基于机会权重的环境自适应动态车联网路由

　　摘 要： 为满足车联网的数据转发质量，保证通信连接的可靠性非常重要。基于对车联网动态拓扑、车辆行驶行为变化、车辆密度变化、高速移动等交通环境复杂性问题的分析，提出基于机会权重的环境自适应动态路由(SaDAGR)。SaDAGR引入了车辆行驶行为预测模型，设计了动态信标周期自适应调节机制，并在转发策略中设计机会权重转发机制，引入车辆目的方向预测及车前密度感知，所提路由能够适应复杂交通环境下大动态范围的车辆速度、车辆密度的交通变化。仿真结果表明，SaDAGR增强了网络的连通性，降低了重传，减少了时延，提高了数据转发效率。

　　关键词： 车联网; 行驶行为预测; 动态信标调节; 机会权重转发; 目的方向预测; 车前密度感知

　　0 引 言

　　随着5G移动通信、移动互联网、人工智能等技术的发展，车联网不仅成为5G研究的重要场景之一，也是未来智能交通系统的重要组成部分[1]。研究车载自组织网络动态路由技术，对安全消息的实时转发及实现交通安全预警等功能具有重要意义[2]。车载自组织网络具有车辆行驶行为变化较快、网络拓扑结构变化较快以及交通环境复杂等问题，给车联网中可靠通信带来了困难[3]。

　　典型的车联网路由协议是基于拓扑结构的路由协议，主要有表驱动的路由及按需式的路由[4]。但是基于拓扑结构的路由不能适应网络拓扑结构的快速变化，而基于贪婪转发的GPSR路由不需要网络的全局拓扑信息[5]，只需要根据车辆的位置信息做路由决策，具有很好的动态适应性[6]。

　　文献[7]将对GPSR转发链路的研究归类为NWLB(Neighbor Wireless Link Break)问题，详细分析了信标分组间隔、车辆速度、车辆密度及通信范围等问题对GPSR路由的影响。文献[8]根据上一时刻收到的Beacon中所携带的周边车辆位置及速度信息，以及通过电子地图获得的目的车辆位置及速度信息，建立了一个线性位置预测方法，计算邻居位置表中的车辆与目的车辆相遇的概率，提出了V?GPSR协议。文献[9]通过实测得到车辆的加速度近似服从正态分布，因此，利用线性回归方程在信标的分组间隔内对车辆的转弯行为进行预测，并且采用反馈机制对结果进行修正。

　　基于上述文献，本文通过分析通信链路连接的稳定性及复杂城市街区与高速典型交通环境的特点，提出了一种环境自适应动态感知路由(Scenario?adaptive Dynamic Awareness Greedy Routing，SaDAGR)。SaDAGR针对车联网中车辆行驶行为多变的特征，以车辆预测位置与真实位置的误差为自适应反馈因子，并根据环境中车流密度及车辆平均速度的特点建立环境函数，两者结合建立了动态信标周期自适应调节机制以实现在不同交通场景中动态调节信标播报周期。并且SaDAGR在转发阶段引入机会权重转发机制以增强网络的连通性，提高路由转发性能。

　　1 系统模型

　　SaDAGR由运动感知、动态信标周期自适应调节以及机会权重转发三部分组成，通过车联网Beacon消息帧动态控制网络的连接状态。作为V2V通信中网络的控制消息[10]，Beacon消息帧的设计如图1所示，其包含邻居车辆ID、时间戳(TimeStamp)、车辆位置(NodePosition)及速度(NodeVelocity)信息。其中，TTL(Time to Live)是指每个车辆信标的广播周期，每辆车的广播周期是不同的;而DenFac是车前密度值，作为机会权重函数中的一个参数，用来计算邻居车辆的权重。

　　运动感知模型通过Beacon消息帧获取邻居车辆的历史位置及速度信息，并实时感知信道环境，预估通信覆盖范围。邻居位置表中每个车辆有[v1]～[v4]四条历史速度信息及一条位置信息，采用三次插值算出未来一个Beacon周期内车辆轨迹方程，如图1中所示，[TrackF]与[TrackG]为运动感知预测所得轨迹方程。

　　SaDAGR中动态信标周期自适应调节通过对车辆周边的车流密度及车辆平均速度的感知，结合自适应反馈因子动态修正信标周期TTL，如图1所示，车辆的TTL值不同，在车辆较为密集的区域，如车辆A，B，C所在区域，其TTL值会较大，而在车辆H，I所在区域TTL值会较小。

