基于車輛合作的擁塞檢測(cè)機(jī)制研究

譚國(guó)平，劉如通，譚林風(fēng)

（河海大學(xué) 計(jì)算機(jī)與信息學(xué)院，江蘇 南京211100）

基于車輛合作的擁塞檢測(cè)機(jī)制研究

譚國(guó)平，劉如通，譚林風(fēng)

（河海大學(xué) 計(jì)算機(jī)與信息學(xué)院，江蘇 南京211100）

針對(duì)車輛自組網(wǎng)中擁塞控制的難點(diǎn)，采用合作擁塞檢測(cè)方法，并結(jié)合距離和擁塞等級(jí)的路徑選擇方法，提出一種基于車輛到車輛通信的簡(jiǎn)化合作擁塞檢測(cè)機(jī)制。該機(jī)制不僅考慮個(gè)體車輛檢測(cè)到的擁塞程度，而且考慮整個(gè)擁塞隊(duì)列內(nèi)所有車輛的實(shí)時(shí)狀況，從而獲得擁塞隊(duì)列密度與長(zhǎng)度信息，仿真表明使用該機(jī)制可對(duì)車輛擁塞進(jìn)行有效地控制。其次，基于模糊數(shù)學(xué)理論，對(duì)檢測(cè)到的密度值和隊(duì)列長(zhǎng)度進(jìn)行了處理，提出采用換路概率推理值。利用該值，仿真表明車輛可有效避免錯(cuò)誤的換道判斷狀況，從而降低車輛擁塞概率。

智能交通；車輛自組網(wǎng)；擁塞檢測(cè)；擁塞控制

隨著城市中車輛日益增多，交通擁堵和交通事故問(wèn)題也越來(lái)越受到人們的關(guān)注。目前解決交通擁堵的主要方案多是采用車輛與公共設(shè)施的通信V2I（Vehicle-to-Infrastructure），但是，這種方案存在范圍性和開(kāi)銷大的缺點(diǎn)。鑒于這樣的局限性，逐漸發(fā)展出了基于車輛與車輛之間通信的智能交通監(jiān)測(cè)手段。車輛通過(guò)與其他車輛及時(shí)的信息交流可以了解當(dāng)前道路的狀況，并且可以及時(shí)的把信息分享給那些不在周圍的車輛。

文中受一種新穎的基于車載自組網(wǎng)通信的探測(cè)交通擁堵探測(cè)方法-CoTEC[1]（Coperative Traffic congestion detECtion）的啟發(fā)，通過(guò)簡(jiǎn)化并且改進(jìn)這種方法得到Si-CoTEC。利用Si-CoTEC，車輛可以實(shí)時(shí)的評(píng)估車輛四周的密度信息，并且利用估算的密度信息和行駛速度對(duì)當(dāng)前的路況進(jìn)行評(píng)級(jí)。由于是利用無(wú)線車載自組網(wǎng)的通信方式，對(duì)于地域的要求和設(shè)施的要求并不十分苛刻，也就不存在很明顯局限性。另外，合作擁塞檢測(cè)就是將同一擁堵路段的不同車輛對(duì)于交通狀況的估算綜合在一起，得到一個(gè)更全面的交通擁堵的等級(jí)數(shù)值。這種方式可以避免因?yàn)槟骋惠v車的探測(cè)錯(cuò)誤而導(dǎo)致對(duì)于整體擁堵的過(guò)高或過(guò)低的估計(jì)。車輛通過(guò)對(duì)周圍車輛密度和速度的評(píng)估，得出自身的擁塞等級(jí)。然后，把這些信息發(fā)給其余的車輛。這樣，靠近擁堵路段的車輛可以根據(jù)從前方車輛得到的信息，自行選擇換路避開(kāi)擁堵，最后達(dá)到緩解擁堵的目的。

1　基于合作機(jī)制的車輛自組網(wǎng)擁塞檢測(cè)

文中所采用的Si-CoTEC是一種較全面、新穎的交通探測(cè)方法。主要分為車輛自身?yè)砣麢z測(cè)和車輛合作擁塞檢測(cè)兩個(gè)方面。車輛自身?yè)砣麢z測(cè)就是通過(guò)計(jì)算車輛周圍密度和行駛速度得到當(dāng)前道路擁塞狀況。車輛合作擁塞檢測(cè)是利用基于車載自組網(wǎng)通信的方法，將不同車輛的評(píng)估結(jié)果進(jìn)行匯總，得到一個(gè)綜合評(píng)估結(jié)果。整個(gè)擁塞檢測(cè)的過(guò)程都是依靠車輛之間消息的傳輸來(lái)完成的，所以先列出在車輛檢測(cè)過(guò)程中所使用的消息種類，如表1。

