhang stellt kooperatives automatisiertes Fahren (KAF) ein Mittel für Fahrzeuge dar, eine kooperative Planung der Bewegungspfade durchzuführen und die Umgebungswahrnehmung durch Nutzung ihrer Fahrzeug-zu-Fahrzeug (FZF)-Kommunikationsfunktionen mittels in Kommunikationsdistanz befindlichen Fahrzeugbenutzerequipments (FBEs) zu verbessern. Typische Beispiele für KAF sind das Kolonnenfahren, ein kooperativer Spurwechsel und die kooperative Kollisionsvermeidung. Die Anforderungen an die Dienstgüte (DG) für die KAFFZF-Kommunikation sind sehr unterschiedlich mit einer Zuverlässigkeit von 90 bis 99,999 Prozent und einer Ende-zu-Ende-Paketverzögerung von 3 bis 100 ms. Hierbei spiegelt die Flexibilität der DG-Anforderungen die Leistungstoleranz wider, die sich je nach Anwendungsfall und unterschiedlichen Niveaus der Automatisierung auf Kosten suboptimaler Abläufe einstellen. Eine Schlüsselrolle spielt das Radio Resource Management (RRM) im sogenannten Sidelink, also in der direkten FZF-Übertragung, mit DG-bewusster Funkressourcenplanung (FRP) zur Erfüllung der KAF-DG-Anforderungen. Letztere bedingen eine enge Interaktion zwischen KAF-Anwendungen und dem Sidelink-RRM. Darüber hinaus erfordert KAF FZF-Interaktionen und Interferenzkoordination zwischen FBEs unterschiedlicher Mobilfunknetzbetreiber (MNB), und vertikale Partner (z. B. Automobilunternehmen) möchten möglicherweise die Sidelink-Funkressourcen steuern. Daher muss das Sidelink-RRM vom Netzwerk des Betreibers abstrahiert oder entkoppelt werden. Zu diesem Zweck wird die Sidelink-RRM-Funktionalität auf betreiberunabhängige cloudbasierte Netzwerkeinheiten verlagert, auf die FBEs über unterschiedliche MNBs hinweg zugreifen können. Es wird ein cloud-fähiges Sidelink-RRM-Framework eingeführt, das die Platzierung der Sidelink-RRM-Funktionalität in einer logisch zentralisierten Cloud-Einheit und in einer Umgebung mit unterschiedlichen Betreibern ermöglicht. Durch die Berücksichtigung der unterschiedlichen DG-Anforderungen einer KAFMulticast-Gruppenkommunikation in Form von Nutzenfunktionen wird ein DGabhängiges und nutzenbasiertes mehrkriterielles Optimierungsproblem zur Funkressourcenzuteilung beschrieben. Letzteres zielt auf die Maximierung einer aggregierten Nutzenfunktion ab, wobei sich die Ressourcen auf Ressourcenblöcke (RBs) und Modulations- und Kodierungsschemata beziehen. Darüber hinaus wird eine heuristische zentralisierte FRP-Lösung geringer Komplexität vorgeschlagen und für cloudbasiertes Sidelink-RRM mit potenziell hoher Fahrzeug-zu-Netzwerk (FZN)-Verbindungsverzögerung sowie für dynamische Fahrzeugumgebungen analysiert. Um das Problem der Erfassung fehlender Kanalzustandsinformation (KZI) zu adressieren, wird die dynamische FRP-Lösung unter Verwendung langsam variierender Kanalparameter (z. B. der Pfaddämpfung), die als langsame KZI bezeichnet werden, verbessert. Ein Edge-Cloud-fähiges semi-zentralisiertes Sidelink-RRM-Framework wird vorgeschlagen, um den dynamischen Scheduler unter Ausnutzung der Rechenleistung der autonomen Fahrzeuge näher an die FBEs zu bringen. Um die resultierenden Vorteile zu nutzen, wird das Ressourcenallokationsproblem in drei Aufgaben mit hoher Modularität und Abstimmbarkeit aufgeteilt. Diese Aufgaben umfassen eine FBE-Clusterbildung, eine RB-Pool-Zuweisung zwischen Clustern und eine Ressourcenzuweisung zur optimierten Sidelink-FRP innerhalb eines Clusters, welche auf unterschiedlichen Zeitskalen an verschiedenen Cloud-Entitäten (zentral und am Rand) mit einer reduzierten dynamischen Planungsverzögerung durchgeführt werden können. Ein graphentheoretischer Ansatz wird vorgestellt mit 1. einem KAF-Fahrzeuggruppen-Clustering als Clique-Partitionierungsproblem, das die Koordination auf der Steuerungsebene zwischen sendenden Fahrzeugen ermöglicht, um das Hidden-Node-Problem und die durch die Halbduplex-Einschränkung auferlegten Einschränkungen zu vermeiden und 2. einer Cluster-zu-RB-Pool-Zuordnung als Max-Min-Fairness-Problem auf einem gewichteten Ressourcenkonfliktgraphen, das den Kompromiss zwischen einer verbesserten Spektrumsnutzung (durch die effiziente Wiederverwendung von Sidelink-Ressourcen zwischen Clustern) und der Begrenzung der Interferenzen zwischen Clustern auf ein akzeptables Maß behandelt. Zusätzlich wird eine einfache Lösung zur Intra-Cluster-Ressourcenzuweisung vorgestellt. Realistische Szenarien von Fahrzeugen, die in einem Mobilfunksystem der fünften Generation simuliert werden, liefern Resultate, welche die Fähigkeit der vorgeschlagenen Systeme zur effektiven Anpassung an unterschiedliche KAF-Anforderungen belegen. Selbst bei hoher FZN-Verbindungsverzögerung bietet die langsame KZI-basierte zentrale FRP eine hohe FZF-Verbindungsqualität, welche die strengen Zuverlässigkeitsanforderungen erfüllt. Dies geht jedoch zu Lasten der Ressourcennutzung und somit der Paketverzögerungsgüte in FZF-Verbindungen. Dennoch zeigt ein semi-zentralisiertes Schema erhebliche Gewinne hinsichtlich der Paketverzögerung bei gleichzeitiger Aufrechterhaltung einer hohen FZF-Verbindungsqualität. | ger |
