車載容遲網(wǎng)絡(luò)下基于節(jié)點(diǎn)傳輸能力的服務(wù)分發(fā)協(xié)議

李致遠(yuǎn) 畢俊蕾 王汝傳

(1江蘇大學(xué)計(jì)算機(jī)科學(xué)與通信工程學(xué)院, 鎮(zhèn)江 212013)(2江蘇大學(xué)信息化中心, 鎮(zhèn)江 212013)(3南京郵電大學(xué)江蘇省無(wú)線傳感網(wǎng)高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室, 南京 210003)

車載容遲網(wǎng)絡(luò)下基于節(jié)點(diǎn)傳輸能力的服務(wù)分發(fā)協(xié)議

李致遠(yuǎn)1,3畢俊蕾2王汝傳3

(1江蘇大學(xué)計(jì)算機(jī)科學(xué)與通信工程學(xué)院, 鎮(zhèn)江 212013)(2江蘇大學(xué)信息化中心, 鎮(zhèn)江 212013)(3南京郵電大學(xué)江蘇省無(wú)線傳感網(wǎng)高技術(shù)研究重點(diǎn)實(shí)驗(yàn)室, 南京 210003)

為了解決車載容遲網(wǎng)絡(luò)(VDTN)中節(jié)點(diǎn)間歇性連接導(dǎo)致的傳輸性能下降問題,提出了基于節(jié)點(diǎn)傳輸能力的服務(wù)分發(fā)協(xié)議(NDCSD)．在NDCSD協(xié)議設(shè)計(jì)中,通過對(duì)節(jié)點(diǎn)有效連接時(shí)間估計(jì)內(nèi)的吞吐量函數(shù)積分得到節(jié)點(diǎn)傳輸能力,采用小波神經(jīng)網(wǎng)絡(luò)對(duì)樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)的方法獲得吞吐量函數(shù)估計(jì)．然后,以節(jié)點(diǎn)傳輸能力為度量,采用Dijkstra算法設(shè)計(jì)服務(wù)數(shù)據(jù)分發(fā)協(xié)議,并在隨機(jī)網(wǎng)絡(luò)仿真器上實(shí)現(xiàn)了該協(xié)議．結(jié)果表明,與同類協(xié)議相比,NDCSD協(xié)議能夠提高VDTN環(huán)境下服務(wù)數(shù)據(jù)的投遞成功率,降低服務(wù)數(shù)據(jù)的傳輸時(shí)延、時(shí)延抖動(dòng)及丟包率,說明綜合考慮連接時(shí)間和吞吐量的方法能夠改善VDTN下的服務(wù)傳輸能力,實(shí)現(xiàn)可靠傳輸．

車載容遲網(wǎng)絡(luò);服務(wù)分發(fā);節(jié)點(diǎn)傳輸能力;連接時(shí)間估計(jì);函數(shù)近似

近年來(lái),車載容遲網(wǎng)絡(luò)(vehicular delay tolerant network, VDTN) 作為一種新興的服務(wù)網(wǎng)絡(luò)環(huán)境日益受到學(xué)術(shù)界和產(chǎn)業(yè)界的關(guān)注[1]．當(dāng)前的車載網(wǎng)絡(luò)應(yīng)用服務(wù)主要包括車輛主動(dòng)安全服務(wù)和用戶娛樂體驗(yàn)服務(wù)[2]．然而,車輛的高速運(yùn)動(dòng)使得節(jié)點(diǎn)間的連接具有間歇性和機(jī)會(huì)性,VDTN環(huán)境中這2項(xiàng)服務(wù)對(duì)于數(shù)據(jù)的傳輸能力要求更高．鑒于此,需要研究VDTN環(huán)境下的服務(wù)數(shù)據(jù)分發(fā)方法．