表1　車輛使用的消息類型

1.1車輛自身?yè)砣麢z測(cè)

車輛自身進(jìn)行擁塞檢測(cè)時(shí)主要是為了獲得車輛自身周圍的密度，密度的計(jì)算公式如下：

其中N表示在車輛通信范圍內(nèi)能檢測(cè)到的其他車輛數(shù)目，Df表示能檢測(cè)到的車輛中距離最遠(yuǎn)且處于檢測(cè)車輛前方的車輛與檢測(cè)車輛之間的距離，Db對(duì)應(yīng)檢測(cè)車輛后方距離最遠(yuǎn)的車輛與檢測(cè)車輛之間的距離，NL則是代表當(dāng)前道路上的車道數(shù)。

根據(jù)CoTEC中的劃分標(biāo)準(zhǔn)將密度和速度均分為四種不同狀態(tài)，劃分標(biāo)準(zhǔn)如表2和3。

表2　密度劃分表

表3　速度劃分表

從表3中可以看出，速度劃分的多個(gè)區(qū)間發(fā)生重疊現(xiàn)象，因此采用模糊數(shù)學(xué)理論處理?yè)砣袛嗍欠浅１匾腫2]。為了方便對(duì)車輛檢測(cè)得到的擁塞程度給出定性的分析，將擁塞程度劃分為幾個(gè)不同階段并且對(duì)每個(gè)擁塞階段給定一個(gè)具體的數(shù)值。Skycomp提出的服務(wù)等級(jí)LOS（level of service）可以將道路狀態(tài)分為6種[3]，它相對(duì)于公路容量計(jì)算手冊(cè)HCM（Highway Capacity Manual）[4]將擁塞狀態(tài)繼續(xù)劃分為了不同的程度。文中便是根據(jù)LOS將擁塞程度分為四個(gè)等級(jí)：自由行駛、輕微擁塞、中度擁塞和嚴(yán)重?fù)砣?，?duì)應(yīng)這四個(gè)狀態(tài)分別為其設(shè)定數(shù)值0、1/3、2/3、1。根據(jù)之前得出的速度和密度值的劃分可以指定如下模糊規(guī)則，如表4。

表4　計(jì)算擁塞程度的模糊規(guī)則

車輛通過(guò)接收四周車輛發(fā)送來(lái)的Beacon信息，通過(guò)消息中的位置信息估算自身四周的車輛密度。然后根據(jù)密度和速度所處的狀態(tài)通過(guò)對(duì)應(yīng)模糊規(guī)則自動(dòng)得出車輛擁塞程度。文中采用歸屬度函數(shù)進(jìn)行仿真計(jì)算[5]，得到的結(jié)果是0到1之間的數(shù)，根據(jù)擁塞程度設(shè)定的數(shù)值便可以判斷出車輛到底屬于哪個(gè)擁塞程度。通過(guò)檢測(cè)仿真輸出的單個(gè)車輛擁塞程度的計(jì)算數(shù)值輸出，若是檢測(cè)到了擁塞，此時(shí)車輛便要開(kāi)始考慮合作擁塞檢測(cè)。車輛主要是通過(guò)發(fā)送消息來(lái)實(shí)現(xiàn)合作擁塞檢測(cè)，但是消息的傳輸會(huì)帶來(lái)能量的損耗，若是不分狀況隨意傳輸合作檢測(cè)的消息會(huì)帶來(lái)不必要的消耗，因此設(shè)定只有在檢測(cè)到擁塞的情況下才允許進(jìn)行合作擁塞檢測(cè)。因?yàn)槭孪纫呀?jīng)將擁塞程度量化為具體的數(shù)值，所以只需要設(shè)定一個(gè)閾值為Cth（本文閾值為0.2），當(dāng)檢測(cè)到的擁塞程度達(dá)到或者超過(guò)該閾值時(shí)便可以發(fā)出Data消息開(kāi)始合作擁塞檢測(cè)。

