基于Nakagami-m信道模型的V2X通信協(xié)議

王 桐，張健鋒

哈爾濱工程大學 信息與通信工程學院，黑龍江 哈爾濱 150001

近年來，隨著電子通信、計算機網絡和汽車工業(yè)等領域的飛速發(fā)展，智能交通系統(tǒng)(Intelligent Transportation System, ITS[1])正處于蓬勃發(fā)展階段，車載自組網(vehicular ad-hoc networks, VANETs[2-4]) 已經成為實現(xiàn)城市場景下智能交通的有效手段，并逐漸成為只能領域研究方面的熱點。車載自組網就是利用車輛與車輛之間(vehicles to vehicles, V2V) 以及車輛與道路設施之間(vehicles to road side units, V2R)的信息交換來實現(xiàn)信息的傳遞[5-7]。在不同的實際環(huán)境下，許多專家和學者提出很多的VANETs路由協(xié)議，但是這些路由協(xié)議在投遞率(packet delivery ratio, PDR[8])和平均端到端時延(average end to end delay, AE2ED[9])方面并未達到要求技術實現(xiàn)的要求。目前，VANET路由協(xié)議主要面臨的問題包含：道路稀疏性導致丟包率大、節(jié)點時延過大、數(shù)據(jù)包轉發(fā)易陷入局部最優(yōu)。因此，本文將對這3個方面來改進路由協(xié)議。

1 相關工作

傳統(tǒng)的路由協(xié)議根據(jù)通信源和通信目標數(shù)量的不同，可分為廣播路由協(xié)議、單播路由協(xié)議和組播路由協(xié)議。其中單播路由協(xié)議是一種最基本點對點的路由協(xié)議，按照時間的發(fā)展順序可分為以下3類經典的路由協(xié)議：基于拓撲的路由協(xié)議、基于地理位置的路由協(xié)議和基于RSU輔助的路由協(xié)議。

文獻[10-11]中提出基于拓撲的先應式路由協(xié)議目的節(jié)點序列距離矢量協(xié)議(destination sequenced distance vector, DSDV)和優(yōu)化鏈路狀態(tài)路由協(xié)議(optimized link state routing, OLSR)，網絡中所有的節(jié)點通過廣播的方式與網絡中的其他節(jié)點進行信息交互，從而達到主動地維護全網路由表的目的。文獻[12-13]中提出的反應式路由協(xié)議需求距離矢量路由協(xié)議(ad hoc on-demand distance vector routing, AODV)和動態(tài)源節(jié)點路由算法(dynamic source routing, DSR)，這類路由按照需要進行路由發(fā)現(xiàn)和路由維護的過程，從而降低了整個通信網絡開銷。文獻[14]提出DAODV(direction AODV，DAODV)在高速車輛環(huán)境下，相比于AODV路由協(xié)議提高了路由的穩(wěn)定性。但這類基于拓撲結構的路由協(xié)議在車載網絡中有很大局限性：當車輛節(jié)點速度高、拓撲結構變化快時，會造成通信鏈路中斷或延遲增大等問題，并且增大了網絡路由表的維護開銷。

