異構(gòu)網(wǎng)絡(luò)下基于車輛權(quán)值的分簇算法

郭愛煌， 王 露， 黃 博， 左雨星

(1.同濟(jì)大學(xué) 電子信息與工程學(xué)院，上海 201804；2. 軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室(北京交通大學(xué))，北京 100044)

在汽車工業(yè)與通信技術(shù)蓬勃發(fā)展的今天，車聯(lián)網(wǎng)逐漸成為時(shí)代發(fā)展的趨勢(shì).車聯(lián)網(wǎng)提出的V2X(vehicle to X)主要包括車車通信(vehicle to vehicle, V2V)、車路通信(vehicle to infrastructure, V2I)、車人通信(vehicle to pedestrian, V2P)的短距離通信，以及車輛節(jié)點(diǎn)與其他網(wǎng)絡(luò)之間的長(zhǎng)距離通信.

在高業(yè)務(wù)密度的情景下，車輛節(jié)點(diǎn)信標(biāo)產(chǎn)生碰撞，引起廣播風(fēng)暴.而在車輛節(jié)點(diǎn)稀疏的場(chǎng)景中，提供信息傳輸?shù)能囕v節(jié)點(diǎn)不足，導(dǎo)致信息丟失與車輛節(jié)點(diǎn)失聯(lián)等問(wèn)題.

在VANET網(wǎng)絡(luò)中，為避免車輛節(jié)點(diǎn)周期性廣播信息與突發(fā)性廣播信息[1]造成信標(biāo)擁塞，對(duì)車輛節(jié)點(diǎn)進(jìn)行分簇管理，增強(qiáng)網(wǎng)絡(luò)的可擴(kuò)展性.目前，引入長(zhǎng)期演進(jìn)(long term evolution, LTE)基站輔助的異構(gòu)網(wǎng)絡(luò)分簇算法已成為研究熱點(diǎn).

分簇算法的主要工作在于簇頭的選取，可簡(jiǎn)單抽象為簇頭最大獨(dú)立集的問(wèn)題[2].文獻(xiàn)[3]提出將車輛節(jié)點(diǎn)裝備LTE與802.11p通信接口，為L(zhǎng)TE(long term evolution)與車載自組織網(wǎng)絡(luò)(LTE-vehicular Ad-Hoc network, LTE-VANET)異構(gòu)網(wǎng)絡(luò)下車輛節(jié)點(diǎn)分簇算法構(gòu)建了基本框架.基站獲取車輛節(jié)點(diǎn)的移動(dòng)數(shù)據(jù)(floating car data，F(xiàn)CD)包括位置、速度大小、方向等參數(shù)，進(jìn)行集中式分簇，大量增加了基站的分簇開銷.文獻(xiàn)[4]提出VMaSC-LTE算法，選擇與相鄰車輛節(jié)點(diǎn)間相對(duì)移動(dòng)最小的車輛節(jié)點(diǎn)作為簇頭，提高簇結(jié)構(gòu)穩(wěn)定性，但未考慮車輛節(jié)點(diǎn)與基站的通信效率.文獻(xiàn)[5]中的Energy-Efficient Cluster分簇算法主要考慮簇頭的傳輸功率，通過(guò)圖論模型選擇與鄰居車輛節(jié)點(diǎn)總距離最小的車輛節(jié)點(diǎn)作為簇頭，最小化信息傳輸?shù)目偣β?文獻(xiàn)[6]提出一種自適應(yīng)權(quán)值分簇協(xié)議，考慮車輛節(jié)點(diǎn)的編號(hào)、方向、速度大小及鄰居車輛節(jié)點(diǎn)數(shù)目，采用遺傳算法計(jì)算出最優(yōu)分簇方案.但該方法的計(jì)算復(fù)雜度較高，迭代時(shí)間略長(zhǎng)，不能很好滿足實(shí)際應(yīng)用需求.