1.2車輛合作擁塞檢測(cè)

合作擁塞檢測(cè)是利用Data消息的多跳傳遞來(lái)實(shí)現(xiàn)的[6]，具體的方法是：在傳遞Data消息的過(guò)程中，會(huì)收集擁堵隊(duì)列中的不同車輛對(duì)于自身四周的交通擁堵等級(jí)的評(píng)估，并且，Si-CoTEC可以提供當(dāng)前擁堵的特征信息——擁堵隊(duì)列長(zhǎng)度，因此，處于擁堵隊(duì)列開(kāi)始位置的車輛會(huì)負(fù)責(zé)周期性的產(chǎn)生和發(fā)送Data信息。文中將采用簡(jiǎn)化的方法選擇擁堵隊(duì)列中的最前端車輛：第一種是剛離開(kāi)擁塞隊(duì)列的最前端車輛；第二種是指完全靜止的車輛且鄰接表里90%的車輛處于其后方的車輛。這個(gè)簡(jiǎn)化的方法通過(guò)仿真驗(yàn)證可以成功的判斷出最前端車輛。

當(dāng)車輛接收到Data信息，先記錄該消息，然后判斷自身?yè)砣麪顩r，當(dāng)檢測(cè)到擁塞時(shí)則進(jìn)行合作擁塞檢測(cè)。合作擁塞檢測(cè)并不是將接收到的Data消息直接向后轉(zhuǎn)發(fā)，而是將自身檢測(cè)到的擁塞程度與Data消息中的擁塞程度結(jié)合，車輛在接收到Data消息后，會(huì)將其中的擁塞程度值與自身檢測(cè)到的擁塞程度值進(jìn)行平均，之后再重新寫回Data消息。同時(shí)，車輛還會(huì)將自己的位置信息寫入到Data消息中然后進(jìn)行后續(xù)處理。之后根據(jù)坐標(biāo)計(jì)算出自身與發(fā)送Data消息車輛之間的距離，這個(gè)距離用來(lái)設(shè)計(jì)轉(zhuǎn)發(fā)Data消息定時(shí)器，如圖1所示。

圖1　Data消息處理流程圖

要實(shí)現(xiàn)圖1過(guò)程，需要采用一個(gè)競(jìng)爭(zhēng)機(jī)制，這種競(jìng)爭(zhēng)機(jī)制類似于CBF（Contension Based Forwarding）[7]，利用車輛之間的距離遠(yuǎn)近來(lái)限制轉(zhuǎn)發(fā)消息的時(shí)間。車輛在接收到Data消息時(shí)會(huì)啟動(dòng)一個(gè)定時(shí)器，當(dāng)定時(shí)器時(shí)間結(jié)束時(shí)就可以轉(zhuǎn)發(fā)Data消息。設(shè)定消息的調(diào)度時(shí)間計(jì)算方式如式（2），其中TMax表示最大的轉(zhuǎn)發(fā)延時(shí)，dis則表示接收到Data消息車輛與發(fā)送Data消息車輛之間的距離，這個(gè)距離是在圖1的流程中計(jì)算出來(lái)的。

為了選擇擁堵隊(duì)列第一輛車作為產(chǎn)生并且發(fā)送Data信息的車輛。文中將采用簡(jiǎn)化的方法選擇擁堵隊(duì)列的第一輛車：第一種是剛離開(kāi)擁塞隊(duì)列的最前端車輛；第二種是指完全靜止的車輛且鄰接表里90%的車輛處于其后方的車輛。這個(gè)簡(jiǎn)化的方法通過(guò)仿真驗(yàn)證可以成功的判斷出剛剛離開(kāi)擁堵隊(duì)列的車輛，并且該車輛會(huì)負(fù)責(zé)周期性產(chǎn)生Data信息。

合作擁塞檢測(cè)完成時(shí)，車輛會(huì)向后轉(zhuǎn)發(fā)TJC消息給其余的車輛。對(duì)于同一個(gè)TJC消息，也不是所有接收到的車輛都需要轉(zhuǎn)發(fā)，同樣采取競(jìng)爭(zhēng)機(jī)制，使得距離發(fā)送TJC消息最遠(yuǎn)的車輛轉(zhuǎn)發(fā)該消息，通過(guò)調(diào)度設(shè)定定時(shí)器，定義方式如公式（2），此時(shí)設(shè)定的最大轉(zhuǎn)發(fā)時(shí)間為TTMAX。之所以需要繼續(xù)傳輸TJC消息是為了在仿真中通知后方車輛擁塞發(fā)生的位置是否超過(guò)岔路口，通過(guò)TJC消息，所有的車輛都可以知道前方在哪里發(fā)生了擁塞，擁塞的程度如何以及目前擁塞的隊(duì)列已經(jīng)有多長(zhǎng)，這些信息可以為駕駛者選擇行駛道路做出參考。