現(xiàn)有的VDTN數(shù)據(jù)分發(fā)方式可以分為以下3類:基于連接感知的服務(wù)數(shù)據(jù)分發(fā)[3-5]、基于地理區(qū)域的服務(wù)數(shù)據(jù)分發(fā)[6-8]和基于地圖導(dǎo)航的服務(wù)數(shù)據(jù)分發(fā)[9]．DARCC[3]是一種典型的基于連接感知的服務(wù)數(shù)據(jù)分發(fā)方式,通過將消息發(fā)送到不同的方向以增加節(jié)點(diǎn)相遇的概率,從而增大數(shù)據(jù)成功轉(zhuǎn)發(fā)的概率,并通過將消息傳給最接近目標(biāo)節(jié)點(diǎn)的鄰居來(lái)加快數(shù)據(jù)的傳輸速度．GeoSpray[6]是基于地理區(qū)域的服務(wù)數(shù)據(jù)分發(fā)方式的代表,根據(jù)數(shù)據(jù)轉(zhuǎn)發(fā)的最小時(shí)延估計(jì)這一度量標(biāo)準(zhǔn)來(lái)選擇下一跳節(jié)點(diǎn),同時(shí)采用了多拷貝多路徑策略;盡管這種方法能夠提高發(fā)送的成功率,卻會(huì)導(dǎo)致通信開銷增大,信道利用率降低．基于地圖導(dǎo)航的服務(wù)數(shù)據(jù)分發(fā)方式是利用車輛在長(zhǎng)途行駛時(shí)會(huì)開啟GPS系統(tǒng)并根據(jù)電子地圖選路的特性,將駛往相同或相近目標(biāo)區(qū)域的車輛組合成穩(wěn)定的連通支配集,從而提高了數(shù)據(jù)轉(zhuǎn)發(fā)的成功率[9]．綜上所述,車載網(wǎng)絡(luò)路由協(xié)議和數(shù)據(jù)轉(zhuǎn)發(fā)方法大都選擇未來(lái)時(shí)刻相遇概率較高的節(jié)點(diǎn)作為中繼轉(zhuǎn)發(fā),即給出了數(shù)據(jù)的轉(zhuǎn)發(fā)方向．但對(duì)于節(jié)點(diǎn)在有限時(shí)間內(nèi)能否實(shí)現(xiàn)更多的數(shù)據(jù)轉(zhuǎn)發(fā)、保障服務(wù)轉(zhuǎn)發(fā)質(zhì)量方面的研究還比較少．

鑒于此,本文從VDTN環(huán)境下數(shù)據(jù)轉(zhuǎn)發(fā)的服務(wù)質(zhì)量保障方面展開研究,提出基于節(jié)點(diǎn)傳輸能力的服務(wù)分發(fā)協(xié)議(NDCSD)．在NDCSD協(xié)議中,首先根據(jù)實(shí)際路況、車輛節(jié)點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度估計(jì)出節(jié)點(diǎn)的有效連接時(shí)間區(qū)間;其次,根據(jù)VDTN歷史流量的特征,構(gòu)建基于小波神經(jīng)網(wǎng)絡(luò)流量預(yù)測(cè)模型,以此估計(jì)出車輛節(jié)點(diǎn)的吞吐量函數(shù);然后,通過對(duì)有效連接時(shí)間區(qū)間內(nèi)的吞吐量函數(shù)求積分,得到節(jié)點(diǎn)傳輸能力的估計(jì)值;最后,根據(jù)節(jié)點(diǎn)傳輸能力的估計(jì)值,結(jié)合Dijkstra算法,構(gòu)造出高效的車載容遲網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)方法．

1 基于節(jié)點(diǎn)傳輸能力的車載容遲網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)協(xié)議

針對(duì)車輛節(jié)點(diǎn)移動(dòng)速度快、連接時(shí)間短的特點(diǎn),本文采用DTN網(wǎng)絡(luò)中Bunble束消息傳輸機(jī)制．Bunble束消息包含NDCSD協(xié)議計(jì)算所需要的基本信息(節(jié)點(diǎn)的位置坐標(biāo)、移動(dòng)方向及速度向量)和有效數(shù)據(jù)載荷．下面從節(jié)點(diǎn)有效連接時(shí)間估計(jì)、節(jié)點(diǎn)傳輸能力估計(jì)和服務(wù)數(shù)據(jù)轉(zhuǎn)發(fā)算法3個(gè)方面對(duì)NDCSD協(xié)議進(jìn)行描述．

1.1 節(jié)點(diǎn)有效連接時(shí)間估計(jì)

節(jié)點(diǎn)有效連接時(shí)間估計(jì)是保障2個(gè)車輛節(jié)點(diǎn)進(jìn)行正常通信的關(guān)鍵．車輛節(jié)點(diǎn)i和節(jié)點(diǎn)j可以通過GPS定位系統(tǒng)獲得車輛的坐標(biāo)(xi,yi)和(xj,yj),其運(yùn)動(dòng)速度分別為vi和vj,運(yùn)動(dòng)方向角分別為θi和θj．下面給出節(jié)點(diǎn)間有效連接時(shí)間估計(jì)過程的描述．