隨著GPS、導航定位設備的優(yōu)化與升級，相比于基于拓撲類的路由協(xié)議，在復雜環(huán)境下基于地理位置的或者基于電子地圖的路由協(xié)議有更強地通信能力。文獻[15]提出基于貪婪周邊轉發(fā)協(xié)議(greedy perimeter stateless routing, GPSR)，采用傳統(tǒng)的貪婪轉發(fā)算法和改進的周邊轉發(fā)算法，在一般情況下，優(yōu)先使用貪婪算法；一旦貪婪轉發(fā)算法找不到合適的中繼節(jié)點時，則采用周邊轉發(fā)算法來進行彌補。文獻[16]針對GPSR忽略車載城市環(huán)境特點的不足，提出基于貪婪周邊合作路由協(xié)議 (greedy perimeter coordinator routing, GPCR)，設置道路交叉口節(jié)點為協(xié)調節(jié)點，提高數(shù)據(jù)傳輸?shù)倪B通性。文獻[17]提出基于競爭轉發(fā)路由(contention-based forwarding, CBF)協(xié)議，基于當前現(xiàn)實存在的鄰居節(jié)點決定下一跳轉發(fā)節(jié)點，并采用轉發(fā)節(jié)點的感知體制。文獻[18-19]使用不同方式的分簇，提出適應不同場景的路由算法。文獻[20]提出基于道路的車輛交通路線反應模式(reactive mode of road-based using vehicular traffic routing, RBVT-R)路由協(xié)議，充分考慮VANETs網絡中車輛節(jié)點的高速運動的特點，優(yōu)先選擇鏈路持續(xù)時間較長的通信路線，這樣保證了信息傳輸?shù)目煽啃?。這類路由協(xié)議與傳統(tǒng)的基于拓撲的路由協(xié)議性能上有所提升。但是這類協(xié)議多采用局部優(yōu)化算法，很容易陷入局部最優(yōu)情況，從而失去了全局的控制，忽視了車輛移動軌跡選擇的問題。

更多的路由協(xié)議設計不僅考慮車輛自身因素，還考慮到道路及基礎設施因素。文獻[21-22]提出自適應消息路由(adaptive message routing, AMR)算法與基于路口地理路由(intersection based geographical routing protocol, IGRP)協(xié)議，通過在交叉路口設置RSUs，基于服務質量(quality of service，QoS)利用遺傳算法計算出由源節(jié)點到目標RSU的最優(yōu)路徑。文獻[23]提出GSR協(xié)議，考慮城市道路因素，將整個交通環(huán)境劃分為“交叉路口和道路段”，基于城市道路信息和Dijkstra算法，最優(yōu)化源節(jié)點到目標節(jié)點路徑。文獻[24]提出改進基于貪婪交通的意識路由協(xié)議(improved greedy traffic aware routing, GyTAR)，通過添加交叉路口的固定錨節(jié)點序列，根據(jù)各路段車輛密度動態(tài)不同選擇的轉發(fā)車輛。文獻[25]提出基于連接感知路由協(xié)議(connectivity-aware routing, CAR)，考慮從源節(jié)點到目的節(jié)點的最優(yōu)路徑中，優(yōu)先考慮存在錨節(jié)點間的道路段，作為貪婪算法傳輸數(shù)據(jù)包的轉發(fā)節(jié)點，從而提高數(shù)據(jù)傳輸?shù)某晒β屎蜏p少數(shù)據(jù)包傳輸?shù)臅r延。這類路由協(xié)議采用全局設計思想，依據(jù)路由策略選擇由源節(jié)點到目標節(jié)點的最優(yōu)路徑。但卻忽視了城市環(huán)境下車車輛節(jié)點的高速移動性、城市道路車輛分布的時段性、以及車輛節(jié)點信息傳遞的實時性等問題。本文提出的VCNCM協(xié)議針對以上問題，設計基于車輛速度和密度的動態(tài)信標機制和基于RSU輔助路由選擇算法，通過物理層的建模提高數(shù)據(jù)傳輸成功率。

2 VANETs 場景建模

本節(jié)介紹VANETs無線信道傳播模型和真實地圖選取與模型抽象。不同的場景和移動性模型會影響路由協(xié)議的性能。 構建合適的車輛運動模型和設計無線傳輸模型對仿真結果具有重要意義。

2.1 無線信道傳播模型

無線信道大多處于復雜的傳播環(huán)境中，研究其特性并建立一個與實際傳輸環(huán)境相符合的無線信道仿真模型，有著十分重要的現(xiàn)實意義。由于建筑物、樹木和其他車輛的阻礙，導致信號的傳輸產生反射、衍射、繞射等結果，信號會有很大的損耗。如圖1所示，在城市環(huán)境下，車載自組網信息傳輸主要有車輛與車輛之間 以及車輛與道路設施之間傳輸。無線信道傳播模型一般可分為視距(line of sight, LOS)傳輸和非視距(not line of sight，NLOS)傳輸。虛線箭頭表示兩輛車通過LOS進行通信。實線表示兩輛車通過NLOS進行通信。