2　仿真環(huán)境

仿真是利用 SUMO（Simulation of Urban MObility）[8]、OMNeT++[9]（Objective Modular Network Testbed in C++）和Veins[10]共同實(shí)現(xiàn)的。SUMO主要負(fù)責(zé)仿真地圖以及車輛的可視化，它不僅可以直觀的顯示車輛在仿真地圖中的行駛情況，而且可以設(shè)置車輛的行駛速度、停止的位置等一系列的參數(shù)。OMNeT++主要負(fù)責(zé)模擬車輛間的通信，例如Beacon、Data等一系列的信息。Veins是將這兩個(gè)軟件（SUMO和OMNeT++）連接起來(lái)的橋梁。Veins是一個(gè)由道路交通仿真和網(wǎng)絡(luò)仿真組成的用于車輛之間通信IVC（Inter-Vehicular Communication）的開(kāi)源仿真框架，它需要SUMO和OMNeT++的共同支撐。為了對(duì)車輛間通信進(jìn)行評(píng)估，SUMO和OMNeT++需要平行運(yùn)行，它們通過(guò)TCP socket協(xié)議進(jìn)行連接。為了實(shí)現(xiàn)車輛間通信，該協(xié)議已經(jīng)被標(biāo)準(zhǔn)化為交通控制接口 TraCI（Traffic Control Interface）。圖2中MIXIM是OMNeT++中用于無(wú)線網(wǎng)絡(luò)的通信網(wǎng)絡(luò)仿真包，Veins在MIXIM的基礎(chǔ)上可以在OMNeT++中對(duì)車輛節(jié)點(diǎn)之間的通信進(jìn)行仿真。

圖2　仿真平臺(tái)之間的邏輯結(jié)構(gòu)關(guān)系

圖3　仿真采用的地圖

仿真采用的地圖是南京市珠江路附近的一個(gè)十字路口，如圖3所示，每條道路設(shè)定四條車道，速度限制在130km/h。地圖和行駛的車流的設(shè)定均在SUMO中完成，車流最大行駛速度不超過(guò)主干道限定的速度，車流中的車輛采用均勻分布的發(fā)車頻率，即車輛之間的發(fā)車間隔時(shí)間是相同的。

仿真參數(shù)如表5，車輛參數(shù)的設(shè)定是參考經(jīng)典案例而設(shè)，之所以將Tout設(shè)定為3 s是考慮到Beacon消息傳輸過(guò)程中因?yàn)檠訒r(shí)等原因最晚3 s才能夠到達(dá)。其中SendBeaconEvt、SendDataEvt、CalculateDensity、outBeacon分別表示周期發(fā)送Beacon消息、周期發(fā)送Data消息、周期計(jì)算車輛密度、處理過(guò)時(shí)Beacon消息。

表5　參數(shù)設(shè)置

3　仿真結(jié)果

由于采用基于車載自組織網(wǎng)絡(luò)的交通擁堵探測(cè)最基本的能力就是能夠提供一個(gè)盡量接近實(shí)際情況的估算值，只有車輛能夠在行駛中盡量準(zhǔn)確地估算四周的車輛密度，提供準(zhǔn)確的關(guān)于擁堵的相關(guān)信息，這種擁堵檢測(cè)方法才具有實(shí)用價(jià)值。所以本文通過(guò)三方面來(lái)評(píng)估Si-CoTEC的準(zhǔn)確性以及可行性：密度估算誤差、擁堵隊(duì)列長(zhǎng)度估算誤差以及換路情況。