令α與β分別表示車輛節(jié)點(diǎn)i和j的速度在水平方向與垂直方向上的分量差,μ與δ分別表示車輛節(jié)點(diǎn)i和j所在位置在水平方向與垂直方向上的分量差,則

α=vicosθi-vjcosθj,β=visinθi-vjsinθj

μ=xi-xj,δ=yi-yj

(1)

在te時(shí)刻之后,兩車之間直線距離為r,則有

(μ+αte)2+(δ+βte)2=r2

(2)

(3)

由判別式定理,可以求得參數(shù)te,即有效連接時(shí)間的估計(jì)值,表達(dá)式如下:

(4)

1.2 吞吐量函數(shù)構(gòu)造與節(jié)點(diǎn)平均傳輸能力估計(jì)

對(duì)于車輛節(jié)點(diǎn)的吞吐量函數(shù)構(gòu)造,需要涉及到車輛節(jié)點(diǎn)的歷史流量信息采集、數(shù)據(jù)預(yù)處理以及函數(shù)模型擬合,這實(shí)質(zhì)上是一個(gè)在線采集和離線分析構(gòu)造的過程．為了避免產(chǎn)生較大的計(jì)算和流量開銷,車輛節(jié)點(diǎn)每隔5min重新計(jì)算一次吞吐量函數(shù)．

1)VDTN分析數(shù)據(jù)集選擇

采用韓國(guó)首爾的WiBro網(wǎng)絡(luò)多媒體數(shù)據(jù)集作為VDTN網(wǎng)絡(luò)吞吐量函數(shù)構(gòu)造的數(shù)據(jù)集[10]．該數(shù)據(jù)來(lái)自于高速行駛的汽車和火車,多媒體數(shù)據(jù)類型包括CBR和VOIP兩種,這與本文中涉及的VDTN主動(dòng)安全和娛樂2種應(yīng)用場(chǎng)景的數(shù)據(jù)類型相同．此外,WiBro無(wú)線寬帶網(wǎng)絡(luò)與車聯(lián)網(wǎng)國(guó)際標(biāo)準(zhǔn)草案IEEE802.11p無(wú)線寬帶網(wǎng)絡(luò)有諸多相似之處,如它們都是針對(duì)移動(dòng)應(yīng)用而產(chǎn)生的流量,當(dāng)移動(dòng)節(jié)點(diǎn)速度在60～100km/h變化時(shí),其上行平均帶寬可達(dá)1Mbit/s,而下行帶寬可達(dá)6Mbit/s．因此,它完全可以模擬真實(shí)VDTN環(huán)境下網(wǎng)絡(luò)流量數(shù)據(jù)特征．

2) 吞吐量函數(shù)構(gòu)造

WiBro網(wǎng)絡(luò)多媒體數(shù)據(jù)集是一組具有高斯白噪聲的寬平穩(wěn)非線性時(shí)間序列．常用的線性網(wǎng)絡(luò)流量分析和預(yù)測(cè)模型不適用于對(duì)此類流量特征的描述,無(wú)法完成對(duì)車輛的吞吐量函數(shù)構(gòu)造．需采用非線性的機(jī)器學(xué)習(xí)模型來(lái)實(shí)現(xiàn)吞吐量函數(shù)的學(xué)習(xí)．小于3層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)無(wú)法逼近非線性函數(shù)曲線,只有當(dāng)層數(shù)大于等于3時(shí),才能更好地逼近非線性函數(shù)曲線,但隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的增加,計(jì)算開銷也必然會(huì)增加,計(jì)算時(shí)延也相應(yīng)增大．綜合考慮,因此,本文選用了3層(輸入層、隱含層和輸出層)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來(lái)構(gòu)造車輛的吞吐量函數(shù)．此外,與傳統(tǒng)3層神經(jīng)網(wǎng)絡(luò)不同之處在于,本文以小波函數(shù)代替常規(guī)神經(jīng)網(wǎng)絡(luò)的Sigmoid函數(shù)來(lái)作為神經(jīng)網(wǎng)絡(luò)的隱節(jié)點(diǎn)激勵(lì)函數(shù),以小波的尺度和平移參數(shù)作為神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值參數(shù),構(gòu)成一個(gè)前饋型神經(jīng)網(wǎng)絡(luò),該神經(jīng)網(wǎng)絡(luò)可以達(dá)到對(duì)任意信號(hào)函數(shù)的最佳逼近．

