Capturing the essential aspects of reliable vehicular communications

Abstract

Vehikulare Kommunikation verspricht in der Zukunft sowohl ein essentieller Treiber von Straßensicherheit zu sein, als auch ein wichtiger Bestandteil des Autonomen Fahren. Die ersten Kommunikationsstandards, die speziell für diese Anwendung definiert wurden, erschienen bereits 2007, und wurden seither kontinuierlich weiterentwickelt. Allerdings verursacht die Natur dieser Anwendung, dass notwendige Verlässlichkeit der Kommunkation besonders schwer zu erreichen ist, da den Kanälen große Frequenz- und Zeitaufspreizungen widerfahren. Da Notfallkommunikation nur wertvoll ist, wenn sie rechtzeitig ankommt, gibt es stringente Latenzanforderungen, was wiederum dazu führt, dass die Kommunikationsnetzwerke ad-hoc eingerichtet werden. Hohe Fahrzeugdichten verursachen allerdings Probleme durch versteckte Störer. All diese Aspekte auf einmal zu testen für eine spezielle Kommunikationsart ist allerdings fast nicht machbar. Es ist unmöglich, genug Autos mit Equipment auf die Straße zu schicken, um die erreichbare Performance in dichten Szenarien zu testen. Daher gehen stattdessen viele über zu Simulationen. Diese treffen wiederum Annahmen und Vereinfachungen, und nicht alle Vereinfachungen sind notwendigerweise gültig. In dieser Arbeit ist das Ziel, die Aspekte an vehikularer Kommunikation zu identifizieren, die modelliert werden müssen, vom physischen Kanal über Kanalschätzung bis hin zu Netzwerkperformance. Ich verwende hierzu Software Defined Radios die als Sender und Empfänger für IEEE 802.11p fungieren, wie auch als Kanalemulator. Als erstes analysiere ich den ve- hikularen Kanal um die benötigte Modellkomplexität zu identifizieren. Dazu verwende ich vehikulare Kanalmessungen, und verwende sparse Schätzmethoden gemeinsam mit Akaikes Informationskriterium um die Anzahl an Mehrwege-Clustern zu identifizieren. Die Ergebnisse zeitgen, dass es reicht, vier bis sechs Mehrwege-Cluster zu modellieren um einen repräsentativen Kanal zu emulieren. Ich nehme dann den so approximierten Kanal, gemeinsam mit stationären Kanalmodellen von ETSI, und messe die IEEE 802.11p Performance für einen Link mit hilfe des Kanalemulators aus. Diese Analyse zeigt dass es essentiell ist, den Kanal zu modellieren, da die erreichbare Paket-Performance stark von Frequenz- und Zeitaufspreizung des zugrundeliegenden Kanales abhängt. Dann verwendet ich Mobilitätssimulationen von Autos als Grundlage, um ein ganzes Auto-Netzwerk zu simulieren. Um dieses Netzwerk modelieren zu können, führe ich einen Algorithmus ein, der die Topologie des Netzwerkes vereinfacht, wodurch ich sowohl den Kanal als auch Netzwerkeffekte in einer Messung mit einer kleinen Anzahl an Geräten messen kann. Schlussendlich präsentiere ich einen stochastischen Modellierungszugang für Burst-Verhalten der auf dem Gilbert-Elliott-Modell basiert. Ich verwende Maximum-Likelihood-Schätzer für das Gilbert-Elliott-Modell, welches abgeändert wurde um nichtstationäre Prozesse zu modellieren. Das Ergebnis wird dann mit einem stochastischen Modell für Interferenz-Muster kombiniert. Die Ergebnisse zeigen, dass sowohl die Kanalcharakteristik als auch die Interferenz gemeinsam modelliert werden müssen, da das Ignorieren von einem Aspekt das Model dazu führt, dass die erreichbare Performance überschätzt wird.

Vehicular communications promise to be an essential driver for roadside safety in the future, as well as an important building block of autonomous driving. Communication standards that consider this communication mode specifically have been published as early as 2007 and continue to be refined. However, the nature of this application makes it especially challenging to achieve a required reliability, with channels having large delay spreads and large Doppler spectra. Low-latency requirements are in place to ensure that emergency information is disseminated sufficiently quickly, favoring ad-hoc network setups. High vehicular densities can however cause problems through hidden node communications in such an environment. Testing all these aspects for a given communication scheme at once is a daunting task. It is infeasible to deploy enough vehicles to replicate all aspects in dense traffic scenarios. Hence, many people resort to simulations. These simulations have to introduce simplifications, and not all of these simplifications are valid. This thesis aims at identifying the aspects of vehicular communications that have to be modeled, from the physical channel over channel estimation to network performance. I do this by integrating mathematical models with software defined radios that act as transmitter and receiver for IEEE 802.11p, as well as vehicular channel emulators. The first step is to analyze the vehicular channel and identify the required emulator complexity. I work with vehicular channel measurements, and apply sparse techniques and Akaikes information criterion to identify the number of multipath clusters observed in a vehicular channel. The results show that modeling four to six clusters already provides a representative channel compared to the measurements. Then, I use sparsely fitted measurement data, as well as stationary channel models defined by ETSI, to measure the performance of IEEE 802.11p in a single link communication setup. This evaluation proves that considering the underlying channel is essential, as the achievable packet performance depends strongly on the delay-Doppler configuration of the small-scale fading channel. I further include mobility simulations of cars to simulate dense communication networks. Based on this network data, I introduce an algorithm to reduce the network complexity, which allows me to measure the network effects at the same time as the channel effects with a small number of communication nodes. Finally, I introduce a stochastic approach to modeling burst-behavior based on the Gilbert-Elliott model. I use maximum-likelihood estimates for the Gilbert-Elliott model, which is modified to become nonstationary, and combine them with modeling of the interference. The results show that the channel characteristics and the interference have to be modeled in tandem, as neglecting one means the simulation is overestimating the achievable performance.