車載自組織網(wǎng)絡VANETs(Vehicular Ad Hoc Networks)具有節(jié)點密度分布不均、拓撲變化劇烈、鏈路間歇性中斷等特點。未來智能停車、無需交通燈、智能咨詢服務、車載視頻會議等將會頻頻出現(xiàn)，有廣泛應用前景。

      本文研究VANET地理機會路由，盡可能動態(tài)選擇沿著節(jié)點密度高、速度大的道路并利用無線傳輸，需要發(fā)送數(shù)據(jù)的節(jié)點積極與頻繁接觸、質(zhì)量好、社會活躍性大的節(jié)點建立關系。為獲得良好的自適應效果，應該加強路口節(jié)點的預測計算能力、路由每一跳決策和學習實時網(wǎng)絡拓撲知識的能力。
1 相關工作
    參考文獻[1]提出GPSR(Greedy Perimeter Stateless Routing)，在路口無法處理路段節(jié)點密度大小問題，若沒有后續(xù)轉(zhuǎn)發(fā)節(jié)點則貪婪轉(zhuǎn)發(fā)失敗。
    參考文獻[2]提出 GeoDTN+Nav(Geographic DTN Routing with Navigator Prediction routing),通過三個指標計算節(jié)點的得分，判斷繼續(xù)邊界模式還是切換到攜帶模式，彌補了時斷網(wǎng)絡中GPSR協(xié)議節(jié)點空洞，但忽視了交通實時信息，路口的傳輸沒有很好的說明。
    參考文獻[3]提出GyTAR(Improved Greedy Traffic-aware Routing Protocol)，根據(jù)到目的地的剩余距離和車流量的變化動態(tài)序列化地選擇路口。
    參考文獻[4]提出MOVE(The Motion Vector Scheme)，仿真表明節(jié)點密度對算法性能影響明顯。
    參考文獻[5]使用信標探測機制感知報文存儲車輛節(jié)點周圍鏈路信息,以此為根據(jù)預測傳輸路徑性能并決定報文的轉(zhuǎn)發(fā)決策。
    參考文獻[6]提出根據(jù)節(jié)點的活躍度和相似度兩個指標得出綜合效用值，選擇節(jié)點傳輸數(shù)據(jù)包。
    參考文獻[7]提出VADD(Vehicle-Assisted Data Delivery)，在路口有兩種選路模式：L-VADD優(yōu)先選取位置更靠近目的車輛；D-VADD優(yōu)先選取朝目的方向移動的車輛。
    以往算法較少考慮車輛社會性規(guī)律(如節(jié)點接觸歷史和移動模式)的問題。城市中，熱點路段車輛密度較大、鄰居頻繁改變，節(jié)點質(zhì)量Q用在一段時間T內(nèi)在網(wǎng)絡中遇到不同節(jié)點的歷史平均數(shù)表示，數(shù)目越多表明節(jié)點質(zhì)量越好，同時也間接反映節(jié)點所在路段密度。

3 路口各個指標計算和路由算法流程
    路由協(xié)議關鍵在一些參數(shù)決定路徑。本文在路口利用綜合效用值實時選擇高車流量的道路，有助于路由性能的提升。
3.1選路效用值的計算
    (1)距離因子D的計算方法
    鄰居列表保存著一跳范圍內(nèi)的節(jié)點信息(位置、速度、方向)，并通過周期性發(fā)送HELLO消息來構建和更新。下式中Di是鄰居節(jié)點距離目的的距離，Dc是本節(jié)點到目的的距離,如圖3所示,鄰居距離目的越近，D越大。
　    
    (1)路口節(jié)點通過GPS獲取自己和鄰居的位置并根據(jù)式(1)計算距離D。
    (2)每個鄰居根據(jù)式(2)計算質(zhì)量Q，并通過HELLO消息傳回路口節(jié)點。
    (3)路口節(jié)點獲取鄰居的Q并根據(jù)式(3)計算U。
    (4)在鄰居列表中查找是否有U大于當前節(jié)點的鄰居,
有，則將數(shù)據(jù)分組發(fā)送到具有最大U的鄰居節(jié)點。詳細過程如圖5所示。

4 仿真分析
    本文采用NS2.35[10]作為網(wǎng)絡仿真平臺，VanetMobiSim[11-12]模擬真實車輛行駛軌跡，如圖6所示，生成的腳本文件導入到NS-2搭建的網(wǎng)絡仿真場景中實現(xiàn)了聯(lián)合仿真。
    在1 000×1 000的拓撲內(nèi)，固定節(jié)點數(shù)量為9，并部署路口靜態(tài)節(jié)點。隨機運動節(jié)點由6個開始，以步長5增加,在統(tǒng)計節(jié)點密度對性能影響時,節(jié)點速度分布為2 m/s~17 m/s(平均速度9.5 m/s)；在統(tǒng)計不同平均速度對協(xié)議影響時，拓撲節(jié)點數(shù)固定為25。在參數(shù)a、b分別取0.5時,QAOR與加入攜帶轉(zhuǎn)發(fā)機制的GPSR(buffer)協(xié)議進行對比，每次產(chǎn)生10次隨機場景取平均值。仿真參數(shù)配置如表1所示。