(5)

(6)

(7)

由此可得

(8)

(9)

(10)

將預(yù)測(cè)值的均方差函數(shù)作為目標(biāo)函數(shù)C(θ),即

(11)

采用共軛梯度下降法計(jì)算誤差函數(shù)的最小值．當(dāng)誤差函數(shù)的絕對(duì)值小于預(yù)先設(shè)定的閾值時(shí),停止網(wǎng)絡(luò)學(xué)習(xí);否則再次使用共軛梯度下降方法計(jì)算誤差函數(shù)的最小值．由此便可得到網(wǎng)絡(luò)吞吐量函數(shù)F(x)的估計(jì)．

3) 節(jié)點(diǎn)的平均傳輸能力

VDTN網(wǎng)絡(luò)環(huán)境動(dòng)態(tài)性強(qiáng),按照現(xiàn)有的模型估計(jì)方法無(wú)法給出精確度量．本文采用在有效連接時(shí)間內(nèi)對(duì)吞吐量函數(shù)估計(jì)求積分的方法,來(lái)評(píng)估車輛節(jié)點(diǎn)在一段時(shí)間內(nèi)的平均傳輸能力．該指標(biāo)能夠更準(zhǔn)確地反應(yīng)節(jié)點(diǎn)的服務(wù)轉(zhuǎn)發(fā)能力,為服務(wù)數(shù)據(jù)的可靠傳輸提供質(zhì)量保障．

節(jié)點(diǎn)傳輸能力估計(jì)值ENFC是表述節(jié)點(diǎn)連接時(shí)間與節(jié)點(diǎn)吞吐能力的物理量,其物理意義是以吞吐量函數(shù)作為曲邊,計(jì)算高為te的曲邊梯形的面積．這種數(shù)學(xué)表述方法可以直觀形象地反映出候選的中繼轉(zhuǎn)發(fā)節(jié)點(diǎn)在連接時(shí)間段內(nèi)的服務(wù)能力．ENFC對(duì)設(shè)計(jì)高效的車載容遲網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)具有重要意義．設(shè)車輛節(jié)點(diǎn)間的有效連接時(shí)間區(qū)間為[0,te],對(duì)有效連接時(shí)間內(nèi)的吞吐量函數(shù)F(x)求積分,可得節(jié)點(diǎn)的傳輸能力估計(jì)值為

(12)

1.3NDCSD服務(wù)數(shù)據(jù)轉(zhuǎn)發(fā)過程

在NDCSD協(xié)議中,首先根據(jù)實(shí)際路況、車輛節(jié)點(diǎn)的運(yùn)動(dòng)方向和速度,估計(jì)出源節(jié)點(diǎn)與其通信范圍內(nèi)所有鄰居節(jié)點(diǎn)之間的有效連接時(shí)間區(qū)間,將鄰居節(jié)點(diǎn)的有效連接時(shí)間取平均值,并以此設(shè)定自適應(yīng)閾值Pth,將有效連接時(shí)間超過閾值Pth的節(jié)點(diǎn)視為中繼候選節(jié)點(diǎn)．其次,對(duì)VDTN的離線流量數(shù)據(jù)進(jìn)行訓(xùn)練,得到車輛節(jié)點(diǎn)的吞吐量函數(shù)．然后,通過對(duì)中繼候選節(jié)點(diǎn)在有效連接時(shí)間區(qū)間內(nèi)的吞吐量函數(shù)求積分,得到節(jié)點(diǎn)傳輸能力估計(jì)值．最后,選擇平均傳輸能力最大的節(jié)點(diǎn)作為下一跳中繼轉(zhuǎn)發(fā)節(jié)點(diǎn)．若多個(gè)車輛節(jié)點(diǎn)同時(shí)向最優(yōu)的中繼轉(zhuǎn)發(fā)節(jié)點(diǎn)發(fā)送數(shù)據(jù),該中繼節(jié)點(diǎn)受傳輸能力的限制,無(wú)法為其中的一個(gè)或多個(gè)節(jié)點(diǎn)提供轉(zhuǎn)發(fā)服務(wù),車輛節(jié)點(diǎn)會(huì)根據(jù)式(12)重新計(jì)算,并動(dòng)態(tài)選擇平均傳輸能力次優(yōu)的節(jié)點(diǎn)為其提供服務(wù)轉(zhuǎn)發(fā)．此外,為數(shù)據(jù)包設(shè)置優(yōu)先級(jí),優(yōu)先級(jí)高的數(shù)據(jù)包優(yōu)先被轉(zhuǎn)發(fā)．若數(shù)據(jù)報(bào)文的優(yōu)先級(jí)相同,則優(yōu)先轉(zhuǎn)發(fā)數(shù)據(jù)量較小的報(bào)文．