3.1密度估算誤差對(duì)比

密度的估算誤差是指利用Si-CoTEC機(jī)制得到的密度估計(jì)值與實(shí)際的車輛密度的誤差，通過(guò)將這個(gè)密度估算誤差與利用閉路攝像機(jī)得到的密度估算誤差進(jìn)行比較，可以直觀地評(píng)價(jià)這個(gè)基于車輛間通信的交通擁堵探測(cè)機(jī)制是否可以提供與傳統(tǒng)的交通監(jiān)測(cè)技術(shù)提供相同準(zhǔn)確度的密度估算值。SUMO中設(shè)定磁感應(yīng)線圈模擬傳統(tǒng)智能交通中閉路電視進(jìn)行交通監(jiān)測(cè)的行為，在仿真地圖中從出發(fā)點(diǎn)開(kāi)始，每條車道上設(shè)定每隔100 m安裝一個(gè)磁感應(yīng)線圈，每個(gè)磁感應(yīng)線圈會(huì)生成一個(gè)文檔，記錄下規(guī)定時(shí)間內(nèi)通過(guò)該線圈的車輛數(shù)目、車流和平均速度，現(xiàn)設(shè)定磁感應(yīng)線圈每隔10 s進(jìn)行一次統(tǒng)計(jì)，進(jìn)行計(jì)算、求解均值得到傳統(tǒng)智能交通檢測(cè)方法的車輛密度值。經(jīng)過(guò)前面的研究，設(shè)置最佳參數(shù)，將合作擁塞檢測(cè)密度誤差與傳統(tǒng)智能交通檢測(cè)密度誤差進(jìn)行對(duì)比，采用分析計(jì)算密度定時(shí)器時(shí)間的仿真場(chǎng)景，結(jié)果圖4。

圖4　密度誤差對(duì)比

如圖4所示，檢測(cè)所得的車輛密度誤差控制在0.05左右，當(dāng)仿真時(shí)間到達(dá)到40 s，車輛密度達(dá)到了80veh/km/lane時(shí)，此時(shí)密度誤差有所增大但仍屬于小誤差。通過(guò)對(duì)比可以發(fā)現(xiàn)，采用合作檢測(cè)相比于傳統(tǒng)的智能方式檢測(cè)到的車輛密度更為準(zhǔn)確且相對(duì)實(shí)際密度差值很小。

3.2擁堵隊(duì)列長(zhǎng)度估算對(duì)比

合作擁塞檢測(cè)不僅僅可以檢測(cè)到整體的擁塞狀況，還可以檢測(cè)到擁塞隊(duì)列的長(zhǎng)度。擁塞隊(duì)列長(zhǎng)度對(duì)于駕駛者是否需要換道是很重要的依據(jù)，因此需要得到準(zhǔn)確的擁塞隊(duì)列長(zhǎng)度值。合作檢測(cè)中可以根據(jù)Data消息中的兩個(gè)車輛位置信息計(jì)算出擁塞隊(duì)列的長(zhǎng)度，而通過(guò)SUMO可以計(jì)算出實(shí)際擁塞隊(duì)列長(zhǎng)度，計(jì)算兩者之間的差值。本文模擬兩種不同的場(chǎng)景：場(chǎng)景Y，車輛遇到問(wèn)題逐漸減速為0；場(chǎng)景H，車輛開(kāi)始加速駛出擁塞。每個(gè)車道上最多通過(guò)一百輛車。分別在場(chǎng)景Y和場(chǎng)景H下研究長(zhǎng)度誤差，仿真參數(shù)設(shè)定為最優(yōu)參數(shù)。