圖1 城市無線信道傳播模型

為了更準確地描述車載自組網的衰落特性，通常采用車輛間經典的Nakamagi-m衰落信道。該模型可以描述車輛與其他車輛之間的無線通信信道關系。接收機車輛信號強度h的概率分布函數(shù)f(h)如式(1)：

(1)

式中:m是概率分布函數(shù)的形狀因子，表示發(fā)射信號衰落的嚴重程度;Γ(·)表示是Gamma函數(shù)；Ω(d)是信號傳輸功率損耗，其影響因素如式(2)：

(2)

式中：L為發(fā)送與接收車輛之間的直線距離;ht和hr分別表示發(fā)送與接收車輛的天線高度；Pt表示發(fā)送節(jié)點的發(fā)送信號的有效功率；發(fā)送與接收車輛節(jié)點的天線的平均增益為Gt和Gr；θ是衰落模型的損耗系數(shù)。

2.2 真實場景的地圖處理

選取真實地圖的二維框架，對工程領域的研究有一定現(xiàn)實意義。本文通過選取特定的地圖場景， 使用典型的微觀交通仿真器SUMO，可以真實模擬單個車、單個車道，可以明確指定需求，建立大規(guī)模仿真情景。為此，本文選取哈爾濱市區(qū)的街道進行處理分析，并給出了SUMO處理真實地圖的步驟，處理結果如圖2所示。圖2(a)顯示從OpenStreetMap下載哈爾濱市區(qū)道路情況；圖2(b)顯示是SUMO軟件處理XML格式圖。

(a)OpenStreetMap原地圖

(b)SUMO處理后的地圖圖2 哈爾濱地圖處理結果

地圖處理步驟為：

1)從openstreetmap 下載所選地圖的.OSM文件,命名為map.osm 。

2)在終端輸入語句 netconvert--osm-files map.osm -o map.net.xml生成map.net.xml。

3)復制之前的已經實現(xiàn)的地圖文件的兩個文件夾，typemap.xml和 map.sumo.cfg。

4)在終端內輸入polyconvert --net-file map.net.xml --osm-files map.osm --type-file typemap.xml -o map.poly.xml，生成map.poly.xml文件。

5)輸入python/sumo-0.29.0/tools/randomTrips.py-n map.net.xml -r map.rou.xml-e 10-l

6)輸入python/sumo-0.29.0/tools/randomTrips.py-n map.net.xml -r map.rou.xml-e 10-l

7)最后運行.cfg文件，可以實景看整個網絡的車輛的運行狀態(tài)。

3 VCNCM路由協(xié)議

3.1 VCNCM工作流程

本文提出一種改進的基于Nakagami-m信道模型的V2X通信協(xié)議(V2X communication protocol based on Nakagami-m channel model, VCNCM)。

圖3 VCNCM 協(xié)議流程

VCNCM路由協(xié)議主要分為兩個階段：通信路徑選擇階段和V2X轉發(fā)階段。VCNCM的流程圖如圖3所示。本節(jié)介紹實現(xiàn)VCNCM路由協(xié)議實現(xiàn)的過程。首先，道路上的駕駛車輛采用動態(tài)廣播機制來獲取其他周邊車輛及周圍RSUs信息。然后，如果道路上的駕駛車輛想要發(fā)送消息，則這些車輛將應用基于RSU輔助的路徑選擇機制以找到更好的路徑。最后，使用VCNCM路由協(xié)議選取最佳下一跳。如果源節(jié)點找不到最佳路徑，則需要重啟路由重試，成功恢復信息在進行路由轉發(fā)階段，重試失敗后將放棄轉發(fā)，直到碰到合適的轉發(fā)節(jié)點再進行信息傳遞。