2 仿真實(shí)驗(yàn)與性能評(píng)估

2.1 仿真環(huán)境與參數(shù)設(shè)置

選用隨機(jī)網(wǎng)絡(luò)仿真器(opportunistic network environment, ONE)[11]作為NDCSD服務(wù)分發(fā)性能評(píng)估的仿真平臺(tái)．車輛以80 km/h的速度沿道路移動(dòng),運(yùn)動(dòng)到中繼節(jié)點(diǎn)的覆蓋通信范圍之內(nèi)時(shí),與中繼節(jié)點(diǎn)交換網(wǎng)絡(luò)流量等Bundle束消息．相關(guān)實(shí)驗(yàn)參數(shù)設(shè)置見表1．

表1 仿真實(shí)驗(yàn)參數(shù)

下面從數(shù)據(jù)包的投遞成功率、平均傳輸時(shí)延、時(shí)延抖動(dòng)和丟包率4個(gè)方面,將NDCSD協(xié)議分別與基于連接和地理位置感知的車載容遲網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)協(xié)議DARCC[3]和GeoSpray[6]進(jìn)行比較．

2.2 算法性能評(píng)估

2.2.1 數(shù)據(jù)包的投遞成功率

圖1給出了發(fā)送不同消息數(shù)量時(shí)數(shù)據(jù)包的投遞成功率．由圖可知,隨著發(fā)送消息數(shù)量的增加,NDCSD和GeoSpray協(xié)議保持了80%的投遞成功率．這是因?yàn)镹DCSD協(xié)議以節(jié)點(diǎn)傳輸能力估計(jì)為度量標(biāo)準(zhǔn),同時(shí)考慮了節(jié)點(diǎn)的連接時(shí)間和平均傳輸能力;但由于NDCSD協(xié)議屬于單拷貝單路徑方案,因此NDCSD協(xié)議的投遞成功率略低于采用多拷貝和多路徑策略的GeoSpray協(xié)議．而DARCC協(xié)議的數(shù)據(jù)包平均成功投遞率僅為60%, 且該算法隨著發(fā)送消息數(shù)量的增加,數(shù)據(jù)包投遞成功率下降明顯．這是因?yàn)镈ARCC協(xié)議選擇下一跳節(jié)點(diǎn)的度量標(biāo)準(zhǔn)是節(jié)點(diǎn)的連接時(shí)間,連接時(shí)間由車輛之間距離除以車輛行駛速度得到,而距離和速度都是瞬時(shí)值,并不能真實(shí)地反映車輛的實(shí)際連接情況,因此,當(dāng)網(wǎng)絡(luò)負(fù)載增大時(shí),DARCC協(xié)議缺乏自適應(yīng),性能下降較快．