圖5　擁塞隊(duì)列長(zhǎng)度誤差

如圖5所示，仿真所用場(chǎng)景與研究傳輸功率時(shí)一致，在場(chǎng)景Y下，確定擁塞隊(duì)列前端車輛是通過(guò)車輛發(fā)送的Beacon消息來(lái)判定的，此時(shí)的擁塞隊(duì)列最前端車輛并非是真正的最前端車輛，只是擁塞隊(duì)列前部的某輛車，通過(guò)這輛車的位置信息計(jì)算擁塞隊(duì)列長(zhǎng)度時(shí)，因?yàn)槠湮恢每亢?，?huì)低估隊(duì)列長(zhǎng)度。開(kāi)始時(shí)由于后方車輛之間的間距較大，且擁堵的長(zhǎng)度不是很大，車輛轉(zhuǎn)發(fā)一次便可以將消息傳輸?shù)轿捕?，判定的尾端車輛過(guò)于靠后，高估隊(duì)列長(zhǎng)度，最終得到的隊(duì)列長(zhǎng)度誤差較小。隨著仿真時(shí)間增加，車輛之間的間距逐漸減小，且擁塞的車輛數(shù)目變多，車輛轉(zhuǎn)發(fā)后判定的擁塞隊(duì)列尾端車輛也越來(lái)越準(zhǔn)確，最終檢測(cè)到的擁塞隊(duì)列長(zhǎng)度因?yàn)閾砣?duì)列最前端車輛判斷不準(zhǔn)維持在比實(shí)際隊(duì)列長(zhǎng)度小10 m左右的水平。場(chǎng)景H下，擁塞隊(duì)列前端車輛的判定是通過(guò)行駛狀態(tài)來(lái)確定的，剛開(kāi)始時(shí)，第一輛駛出擁塞隊(duì)列的車輛需要開(kāi)出去較遠(yuǎn)的距離才能檢測(cè)到自由行使的狀態(tài)，此時(shí)判定的擁塞隊(duì)列最前端車輛離開(kāi)擁塞隊(duì)列較遠(yuǎn)，會(huì)造成隊(duì)列長(zhǎng)度的高估。而對(duì)于擁塞隊(duì)列尾端的判定由于車輛行駛狀態(tài)穩(wěn)態(tài)，間距小，判定準(zhǔn)確。此時(shí)得到的擁塞隊(duì)列長(zhǎng)度比實(shí)際計(jì)算得到的長(zhǎng)，隨著仿真時(shí)間增加，車輛的速度越來(lái)越快，駛出擁塞隊(duì)列的車輛與其后方車輛之間的間距減小，判定的擁塞隊(duì)列最前端車輛也越來(lái)越準(zhǔn)確，并且隨著密度的減小，后方車輛擁塞狀態(tài)與自由行駛車輛之間的間距減小，隊(duì)列長(zhǎng)度計(jì)算較準(zhǔn)確，最終保持隊(duì)列長(zhǎng)度誤差10 m左右，這種誤差是可以接受的。

3.3換路概率

擁塞檢測(cè)的目的是為了給駕駛者提供駕駛參考，為了檢驗(yàn)合作擁塞檢測(cè)對(duì)于車輛換路的影響，提出一個(gè)換路概率的想法。換路概率是指在前方檢測(cè)到擁塞的情況下，后方靠近車輛選擇換路的數(shù)目與總數(shù)目的比值，此時(shí)的換路依據(jù)是檢測(cè)到的擁塞程度，設(shè)定擁塞隊(duì)列擁塞程度大于0.4時(shí)選擇換路。模擬三種不同的車輛密度:A:20veh/km/lane，B：40veh/km/lane，C:60veh/km/lane，通過(guò)改變車輛之間的間距來(lái)實(shí)現(xiàn)不同的密度狀況，設(shè)定車輛行駛過(guò)程中停止30 s，在三種場(chǎng)景下從車輛檢測(cè)到擁塞開(kāi)始，統(tǒng)計(jì)車輛數(shù)目，直到檢測(cè)不到擁塞時(shí)停止統(tǒng)計(jì)，計(jì)算這段時(shí)間內(nèi)的換路車輛數(shù)目與總數(shù)目的比值。

圖6所示，當(dāng)車輛密度較小時(shí)，只有車輛行駛速度很小的情況下才檢測(cè)到擁塞，一旦擁塞緩解，整個(gè)車流前端的車輛大多能夠離開(kāi)隊(duì)列，只有當(dāng)后方靠近車輛過(guò)多且速度受限時(shí)才檢測(cè)到擁塞，因此大多數(shù)車輛可以直接行駛，無(wú)需換路；隨著車輛密度變大，車輛停止時(shí)進(jìn)入擁塞隊(duì)列的車輛數(shù)目變多，擁塞緩解時(shí)能夠駛出擁塞隊(duì)列的車輛減少，并且需要達(dá)到一定的速度才能算是處于自由行使?fàn)顟B(tài)，此時(shí)后方靠近車輛大多需要換路行駛；當(dāng)?shù)竭_(dá)情況C的嚴(yán)重?fù)砣麪顩r時(shí)，幾乎所有的車輛都選擇了換路行駛，這樣能夠減緩擁塞路段的擁塞程度。

圖6　不同車輛密度的換路概率

4　結(jié)束語(yǔ)

