0 引言

    隨著車輛用戶對(duì)多媒體服務(wù)的需求不斷增加，如何實(shí)現(xiàn)VANETs的高吞吐量和低延遲性成為了VANETs領(lǐng)域的研究熱點(diǎn)^[1-5]。然而VANETs的拓?fù)浣Y(jié)構(gòu)變化迅速，且高速移動(dòng)性使得車輛與路邊單元的之間的鏈路間歇性中斷，這些問題給研究VANETs帶來了巨大的挑戰(zhàn)。何鵬等^[6]提出一種基于分簇的多信道車載網(wǎng)MAC協(xié)議，根據(jù)專用短程通信標(biāo)準(zhǔn)中控制信道和服務(wù)信道的分配，考慮車輛間的無線通信干擾和不同應(yīng)用的QoS需求, 采用基于競(jìng)爭(zhēng)的CSMA/CA機(jī)制，相鄰簇采用不同的服務(wù)信道，提升網(wǎng)絡(luò)延遲及吞吐量性能。王力等^[7]提出一種基于多智能體分群同步的城市路網(wǎng)交通控制，以路段的空間占有率為狀態(tài)建立交通網(wǎng)絡(luò)狀態(tài)空間模型， 描述路網(wǎng)中車流的傳遞關(guān)系，提出路網(wǎng)多智能體分群一致算法，可使各路段的空間占有率達(dá)到均衡， 減輕局部擁堵， 減少車輛延誤時(shí)間。廖丹等^[8]提出一種車載自組織網(wǎng)絡(luò)單接口多信道的切換方法，采用不同的報(bào)文發(fā)送模式，并且給出3種模式之間的動(dòng)態(tài)判定和切換方法，避免了信道切換帶來的開銷，能夠更好地利用信道。GORRIERI A^[9]等提出一種基于分散感知和聚類的車輛ad hoc網(wǎng)絡(luò)，提出一種新型的集群廣播協(xié)議，通過集群拓?fù)溥M(jìn)行分散感知，并且考慮到實(shí)際情況中的不同移動(dòng)模型，對(duì)網(wǎng)絡(luò)誤碼率和生命周期的性能進(jìn)行分析，從而得到性能更佳的車輛網(wǎng)絡(luò)聚類方案。KARADIMAS P等^[10]提出一種車載無線網(wǎng)絡(luò)信道傳輸模型，采用非廣義平穩(wěn)非相關(guān)散射無線信道，并根據(jù)信道的二階統(tǒng)計(jì)特征時(shí)空變化，對(duì)車載無線網(wǎng)絡(luò)的傳播模型進(jìn)行優(yōu)化，提高車載網(wǎng)絡(luò)的數(shù)據(jù)達(dá)到率及傳輸效率。

    為了滿足VANET在提高多媒體服務(wù)時(shí)的高吞吐量需求，需要提高V2R和V2V鏈路的實(shí)時(shí)通信速率，在本文中針對(duì)V2R和V2V鏈路建立了協(xié)作中繼通信場(chǎng)景，并對(duì)鏈路速率與所分配資源單元之間的關(guān)系進(jìn)行了討論，提出了吞吐量?jī)?yōu)化方程。

1 無人駕駛車載網(wǎng)絡(luò)系統(tǒng)模型

    在車輛自組網(wǎng)絡(luò)中，2跳（2-Hop，2-H）的協(xié)作中繼車載網(wǎng)絡(luò)不僅信令開銷較小且鏈路控制更簡(jiǎn)單，因此在本文中采用的車輛網(wǎng)絡(luò)模型為基于2-H的協(xié)作通信系統(tǒng)，如圖1中場(chǎng)景1和場(chǎng)景2所示。在場(chǎng)景1和場(chǎng)景2中，都是結(jié)合V2V 和V2R兩種通信類型，但場(chǎng)景1中一個(gè)源車輛節(jié)點(diǎn)只能轉(zhuǎn)發(fā)數(shù)據(jù)給一個(gè)車輛節(jié)點(diǎn)(簡(jiǎn)稱為1T1模型)，場(chǎng)景2中一個(gè)源車輛節(jié)點(diǎn)可以轉(zhuǎn)發(fā)數(shù)據(jù)給多個(gè)車輛節(jié)點(diǎn)（簡(jiǎn)稱為1TM模型）。1T1模型和1TM模型滿足以下要求：(1)都采用IEEE802.11p無線技術(shù)的3G LTE（3G Long-Term Evolution）規(guī)范^[11-12]；(2)每個(gè)源車輛節(jié)點(diǎn)都有與路邊單元建立通信鏈路的能力，并且通過V2V與其他車輛進(jìn)行通信。(3)V2V和V2R兩種通信不會(huì)互相干擾。通過1T1模型和1TM模型，當(dāng)車載網(wǎng)絡(luò)中某一車輛節(jié)點(diǎn)遠(yuǎn)離路邊單元無法與其直接通信時(shí)，其數(shù)據(jù)可通過靠近路邊單元的源車輛節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)，從而成功接收數(shù)據(jù)，并且在車載網(wǎng)絡(luò)中每一個(gè)車輛節(jié)點(diǎn)都有機(jī)會(huì)充當(dāng)源節(jié)點(diǎn)。