傳統(tǒng)的分簇方法針基于IEEE802.11p協(xié)議，主要考慮簇內(nèi)車輛的穩(wěn)定性而忽略了車輛節(jié)點(diǎn)與基站之間的信道狀態(tài)與信道質(zhì)量.在異構(gòu)網(wǎng)絡(luò)通信環(huán)境下，傳統(tǒng)分簇算法無(wú)法確保車輛節(jié)點(diǎn)與基站之間的通信效率，造成LTE資源開銷過(guò)大等問(wèn)題.為優(yōu)化簇穩(wěn)定性，本文在文獻(xiàn)[3]與文獻(xiàn)[4]的基礎(chǔ)上，改進(jìn)車輛節(jié)點(diǎn)之間穩(wěn)定性指標(biāo)，更換成車輛節(jié)點(diǎn)相對(duì)移動(dòng)性與相對(duì)置信距離作為新的分簇指標(biāo).另外，為提升簇頭與基站間的信道質(zhì)量，降低LTE基站消耗的通信開銷，引入LTE接收參考信號(hào)質(zhì)量及鏈路信道質(zhì)量參數(shù)作為分簇屬性，提出一種異構(gòu)網(wǎng)絡(luò)下基于車輛權(quán)值的分簇算法(heterogeneous network weighted clustering algorithm, H-WCA)，進(jìn)行整體網(wǎng)絡(luò)性能的優(yōu)化.

1 系統(tǒng)模型及問(wèn)題描述

1.1 系統(tǒng)模型

考慮車輛節(jié)點(diǎn)在雙車道高速路面行駛環(huán)境下，對(duì)模型作出以下假設(shè)(如圖1所示)：

(1)高速路面一側(cè)部署了基站(evolved node B, eNodeB)，覆蓋該段路面.

(2)車輛節(jié)點(diǎn)裝有802.11p與LTE通信接口，車輛節(jié)點(diǎn)之間通過(guò)802.11p接口通信，車輛節(jié)點(diǎn)與eNodeB之間通過(guò)LTE接口進(jìn)行通信.

(3)每輛車都裝有通信單元(on board unit，OBU)用于V2V與V2I通信；傳感器，如全球定位系統(tǒng)(global positioning system，GPS)，用于獲取車輛節(jié)點(diǎn)的位置及速度信息；數(shù)據(jù)單元，如長(zhǎng)度為L(zhǎng)的緩存區(qū)，用于存儲(chǔ)發(fā)送車輛節(jié)點(diǎn)的業(yè)務(wù)數(shù)據(jù).

(4)車輛節(jié)點(diǎn)業(yè)務(wù)數(shù)據(jù)包的發(fā)送服從發(fā)送率為λt的泊松分布，每個(gè)時(shí)隙初期若緩存區(qū)隊(duì)列非空，則立即發(fā)送數(shù)據(jù)包.

(5)車輛節(jié)點(diǎn)位置服從參數(shù)μ均勻分布.

圖1 異構(gòu)網(wǎng)絡(luò)車輛節(jié)點(diǎn)分簇模型示意Fig.1 Heterogeneous network vehicle clustering model

1.2 權(quán)值分簇算法描述

由于分簇算法中存在多個(gè)屬性影響分簇的性能，采用多屬性權(quán)值分配的分簇算法，權(quán)衡制約各類屬性.在VANET網(wǎng)絡(luò)中，具有奠基意義的代表為Chatterjee等[7]提出的權(quán)值分簇算法(weighted clustering algorithm，WCA).WCA中分配不同屬性權(quán)重，計(jì)算并選擇最小權(quán)值車輛節(jié)點(diǎn)作為簇頭.對(duì)車輛節(jié)點(diǎn)v的分簇權(quán)值Wv為

Wv=ω1Δv+ω2Rv+ω3Mv+ω4Pv

(1)

2 H-WCA算法描述

H-WCA算法引入置信距離、相對(duì)移動(dòng)性、傳輸可達(dá)速率和信道質(zhì)量指示作為分簇屬性集，通過(guò)層次分析法確定各屬性權(quán)值，利用序數(shù)偏好方法選取最優(yōu)簇頭.

