Performance evaluation of v2x communications

Abstract

The current doctoral dissertation examines the performance evaluation and optimization of Vehicle-to-Everything (V2X) communications. The main objective is to identify the key factors that affect the performance of V2X networks as well as the Quality of Service (QoS) offered to vehicular users. For this purpose, it introduces innovative strategies and closed-form expressions that can lead to system’s service provisioning improvements and more accurate evaluation of V2X network’s performance. With a view to providing a complete and definite understanding of the factors shaping V2X performance, this dissertation explores the following three distinct research areas. The first research area investigates the impact of vehicular mobility on the service quality in vehicular WiFi networks serving passenger requests. Specifically, the adoption of Bandwidth Reservation (BR) policy is proposed to prioritize the service of handover calls. Two types of BR policy are considered: i) the strict BR policy, where the reserved resources are fixed and ii) the probabilistic BR policy, where the number of reserved resources is determined dynamically by a probabilistic metric. To further improve service provision to handover calls, a waiting queue is exclusively dedicated to handover calls. For the system performance evaluation along with the employed policies, three novel iterative algorithms are proposed and the solutions are compared against the conventional Complete Sharing (CS) policy, in which no priority exists between the users. The second research area focuses on the performance assessment of V2X communications in scenarios where direct connectivity between vehicles and the cellular network, i.e. Vehicle-to-Network (V2N) is not available. Classical queueing theory models, such as M/M/C, M/Ekp/C και M(N)/M/C are utilized to evaluate how the service-time distribution and the vehicle population affect the system’s performance, while accounting for network impairments such as channel failures. The impact of direct and indirect V2N communications on in-vehicle hosted applications is assessed and service improvement strategies are introduced and validated through closed-form analytical expressions. The third research area integrates Artificial Intelligence (AI) methods in V2X systems. This contribution is two-fold: First, novel hybrid performance evaluation approaches are developed that combine classical methods such as closed-form expressions and/or simulation with AI-driven techniques to create an efficient and accurate performance assessment framework. Second, the deployment of distributed AI is examined, specifically Federated Learning (FL), which is poised to play a pivotal role in V2X systems due to its advantages in preserving user data privacy. Given that the successful training of FLmodels heavily relies on the collaboration among multiple vehicles, an overview of network metrics affecting FL is presented, alongside with a closed-formanalysis to determine whethernetwork conditions can ensure the seamless training of the FL algorithm.

Η παρούσα διδακτορική διατριβή μελετάει την αξιολόγηση απόδοσης και βελτιστοποίηση των επικοινωνιών Οχήματος-προς-τα-Πάντα (V2X). Ο πρωταρχικός στόχος είναι ο εντοπισμός των κύριων παραγόντων που επηρεάζουν την απόδοση των δικτύων V2X καθώς και την Ποιότητα Υπηρεσίας (QoS) που προσφέρεται στους χρήστες οχημάτων. Για το σκοπό αυτό, εισάγονται καινοτόμες στρατηγικές και μοντέλα κλειστής μορφής που μπορούν να βελτιώσουν την παροχή υπηρεσιών του συστήματος και να οδηγήσουν σε πιο ακριβή αξιολόγηση της απόδοσης των επικοινωνιών V2X. Με στόχο την παροχή μιας πλήρους και ολιστικής κατανόησης των παραγόντων που διαμορφώνουν την απόδοση των V2X, η διατριβή αυτή διερευνά τις ακόλουθες τρεις περιοχές έρευνας. Η πρώτη περιοχή έρευνας μελετά την επίδραση της κινητικότητας του οχήματος στην ποιότητα υπηρεσίας στα δίκτυα οχημάτων WiFi που εξυπηρετούν αιτήματα επιβατών. Συγκεκριμένα, προτείνεται η υιοθέτηση της πολιτικής Δέσμευσης Εύρους Ζώνης (BR) για να δοθεί προτεραιότητα στην εξυπηρέτηση κλήσεων αλλαγής κυψέλης. Δύο τύποι πολιτικής BR εξετάζονται: i) η αυστηρή πολιτική BR, όπου οι δεσμευμένοι πόροι είναι σταθεροί και ii) η πιθανοτική πολιτική BR, όπου ο αριθμός των δεσμευμένων πόρων καθορίζεται δυναμικά από ένα πιθανοτικό μέτρο. Για περαιτέρω βελτίωση της παροχής υπηρεσιών στις κλήσεις κατά την αλλαγή κυψέλης, θεωρείται η ύπαρξη μιας ουράς αναμονής. Για την αξιολόγηση της απόδοσης του συστήματος, καθώς και των εφαρμοζόμενων πολιτικών, προτείνονται τρεις νέοι επαναληπτικοί αλγόριθμοι και οι λύσεις συγκρίνονται με τη συμβατική πολιτική Πλήρους Διάθεσης (CS), στην οποία δεν δίνεται προτεραιότητα μεταξύ των χρηστών. Η δεύτερη περιοχή έρευνας εστιάζει στην αξιολόγηση απόδοσης των επικοινωνιών V2X σε σενάρια όπου δεν είναι διαθέσιμη η άμεση συνδεσιμότητα μεταξύ των οχημάτων και του δικτύου, δηλαδή Οχήματος-προς-Δίκτυο (V2N). Κλασικά μοντέλα θεωρίας ουρών αναμονής, όπως τα M/M/C, M/Ekp/C και M(N)/M/C χρησιμοποιούνται για να αξιολογήσουν τον τρόπο με τον οποίο η κατανομή του χρόνου εξυπηρέτησης και ο πληθυσμός των οχημάτων επηρεάζουν την απόδοση του συστήματος, λαμβάνοντας υπόψη ατέλειες του δικτύου, όπως οι αστοχίες καναλιού. Επιπλέον, αξιολογείται η επίδραση των άμεσων και έμμεσων επικοινωνιών V2N στις εφαρμογές που φιλοξενούνται στο όχημα και εισάγονται και επικυρώνονται στρατηγικές βελτίωσης της υπηρεσίας μέσω αναλυτικών εκφράσεων κλειστής μορφής. Η τρίτη περιοχή έρευνας ενσωματώνει μεθόδους Τεχνητής Νοημοσύνης (AI) στα συστήματα V2X. Αυτή η συμβολή είναι διπλή: Πρώτον, αναπτύσσονται νέες υβριδικές προσεγγίσεις αξιολόγησης απόδοσης που συνδυάζουν κλασικές μεθόδους όπως κλειστής μορφής εκφράσεις ή/και προσομοίωση με τεχνικές που οδηγούνται από AI για να δημιουργηθεί ένα αποτελεσματικό και ακριβές πλαίσιο αξιολόγησης απόδοσης. Δεύτερον, εξετάζεται η ανάπτυξη κατανεμημένης AI, ειδικότερα η Ομοσπονδιακή Μάθηση (FL), η οποία αναμένεται να παίξει καθοριστικό ρόλο στα συστήματα V2X λόγω των πλεονεκτημάτων της στη διατήρηση της ιδιωτικότητας των δεδομένων των χρηστών. Δεδομένου ότι η επιτυχής εκπαίδευση των μοντέλων FL εξαρτάται σε μεγάλο βαθμό από τη συνεργασία μεταξύ πολλών οχημάτων, παρουσιάζεται μια επισκόπηση των μετρικών δικτύου που επηρεάζουν την FL, καθώς και μια κλειστής μορφής μαθηματική έκφραση για να προσδιοριστεί εάν οι συνθήκες του δικτύου μπορούν να εξασφαλίσουν την ομαλή εκπαίδευση του αλγορίθμου FL.