圖1 發(fā)送不同消息數(shù)量時(shí)的投遞成功率

2.2.2 平均傳輸時(shí)延

圖2為NDCSD,DARCC和GeoSpray三種協(xié)議在發(fā)送不同數(shù)量消息時(shí)的平均傳輸時(shí)延比較．由圖可知,隨著負(fù)載的增加,3種協(xié)議的平均傳輸時(shí)延均增大,但是NDCSD協(xié)議相對(duì)其他2種協(xié)議具有更低的傳輸時(shí)延．究其原因在于,傳輸時(shí)延由節(jié)點(diǎn)間傳輸?shù)膸捄瓦B接時(shí)間決定,NDCSD協(xié)議所提出的節(jié)點(diǎn)傳輸能力正是根據(jù)這2項(xiàng)指標(biāo)設(shè)計(jì)的;而DARCC協(xié)議只選擇連通概率最大的節(jié)點(diǎn)來(lái)轉(zhuǎn)發(fā)數(shù)據(jù),即瞬時(shí)連接時(shí)間估計(jì)最大,沒有考慮網(wǎng)絡(luò)傳輸?shù)氖Ｓ鄮捛闆r,因而導(dǎo)致其時(shí)延升高;GeoSpray與DARCC協(xié)議的轉(zhuǎn)發(fā)機(jī)制相似,都是選擇節(jié)點(diǎn)連通時(shí)間最大的節(jié)點(diǎn)作為中繼節(jié)點(diǎn),沒有考慮節(jié)點(diǎn)的實(shí)際通信能力,但由于GeoSpray協(xié)議采用多拷貝多路徑的傳輸策略,增大了節(jié)點(diǎn)的相遇概率,在一定程度上提高了數(shù)據(jù)的傳輸成功率,降低了傳輸時(shí)延.如圖2所示,GeoSpray協(xié)議的時(shí)延大于NDCSD,小于DARCC．此外,從圖中還可以發(fā)現(xiàn),隨著網(wǎng)絡(luò)負(fù)載的增大,GeoSpray與DARCC協(xié)議的平均傳輸時(shí)延差距越來(lái)越小．這是因?yàn)镚eoSpray協(xié)議的多拷貝策略使得網(wǎng)絡(luò)負(fù)載呈指數(shù)增長(zhǎng),網(wǎng)絡(luò)信道傳輸副本數(shù)據(jù)比例增大,有效數(shù)據(jù)載荷傳遞能力下降,時(shí)延增大．

圖2 發(fā)送不同數(shù)量消息時(shí)的平均傳輸時(shí)延

2.2.3 時(shí)延抖動(dòng)

隨著節(jié)點(diǎn)連接時(shí)間的變化和網(wǎng)絡(luò)負(fù)載的增加,數(shù)據(jù)包傳輸期間時(shí)延抖動(dòng)是不可避免的,時(shí)延抖動(dòng)與VDTN環(huán)境下服務(wù)質(zhì)量之間有著密切的聯(lián)系．圖3給出了NDCSD,DARCC和GeoSpray三種協(xié)議之間的時(shí)延抖動(dòng)比較．由圖可知,3種協(xié)議的時(shí)延抖動(dòng)均與消息數(shù)量正相關(guān),即發(fā)送消息數(shù)量越多,時(shí)延抖動(dòng)越大．此外,NDCSD協(xié)議的時(shí)延抖動(dòng)要低于其他2種協(xié)議．這是因?yàn)镹DCSD協(xié)議傳輸數(shù)據(jù)的滑動(dòng)窗口較大,能夠容納的數(shù)據(jù)較多,傳輸環(huán)境更加穩(wěn)定,時(shí)延抖動(dòng)較小;而對(duì)于其他2種協(xié)議而言,傳遞數(shù)據(jù)的滑動(dòng)窗口變化率較高,當(dāng)發(fā)送的數(shù)據(jù)量增加時(shí),其自適應(yīng)能力變?nèi)?頻繁發(fā)生重傳,從而導(dǎo)致時(shí)延抖動(dòng)增大．GeoSpray協(xié)議由于采用了多拷貝策略,傳遞的副本數(shù)據(jù)量較大,因而其時(shí)延抖動(dòng)在3種協(xié)議中最大．

圖3 發(fā)送不同數(shù)量消息時(shí)的時(shí)延抖動(dòng)

2.2.4 丟包率

丟包率與網(wǎng)絡(luò)帶寬、節(jié)點(diǎn)緩沖區(qū)及節(jié)點(diǎn)間連接時(shí)間密切相關(guān)．圖4給出了NDCSD,DARCC和GeoSpray三種協(xié)議的丟包率比較．由圖可知,NDCSD協(xié)議的丟包率明顯低于其他2類協(xié)議．設(shè)置實(shí)驗(yàn)參數(shù)時(shí),這3種協(xié)議的緩沖區(qū)大小是相同的,因此,丟包率僅與網(wǎng)絡(luò)帶寬和節(jié)點(diǎn)間的連接時(shí)間正相關(guān)．DARCC協(xié)議以節(jié)點(diǎn)間的連通性作為數(shù)據(jù)轉(zhuǎn)發(fā)節(jié)點(diǎn)選擇的指標(biāo),沒有考慮節(jié)點(diǎn)的可用帶寬,導(dǎo)致其丟包率較大．GeoSpray通過多拷貝多路徑策略,增大了VDTN環(huán)境下節(jié)點(diǎn)的連通概率,因此,在網(wǎng)絡(luò)傳輸負(fù)載較低時(shí),丟包率較DARCC協(xié)議低,而當(dāng)發(fā)送消息數(shù)量增大時(shí),副本呈指數(shù)增長(zhǎng),丟包率增大,明顯高于DARCC協(xié)議．NDCSD協(xié)議將兩者有機(jī)結(jié)合,具有較好的數(shù)據(jù)傳輸能力和擁塞規(guī)避能力,明顯改善了數(shù)據(jù)丟包率這一性能指標(biāo)．