2.1 置信距離描述

根據(jù)1.1節(jié)中描述的系統(tǒng)模型，以單向雙車道行駛的車輛節(jié)點(diǎn)進(jìn)行分簇，假設(shè)簇的傳輸范圍為D，則簇內(nèi)車輛節(jié)點(diǎn)數(shù)為

N=2μD

(2)

簇內(nèi)車輛節(jié)點(diǎn)發(fā)送數(shù)據(jù)包服從發(fā)送率為λt的泊松分布，則簇頭數(shù)據(jù)包亦服從到達(dá)率為λt的泊松分布，即

(3)

式中:λr=Nλt；Ar為簇頭數(shù)據(jù)包到達(dá)個(gè)數(shù)；k為擬定達(dá)到數(shù)據(jù)包個(gè)數(shù)；ΔT表示簇內(nèi)成員數(shù)據(jù)包發(fā)送間隔.

車輛節(jié)點(diǎn)網(wǎng)絡(luò)模型可通過(guò)無(wú)向圖G=(V,E)的節(jié)點(diǎn)與鏈路表示[7]，其中V為車輛節(jié)點(diǎn)集合，E為鏈路集合.車輛節(jié)點(diǎn)分簇問(wèn)題可以抽象為限制條件下的圖形分割問(wèn)題，限定參數(shù)下的最小化分割圖是一個(gè)NP-hard問(wèn)題.車輛節(jié)點(diǎn)vi的鄰居車輛(不包含vi)表示為

N(vi)={vj|d(vi,vj)

(4)

式中:d(vi,vj)表示車輛節(jié)點(diǎn)vi與車輛節(jié)點(diǎn)vj的距離;r802.11p表示802.11p定義的最大傳輸距離[5]，一般為300 m.

為提高傳輸穩(wěn)定性，保證車輛節(jié)點(diǎn)傳輸?shù)目煽啃訹8]，采用置信距離替代車輛節(jié)點(diǎn)相對(duì)距離.根據(jù)緩存區(qū)隊(duì)列長(zhǎng)度L，保證隊(duì)列溢出概率小于閾值ρ.簇頭數(shù)據(jù)包溢出的概率表示為

(5)

且P(Ar>L)<ρ結(jié)合式(2)與式(5)可得到車輛節(jié)點(diǎn)的置信區(qū)間(傳輸范圍)D.根據(jù)車輛節(jié)點(diǎn)的最大傳輸距離r802.11p與置信區(qū)間D(如圖2)，定義置信因子α>1，vi與vj的相對(duì)置信距離為

(6)

式中：Δd=d(vi,vj)-D.L(vi,vj)越小則表示vi與vj間的信任度越高.vi的相對(duì)置信距離為

(7)

圖2 置信距離Fig.2 Distance in trust

2.2 相對(duì)移動(dòng)性描述

車輛節(jié)點(diǎn)的移動(dòng)造成網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變動(dòng)，對(duì)簇穩(wěn)定性產(chǎn)生影響.由于車輛節(jié)點(diǎn)并非勻速行駛，需對(duì)其運(yùn)動(dòng)狀態(tài)進(jìn)行預(yù)判.據(jù)此，采用高斯馬爾科夫運(yùn)動(dòng)模型，預(yù)測(cè)車輛節(jié)點(diǎn)的運(yùn)動(dòng)狀態(tài)[9].高斯馬爾科夫運(yùn)動(dòng)速度模型可表示為

(8)

(9)

式中：δ為車輛位置更新間隔，通過(guò)預(yù)測(cè)vi位置，計(jì)算其相對(duì)移動(dòng)性，即

(10)

2.3 可達(dá)速率描述

在LTE-VANET異構(gòu)網(wǎng)絡(luò)中，簇頭收集簇內(nèi)車輛節(jié)點(diǎn)的數(shù)據(jù)包，通過(guò)LTE上行鏈路發(fā)送至eNodeB[10].LTE采用2種參考信號(hào)(reference signal，RS)，分別為解調(diào)參考信號(hào)和探測(cè)參考信號(hào)，分別有對(duì)信號(hào)解調(diào)、確定服務(wù)信道的信道質(zhì)量并進(jìn)行信號(hào)調(diào)度等功能.

