基于邊緣計算的分簇AODV 路由新算法

張德干，龔倡樂，張 婷，張 捷，李 霞

（1a.天津理工大學(xué)天津市智能計算及軟件新技術(shù)重點(diǎn)實(shí)驗室；1b.計算機(jī)視覺與系統(tǒng)省部共建教育部重點(diǎn)實(shí)驗室，天津300384；2.北京交通大學(xué)電子信息工程學(xué)院，北京100044）

對于傳統(tǒng)的車輛技術(shù)而言，在車聯(lián)網(wǎng)中，現(xiàn)代通 信與網(wǎng)絡(luò)技術(shù)的融合顯得格外的重要，車聯(lián)網(wǎng)環(huán)境下智能汽車的使用給智能交通帶來了很大便利［1-5］.但是車輛數(shù)量大、分布廣，如果將所有的服務(wù)計算都放置于云端進(jìn)行，會消耗大量的計算資源.短程通信 技 術(shù)（Dedicated Short-Range Communication，DSRC）有兩種通信形式，即車-路通信（Vehicle to Road，V2R）以及車-車 通 信（Vehicle to Vehicle，V2V）［6-8］.在DSRC 的體系結(jié)構(gòu)中，每輛車上備有車載設(shè)備（On-Board Unit，OBU），相當(dāng)于移動終端設(shè)備，具有一定的數(shù)據(jù)處理能力，同時，在馬路上還部署了相應(yīng)的路邊單元RSU，為車輛提供數(shù)據(jù)訪問服務(wù)［9-11］.由于車輛節(jié)點(diǎn)的高速移動，節(jié)點(diǎn)之間的連接具有不穩(wěn)定性［12-15］.這些特征給車輛自組網(wǎng)的設(shè)計帶來了很多的挑戰(zhàn)，其中路由協(xié)議的設(shè)計對于VANETs 中數(shù)據(jù)的高效傳輸至關(guān)重要.

按需驅(qū)動路由協(xié)議具有無中心、自組織、多跳路由以及動態(tài)路由的特點(diǎn)，協(xié)議要求僅當(dāng)在有通信需求的情況下，才進(jìn)行路由的建立，而不需要對所有的節(jié)點(diǎn)進(jìn)行維護(hù)，因此間接增加了網(wǎng)絡(luò)的壽命.按需驅(qū)動路由協(xié)議可以更便捷地達(dá)到移動自組織網(wǎng)中關(guān)于動態(tài)、帶寬、消耗等約束條件，是路由協(xié)議未來的發(fā)展的方向［16-21］.典型的按需路由協(xié)議有AODV、DSR、TORA 等.

移動邊緣計算（Mobile Edge Computing，MEC）主要用于解決講任務(wù)遷移到位于核心網(wǎng)絡(luò)的云導(dǎo)致的資源帶寬消耗的增大以及帶來的額外的網(wǎng)絡(luò)延遲［22-28］.將MEC 與車聯(lián)網(wǎng)相結(jié)合，能提供具備本地特色的高質(zhì)量的服務(wù).

考慮到單純地使用V2R 或者V2V 模式進(jìn)行車載通信時，會產(chǎn)生大量的資源消耗.因此，本文作者提出一種基于邊緣計算的分簇（Ad hoc On-demand Distance Vector，AODV）路由協(xié)議（AODV-MEC）.

1 基本原理

1.1 道路模型

引理1［23］：依據(jù)模型的設(shè)定以及所有車輛沿道路勻速行駛，車輛在道路上的分布情況依照泊松分布，每個車輛都是相互獨(dú)立.可以實(shí)現(xiàn)V2R 以及V2V 的通信技術(shù).MEC 與車聯(lián)網(wǎng)結(jié)合示意圖如圖1 所示.

圖1 MEC 與車聯(lián)網(wǎng)結(jié)合示意圖Fig.1 Schematic diagram of combination of MEC and vehicle networking

考慮一條雙向通行道路，總長度為LROAD，車輛密度為ρ，且車輛的數(shù)目滿足泊松分布.沿路設(shè)有路邊設(shè)備RSU，根據(jù)802.11p 協(xié)議所支持的最大傳輸距離，考慮天線發(fā)射功率的限制，相鄰的RSU 之間的距離為LRSU∈[100，600]（單位：m）.RSU 提供在范圍內(nèi)的無線通信，將其無線通信范圍設(shè)置為LRSU2.綜上，整條道路可以被看作分成了為LROADLRSU段.根據(jù)V2V 通信模式，任意兩輛車都是可以進(jìn)行相互通信的.同時根據(jù)V2R 的通信模式，給定范圍內(nèi)的車輛只能與對應(yīng)段中的RSU 進(jìn)行通信.