3.2 城市環(huán)境下的動態(tài)信標機制

信標機制含義是相鄰車輛在其傳輸范圍內進行周期性交換信標的機制，網絡中的所有車輛可以在一跳范圍信息中，獲取信息并將鄰近車輛建立通信的直接鄰居列表。當需要將信息發(fā)送到其他車輛時，可以直接從鄰居表中選擇合適車輛。不同的信標機制對VANET路由協(xié)議的性能有重大影響。與使用固定周期信標機制的經典路由協(xié)議不同，VCNCM采用動態(tài)信標機制，通過考慮車輛速度和密度來修改信標周期，從而達到維持實時鄰居列表目標。

在城市環(huán)境中，道路上車輛的分布是不均勻的，車輛速度是不確定的。 快速移動的車輛具有較少的鄰居車輛，并且這些車輛不能頻繁地進行信息的交換。該情況下的路由策略不能達到最優(yōu)。相反，當車輛緩慢移動或具有更多相鄰車輛時，這些車輛會經常通過信標機制來交換信息。然而，這種情況很容易引起“廣播風暴”。因此，動態(tài)信標交換機制可以有效地減少“廣播風暴”，動態(tài)信標周期TBeacon如式(3)中所定義。

(3)

式中：λ和1-λ分別表示速度因子和車輛密度因子的權重；N是當前鄰居車輛的總數(shù)；Nmax是處于整個環(huán)境中的車輛總數(shù)；T0是一個固定的更新周期，可以根據(jù)實際交通狀況來進行調整；Vmax和Vave表示在實際城市交通環(huán)境下車輛最大速度和車輛的平均速度。

3.3 基于路邊基礎單元輔助的路徑選擇機制

當源節(jié)點與目標節(jié)點直線的距離很遠時，源節(jié)點和目的節(jié)點傳輸數(shù)據(jù)包就會需要一些輔助通信設備來進行多跳傳輸。 選擇最佳的車車通信鏈路就是首要任務。 大多數(shù)路由算法都是基于歷史數(shù)據(jù)來選擇預測最優(yōu)的路徑，但是，城市場景下的車輛拓撲結構是時變的，因此基于歷史數(shù)據(jù)的預測成功率很低。因此，本協(xié)議采用路邊基礎單元輔助的路徑選擇機制，確?？梢垣@得一條從源節(jié)點、目的節(jié)點之間路徑和節(jié)點間的充分連通性。

圖4(a)是一個截取的小型仿真交通網絡，其中A1～A20表示20輛車，RSU1～RSU8表示8個路邊基礎通信單元。圖中的交通網絡由道路段和交叉口組成，可以將其抽象為連通平面圖，下面對這個連通平面圖進行定義。首先，交通網絡的交叉點是連通圖的頂點，兩個交叉點之間的路段是連通圖的邊緣，任意一條道路上的車輛密度定義為該條路的密度權重。然后，每個路段被分成一個或多個連接的圖形區(qū)域。區(qū)域的大小由道路的長度，車輛的數(shù)量和RSU的傳輸范圍共同決定。因此，可以將每個連通圖區(qū)域內的車輛分布近似地視為均勻分布，并且可以計算該區(qū)域內的道路密度。如圖4(b)所示，可以通過獲得連通圖區(qū)域中的道路密度來組合道路密度分布。

車輛通過GPS設備可以輕松獲得連接的地圖序列號，每個RSU的位置信息和RSU的數(shù)量等相關信息。每輛車實時向周圍的RSU報告信息。 每個RSU可以周期性獲得該范圍內路段的車輛分布，并且可以計算該區(qū)域的車輛密度。每個RSU通過接收到的實時車輛情況來添加、刪除和更改更新車輛列表。該協(xié)議遵循最短路徑原理， 在獲得路徑之后，將路徑信息添加到數(shù)據(jù)分組的報頭中，在建立的路徑上找到合適的基于單播多跳傳輸?shù)淖罴严乱惶?/p>