LTE系統(tǒng)結(jié)合當(dāng)前的RSSI與RSRP的數(shù)值，計(jì)算信號(hào)強(qiáng)度與干擾比，引入?yún)⒖夹盘?hào)接收質(zhì)量(reference signal received quality, RSRQ). RSRQ能更貼切信道的鏈路狀態(tài)，用于多小區(qū)通信場(chǎng)景下，作為移動(dòng)用戶的越區(qū)切換參數(shù)之一.假設(shè)有Y個(gè)LTE傳輸資源塊，其計(jì)算公式為

RQ(vi)=YRP(vi)/Rs

(11)

式中：RQ(vi)表示車輛節(jié)點(diǎn)vi接收的RSRQ；RP(vi)表示車輛節(jié)點(diǎn)vi在其所處小區(qū)位置的RSRP強(qiáng)度；Rs表示該小區(qū)的RSSI.eNodeB根據(jù)用戶接收的參考信號(hào)對(duì)傳輸鏈路進(jìn)行信道估計(jì).車輛節(jié)點(diǎn)的傳輸可達(dá)速率[12]為

S(vi)(1-τ-ζ

(12)

式中:τ為信道檢測(cè)時(shí)間;ζ為能量傳輸時(shí)間.

由車輛節(jié)點(diǎn)vi的RQ(vi)計(jì)算獲得從eNodeB到車輛節(jié)點(diǎn)傳輸可達(dá)速率S(vi)，作為分簇的屬性之一，保證簇頭與eNodeB間的信道傳輸容量.

2.4 信道質(zhì)量指示描述

針對(duì)無(wú)線信道的時(shí)變特性，LTE系統(tǒng)建立閉環(huán)反饋的通信模式，通過(guò)自適應(yīng)調(diào)整鏈路技術(shù)，實(shí)現(xiàn)傳輸最優(yōu)配置.eNodeB依據(jù)車輛節(jié)點(diǎn)的反饋信息，分析當(dāng)前信道參數(shù)及干擾模型，并自適應(yīng)地調(diào)節(jié)上下行鏈路的傳輸參數(shù).

信道質(zhì)量指示(channel quality indicator，CQI)的量化等級(jí)為0～15，對(duì)應(yīng)不同的傳輸編碼策略，eNodeB通過(guò)車輛節(jié)點(diǎn)反饋的CQI自適應(yīng)調(diào)整下行鏈路的調(diào)制方式和編碼策略[13](如表1)，在傳輸塊錯(cuò)誤率不超過(guò)10%的前提下，提高資源使用率[14].

簇頭傳輸信息量大，優(yōu)先選擇CQI較高的車輛節(jié)點(diǎn)，以降低LTE通信鏈路的資源塊占用率.令車輛節(jié)點(diǎn)的平均CQI為C(vi).

表1 CQI與編碼策略Tab.1 CQI and coding strategy

2.5 權(quán)值分配及簇頭選擇

2.5.1層次分析法

異構(gòu)網(wǎng)絡(luò)下車輛節(jié)點(diǎn)多屬性權(quán)重分簇算法簡(jiǎn)單抽象為多屬性、多目標(biāo)的決策問(wèn)題.建立層次分析法(analytic hierarchy process, AHP)模型[15]，按照實(shí)際模型得到目標(biāo)層(簇穩(wěn)定性、傳輸有效性、信道容量、資源利用率)、決策層(置信距離、相對(duì)移動(dòng)性、可達(dá)速率、信道質(zhì)量)和方案層(簇內(nèi)車輛節(jié)點(diǎn)集).

