文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2013)10-0095-04
車載自組網(wǎng)絡(luò)(VANET)是移動自組網(wǎng)絡(luò)(MANET)的延伸,是智能交通系統(tǒng)(ITS)的重要組成部分,能有效地提高道路安全性,改善交通擁塞狀況,滿足人們對駕駛安全性和舒適性的要求。
在MANET網(wǎng)絡(luò)中,網(wǎng)絡(luò)層次劃分有拓?fù)涔芾矸奖?、能量利用高效、?shù)據(jù)融合簡單等優(yōu)點,成為當(dāng)前重點研究的技術(shù)。在分級結(jié)構(gòu)中,網(wǎng)絡(luò)中的節(jié)點邏輯上被劃分為簇,每個簇通常由1個簇頭和多個普通節(jié)點組成,簇有利于降低路由開銷、改善網(wǎng)絡(luò)延遲。CBRP協(xié)議[1](Cluster Based Routing Protocol)是最早的Ad Hoc分簇路由協(xié)議之一,也是一種基于分簇結(jié)構(gòu)的源路由按需路由協(xié)議。成簇算法是成簇路由的關(guān)鍵,好的成簇算法可以提高傳輸?shù)耐哆f率,減少路由的跳數(shù)。改善成簇算法、提高成簇的穩(wěn)定性,是將MANET中的成簇路由引入VANET中關(guān)鍵技術(shù)。
1 幾種典型成簇算法
最小ID算法[2]是最早的成簇算法,即在成簇范圍內(nèi)選擇ID最小節(jié)點作為簇頭。在VANET中,節(jié)點快速移動、網(wǎng)絡(luò)拓?fù)漕l繁變化、鏈路不穩(wěn)定,使用最小ID算法會造成簇不穩(wěn)定、簇頭變化快,從而影響傳輸?shù)膶崟r性,增大了網(wǎng)絡(luò)的丟包率。
最高節(jié)點度分簇算法[3]借鑒了因特網(wǎng)中選擇路由器的方法,盡可能減少路由器的數(shù)目,節(jié)點之間通過交互控制消息知道其他節(jié)點的鄰居節(jié)點數(shù)目,擁有相鄰節(jié)點最多的節(jié)點被選舉為簇頭。該算法的優(yōu)點在于路由的跳數(shù)少,從而減少了網(wǎng)絡(luò)中分組投遞的平均時延。但是該算法不限制簇內(nèi)的節(jié)點數(shù),簇的資源按照輪詢的方式共享,當(dāng)簇內(nèi)節(jié)點數(shù)量過多時,每個用戶節(jié)點的吞吐量急劇下降,使得整個系統(tǒng)的性能也隨之降低。當(dāng)節(jié)點運(yùn)動速度快時,簇頭的更換頻率也會急劇上升,導(dǎo)致大量的簇維護(hù)開銷,不適用于高移動性的車載網(wǎng)路。
節(jié)點權(quán)重分簇算法[4-6]是在考慮多個因素的基礎(chǔ)上,根據(jù)節(jié)點適合作為簇頭的程度來為每個節(jié)點分配相應(yīng)的權(quán)重,算法一般描述為:
W=a×mobility+b×degree+c×erengy+d×else (1)
其中a、b、c、d為權(quán)值系數(shù)。mobility表示節(jié)點的移動性,degree表示節(jié)點度,energy表示剩余能量,else表示其他影響因素??紤]車載網(wǎng)路中的獨特因素,節(jié)點剩余能量可以不予考慮,重點考慮車輛的移動性。選舉更穩(wěn)定的節(jié)點作為簇頭增加數(shù)據(jù)傳輸?shù)耐哆f率。此方法的缺點是考慮的因素多、簇頭變化頻率多,適合于節(jié)點移動性小的場景。
負(fù)載平衡算法[7]、最小ID算法和最高節(jié)點度分簇算法都傾向于選擇某些節(jié)點作為簇頭,使得這些節(jié)點的負(fù)擔(dān)較重,很容易耗盡能量。為此,需要在簇頭間實施負(fù)載平衡,使所有節(jié)點都可以較公平地充當(dāng)簇頭。這種算法簇頭的負(fù)載分布特性較好,但是簇結(jié)構(gòu)很不穩(wěn)定,而且在車載自組織網(wǎng)絡(luò)中的車輛有充足的能量可以不予考慮。