(a)哈爾濱某區(qū)域場景圖

(b)抽象圖圖4 道路抽象模型

3.4 V2X 路由轉發(fā)算法

VCNCM采用通信路徑選擇機制來獲得最優(yōu)路徑。 因此，該協(xié)議提出V2X路由轉發(fā)算法來表示通信路徑中的最小單元。 從源節(jié)點到目的節(jié)點的路徑可以分成許多段。 如圖5所示，可以用這種路由轉發(fā)算法來選擇最佳下一跳。

圖5 轉發(fā)算法鄰居節(jié)點示意

ni是當前車輛，fi是當前節(jié)點的跳躍范圍內的鄰居車輛，dk1是路邊的通信單元。在圖5中，ni想要將信息發(fā)送到dk1，并且有兩條路徑可以完成通信任務，通過選擇不同的中繼節(jié)點來傳遞信息，在這種情況下，如何選擇最優(yōu)的中繼節(jié)點就需要合適路由轉發(fā)算法。

本協(xié)議在選擇轉發(fā)中繼時，采用V2X路由轉發(fā)算法，主要考慮兩方面因素，首先考慮中繼節(jié)點與目的節(jié)點的距離因素，當存在幾個中繼節(jié)點接近時，再考慮相對速度這個因素，選擇最優(yōu)的轉發(fā)節(jié)點。

車輛兩者之間距離關系函數(shù)用g(Dfidk)表示，其中當前節(jié)點ni到目標節(jié)點dk的距離用Dnidk表示，Dfidk表示ni的任意一個鄰居節(jié)點fi到dk的距離，在符合條件下，fi到達dk越小，距離關系函數(shù)值越大，則優(yōu)先被選中為下一跳轉發(fā)中繼節(jié)點，如式(4)：

(4)

式中f(vfi)表示速度關系函數(shù)，當鄰居節(jié)點fi的速度與當前節(jié)點ni的速度越相近時，速度關系函數(shù)值越大，則優(yōu)先被選中成為下一跳轉發(fā)節(jié)點。速度函數(shù)f(vfi)如式(5)所示，vni表示當前節(jié)點ni的速度。

f(vfi)=‖vfi-vni‖

(5)

4 仿真分析

4.1 實驗參數(shù)設置

本節(jié)對VCNCM路由協(xié)議在仿真平臺上進行模擬，獲得一系列仿真數(shù)據(jù)并通過對這些數(shù)據(jù)的歸納處理。通過與路由協(xié)議GPSR、GPCR、CAR、GSR在不同影響因素仿真對比，反應VCNCM路由協(xié)議的相關性能。本文在NS-3平臺下，場景選擇為哈爾濱市區(qū)的地圖，其仿真區(qū)域范圍是5 369 m ×4 902 m。在網絡中車輛節(jié)點分別為200、400、600。車輛的速度分別為0，5、10、15、20 m/s，使用IEEE802.11p協(xié)議預仿真時間為2 000 s，動態(tài)信標周期為1～3 s，節(jié)點傳輸半徑為500 m，數(shù)據(jù)包大小為512 bytes。無線傳播模型采用的Nakagami-m衰落模型，將本文提出的VCNCM路由協(xié)議與經典的GPSR、GPCR、CAR、GSR等路由協(xié)議進行性能對比。

4.2 仿真結果分析

圖6顯示當在該區(qū)域車輛速度分別為5、10和15 m/s時，研究車輛密度對PDR的影響。 當車速不同時，PDR隨著車輛密度的增加而變高。 車輛密度的增加使得許多可替代路徑的數(shù)量增加，并且連通性變得更好，該協(xié)議的性能得到改善。 在不同的速度下，VCNCM協(xié)議的PDR比其他通信協(xié)議好，因為VCNCM考慮動態(tài)廣播機制，目的車輛可以很容易獲取信息。 因此，VCNCM具有比其他協(xié)議更大的PDR。