通過(guò)比例標(biāo)度表對(duì)各屬性相對(duì)重要性賦值，構(gòu)造歸一化比較判斷矩陣.計(jì)算出矩陣的最大特征值，進(jìn)行一致性校驗(yàn).若滿足校驗(yàn)條件[15]，則各屬性的權(quán)值分別為對(duì)應(yīng)的判斷矩陣的歸一化的特征向量中各元素的值.

AHP將各參考元素分別在目標(biāo)、準(zhǔn)則、方案等層次上劃分，為多目標(biāo)、多屬性的分簇問(wèn)題提供簡(jiǎn)便的決策方案.

2.5.2序數(shù)偏好方法

序數(shù)偏好方法(technique for order preference by similarity to an ideal solution, TOPSIS)基于決策方案與理想方案的歐氏距離最小、與負(fù)理想方案距離最大理論[16].假設(shè)車輛節(jié)點(diǎn)的置信距離、相對(duì)移動(dòng)性、傳輸可達(dá)速率及鏈路信道質(zhì)量指示對(duì)應(yīng)分配的權(quán)值分別為ω=[ω1，ω2，ω3，ω4].決策矩陣R的各元素計(jì)算為

(13)

式中：M為簇內(nèi)車輛節(jié)點(diǎn)集合；xiq表示車輛節(jié)點(diǎn)vi的屬性q的數(shù)值結(jié)果.決策矩陣R的每列與權(quán)值ωq相乘，建立加權(quán)標(biāo)準(zhǔn)化決策矩陣Z，即

(14)

通過(guò)矩陣Z確立理想解A+與負(fù)理想解A-，如

(15)

(16)

對(duì)于車輛節(jié)點(diǎn)vi與理想方案、負(fù)理想方案的歐氏距離分別為

(17)

(18)

則其與理想方案的接近程度為

(19)

最后選擇最小Gi節(jié)點(diǎn)作為簇頭.

在多屬性決策問(wèn)題上，AHP更為簡(jiǎn)便客觀地計(jì)算各屬性權(quán)值.在多目標(biāo)的決策問(wèn)題上，TOPSIS方法可有效地獲取評(píng)測(cè)對(duì)象集合中的最優(yōu)解.結(jié)合AHP和TOPSIS，選取路面環(huán)境中相對(duì)穩(wěn)定且信道狀態(tài)較理想的車輛節(jié)點(diǎn)作為簇頭，穩(wěn)定簇的生存周期以及提高LTE基站的傳輸效率及傳輸容量.

例如網(wǎng)絡(luò)的車輛節(jié)點(diǎn)集為{m1,m2,m3}，假設(shè)根據(jù)式(13)計(jì)算得出車輛節(jié)點(diǎn)的決策矩陣為

由式(14)可計(jì)算獲得對(duì)應(yīng)的加權(quán)決策矩陣為

其理想方案為A+={0.022,0.044,0.076,0.384}，負(fù)理想方案為A-={0.088,0.176,0.046,0.258}.據(jù)式(17)、(18)、(19)可得，各簇內(nèi)各車輛與理想方案的接近距離分別為{0.737,0.104,0.462}，因此選擇車輛m2作為簇頭.

3 H-WCA分簇算法實(shí)現(xiàn)

H-WCA算法考慮單跳連接方式，具體執(zhí)行步驟如下.

當(dāng)車輛節(jié)點(diǎn)進(jìn)入小區(qū)內(nèi)，當(dāng)前車輛狀態(tài)(car state)為獨(dú)立簇頭(stand head)，并向eNodeB申請(qǐng)簇ID(cluster ID)，并查詢是否存在簇頭(cluster head, CH).若其本身ID(my ID)與CH ID相同，則其車輛狀態(tài)置為CH，否則置為簇成員(cluster member，CM)，執(zhí)行過(guò)程如步驟1，即車輛節(jié)點(diǎn)狀態(tài)選擇.