| dcterms.abstract | Automated driving is emerging as a key trend and presents an opportunity for coordination among autonomous vehicles to improve road traffic flow, fuel efficiency and safety. In this regard, co-operative automated driving (CAD) is a means for vehicles to perform co-operative trajectory planning and enhance environment perception by leveraging their vehicle-to-vehicle (V2V) communication capabilities via co-located vehicle user-equipment (V-UE). Typical examples of CAD include platooning, cooperative lane change (CLC) and co-operative collision avoidance (CCA). The quality of service (QoS) requirements for CAD V2V communications span a wide range with a reliability of 90-99.999% and an end-to-end packet delay of 3-100ms. Here, the flexibility of QoS requirements reflects the performance tolerance depending on the use cases and different levels of automation (LoA) at the expense of suboptimal operations. Sidelink (direct V2V link) radio resource management (RRM) plays a key role in meeting the CAD QoS requirements with QoS-aware radio resource scheduling (RRS). This requires tight interaction between CAD applications and the sidelink RRM. In addition, CAD necessitates V2V interactions and interference coordination among V-UEs across mobile network operators (MNOs), and vertical partners (e.g., automotive organizations) may wish to control sidelink radio resources. Therefore, the sidelink RRM needs to be abstracted or decoupled from the operator’s network. To this end, the sidelink RRM functionality is moved to operator-independent cloudbased network entities that can be accessed by V-UEs across MNOs. A cloud-enabled sidelink RRM framework is introduced which allows for placement of sidelink RRM functionality in a logically centralized cloud entity in a multioperator environment. By capturing the diverse QoS requirements of CAD multicast group communication using utility functions, a QoS-dependent utility-based multiobjective radio resource allocation optimization problem, which aims to maximize the aggregated utility, is described, wherein the resources refer to resource blocks (RBs) and modulation and coding schemes (MCSs). Moreover, a low-complexity heuristic centralized RRS solution is proposed and analyzed for cloud-based sidelink RRM with potentially high vehicle-to-network (V2N) link delay and a dynamic vehicular environment. Accounting for the challenges in acquiring channel state information (CSI), the dynamic RRS solution is enhanced to make use of slowly varying large-scale channel parameters (e.g., path loss) referred to as slow CSI. An edge-cloud enabled semi-centralized sidelink RRM framework is proposed to bring the dynamic scheduler closer to the V-UEs by leveraging the vehicular edge computing (VEC) capabilities of the autonomous vehicles. To exploit the benefits of the framework, the resource allocation problem is split into three tasks with high modularity and tunability. These tasks comprise a V-UE-cluster formation, an inter-cluster RB-pool allocation and an intra-cluster resource allocation allowing for optimized sidelink resource scheduling, which may be performed on different time scales at different cloud entities (central and edge) with reduced dynamic scheduling delay. A graph-theoretic approach is presented with 1) a CAD vehicle group clustering as a clique partitioning problem (CPP), which enables the coordination at the control plane between transmitting vehicles to avoid the hidden node problem and the limitations imposed by the half-duplex constraint, and 2) a cluster-to-RBpool allocation as a max-min fairness problem on a weighted resource-conflict graph, which tackles the trade-off between enhancing spectrum utilization by efficient reuse of sidelink resources among clusters and limiting the inter-cluster interference to an acceptable level. In addition, a simple low-complexity intra-cluster resource allocation solution is presented. Simulation results in a realistic vehicular deployment in a fifth generation mobile networks (5G)-based simulation set-up show the ability of the proposed schemes to effectively adapt to different CAD requirements. Even in case of high V2N link delay, the slow CSI-based central RRS provides high V2V link quality in meeting the stringent reliability requirements. This, however, comes at the expense of resource utilization and hence the packet delay performance on V2V links. Yet, a semicentralized scheme shows significant gains in terms of packet delay while maintaining a high V2V link quality. | eng |
| dcterms.accessRights | open access | |
| dcterms.creator | Keshavamurthy, Prajwal Makkimane | |
| dcterms.dateAccepted | 2024-08-26 | |
| dcterms.extent | xxiv, 156 Seiten | |
| dc.contributor.corporatename | Kassel, Universität Kassel, Fachbereich Elektrotechnik / Informatik | |
| dc.contributor.referee | Dahlhaus, Dirk (Prof. Dr.) | |
| dc.contributor.referee | Dressler, Falko (Prof. Dr.-Ing.) | |
| dc.subject.swd | Autonomes Fahrzeug | ger |
| dc.subject.swd | Car-to-Car-Kommunikation | ger |
| dc.subject.swd | Automation | ger |
| dc.type.version | publishedVersion | |
| kup.iskup | false | |
| ubks.epflicht | true |
Dateien zu dieser Ressource
Das Dokument erscheint in:
-
Dissertationen [8]
Solange nicht anders angezeigt, wird die Lizenz wie folgt beschrieben: Namensnennung 4.0 International