每個路邊設(shè)備RSU 都配置有MEC 服務(wù)器，具有MEC 節(jié)點(diǎn)的能力，且每個MEC 服務(wù)器只能夠和對應(yīng)的RSU 通信，因此范圍段內(nèi)的RSU 和MEC 是一一對應(yīng)的，RSU 和RSU 之間以LRSU2 通信范圍進(jìn)行通信.帶有邊緣服務(wù)器的車輛網(wǎng)絡(luò)體系結(jié)構(gòu)如圖2 所示.

圖2 道路模型示意圖Fig.2 Schematic diagram of road model

1.2 車載通信路由協(xié)議

在AODV 路由協(xié)議中，對3 種消息類型進(jìn)行了定義，即路由請求RREQ、路由回復(fù)RREP 以及路由錯誤RRER.在路由發(fā)現(xiàn)的階段，當(dāng)在源節(jié)點(diǎn)發(fā)送數(shù)據(jù)包或者轉(zhuǎn)發(fā)數(shù)據(jù)包到目的節(jié)點(diǎn)時，會對路由表進(jìn)行查詢.如果在路由表中沒有找到對應(yīng)的路由表項，則會廣播一個路由請求分組RREQ，收到路由請求的中間節(jié)點(diǎn)會根據(jù)所收到的RREQ 信息來建立一個反向路由，其目的節(jié)點(diǎn)是發(fā)送該RREQ 的源節(jié)點(diǎn)，同時繼續(xù)廣播該分組.當(dāng)目的節(jié)點(diǎn)收到RREQ后，會沿著之前所建立的反向路由回復(fù)路由應(yīng)答RREP 到源節(jié)點(diǎn).收到RREP 的中間節(jié)點(diǎn)再建立到目的節(jié)點(diǎn)的正向路由，當(dāng)源節(jié)點(diǎn)收到RREP 后，表明路由已經(jīng)找到，即可開始發(fā)送數(shù)據(jù)［22］.路由發(fā)現(xiàn)示意圖見圖3.

圖3 路由發(fā)現(xiàn)示意圖Fig.3 Route discovery schematic

但是在車載網(wǎng)絡(luò)的環(huán)境下，由于道路上車輛的密度大，移動速度快，因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化比較快，導(dǎo)致通信鏈路的斷裂是很頻繁的，所以傳統(tǒng)的AODV 路由協(xié)議并不能很好地適用于車載網(wǎng)絡(luò)，因此，找到一個穩(wěn)定的鏈路是很有必要的.

1.3 道路節(jié)點(diǎn)分簇

在給定的車輛模型中，車輛始終行進(jìn)，不會滯留在同一個簇區(qū)當(dāng)中，必然涉及了進(jìn)出簇區(qū).因此本文主要結(jié)合了動態(tài)分簇的方法，在保持每個簇區(qū)簇頭節(jié)點(diǎn)不變，簇內(nèi)節(jié)點(diǎn)改變的情況下，對給定的車輛模型進(jìn)行動態(tài)分簇，用于優(yōu)化整個路由協(xié)議的通信.對做出如下的定義：

定義1 邊緣超級節(jié)點(diǎn)（RSU-MEC）

將滿足以下幾個要求的節(jié)點(diǎn)定義為邊緣超級節(jié)點(diǎn)：節(jié)點(diǎn)位于源頭的邊緣處；不具備移動性；具備通信能力以及信息處理能力；具有充足的能量維持工作.

在給定的道路模型中，每LRSU距離都會設(shè)置一個路邊設(shè)備RSU，并且路邊設(shè)備都配置一個邊緣服務(wù)器.根據(jù)所給定的邊緣超級節(jié)點(diǎn)的定義，RSUMEC 在道路上是固定的，同時具有穩(wěn)定的能量輸入，可以對路由信息進(jìn)行處理，因此將其看作是邊緣超級節(jié)點(diǎn)，每個邊緣超級節(jié)點(diǎn)為一個簇頭.以RSU通信范圍進(jìn)行劃分，可以得到LROADLRSU個簇頭，并自動的劃分成LROADLRSU個簇區(qū)，相鄰的RSUMEC 可以通過邊緣超級節(jié)點(diǎn)進(jìn)行相互通信，即鄰近的簇區(qū)可以雙向進(jìn)行通信.