1 For all the vehicle request CLUSTER ID;

2 if Car State == STAND HEAD

3 request and set Cluster ID;

4 end if;

6 if hasCH == true

7 if CH ID == my ID

8 Car State = CH;

9 else

10 Car State = CM;

11 end if;

12 end if;

13 end if;

若當(dāng)前簇內(nèi)無(wú)CH存在，則車輛節(jié)點(diǎn)相互間廣播信標(biāo)(broadcast beacon)，并計(jì)算各自的相對(duì)置信距離與移動(dòng)參數(shù)，計(jì)算完成后向eNodeB發(fā)送申請(qǐng)CH請(qǐng)求，執(zhí)行過(guò)程如步驟2，即車輛節(jié)點(diǎn)簇頭申請(qǐng).

1 For all Car State == STAND HEAD;

2 if hasCH == false

3 broadcast Beacon;

4 request CH;

5 wait and receive LTE message;

6 if CH ID == myID

7 Car State = CH;

8 broadcast CH message;

9 else

10 Car State = CM;

11 hasCH = true;

12 end if;

13 end if;

對(duì)于eNodeB接收到簇ID申請(qǐng)消息，返回簇ID及簇頭ID.若eNodeB接收到簇頭申請(qǐng)消息，則計(jì)算簇內(nèi)車輛節(jié)點(diǎn)接近程度并選出CH，執(zhí)行過(guò)程如步驟3，即eNodeB CH選擇.

1 For eNodeB;

3 return Cluster ID;

4 if hasCH == true

5 return CH ID;

6 end if;

7 end if;

9 if hasCH == true

10 return CH ID;

11 else

12 calculate G;

13 if G(k) == min{ G }

14 CH ID = k;

15 end if;

16 hasCH = true;

17 return CH ID;

18 end if;

19 end if;

4 仿真及結(jié)果分析

采用Veins LTE仿真框架進(jìn)行車輛分簇系統(tǒng)級(jí)仿真試驗(yàn)與數(shù)據(jù)分析.仿真參數(shù)符號(hào)及數(shù)值如表2所示.

車輛密度取值20～75輛·km-1，仿真比較分析H-WCA、傳統(tǒng)WCA及最小ID分簇算法在LTE上行鏈路傳輸容量、上下行鏈路資源占用率及簇范圍的區(qū)別.經(jīng)計(jì)算，各屬性權(quán)重為ω=[0.1,0.2,0.1,0.6].圖3為不同分簇算法的上行鏈路傳輸總量與車輛節(jié)點(diǎn)密度曲線.經(jīng)異構(gòu)權(quán)值分簇算法選取的簇頭節(jié)點(diǎn)與eNodeB之間的信道狀態(tài)相對(duì)理想，信

表2 仿真參數(shù)Tab.2 Simulation parameters

道可傳輸容量也相對(duì)較大，在車輛密集的路面中，H-WCA算法可提供更大的傳輸容量上限.如圖所示，當(dāng)車輛節(jié)點(diǎn)密度增大，H-WCA算法在上行鏈路傳輸容量上性能提升明顯，最高可增加34%左右.

圖3 上行鏈路傳輸總量對(duì)比Fig.3 Total uplink transmission comparison

經(jīng)典WCA算法以車輛節(jié)點(diǎn)距離、相對(duì)速度及電力資源作為分簇的參考屬性，從而使得簇的穩(wěn)定性最優(yōu).在異構(gòu)網(wǎng)絡(luò)通信環(huán)境中，需進(jìn)一步考慮LTE的資源利用率.在H-WCA算法中，根據(jù)LTE的調(diào)制編碼策略，引入了RSRQ與CQI作為分簇屬性，通過(guò)選擇聯(lián)合屬性權(quán)值最優(yōu)的車輛節(jié)點(diǎn)，降低車輛通信的LTE資源塊開銷，最高可降低約22%的資源占用率.