　　2 SaDAGR设计

　　2.1 动态信标周期自适应调节

　　有较多的文献研究车辆的行驶速度与车辆密度的关系[11]，从目前的研究结果来看，无论车辆速度和车流密度的具体关系如何，两者具有相反关系这一趋势是不变的。本文以预测位置与车辆真实位置之间的统计误差为自适应反馈因子[δ]，[δ]的计算如式(1)所示：

　　[δ=iPiN] (1)

　　式中：[Pi]为车辆[i]的位置预测误差;[N]为邻居位置表中车辆个数。

　　考虑车辆密度值[ρ]和平均速度值[v]的影响，定义环境函数[f(x)]。当密度的影响大于平均速度时，[f(x)>0];相反，当平均速度的影响大于密度的影响时，[f(x)<0];当密度的影响和平均速度的影响达到平衡状态时，[f(x)=0]。采用初始化因子[σ]，保证初始化时[ρ-σv=0]。根据上述设计，环境函数关于[ρ]与[v]的关系为：

　　[fρ-σv=lnρ-σv+1， ρ-σv≥0eρ-σv-1， ρ-σv<0] (2)

　　结合式(1)和式(2)，定义TTL自适应调节修正值[Δ]的计算式如下：

　　[Δ=δ2Rfρ-σv] (3)

　　环境函数[fρ-σv]在[ρ-σv=0]时有连续的一阶导，可以对TTL的修正值[Δ]进行平滑调整。

　　播报周期自适应调节机制流程图如图2所示，每个车辆有一个消息帧播报计时器，当计时结束时启动播报周期计算，TTL的修正值通过式(3)计算。随着自适应调节机制不断迭代，位置预测结果与邻居车辆真实位置之间的误差不断缩小，当[δ≤εR]时，结束自适应反馈调节，其中，[ε]为阈值因子，[R]为通信半径。

　　2.2 机会权重转发

　　SaDAGR的转发策略考虑三个权重因素，距离目的车辆的欧氏距离、车辆目的方向预测以及车前密度。车辆的欧氏距离以及车辆的速度方向已经有过详细的研究[12]，但是基于车辆目的方向预测及车辆周边密度的研究較少。机会选择权重函数如式(4)所示：

　　[WFi=αDis+βcos(Vi， Ps，d)+γρ] (4)

　　式中：[α]，[β]及[γ]为权重值，[α+β+γ=1];[WFi]为邻居位置表中每个邻居车辆的转发权重值;[Dis]表示邻居位置表中车辆[i]距目的车辆的欧氏距离与车辆自身[s]距目的车辆的欧氏距离的比值;[Vi]为车辆预测位置与邻居位置表中最近时刻的位置之间的方向矢量，[Ps， d]为转发车辆自身距目的车辆的单位矢量，[cos(Vi， Ps， d)]值越大表明两车相遇的概率越大;[ρ]为车前密度值，采用车前方扇形区统计车辆密度信息。选取与车辆行驶方向左右相差90°共180°范围内的车辆进行统计计算。

　　2.3 路由机制及数据包转发流程

　　SaDAGR动态信标实现过程中的两个Beacon间隔及TTL的修正方法如图3所示。车辆的启动时刻为0，此后每隔一个时间间隔[T]，车辆启动反馈因子计算，如图3所示，0?1为一个时间间隔，1?2为下一个时间间隔。

　　在0?1时间间隔内一共有[N1]～[N5]五个Beacon消息帧，每个消息帧带有一个TTL，1?2时刻之间的时间间隔[T1?2]通过0?1五个车辆的[TTLNi]计算得到。当收到车辆[N1]的消息帧时，[T1?2]为[TimeStampN1+TTLN1];当收到车辆[N2]的消息帧时，将[TimeStampN1+TTLN1]与[TimeStampN2+][TTLN2]进行对比，选取最大的值作为[T1-2]，以此类推，直到从五个车辆中选取出最大的时间间隔，并在此时间间隔后启动反馈因子计算。

　　推荐阅读：电子信息工程专业在生活中的应用

期刊VIP网，您身边的高端学术顾问

文章名称： 基于机会权重的环境自适应动态车联网路由

文章地址： http://www.qikanvip.com/yingyongdianzijishu/52052.html