1.4 車輛節(jié)點(diǎn)相關(guān)定義

定義2 因為車輛自身都帶有GPS 技術(shù)，便于對車輛所在位置信息及速度信息進(jìn)行獲取，因此對車輛運(yùn)動方向定義（假設(shè)車輛a在tn時刻的速度為Va(tn)）：Va(tn)＞0，節(jié)點(diǎn)朝著正向運(yùn)動；Va(tn)＜0節(jié)點(diǎn)朝著負(fù)向運(yùn)動.

每個節(jié)點(diǎn)都能夠捕捉到附近節(jié)點(diǎn)的移動狀況，在時間tn，車輛a記錄自己相對位置Pa(tn)，從而可以得到當(dāng)前時刻節(jié)點(diǎn)運(yùn)動的速度和方向

根據(jù)Va(tn)的正負(fù)，即可判斷節(jié)點(diǎn)運(yùn)動的軌跡.

定義3 車輛a與b的相對速度

由于節(jié)點(diǎn)做勻速運(yùn)動，此時平均速度與瞬時速度相等.每個節(jié)點(diǎn)在廣播的同時，會把自身的位置速度信息進(jìn)行廣播.b為相鄰的車輛.因此當(dāng)車輛節(jié)點(diǎn)a收到相鄰車輛節(jié)點(diǎn)b發(fā)送的請求時會相對速度，并且記錄在路由表中.

定義4 車輛鏈路保持時間

假設(shè)車輛節(jié)點(diǎn)的通信范圍為LCAR，在完成對于車輛節(jié)點(diǎn)的相對速度的估計之后，將對車輛間建立的鏈路的有效保持的持續(xù)時間進(jìn)行計算，記為TCAR.

式中：Lab為在建立鏈接時車輛節(jié)點(diǎn)a與車輛節(jié)點(diǎn)b的初始距離，通過歐式距離進(jìn)行計算：

1.5 節(jié)點(diǎn)能量消耗

一條鏈路所有節(jié)點(diǎn)能量的總消耗需要作為整個路由路徑能量的考慮.計算如下

式中：num為每條路徑的車輛節(jié)點(diǎn)總數(shù)；C表示一個任意的常數(shù)；Cost(a)表示為車輛節(jié)點(diǎn)a的能量消耗，可以通過無線傳感網(wǎng)絡(luò)節(jié)點(diǎn)能耗ET(l，d)和ER(l，d)表示，即發(fā)送和接受數(shù)據(jù)時的能量消耗，計算如下

根據(jù)無線電能量消耗模型，每發(fā)送lbit 的數(shù)據(jù)，節(jié)點(diǎn)的能耗如下

同時，節(jié)點(diǎn)接收l消息的能耗計算公式為

1.6 連通概率

引理2［24］：車輛密度：在給定路段上，一個車道或一個方向上某一瞬時的車輛數(shù).用以表示在一條道路上車輛的密集程度.

在給定的道路中，兩個車輛節(jié)點(diǎn)如果處于彼此的通信范圍內(nèi)，他們可以直接通信.但是由于車流密度比較稀疏的情況下，下一跳通信范圍內(nèi)不一定有車輛，即可能造成連通中斷.

定義5 連通概率（P）：在規(guī)定的路段中，車輛節(jié)點(diǎn)間通信鏈路連通并且可以正常進(jìn)行通信功能的概率.

定義6 斷開概率：當(dāng)鏈路保持時間超出規(guī)定的閾值后，車輛節(jié)點(diǎn)間的通信鏈路將會斷開，斷開概率即鏈路保持時間低于閾值的概率.