3種算法在上下行鏈路的資源占用率方面的仿真比較如圖4、圖5所示.LTE基站根據(jù)上行鏈路反饋的CQI自適應(yīng)調(diào)整下行鏈路的調(diào)制編碼策略，在保證誤塊率的情況下改善資源傳輸效率.H-WCA選取相對(duì)較高CQI車輛節(jié)點(diǎn)作為簇頭，提升了LTE鏈路的編碼效率，減少資源塊占用率.如圖4、圖5所示，H-WCA算法資源占用率相較于另外2種分簇算法有較大的降低，當(dāng)車輛節(jié)點(diǎn)密度增加，其性能優(yōu)勢(shì)愈加明顯.

為保證分簇的穩(wěn)定性，盡可能增大分簇范圍、減小簇頭數(shù)量.H-WCA通過(guò)簇內(nèi)車輛的置信距離與相對(duì)移動(dòng)性預(yù)測(cè)車輛節(jié)點(diǎn)之間的運(yùn)動(dòng)狀態(tài)，最大化簇頭通信范圍內(nèi)的車輛節(jié)點(diǎn)數(shù).由圖6可得，H-WCA算法通過(guò)更新車輛相對(duì)置信距離與相對(duì)移動(dòng)性的分簇屬性，提升了分簇的穩(wěn)定性，平均簇內(nèi)車輛數(shù)目與WCA算法表現(xiàn)相近，但明顯優(yōu)于最小ID分簇算法.

圖4 上行鏈路資源塊占用率對(duì)比

Fig.4Uplinkresourceblockoccupancyratecomparison

圖5 下行鏈路資源塊占用率對(duì)比Fig.5 Downlink resource block occupancyrate comparison

圖6 簇內(nèi)成員平均數(shù)量對(duì)比Fig.6 Average number of members withinthe cluster contrast

文獻(xiàn)[3]中主要通過(guò)LTE基站輔助降低了FCD丟包率，并且通過(guò)增加LTE鏈路的開銷以降低VANET的通信開銷.而本文的分簇算法，采用車輛節(jié)點(diǎn)自組織分簇，有效地降低了LTE的分簇開銷，通過(guò)對(duì)簇頭節(jié)點(diǎn)信號(hào)強(qiáng)度以及信道質(zhì)量的評(píng)估，進(jìn)一步降低了LTE鏈路的通信負(fù)載.文獻(xiàn)[4]采用多簇的融合機(jī)制以及信號(hào)多跳的方式實(shí)現(xiàn)簇的穩(wěn)定性最大化.但是若簇成員過(guò)多，會(huì)導(dǎo)致簇頭的負(fù)載嚴(yán)重，因此仍采用節(jié)點(diǎn)間單跳的通信方式減小簇頭的信息傳輸壓力.文獻(xiàn)[5]通過(guò)選取網(wǎng)絡(luò)中相對(duì)最小距離節(jié)點(diǎn)作為簇頭以降低簇頭的能量開銷.而H-WCA算法，在維持相同誤碼率的情況下，可通過(guò)減小簇頭的發(fā)射功率降低簇頭的能量消耗.綜上所述，H-WCA在異構(gòu)網(wǎng)絡(luò)通信環(huán)境中性能表現(xiàn)更優(yōu).

5 結(jié)語(yǔ)

提出了一種異構(gòu)網(wǎng)絡(luò)下基于車輛權(quán)值的分簇算法.通過(guò)LTE基站輔助車輛節(jié)點(diǎn)分簇，引入車輛節(jié)點(diǎn)的置信距離、相對(duì)移動(dòng)性、鏈路可達(dá)速率及上行鏈路CQI作為分簇參考屬性，在保證分簇穩(wěn)定的前提下，提高LTE傳輸容量，同時(shí)降低LTE資源塊占用率.仿真結(jié)果所示，H-WCA在LTE傳輸速率及傳輸效率方面均有明顯的提升.此外，通過(guò)仿真發(fā)現(xiàn)車輛節(jié)點(diǎn)的密度增加造成LTE資源占用率上升，因此下一步工作可以繼續(xù)研究資源占用率的影響因素.

參考文獻(xiàn):

[1] ARANITI G, CAMPOLO C, CONDOLUCI M,etal. LTE for vehicular networking: A survey[J]. IEEE Communications Magazine, 2013, 51(5): 148.