文中主要介紹了基于合作機(jī)制的車輛自組網(wǎng)擁塞檢測(cè)的具體實(shí)現(xiàn)過(guò)程，首先介紹了車輛自身?yè)砣麢z測(cè)，之后通過(guò)消息的傳送實(shí)現(xiàn)了車輛合作擁塞檢測(cè)，確定了整個(gè)擁塞隊(duì)列的擁塞程度和擁塞隊(duì)列長(zhǎng)度，最后通過(guò)仿真表明該機(jī)制可以對(duì)車輛擁塞進(jìn)行有效的控制，并且利用換路概率可以有效的降低車輛擁塞程度，在遇到交通擁塞時(shí)，能及時(shí)的給駕駛者提供參考，方便其做出選擇，及時(shí)避免交通擁塞。

[1]R.Bauza；J.Gozalvez.Traffic congestion detection in largescale scenarios using vehicle-to-vehicle communications[J]. Journal of Network and Computer Applications，2013，36（5）:1295-1307.

[2]Venkata Subba Reddy，P..Generalized fuzzy logic for incomplete information[C].Fuzzy Systems（FUZZ），2013 IEEE International Conference on，2013:1-6.

[3]Major highway performance ratings and bottleneck inventory，State of Maryland[C]//Spring 2008.Skycomp，Inc.in association with Whitney，Bailey，Cox and Magnani，LLC；November，2009.

[4]Highway capacity manual-HCM 2000.Transportation Research Board[C]//National Research Council；2000.

[5]Schuh C H.Fuzzy sets and their application in medicine[C]. Fuzzy Information Processing Society，NAFIPS 2005，Annual Meeting of the North American，IEEE，2005:86-91.

[6]Song Yi，Xie Jiang.A distributed broadcast protocol in multihop cognitive radio ad hoc networks with collision avoidance[J].IEEE Transactions on Mobile Computing.2015，14（3）: 509-524.

[7]Fussler H et al..Contention-based forwarding for mobile ad hoc networks[J].Ad Hoc Networks，2003；1（4）:351-369.

[8]Daniel Krajzewicz，Jakob Erdmann，Michael Behrisch，and Laura Bieker.Recent Development and Applications of SUMOSimulation of Urban Mobility[C].International Journal On AdvancesinSystemsandMeasurements，2012；5（3&4）:128-138.

[9]Musaddiq，A.；Hashim，F(xiàn).，"Multi-hop wireless network modelling using OMNET++simulator，"in Computer，Communications，and Control Technology（I4CT）[C]//2015 International Conference on，2015：559-564，21-23.

[10]Arellano W，Mahgoub I.TrafficModeler extensions:A case for rapid VANET simulation using，OMNET++，SUMO，and VEINS[C]//2013 10th Interna-tional Conference on High CapacityOpticalNetworksandEnablingTechnologies（HONET-CNS），2013：109-115.

Research on congestion detection mechanism based on vehicle cooperation

TAN Guo-ping，LIU Ru-tong，TAN Lin-feng
（College of Computer and Information，Hohai University，Nanjing 211100，China）

Aiming at the difficulty of the vehicle congestion control in ad hoc network，this paper adopts the cooperative congestion detection and the path selection method combing distance with congestion to propose the Si-CoTEC（Simplified Coperative Traffic congestion detECtion），it is based on Vehicle-to-Vehicle communications.This mechanism not only considers the congestion degree detected by individual vehicle，but also considers all vehicles within the congestion queue when detects congestion.The mechanism can obtain the density and the length of entire congestion queue，simulation showed that the mechanism can effectively control the congestion of vehicles.In this paper，the detected density and length of congestion queue also being processed，a recommending value of changing road based on fuzzy mathematic theory is proposed. According to the value，simulation showed that vehicle can avoid making mistaken decisions of change road when there is no need to choose another way effectively，thereby reduce the probability of vehicle congestion.

ITS；vehicle ad hoc network；congestion detection；congestion control

TN929.5

A

1674－6236（2016）21-0118-04

2015-10-31稿件編號(hào)：201510239

譚國(guó)平（1975—），男，湖南澧縣人，博士，副教授。研究方向：移動(dòng)自組網(wǎng)，無(wú)線通信信號(hào)處理，隨機(jī)網(wǎng)絡(luò)優(yōu)化與控制和網(wǎng)絡(luò)信息論。