在每個RSU-MEC 的通信范圍內(nèi)，只考慮V2V通信模式的前提下，由于車輛的快速運(yùn)動，導(dǎo)致拓?fù)渥兓l繁，以車輛的通信半徑LCAR劃分，可以得到每個簇區(qū)單元格個數(shù)為

如圖2 所示，結(jié)合式（3），節(jié)點(diǎn)會優(yōu)先選擇方向相同的進(jìn)行鏈路連接，當(dāng)處于同一個運(yùn)動方向的鏈路無法建立時，車輛節(jié)點(diǎn)可以向?qū)α⒎较虻能囕v發(fā)起通信連接的請求，以此來增加車輛連通的概率.兩條道路上運(yùn)動的車輛可建立連接的概率密度函數(shù)如下

式中：re與rw代表車道的雙向；ρe與ρw代表雙向車道的車流量密度.在以正方向為主運(yùn)動方向進(jìn)行通信時，負(fù)方向上的車輛由于車輛鏈路保持時間較短，因此將其作為備選鏈路.用Pal來表示負(fù)方向道路上可建立連接的車流量密度為0 而造成無連通鏈路率，其計算公式為

根據(jù)式（11）可以得到，車輛節(jié)點(diǎn)間存在鏈路率為1-Pal，考慮到一個車輛節(jié)點(diǎn)可能存在多個鄰居車輛節(jié)點(diǎn)進(jìn)行鏈路連接，設(shè)為h，因此可得鄰居車輛節(jié)點(diǎn)間存在鏈路率為

另外，考慮到鏈路保持時間，當(dāng)鏈路保持時間低于最低鏈路保持時間閾值TBRE時，通信鏈路也會斷開，因此可以得到鏈路斷開的概率為

對于有N-1 跳通信鏈路來說，鏈路是否斷開的情況滿足二項分布，得到h條斷開鏈路的概率為

綜上，根據(jù)全概率公式可以得到，在給定的車輛模型下，車輛節(jié)點(diǎn)間的連通概率為

2 通信方式的選擇

2.1 簇區(qū)內(nèi)通信

如圖4 所示，當(dāng)車輛a與b處于同一個邊緣超級節(jié)點(diǎn)的簇區(qū)內(nèi)通信時（Cluster_inside），邊緣服務(wù)器需要同時接收以及發(fā)送同一個簇區(qū)的節(jié)點(diǎn)通信請求，容易造成信息的擁塞且加大邊緣服務(wù)器的能耗，因此選擇通過V2V 模式，即車輛與車輛間的模式直接進(jìn)行通信.

圖4 簇區(qū)內(nèi)通信示意圖Fig.4 Schematic diagram of intra-cluster communication

當(dāng)使用V2V 模式進(jìn)行通信的時候，本文主要使用的是按需路由協(xié)議中的AODV 路由協(xié)議，并通過使用Q-Learning 算法，對中間節(jié)點(diǎn)的選擇進(jìn)行優(yōu)化.

引理3［25］：在強(qiáng)化學(xué)習(xí)算法中，Q-Learning 是其中最為重要的算法之一.S為給定的狀態(tài)空間，A為給定的動作集合，在t時刻的st狀態(tài)下（st?S）采取動作at(at∈A)，同時根據(jù)動作反饋相應(yīng)的獎勵R，即為Q(s，a).Q-Learning 采用狀態(tài)-動作迭代的方式來得到最優(yōu)策略，因此可以得到函數(shù)Q 更新的公式如下

式 中：α為 學(xué) 習(xí) 率，α越 大，Q 值 收 斂 越 快；maxaQ(st+1，a)指的是從動作集合A中選擇使得Q(st+1，a)取值最大的動作；γ在這里為折扣因子，γ∈[0，1]，接近1 時指的是函數(shù)考慮將來回報，反之則是考慮即刻回報.

考慮到Q-Learning 中，Q 值的確定和獎勵R的計算有著十分重要的關(guān)系，因此在獎懲函數(shù)的選擇上，本文對傳統(tǒng)的AODV 路由協(xié)議，綜合考慮跳數(shù)HOP、車輛與鄰居車輛節(jié)點(diǎn)間的鏈路保持時間T，以及能量消耗ENG，相結(jié)合生成