    圖6對比了QAOR和GPSR(buffer)的數(shù)據(jù)投遞率和時延。隨著節(jié)點數(shù)量的增加，協(xié)議數(shù)據(jù)投遞率均增加，圖6(a)顯示QAOR投遞率高于GPSR，因為它根據(jù)節(jié)點先前相遇節(jié)點數(shù)目多少預測路段的密度，讓數(shù)據(jù)包沿著鏈路質(zhì)量好的路段傳輸，投遞率增加。從圖6(b)可以看出，隨著節(jié)點數(shù)量增加，道路車流密度增大，鏈路連接的概率增大，數(shù)據(jù)包傳輸時延減小,QAOR比GPSR(buffer)時延更低，因為選擇了車流密度大的道路減少了攜帶轉(zhuǎn)發(fā)的數(shù)據(jù)包的個數(shù)，而在路口GPSR根據(jù)距離無狀態(tài)地選擇下一跳，并不總是最優(yōu)的。
    圖7是節(jié)點數(shù)一定的情況下(固定25個節(jié)點)平均速度對時延的影響, GPSR(buffer)選擇的路段節(jié)點密度小，缺少后續(xù)轉(zhuǎn)發(fā)節(jié)點，時延較大。相反QAOR時延卻顯著降低，因為它選擇了節(jié)點密度大的路段。同時,隨著平均速度越快，節(jié)點有更多機會遇到合適的下一跳，也縮短了通過車輛攜帶的時間。

     隨節(jié)點移動速度增加，投遞率增加，但受場景限制QAOR和GPSR(buffer)區(qū)別不明顯。仿真說明車輛速度大的路段能提高數(shù)據(jù)投遞率和降低時延。
    VANET道路拓撲的限制和時斷性給路由協(xié)議的設計帶來了挑戰(zhàn)，本文提出了攜帶轉(zhuǎn)發(fā)機制的GPSR在路口選擇下一跳的方法，利用反向車輛的歷史平均相遇節(jié)點數(shù)量間接提供路段車流密度，解決了GPSR這種無狀態(tài)協(xié)議在路口選擇下一跳時沒有后續(xù)節(jié)點的情況。仿真顯示QAOR具有較高的數(shù)據(jù)投遞率和較低的時延。后續(xù)將引入更加真實的交通信息流情況并對進一步結合道路全局信息計算連接度,加入鏈路斷裂預警機制，路口節(jié)點發(fā)送探測包等，選擇通信能力強的道路，并在大型拓撲場景協(xié)議中考察協(xié)議的性能表現(xiàn)。
參考文獻
[1] KARP B, KUNG H T. GPSR: greedy perimeterstateless routing for wireless networks[C].International Conference on Mobile Computing and Networking, New York:ACM Press,2000:243-254.
[2] CHENG P C,LEE K C, GERLA M, et al. GeoDTN+Nav:geographic DTN routing with navigator prediction for urban vehicular environments[J]. Mobile Networks and Applications, 2010,15(1):61-82.
[3] JERBI M, SENOUCI S M, RASHEED T, et al. Towards efficient geographic routing in urban vehicular networks[J]. IEEE Transactions on Vehicular Technology, 2009,58(9): 5048-5059.
[4] 肖德貴，彭李翔. 真實城市模擬環(huán)境下車載自組織網(wǎng)絡路由算法仿真研究[J]. 通信學報，2010,31(9A):68-72.
[5] 沈虎，王曉東, 周興銘,等.一種基于鏈路感知的VANET路由協(xié)議[J].軟件學報，2011,22(Suppl.(1)):157-164.
[6] 舒堅,董海星,劉琳嵐,等.機會網(wǎng)絡中基于移動特征的效用轉(zhuǎn)發(fā)協(xié)議[J]. 計算機應用研究，2012，29(4):1489-1492.
[7] ZHAO Jing, Cao Guohong.VADD:vehicle_assisted data delivery in vehicular Ad Hoc networks[J]. IEEE Transactions  on Vehicular Technology, 2008,57(3):1910-1922.
[8] 劉婧,王新華,王朕,等. VANET環(huán)境下基于歷史行為的消息路由方案[J].計算機應用,2012,2(32):359-362,366.
[9] Wang Guizhu, Wang Bingting, Gao Yongzhi. Dynamic spray and wait routing algorithm with auality of node in delay tolerant network[C].2010 International Conference on Communications and Mobile Computing(CMC),2010.4:452-456.
[10] TheNetworkSimulator-ns2.http://www.isi.edu/nsnam/ns/.
[11] Härri J, Fiore M, Fethi F, et al. VanetMobiSim: generating realistic mobility patterns for VANETs.[2006-09-26].http://vanet.eurecom.fr/.
[12] HEARRI J, FILALI F， BONEET C, et.al. Vanet Mobi  Sim:generating realistic mobility patternsfor vanets[C].Proceedings of the 3rdinternational workshop on Vehicular Ad  Hoc networks. ACM Press, 2006:96-97.