[2] 林磊，肖曉強(qiáng)，徐明，等. 面向穩(wěn)定性的基于權(quán)值的車輛自組網(wǎng)分簇算法——SWBCA[J]. 計(jì)算機(jī)應(yīng)用, 2010, 30(7): 1711.

LIN Lei, XIAO Xiaoqiang, XU Ming,etal. SWBCA: Stability-oriented weight-based clustering algorithm for VANETs[J]. Journal of Computer Applications, 2010, 30(7): 1711.

[3] REMY G, SENOUCI S M, JAN F,etal. LTE4V2X: LTE for a centralized VANET organization[C]//Global Telecommunications Conference (GLOBECOM 2011). Houston: IEEE, 2011: 1-6.

[4] UCAR S, ERGEN S C, OZKASAP O. Multihop-cluster-based IEEE 802.11p and LTE hybrid architecture for VANET safety message dissemination[J]. IEEE Transactions on Vehicular Technology, 2016, 65(4): 2621.

[5] DONG Ping, DU Xiaojiang, SUN Jianan,etal. Energy-efficient cluster management in heterogeneous vehicular networks[C]//2016 IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS). Chengdu: IEEE, 2016: 644-649.

[6] HADDED M, ZAGROUBA R, LAOUITI A,etal. A multi-objective genetic algorithm-based adaptive weighted clustering protocol in vanet[C]// 2015 IEEE Congress on Evolutionary Computation (CEC). Sendai: IEEE, 2015: 994-1002.

[7] CHATTERJEE M, DAS S K, TURGUT D. WCA: A weighted clustering algorithm for mobile Ad Hoc networks[J]. Cluster Computing, 2002, 5(2): 193.

[8] AISSA M, BELGHITH A. An efficient scalable weighted clustering algorithm for mobile Ad Hoc networks[C]// 2013 3rd International Conference on Information Technology and e-Services (ICITeS). Jeju: IEEE, 2013: 1-6.

[9] CAI M, RUI L, LIU D,etal. Group mobility based clustering algorithm for mobile ad hoc networks[C]//2015 17th Asia-Pacific Network Operations and Management Symposium (APNOMS). Seoul: IEEE, 2015: 340-343.

[10] EL Mouna Zhioua G, TABBANE N, LABIOD H,etal. A fuzzy multi-metric QoS-balancing gateway selection algorithm in a clustered VANET to LTE advanced hybrid cellular network[J]. IEEE Transactions on Vehicular Technology, 2015, 64(2): 804.

[11] 欒林林. 支持高速切換的 TD-LTE 信令的設(shè)計(jì)及其優(yōu)化的研究[D]. 北京: 北京郵電大學(xué), 2013.

LUAN Linlin. Research on designing and optimization of signalling of TD-LTE based on high-speed handover[D].Beijing: Beijing University of Posts and Telecommunications, 2013.

[12] YANG G, HO C K, ZHANG R,etal. Throughput optimization for massive MIMO systems powered by wireless energy transfer[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(8): 1640.

[13] 3rd Generation Partnership Project. Evolved Universal Terrestrial Radio Access-3GPP. TS 36 213 V8. 8.0[S]. Valbonne: 3rd Generation Partnership Project, 2009.

[14] TURCANU I, SOMMER C, BAIOCCHI A,etal. Pick the right guy: CQI-based LTE forwarder selection in VANETs[C]//Vehicular Networking Conference (VNC), 2016 IEEE. Columbus: IEEE, 2016: 1-8.

[15] YARAGHI N, TABESH P, GUAN P,etal. Comparison of AHP and monte carlo AHP under different levels of uncertainty[J]. IEEE Transactions on Engineering Management, 2015, 62(1): 122.

[16] TIAN G, ZHANG H, ZHOU M C,etal. AHP, gray correlation, and topsis combined approach to green performance evaluation of design alternatives[J]. IEEE Transactions on Systems, Man and Cybernetics: Systems, 2017(99):1.