在默認(rèn)情況下，可以根據(jù)節(jié)點(diǎn)間的距離進(jìn)行獲取相應(yīng)的跳數(shù).使用均衡的權(quán)值來選取適應(yīng)度，即跳數(shù)、車輛與鄰居車輛節(jié)點(diǎn)間的鏈路保持時間和能量消耗三者的權(quán)重相同，認(rèn)為w1=w2=w3=1 3.當(dāng)R(s，a)的值越大，則說明獎勵值越高，得到的Q 值也就越高.在V2V 通信模式下，由AODV 路由算法并結(jié)合Q-Learning 算法，在此過程中，中間車輛節(jié)點(diǎn)對于下一跳節(jié)點(diǎn)的選擇，會依照自身狀態(tài)，按照式（17），依據(jù)跳數(shù)、車輛連通概率以及自身能量的消耗，反復(fù)計算不同下一跳節(jié)點(diǎn)的獎勵函數(shù)R，并結(jié)合式（16）更新Q 值直到選出最佳的節(jié)點(diǎn)，從而優(yōu)化中間節(jié)點(diǎn)的選擇.最終目的車輛節(jié)點(diǎn)收到請求，并沿著建立的反向路由應(yīng)答到源車輛節(jié)點(diǎn)，最終完成路由鏈路的建立.

2.2 簇區(qū)間通信

假設(shè)源車輛節(jié)點(diǎn)位于P1簇區(qū)，目的車輛節(jié)點(diǎn)位于Pn簇區(qū)，如果使用V2V 模式進(jìn)行通信，會導(dǎo)致中間車輛節(jié)點(diǎn)過多，在傳輸過程中，過多的中間車輛節(jié)點(diǎn)存在大量的不穩(wěn)定因素導(dǎo)致鏈路的失效，如車輛間的距離過大導(dǎo)致鏈路斷開，會使網(wǎng)絡(luò)拓?fù)溥M(jìn)行重新建立，因此會浪費(fèi)大量的資源.為避免V2V 模式帶來的問題，當(dāng)車輛節(jié)點(diǎn)在簇區(qū)間進(jìn)行通信時，采用V2R 模式，即車輛與道路的模式進(jìn)行通信.

當(dāng)源節(jié)點(diǎn)車輛發(fā)出通信請求后，RSU-MEC 會接收到該通信請求，在自身維護(hù)的路由表中查找目的車輛節(jié)點(diǎn)是否在路由表內(nèi)，如果不在，則向附近的RSU 發(fā)起請求，此時會出現(xiàn)兩種情況：

1）非相鄰簇區(qū)通信(Cluster_away).

如圖5 所示，假設(shè)目的車輛節(jié)點(diǎn)位于源車輛節(jié)點(diǎn)的非相鄰簇區(qū)，此時采用V2R 模式進(jìn)行通信.當(dāng)源車輛節(jié)點(diǎn)發(fā)出路由請求到該簇區(qū)的RSU-MEC后，查看到目的節(jié)點(diǎn)并不在當(dāng)前簇區(qū)內(nèi)，向RSUMEC 發(fā)起請求，接收到請求的RSU-MEC 檢查目的車輛節(jié)點(diǎn)是否在自身路由表中，在找到對應(yīng)節(jié)點(diǎn)后，建立連接.

圖5 非相鄰簇區(qū)通信示意圖Fig.5 Schematic diagram of non-adjacent cluster communication

2）相鄰簇區(qū)通信(Cluster_neighbor).

如圖6 所示，假設(shè)目的車輛節(jié)點(diǎn)位于P2簇區(qū)，相鄰于P1簇區(qū)，此時兩個簇區(qū)處于相鄰的狀態(tài).

圖6 相鄰簇區(qū)通信示意圖Fig.6 Schematic diagram of adjacent cluster communication

由于相鄰簇區(qū)的特殊性，由于通信請求從車輛到RSU-MEC 存在時延，如果在相鄰簇區(qū)通信時，全部使用V2R 的通信模式進(jìn)行通信，過多的通信請求會導(dǎo)致信息的擁塞，增大服務(wù)器的壓力，其資源的消耗以及傳輸時延有可能大于V2V 模式的消耗，車輛與RSU-MEC 之間的鏈路也有可能因為車速的原因?qū)е骆溌返臄嚅_.

另一方面，如果使用V2V 通信模式進(jìn)行通信，當(dāng)車輛在兩個簇區(qū)間進(jìn)行通信時，有可能出現(xiàn)下一跳節(jié)點(diǎn)中不存在節(jié)點(diǎn)的概率，即下一個單元格內(nèi)的車輛數(shù)量為0.在這種概率的情況下，車輛間通信需要等待到下一跳車輛鏈路的連通，因此對于鏈路連通概率有影響，且時延也有所增加.