圖4 發(fā)送不同數(shù)量消息時(shí)的丟包率

3 結(jié)語(yǔ)

本文提出了一種基于節(jié)點(diǎn)傳輸能力的VDTN網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)協(xié)議NDCSD．首先,根據(jù)車輛節(jié)點(diǎn)的運(yùn)動(dòng)方向和運(yùn)動(dòng)速度估計(jì)出節(jié)點(diǎn)的有效連接時(shí)間．其次,選擇與VDTN環(huán)境相近的WiBro網(wǎng)絡(luò)產(chǎn)生的多媒體數(shù)據(jù)集作為VDTN流量,通過分析該數(shù)據(jù)集的流量特征,構(gòu)建車輛流量模型,以此作為車輛節(jié)點(diǎn)的吞吐量函數(shù)．然后,通過對(duì)有效連接時(shí)間內(nèi)吞吐量函數(shù)求積分,獲得節(jié)點(diǎn)傳輸能力估計(jì)值．最后,依據(jù)節(jié)點(diǎn)的平均轉(zhuǎn)發(fā)能力設(shè)計(jì)高效的車載容遲網(wǎng)絡(luò)服務(wù)數(shù)據(jù)分發(fā)協(xié)議．與同類服務(wù)數(shù)據(jù)分發(fā)方法相比,NDCSD協(xié)議能夠提高VDTN環(huán)境下數(shù)據(jù)包投遞成功率,降低數(shù)據(jù)包的平均傳輸時(shí)延、時(shí)延抖動(dòng)及丟包率,從而保障數(shù)據(jù)傳輸?shù)姆?wù)質(zhì)量,滿足用戶對(duì)各類服務(wù)的需求．

References)

[1]Benamar N, Singh K D, Benamar M, et al. Routing protocols in vehicular delay tolerant networks: A comprehensive survey [J].ComputerCommunications, 2014, 48(5): 141-158.DOI:10.1016/j.comcom.2014.03.024.

[2]陶軍, 肖鵬, 劉瑩, 等. 基于拓?fù)溥B通概率的車載自組織網(wǎng)絡(luò)路由算法[J]. 東南大學(xué)學(xué)報(bào)(自然科學(xué)版), 2013, 43(2): 286-289. DOI:10.3969/j.issn.1001-0505.2013.02.011. Tao Jun, Xiao Peng, Liu Ying, et al. Routing algorithm based on probability of topology connectivity in vehicular ad hoc networks[J].JournalofSoutheastUniversity(NaturalScienceEdition), 2013, 43(2): 286-289. DOI:10.3969/j.issn.1001-0505.2013.02.011.(in Chinese)

[3]Lo W Z, Gao J S, Lo S C. Distance-aware routing with copy control in vehicle-based DTNs[C]//Proceedingsofthe75thIEEEInternationalConferenceonVehicularTechnologyConference(VTCSpring). Yokohama, Japan, 2012: 1-5. DOI:10.1109/vetecs.2012.6239901.

[4]Alsharif N, Shen X S. iCARII: Intersection-based connectivity aware routing in vehicular networks [C]//2014IEEEInternationalConferenceonCommunications. Sydney, Australia, 2014: 2731-2735. DOI:10.1109/icc.2014.6883737.