    如圖2所示的基于2-H的協(xié)作通信系統(tǒng)，包含了1T1模型和1TM模型的情況，假設(shè)源節(jié)點(diǎn)有N_s個(gè)，普通節(jié)點(diǎn)有N_p個(gè)，且在車載網(wǎng)絡(luò)存活期間數(shù)據(jù)分組的傳輸不中斷，則源節(jié)點(diǎn)i的數(shù)據(jù)速率v_i為：

其中，BW表示在V2V通信鏈路中總的無線電資源單元，BW_i，j表示在節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的V2V通信鏈路中所分配的無線電資源單元，1≤BW_i，j≤BW。H_i，j表示在節(jié)點(diǎn)i和節(jié)點(diǎn)j之間的V2V通信鏈路中所占用的帶寬，SINR_i，j表示當(dāng)i作為發(fā)射節(jié)點(diǎn)時(shí)j的信號(hào)與干擾加噪聲比。

    對(duì)于普通節(jié)點(diǎn)j，其速率集合為V_i，j={v_i，j|1≤BW_i，j≤BW，1≤j≤N_p}，包括了BW×N_p個(gè)元素，每一個(gè)元素表示對(duì)應(yīng)于所分配資源單元的V2V鏈路速率，采用一個(gè)價(jià)值函數(shù)Cost(·)表示鏈路速率與所分配資源單元之間的關(guān)系：

    反過來在所分配資源單元為BW_i，j時(shí)速率為v_i，j，則用以下關(guān)系式表示：

    并以最大化所有節(jié)點(diǎn)的吞吐量為目標(biāo)，可以將優(yōu)化問題建模為：

    對(duì)于最大化吞吐量的優(yōu)化問題，如何對(duì)V2V鏈路進(jìn)行中繼節(jié)點(diǎn)選擇及資源分配，將在下一節(jié)中采用動(dòng)態(tài)優(yōu)化算法進(jìn)行討論。

2 鏈路調(diào)度算法

    為了優(yōu)化資源分配進(jìn)行鏈路調(diào)度，本節(jié)提出采用多選擇性的背包問題來提升整體網(wǎng)絡(luò)的吞吐量。根據(jù)多選擇性的背包問題^[10]，本節(jié)通過3個(gè)步驟來進(jìn)行V2V鏈路的資源分配：

    (1)對(duì)于普通節(jié)點(diǎn)，構(gòu)造速率集合V_i，j：

其中，v_i，j表示在源節(jié)點(diǎn)i和普通節(jié)點(diǎn)j之間的V2V鏈路中當(dāng)分配BW_i，j資源單位時(shí)普通節(jié)點(diǎn)j的數(shù)據(jù)速率?？紤]所有的速率作為一個(gè)組，BW作為資源單位總數(shù)量。對(duì)于普通節(jié)點(diǎn)j，最多只能從集合V_i，j選擇一個(gè)速率，對(duì)于每個(gè)V_i，j的元素，都具有相應(yīng)的價(jià)值BW_i，j，為了最大化數(shù)據(jù)吞吐量，提出吞吐量?jī)?yōu)化方程：