因此對于相鄰簇區(qū)間的通信，在考慮到概率不確定性的前提下，需要綜合考慮V2R 與V2V 通信模式相結(jié)合的方法進(jìn)行通信，從而降低鏈路斷開的風(fēng)險.

在V2R 的模式下，源車輛節(jié)點(diǎn)與P1簇區(qū)RSUMEC 之間的通信距離以及目的車輛節(jié)點(diǎn)與P2簇區(qū)RSU-MEC 之間的距離可以通過式（4）計算歐式距離LCTR，簇區(qū)之間的距離為LROAD，再通過式（6）計算出能量的消耗.由于RSU-MEC 是靜止的，所以不存在相對速度的計算.

另外，根據(jù)圖7，處于簇區(qū)P1 的車輛從A點(diǎn)沿著正方向運(yùn)動，當(dāng)運(yùn)動到C點(diǎn)時即將離開P1 簇區(qū)邊緣超級節(jié)點(diǎn)的通信范圍，在規(guī)定的簇區(qū)內(nèi)，車輛與RSU-MEC 間能維持的最大通信時間為TCTR，即鏈路保持時間可以計算出來.

圖7 RSU-車輛鏈路保持時間示意圖Fig.7 RSU-vehicle link hold time schematic

圖8 車輛通信流程圖Fig.8 Flow chart of vehicle communication

3）節(jié)點(diǎn)位置的確定.

根據(jù)已經(jīng)劃分好的簇區(qū)，當(dāng)簇區(qū)P的RSUMEC 收到車輛節(jié)點(diǎn)發(fā)出通信請求后，首先在查找目的車輛節(jié)點(diǎn)是否位于本簇區(qū)，如果不在當(dāng)前簇區(qū)，則向相鄰的邊緣超級節(jié)點(diǎn)發(fā)出請求，以此來確定目的車輛節(jié)點(diǎn)所處的位置.

4）通信方式選擇及路由建立.

①如果節(jié)點(diǎn)處于同一個簇區(qū)，采用簇區(qū)內(nèi)的通信方式，采用V2V 的通信模式.根據(jù)通過優(yōu)化后的AODV 路由協(xié)議.

通過式（2）計算出車輛自身與鄰居車輛節(jié)點(diǎn)的相對速度，在按照式（3），即出預(yù)測出自身與附近鄰居車輛節(jié)點(diǎn)在建立鏈路后的車輛鏈路保持時間.根據(jù)式（5）～式（8）可以得到節(jié)點(diǎn)能量消耗，綜合然后綜合判斷鏈路保持時間，節(jié)點(diǎn)能量消耗以及跳數(shù)，根據(jù)式（17）的獎勵函數(shù)，使用Q-Learning 算法對于中間節(jié)點(diǎn)的選擇以及通信的路徑進(jìn)行優(yōu)化，從而建立一條通信鏈路進(jìn)行通信，建立路由.

②如果節(jié)點(diǎn)處于相鄰簇區(qū)，采用相鄰簇區(qū)的通信方式.

結(jié)合概率不確定性，在V2V 以及V2R 通信模式的選擇上，根據(jù)式（2）和式（3）可以預(yù)測出在V2V模式下車輛間的鏈路保持時間.再通過式（9）～式（15）可以得到V2V 模式下車輛鏈路連通概率.

③如果節(jié)點(diǎn)處于非相鄰簇區(qū)，采用非相鄰簇區(qū)的通信方式.使用V2R 通信模式，源車輛節(jié)點(diǎn)與該簇區(qū)的RSU-MEC 進(jìn)行通信，中間RSU-MEC 相互進(jìn)行通信，然后目的節(jié)點(diǎn)所在簇區(qū)的RSU-MEC 與目的車輛節(jié)點(diǎn)進(jìn)行通信.其中，源車輛節(jié)點(diǎn)與RSUMEC 以及目的車輛節(jié)點(diǎn)與RSU-MEC 的鏈路長度可通過式（4）來進(jìn)行獲取.