圖7顯示了當網絡中的車輛數(shù)量為200、400、600時，隨著車速的增加，5種協(xié)議的PDR隨著車速的增加而減小，主要原因是基于拓撲的通信協(xié)議由于車速的增加而不能適應快速變化的網絡拓撲。GPSR可以在一定程度上適應網絡拓撲的變化，但是在選擇車輛的過程中考慮的因素較少， 隨著車速的增加，車輛的位置變化變快，導致鏈路連接的穩(wěn)定性、數(shù)據(jù)傳輸?shù)某晒β恃杆傧陆?。VCNCM的平均數(shù)據(jù)傳輸速率高于其他傳輸速率，VCNCM采用基于信道模型的路由協(xié)議，可以在選擇通信鏈路較好的轉發(fā)節(jié)點作為中繼節(jié)點，對信息轉發(fā)有促進作用。圖8給出了速度一定時，AE2ED與車輛密度的關系。圖9給出了車輛密度一定時，AE2ED與車輛速度的關系。

(a)車輛節(jié)點數(shù)為5 m/s

(b)車輛節(jié)點數(shù)為10 m/s

(c)車輛節(jié)點數(shù)為15 m/s圖6 車輛速度一定時，PDR與車輛密度的關系

(a)車輛節(jié)點為200

(b)車輛節(jié)點數(shù)為400

(c)車輛節(jié)點數(shù)為600圖7 車輛密度一定時，PDR與車輛速度的關系

(a)車輛節(jié)點為5 m/s

(b)車輛節(jié)點數(shù)為10 m/s

(c)車輛節(jié)點數(shù)為15 m/s圖8 車輛速度一定時，AE2ED與車輛密度的關系

(a)車輛節(jié)點為200

(b)車輛節(jié)點數(shù)為400

(c)車輛節(jié)點數(shù)為600圖9 車輛密度一定時，AE2ED與車輛速度的關系

圖8顯示了當車輛速度為5、10和15 m/s時，車輛密度對AE2ED的影響。 隨著模擬網絡的密度增加，每個通信協(xié)議的AE2ED大大降低。與GPSR協(xié)議相比，由于優(yōu)選的中繼節(jié)點來傳遞信息的原因，GPCR協(xié)議選擇更好的下一跳車輛，導致GPSR和GPCR協(xié)議之間的平均AE2ED性能出現(xiàn)差異。與前兩者相比VCNCM還考慮物理層的信道模型，這提高了下一跳車輛選擇的準確性，并有效地減少了到目的車輛的總跳數(shù)。

圖9表示網絡中的車輛數(shù)量為200、400和600時，隨著車輛速度的增加，5個協(xié)議的AE2ED的不同趨勢。隨著車輛密度的恒定，每個協(xié)議的AE2ED隨著車輛速度的增加而增加。主要原因是車速的增加將導致網絡拓撲的變化，使得通信鏈路的可靠性降低，因此，到達目的車輛的延遲增加。VCNCM采用的實時道路密度分析和最短路徑的優(yōu)先原則，在通信路徑選擇中，它減少在轉發(fā)過程中產生的冗余跳數(shù)。此外，隨著車輛的速度增加，VCNCM的AE2ED得到改善，其穩(wěn)定性比其他通信協(xié)議更強。

5 結論

針對城市高速動態(tài)的車輛環(huán)境，提出一種基于Nakagami-m信道模型的V2X通信協(xié)議。在VCNCM協(xié)議中，提出了動態(tài)廣播機制和RSU輔助通信路徑選擇機制來提高找到合適中繼節(jié)點的概率；在仿真中，使用實際地圖和建立通信信道的模型可以真實反映的VANETs環(huán)境。最后，在NS3上設計并實現(xiàn)VCNCM協(xié)議的仿真，仿真結果表明，在城市環(huán)境下車速在0～15 m/s，車輛節(jié)點在200～600，本文提出的VCNCM協(xié)議在數(shù)據(jù)傳輸率和平均端到端延遲兩種性能方面均優(yōu)于GPCR、GPSR、CAR、GSR協(xié)議。