    (2)通過基于多選擇背包問題的調(diào)度算法來求解優(yōu)化問題。算法的偽代碼為：

    最佳的N_p值可以通過窮舉搜索法求得。

3 實(shí)驗(yàn)結(jié)果

    在實(shí)驗(yàn)中，對(duì)車載網(wǎng)絡(luò)環(huán)境的模擬采用的是OPNET Modeler14.5通信仿真實(shí)驗(yàn)平臺(tái)，該平臺(tái)在主頻4.0 GHz、內(nèi)存4 GB的DELL計(jì)算機(jī)上運(yùn)行。在仿真平臺(tái)上同時(shí)采用交通和通信模擬器，并且交通模擬器實(shí)時(shí)發(fā)送車輛信息到通信模擬器。表1列出了車載網(wǎng)絡(luò)的主要參數(shù)與配置。模擬的道路場(chǎng)景如圖3所示，在一個(gè)半徑為2 km的圓形區(qū)域內(nèi)，3條道路進(jìn)入交叉路口，兩條道路離開交叉路口，道路的寬度均為18 m。假設(shè)在該網(wǎng)絡(luò)空間中車輛的運(yùn)動(dòng)是無事故、連續(xù)且離散性的，根據(jù)經(jīng)典的跟馳理論，在仿真實(shí)驗(yàn)中車輛的運(yùn)動(dòng)采用了車輛穩(wěn)定跟馳行駛時(shí)的車頭間距模型。

    圖4顯示了在車輛節(jié)點(diǎn)數(shù)量變化條件下的車輛節(jié)點(diǎn)平均數(shù)據(jù)速率。從圖中可以看出，隨著車輛節(jié)點(diǎn)數(shù)量的增多，平均數(shù)據(jù)速率逐漸降低。由于路邊單元的數(shù)量固定，并且路邊的發(fā)射功率不變，數(shù)據(jù)傳輸速率不變，而隨著車輛節(jié)點(diǎn)數(shù)量的增加，源節(jié)點(diǎn)和普通節(jié)點(diǎn)同時(shí)增多，V2R和V2V鏈路的平均速率都會(huì)逐漸下降。本文采用基于協(xié)作資源分配的車載網(wǎng)絡(luò)鏈路調(diào)度算法，通過對(duì)資源單元分配的優(yōu)化以及普通節(jié)點(diǎn)數(shù)量的最佳選擇，提升網(wǎng)絡(luò)總的數(shù)據(jù)速率。文獻(xiàn)[9]提出的分散感知和聚類的廣播協(xié)議通過優(yōu)化拓?fù)浣Y(jié)構(gòu)來提升網(wǎng)絡(luò)通信質(zhì)量，但聚類的方法使得V2V鏈路的平均傳輸速率降低。文獻(xiàn)[10]提出了車載無線網(wǎng)絡(luò)信道傳輸模型，但該模型提出的非相關(guān)散射的數(shù)據(jù)傳輸方案在提高V2R和V2V鏈路的平均數(shù)據(jù)速率上并沒有起到作用。從實(shí)驗(yàn)結(jié)果來看，本文算法的平均數(shù)據(jù)速率相比另外兩種算法提高了5%以上。

    圖5顯示了在車輛節(jié)點(diǎn)數(shù)量變化條件下的網(wǎng)絡(luò)吞吐量情況，從圖中可以看出，隨著車輛節(jié)點(diǎn)數(shù)量的增多，網(wǎng)絡(luò)總的吞吐量逐漸增大。其中，本文算法為了最大化數(shù)據(jù)吞吐量，通過吞吐量?jī)?yōu)化方程對(duì)不同數(shù)據(jù)速率的資源單位進(jìn)行配置，再基于多選擇背包問題的調(diào)度算法對(duì)普通節(jié)點(diǎn)數(shù)量的選擇進(jìn)行優(yōu)化，因此對(duì)提高網(wǎng)絡(luò)總的吞吐量具有明顯的增益作用。文獻(xiàn)[9]的算法通過集群拓?fù)浣Y(jié)構(gòu)提高了網(wǎng)絡(luò)數(shù)據(jù)的流通量，但平均的數(shù)據(jù)傳輸速率低于本文算法，因此網(wǎng)絡(luò)總吞吐量約為本文算法的89.4%，而文獻(xiàn)[10]的算法提升了信道傳輸?shù)恼`碼率性能，但對(duì)提升網(wǎng)絡(luò)總吞吐量的增益來說較小。