3 算法測試與分析

3.1 測試仿真環(huán)境設(shè)置

本實(shí)驗使用Matlab 平臺，對設(shè)置的算法AODV-MEC 進(jìn)行測試.將其和傳統(tǒng)的AODV 路由協(xié)議，DSR 路由協(xié)議，GA-BFODSR 路由協(xié)議以及AODV-EO 路由協(xié)議進(jìn)行對比.針對車輛節(jié)點(diǎn)在不同的行駛速度，不同的數(shù)據(jù)包發(fā)送速率，不同的車輛節(jié)點(diǎn)數(shù)目的情況下，對車輛節(jié)點(diǎn)之間的數(shù)據(jù)包分組交付率，節(jié)點(diǎn)間的平均端到端時延以及在整個路由過程中的拓?fù)溟_銷控制進(jìn)行分析.仿真參數(shù)設(shè)置為：節(jié)點(diǎn)分布范圍2 000（m）×50（m）；節(jié)點(diǎn)個數(shù)200 輛；節(jié)點(diǎn)初始能量為1 J；車輛通信半徑為100 m；RSU-MEC 通信半徑為220 m；節(jié)點(diǎn)最大移動速度Vmax=40 km/h；最大數(shù)據(jù)包發(fā)送速率Smax=20 個/s；數(shù)據(jù)包長度為2 000 Bit；電路能耗系數(shù)為5.0×10-8J/bit；信道傳播模型能耗系數(shù)為Efs：1.0×10-11J/（bit·m-2）；Em：1.3×10-15J/（bit·m-4）；φ1=φ2=φ3=1/3；w1=w2=w3=1/3；學(xué)習(xí)率α=0.8；折扣因子γ=0.2.

3.2 實(shí)驗結(jié)果分析

圖9 是在給定的道路模型上，在車輛穩(wěn)定行駛時，數(shù)據(jù)包發(fā)送速率不同的情況下，給定的5 種路由算法的網(wǎng)絡(luò)性能.每個車輛進(jìn)行勻速運(yùn)動且方向不變，數(shù)據(jù)包發(fā)送的速率規(guī)定在4～20 個/s 的范圍之間，并且數(shù)據(jù)包的大小固定為2 000 Bit.

如圖9（a）所示，在車輛勻速穩(wěn)定且運(yùn)動方向不變的情況下，隨著數(shù)據(jù)包發(fā)送率的增加，5 種協(xié)議的分組投遞率都有著下降的趨勢.這主要的原因在于，數(shù)據(jù)包發(fā)送量不斷擴(kuò)大的同時，將會導(dǎo)致在整個網(wǎng)絡(luò)中的數(shù)據(jù)量的增加，即可能產(chǎn)生網(wǎng)絡(luò)擁堵的情況.在整個仿真實(shí)驗過程中，本文所提出的AODVMEC 的路由新算法，分組投遞率整體下降了約2.7%，相比于其他幾種算法，數(shù)據(jù)包遞交率比較高.當(dāng)數(shù)據(jù)包發(fā)送率達(dá)到最大值時，相比于DSR 算法提高了2%.

圖9（b）呈現(xiàn)的是不同數(shù)據(jù)包發(fā)送率情況下，平均端到端時延所受到的影響，可以明顯看出，隨著發(fā)送率的提高，5 種算法的平均端到端時延都有所增加，其中DSR 路由算法增加的最明顯. 由于AODV，DSR 路由都是按需路由協(xié)議，即僅當(dāng)節(jié)點(diǎn)發(fā)出路由請求時，才開始尋找路由.此外，由于車輛一直處于運(yùn)動狀態(tài)，且不同方向運(yùn)動的車輛在通信范圍內(nèi)有建立鏈接的可能，考慮到DSR 路由算法的路由方式，所建立的鏈路出現(xiàn)斷開的可能性更大，所以有需要使用一定量的數(shù)據(jù)包對斷掉的路由進(jìn)行維護(hù)，造成了端到端時延的緩慢遞增.AODV-MEC 在進(jìn)行路由建立的過程中，結(jié)合傳統(tǒng)的AODV 路由算法的逐跳路由建立方式，添加了對于鏈路維持時間的考慮，舍棄了部分不穩(wěn)定的鏈路，使得平均端到端時延有所提高.在數(shù)據(jù)包發(fā)送率最大時，AODVMEC 算法比DSR 算法的平均端到端時延低10%，比傳統(tǒng)的AODV 算法低大約3%，比AODV-EO 算法高1%，比GA-BFODSR 算法低大約1.9%.