[5]李元振, 廖建新, 李彤紅, 等. 一種基于競(jìng)爭(zhēng)轉(zhuǎn)發(fā)的城市場(chǎng)景車載Ad Hoc網(wǎng)絡(luò)路由算法[J]. 電子學(xué)報(bào), 2009, 37(12): 2639-2645. DOI:10.3321/j.issn:0372-2112.2009.12.006. Li Yuanzhen, Liao Jianxin, Li Tonghong, et al. A contention-based forwarding routing protocol for vehicular Ad Hoc networks in city scenarios[J].ActaElectronicaSinica, 2009, 37(12): 2639-2645. DOI:10.3321/j.issn:0372-2112.2009.12.006.(in Chinese)

[6]Soares V N G J, Rodrigues J J P C, Farahmand F. GeoSpray: A geographic routing protocol for vehicular delay-tolerant networks[J].InformationFusion, 2014, 15: 102-113. DOI:10.1016/j.inffus.2011.11.003.

[7]Chen Y S, Lin Y W. A mobicast routing protocol with carry-and-forward in vehicular ad hoc networks[J].InternationalJournalofCommunicationSystems, 2012, 27(10): 1416-1440. DOI:10.1002/dac.2404.

[8]Jiang R B, Zhu Y M, He T, et al. Exploiting trajectory-based coverage for geocast in vehicular networks [J].IEEETransactionsonParallelandDistributedSystems, 2014, 25(12): 3177-3189.DOI:10.1109/tpds.2013.2295808.

[9]Chen Y, Wu W, Cao H. Navigation route based stable connected dominating set for vehicular Ad Hoc networks [J].InternationalJournalofWebServicesResearch, 2015, 12(1):12-26. DOI:10.4018/ijwsr.2015010102.

[10]Han M, Lee Y, Moon S B, et al. Archiving Wireless Data-kaist/wibro dataset [EB/OL]. (2008-06-04)[2016-09-30]. http://www. ccf.org.cn/sites/ccf/ccfdata.jsp.

[11]Ker?nen A, Ott J, K?rkk?inen T. The ONE simulator for DTN protocol evaluation[C]//ProceedingsoftheSecondInternationalICSTConferenceonSimulationToolsandTechniques. Roma, Italy, 2009:10-35. DOI:10.4108/icst.simutools2009.5674.

Node-delivery-capability-based service dissemination protocol for vehicular delay tolerant network

Li Zhiyuan1,3Bi Junlei2Wang Ruchuan3

(1School of Computer Science and Telecommunication Engineering, Jiangsu University, Zhenjiang 212013, China)(2Informatization Center, Jiangsu University, Zhenjiang 212013, China)(3High Technology Research Key Laboratory of Wireless Sensor Networks of Jiangsu Province,Nanjing University of Posts and Telecommunications, Nanjing 210003, China)

The node-delivery-capability-based service dissemination (NDCSD) protocol is proposed to solve the degrading performance issue for data transmission in vehicular delay tolerant networking (VDTN) due to the frequently intermitted connections. In the NDCSD protocol, the node delivery capability is computed by the integration of the throughput function within the active connection time. The wavelet-based neural network is used to train the sampling data to obtain the approximation of the throughput function. Then, through taking the node delivery capability as the metric, the service data distribution protocol is designed by using the Dijkstra algorithm, and the NDCSD protocol is implemented on the opportunity networks emulator. The experimental results show that compared with other classical protocols, the NDCSD protocol can significantly improve the successful rate of service delivery and reduce the data transmission delay, the delay jitter and the packet loss. The combination of the connection time and the throughput of nodes can improve the service delivery capability and implement the reliable transmission.

vehicular delay tolerant network; service dissemination; node delivery capability; connection time estimation; function approximation

10.3969/j.issn.1001-0505.2017.03.008

2016-10-11. 作者簡(jiǎn)介: 李致遠(yuǎn)(1981—)，男，博士，副教授，lizhiyuan@ujs.edu.cn.

國(guó)家自然科學(xué)基金資助項(xiàng)目(61202474, 61373017, 61572260)、中國(guó)博士后科學(xué)基金資助項(xiàng)目(2015M570469)、江蘇大學(xué)高級(jí)專業(yè)人才科研啟動(dòng)基金資助項(xiàng)目(12JDG049).

李致遠(yuǎn),畢俊蕾,王汝傳.車載容遲網(wǎng)絡(luò)下基于節(jié)點(diǎn)傳輸能力的服務(wù)分發(fā)協(xié)議[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2017,47(3):461-465.

10.3969/j.issn.1001-0505.2017.03.008.

TP393.08

A

1001-0505(2017)03-0461-05