隨著車載自組織網(wǎng)絡(luò)的發(fā)展,越來越多的成簇算法適合在車載自組織網(wǎng)絡(luò)場景中。參考文獻(xiàn)[8]提出了一種新的成簇算法,專用于車載自組織網(wǎng)絡(luò),該算法把速度作為主要影響成簇的因素,并對速度采用模糊處理提高了成簇的穩(wěn)定性。算法還選擇一個權(quán)重第二優(yōu)的節(jié)點作為臨時簇頭,當(dāng)簇頭突然失效時臨時簇頭就充當(dāng)簇頭直到選出新的簇頭。雖然該算法用于高速移動的場景,但是當(dāng)簇頭速度變化較大時,簇頭更換也較為頻繁,由于網(wǎng)絡(luò)拓?fù)渥兓?,臨時簇頭的性能不穩(wěn)定會降低成簇的穩(wěn)定性。
Affinity Propagation(AP)聚類算法[9]是近年來提出的較穩(wěn)定的類聚算法之一。它根據(jù)N個數(shù)據(jù)點之間的相似度進(jìn)行聚類,這些相似度可以是對稱的,即兩個數(shù)據(jù)點互相之間的相似度相同(如歐氏距離);也可以是不對稱的,即兩個數(shù)據(jù)點互相之間的相似度不等。相似度是AP算法中的重要因素,數(shù)據(jù)點i和點j的相似度記為S(i,j)。一般使用歐氏距離來計算,所有點與點的相似度值全部取為負(fù)值。參考文獻(xiàn)[10]將AP類聚算法用于車載自組織網(wǎng)絡(luò)中,大大提高了在高速多節(jié)點下成簇的穩(wěn)定性。但是AP算法本身有自己的缺陷,AP算法是基于距離的成簇算法,當(dāng)速度變化大時,簇頭仍然更換較快,并且它需要大量的迭代循環(huán)算法,這增加了成簇的時延,并不能提高成簇路由的吞吐量和時延。
結(jié)合AP成簇算法和節(jié)點權(quán)重成簇算法的優(yōu)缺點,本文提出了一種基于節(jié)點相似度和節(jié)點度的穩(wěn)定成簇算法,該算法適合速度變化較大的場景。
2 SD算法描述
假設(shè): (1)每個車輛都裝有GPS設(shè)備,可以隨時準(zhǔn)確知道自己的位置坐標(biāo),速度表提供車輛速度信息;(2)每個節(jié)點配備一個半雙工全向天線??梢越邮崭鱾€方向發(fā)出的信號;(3)車輛的通信范圍為250 m。
3 SD算法流程
SD算法的具體過程如下:
(1)初始化,每個節(jié)點都處于未分配狀態(tài)。鄰居數(shù)目N為0,相似度S=0,設(shè)置權(quán)值W為-1 000,設(shè)置自己的狀態(tài)為U(未分配)。設(shè)置綜合權(quán)值W為一個很低的負(fù)數(shù),不設(shè)置為0,這是因為選擇權(quán)值W最大的作為簇頭,而相似度是一個負(fù)數(shù),這樣便于新節(jié)點的加入。
(2)節(jié)點進(jìn)入網(wǎng)絡(luò),通過GPS獲取自己的位置信息,通過速度表獲得自己的速度信息和權(quán)值W。因為剛進(jìn)入網(wǎng)絡(luò)都參與簇頭的競爭,設(shè)置自己的狀態(tài)為CH,將獲得信息加入hello包中廣播給鄰居節(jié)點。
(3)獲得鄰居節(jié)點hello包,提取鄰居列表信息。通過式(2)計算自己與鄰居節(jié)點的相似度,將鄰居節(jié)點的信息與相似度存儲到鄰居列表中。當(dāng)節(jié)點的狀態(tài)為簇頭存儲兩跳范圍內(nèi)的節(jié)點信息時,CM和GM分別存儲。
(4)遍歷鄰居列表,獲得鄰居節(jié)點個數(shù)即節(jié)點度,計算出自己權(quán)值W并與鄰居權(quán)值對比,如果自己的權(quán)值大于所有鄰居節(jié)點的權(quán)值,設(shè)置自己的狀態(tài)為CH,廣播自己的位置、速度、狀態(tài)以及W。否則設(shè)置自己的狀態(tài)為CM,廣播自己的位置、速度、狀態(tài)、W以及鄰居列表信息。
(5)當(dāng)節(jié)點感知可達(dá)范圍內(nèi)有2個以上的簇頭即收到多個簇頭廣播包,設(shè)置自己的狀態(tài)為GM。廣播自己的位置、速度、狀態(tài)、W信息。
4 仿真結(jié)果分析
為了驗證SD算法的性能,使用NS2對算法性能進(jìn)行評估。
4.1 算法性能衡量標(biāo)準(zhǔn)
(1)簇的數(shù)量