4 結(jié)論

    為了提高無人駕駛車輛自組織網(wǎng)絡(luò)的數(shù)據(jù)速率和吞吐量，本文基于對(duì)網(wǎng)絡(luò)V2R和V2V通信鏈路的模擬中繼通信場(chǎng)景的構(gòu)建，提出了2-H的協(xié)作通信系統(tǒng)。在該系統(tǒng)的基礎(chǔ)上，以最大化所有節(jié)點(diǎn)的吞吐量為目標(biāo)，對(duì)系統(tǒng)V2V鏈路進(jìn)行了中繼節(jié)點(diǎn)選擇及資源分配的分析，提出了吞吐量?jī)?yōu)化方程。為了進(jìn)一步求解出優(yōu)化方程中的節(jié)點(diǎn)速率和最佳普通節(jié)點(diǎn)數(shù)量，根據(jù)求解多選擇性背包問題的思路，采用了調(diào)度算法和窮舉搜索法得到最佳值。通過采用OPNET Modeler14.5通信平臺(tái)進(jìn)行仿真實(shí)驗(yàn)所得出的結(jié)果可以看出，在提高鏈路數(shù)據(jù)速率和網(wǎng)絡(luò)總吞吐量上，基于協(xié)作資源分配的車載網(wǎng)絡(luò)鏈路調(diào)度算法發(fā)揮出了較好的效果。

參考文獻(xiàn)

[1] 張扶桑，金蓓弘，汪兆洋，等.基于軌跡挖掘的公交車自組織網(wǎng)絡(luò)路由機(jī)制[J].計(jì)算機(jī)學(xué)報(bào)，2015，38(3)：648-662.

[2] FRANCOLIN C C，RAO A V，DUARTE C，et al.Optimal control of a surface vehicle to improve underwater vehicle network connectivity[J].Journal of Aerospace Computing Information & Communication，2012，9(1)：1-13.

[3] 周毅喆，羅守山.基于免疫理論的車聯(lián)網(wǎng)的城市路網(wǎng)實(shí)時(shí)容量研究[J].北京郵電大學(xué)學(xué)報(bào)，2015(1)：71-75.

[4] 馮慧芳，孟玉如.基于移動(dòng)模型的車載自組織網(wǎng)絡(luò)連通特征[J].計(jì)算機(jī)應(yīng)用，2015，35(7)：1829-1832.

[5] RICHARDSON P C，ELKATEEB A，SIEH L.An adaptive real-time intravehicle network protocol for intelligent vehicle systems[J].IEEE Transactions on Vehicular Technology，2004，53(5)：1594-1606.

[6] 何鵬，閻保平，李志，等.CM-MAC：一種基于分簇的多信道車載網(wǎng)MAC協(xié)議[J].計(jì)算機(jī)研究與發(fā)展，2014，51(3)：502-510.

[7] 王力，李岱，何忠賀.基于多智能體分群同步的城市路網(wǎng)交通控制[J].控制理論與應(yīng)用，2014，31(11)：1448 -1456.

[8] 廖丹，孫罡，楊曉玲，等.車載自組織網(wǎng)絡(luò)單接口多信道的切換方法[J].電子科技大學(xué)學(xué)報(bào)，2015(2)：227-232.

[9] GORRIERI A，MARTAL?魹 M，BUSANELLI S，et al.Clustering and sensing with decentralized detection in vehicular ad hoc networks[J].Ad Hoc Networks，2015，36(P2)：450-464.

[10] KARADIMAS P，MATOLAK D.Generic stochastic modeling of vehicle-to-vehicle wireless channels[J].Vehicular Communications，2014，1(4)：153-167.

[11] ABBAS T，TUFVESSON F.Line-of-sight obstruction analysis for vehicle-to-vehicle network simulations in a two-lane highway scenario[J].International Journal of Antennas & Propagation，2013，58(4)：455-461.

[12] 賀然，張鋼，劉春鳳，等.車載網(wǎng)絡(luò)中基于移動(dòng)軌跡預(yù)測(cè)的快速鄰居發(fā)現(xiàn)算法[J].計(jì)算機(jī)應(yīng)用研究，2015(9)：2737-2741.

作者信息:

盛雪豐1，姚宇峰2

(1.蘇州信息職業(yè)技術(shù)學(xué)院 計(jì)算機(jī)科學(xué)與技術(shù)系，江蘇 蘇州215000；2.蘇州大學(xué) 計(jì)算機(jī)學(xué)院，江蘇 蘇州215000)