圖9 不同數(shù)據(jù)包發(fā)送率下的測量指標(biāo)Fig.9 Measurement indicators under different packet transmission rates

圖9（c）顯示了在網(wǎng)絡(luò)拓?fù)淇刂崎_銷隨著數(shù)據(jù)包發(fā)送速率的增大，總體有著下降的趨勢.原因在于車輛運(yùn)行速度相對穩(wěn)定，因此網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的變化差異并不大，然而在數(shù)據(jù)包發(fā)送速率增大的情況下，維護(hù)網(wǎng)絡(luò)拓?fù)涞男畔⑺急壤兴鶞p少，所以整體呈現(xiàn)下降的趨勢.相比于最小數(shù)據(jù)包發(fā)送率時的拓?fù)淇刂崎_銷，AODV-MEC 算法在到達(dá)最大數(shù)據(jù)包發(fā)送率時開銷下降約29.3%，效率高于其他4 種算法.

3.3 場景測試

場景設(shè)置在車流量密度大的高速公路上，如圖10 所示，有6 條主干道，其中A，D 超車道，最低時速為每小時110 km，B，E 為行車道，最低車速為每小時90 km，C，F(xiàn) 為減速車道，速度在50 km/h 內(nèi)，每隔500 m 設(shè)置一個RSU-MEC 設(shè)備.

圖10 雙向3 車道高速路Fig.10 Two-way 3-lane expressway

在該場景中，RSU-MEC 與車輛，車輛與車輛間可以進(jìn)行相互通信，并且存在出現(xiàn)超車變道的情況.在車流量密度不同的情況下，節(jié)點(diǎn)間的網(wǎng)絡(luò)拓?fù)淇刂崎_銷如圖11 所示.

圖11 不同車流量密度網(wǎng)絡(luò)拓?fù)淇刂崎_銷Fig.11 Network topology control overhead with different traffic flow densities

由圖11 可知，隨著車流量的增大，網(wǎng)絡(luò)拓?fù)淇刂崎_銷均呈下降趨勢，且逐漸平緩.這是因為，在車流量較小的情況下，車輛節(jié)點(diǎn)間不容易建立穩(wěn)定可靠穩(wěn)定鏈路，因此在網(wǎng)絡(luò)拓?fù)淇刂崎_銷上有所增加，在車流量增大后，網(wǎng)絡(luò)拓?fù)淝闆r相對有所好轉(zhuǎn)，因此在控制開銷上有所改善，在車流量趨于飽和時，網(wǎng)絡(luò)拓?fù)淇刂崎_銷優(yōu)化率相比于低車流量時期變緩.在車輛數(shù)量到達(dá)最大時，AODV-MEC 算法的拓?fù)淇刂崎_銷減小約27%，比DSR 算法低約2.7%，比AODV 算法低約2.5%，比AODV-EO 低大約1.3%.

綜上，本文所提出的AODV-MEC 路由協(xié)議由于綜合了V2V 以及V2R 的通信模式，通過結(jié)合車輛節(jié)點(diǎn)間的能量消耗，鏈路保持時間以及車輛節(jié)點(diǎn)與RSU-MEC 的鏈路保持時間，總體上在分組投遞率，網(wǎng)絡(luò)拓?fù)淇刂崎_銷以及平均端到端時延上較優(yōu)于其他四種路由協(xié)議.

4 結(jié)論

1）提出了基于邊緣計算的分簇AODV 路由算法，作為一種按需路由協(xié)議，與傳統(tǒng)的AODV 路由協(xié)議相比較，本算法不僅是以最小跳數(shù)作為條件來進(jìn)行最佳路徑的選擇，而是綜合考慮了車輛移動速度，車輛節(jié)點(diǎn)能量信息以及預(yù)計鏈路保持時間，以此作為適應(yīng)度函數(shù)來進(jìn)行路由的選擇.

2）結(jié)合V2V 與V2R 的通信模式，使用分簇的方式，在路邊設(shè)備RSU 上部署邊緣服務(wù)器，以此來提高路由尋找的效率，從而減少了平均端到端時延及網(wǎng)絡(luò)拓?fù)淇刂崎_銷.實(shí)驗結(jié)果表明，該方法確實(shí)對網(wǎng)絡(luò)綜合效率有較大的提高.