在相同的范圍和相同的節(jié)點數(shù)量條件下,簇的數(shù)量直接影響了分簇算法的性能。簇的數(shù)量越多,意味著在相同距離內(nèi)的平均跳數(shù)越多,從而信息傳輸?shù)臅r延更大,并且投遞率也會大大降低。簇頭數(shù)量少雖然路由跳數(shù)少但是每個簇管理成員增多,這樣給簇頭造成很大的壓力,從而影響路由性能。在分簇算法研究中,簇的數(shù)量是常用來衡量分簇算法性能的標(biāo)準(zhǔn)之一。
(2)簇的穩(wěn)定性
簇的穩(wěn)定性是所有衡量分簇算法性能的標(biāo)準(zhǔn)中最重要的一個。簇的穩(wěn)定性越好,用來維護(hù)簇的開銷就越小,路由的生存時間就越長,用于路由發(fā)現(xiàn)的開銷也就越少,因此網(wǎng)絡(luò)的吞吐量越大。因此在考慮VANET分簇算法時,簇的穩(wěn)定性應(yīng)該作為最重要的衡量標(biāo)準(zhǔn)。
節(jié)點個數(shù)不多的情況下,提高更為明顯,非常適合于車載自組織網(wǎng)絡(luò)的成簇路由中。
成簇路由在MANET網(wǎng)絡(luò)中占有非常重要的地位,但是在VANET中網(wǎng)絡(luò)拓?fù)浞浅2环€(wěn)定,合理的成簇算法是成簇路由應(yīng)用在車載自組織網(wǎng)絡(luò)中的關(guān)鍵所在。本文提出的基于節(jié)點相似度和最大節(jié)點度的成簇算法,增加了車載自組織網(wǎng)絡(luò)中成簇的穩(wěn)定性,提高了成簇路由在車載自組織網(wǎng)絡(luò)中的性能。
參考文獻(xiàn)
[1] JIANG M, LI J, TAY Y. Cluster based routing protocol (CBRP) functional specification [Z]. IETF Internet-Draft, Aug 1998.
[2] LIN C R, GERLA M. Adaptive clustering for mobile wireless networks[J]. IEEE J. Select. Areas Communications, 1997,15(7):1265-1275.
[3] GERLA M, TSAI J T. Tsai. Multicluster, mobile, multimedia radionetwork[J]. Wirel. Netw., 1995(1):255-265.
[4] WU H, ZHONG Z, HANZO L. A cluster-head selection and updatealgorithm for ad hoc networks[C]. Proc. IEEE Globecomm Conf., 2010:1-5.
[5] CHATTERJEE M,DAS S K,TURGUT D. WCA:A weighted clusteringalgorithm for mobile ad hoc networks[J]. Cluster Computing, 2002(5):193-204.
[6] 楊衛(wèi)東. 用于Ad Hoc 網(wǎng)絡(luò)的分簇算法[J]. 北京郵電大學(xué)學(xué)報,2009,32(5):61-65.
[7] YOUNIS O, FAHMY S. Heed: a hybrid, energy-efficient, distributed clustering approach for ad-hoc sensor networks[J]. IEEE Trans. on Mobile Computing, 2004,3(4):660-669.
[8] HAFEEZ K A, Zhao Lian, LIAO Zaiyi. A fuzzy-logic-based cluster head selection algorithm in VANETs[C].IEEE Communications (ICC), 2012:203-207.
[9] FREY B J, DUECK D. Clustering by passing messages between datapoints[J]. Science, 2007,315:972-976.
[10] SHEA C, HASSANABADI B, VALAEE S. Mobility-based clustering in VANETs using affinity propagation[C]. IEEE "GLOBECOM" 2009.