摘 要： 為滿足車聯(lián)網(wǎng)的數(shù)據(jù)轉(zhuǎn)發(fā)質(zhì)量，保證通信連接的可靠性非常重要?；趯嚶?lián)網(wǎng)動態(tài)拓?fù)?、車輛行駛行為變化、車輛密度變化、高速移動等交通環(huán)境復(fù)雜性問題的分析，提出基于機(jī)會權(quán)重的環(huán)境自適應(yīng)動態(tài)路由(SaDAGR)。SaDAGR引入了車輛行駛行為預(yù)測模型，設(shè)計(jì)了動態(tài)信標(biāo)周期自適應(yīng)調(diào)節(jié)機(jī)制，并在轉(zhuǎn)發(fā)策略中設(shè)計(jì)機(jī)會權(quán)重轉(zhuǎn)發(fā)機(jī)制，引入車輛目的方向預(yù)測及車前密度感知，所提路由能夠適應(yīng)復(fù)雜交通環(huán)境下大動態(tài)范圍的車輛速度、車輛密度的交通變化。仿真結(jié)果表明，SaDAGR增強(qiáng)了網(wǎng)絡(luò)的連通性，降低了重傳，減少了時延，提高了數(shù)據(jù)轉(zhuǎn)發(fā)效率。

　　關(guān)鍵詞： 車聯(lián)網(wǎng); 行駛行為預(yù)測; 動態(tài)信標(biāo)調(diào)節(jié); 機(jī)會權(quán)重轉(zhuǎn)發(fā); 目的方向預(yù)測; 車前密度感知

　　0 引 言

　　隨著5G移動通信、移動互聯(lián)網(wǎng)、人工智能等技術(shù)的發(fā)展，車聯(lián)網(wǎng)不僅成為5G研究的重要場景之一，也是未來智能交通系統(tǒng)的重要組成部分[1]。研究車載自組織網(wǎng)絡(luò)動態(tài)路由技術(shù)，對安全消息的實(shí)時轉(zhuǎn)發(fā)及實(shí)現(xiàn)交通安全預(yù)警等功能具有重要意義[2]。車載自組織網(wǎng)絡(luò)具有車輛行駛行為變化較快、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化較快以及交通環(huán)境復(fù)雜等問題，給車聯(lián)網(wǎng)中可靠通信帶來了困難[3]。

　　典型的車聯(lián)網(wǎng)路由協(xié)議是基于拓?fù)浣Y(jié)構(gòu)的路由協(xié)議，主要有表驅(qū)動的路由及按需式的路由[4]。但是基于拓?fù)浣Y(jié)構(gòu)的路由不能適應(yīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的快速變化，而基于貪婪轉(zhuǎn)發(fā)的GPSR路由不需要網(wǎng)絡(luò)的全局拓?fù)湫畔5]，只需要根據(jù)車輛的位置信息做路由決策，具有很好的動態(tài)適應(yīng)性[6]。

　　文獻(xiàn)[7]將對GPSR轉(zhuǎn)發(fā)鏈路的研究歸類為NWLB(Neighbor Wireless Link Break)問題，詳細(xì)分析了信標(biāo)分組間隔、車輛速度、車輛密度及通信范圍等問題對GPSR路由的影響。文獻(xiàn)[8]根據(jù)上一時刻收到的Beacon中所攜帶的周邊車輛位置及速度信息，以及通過電子地圖獲得的目的車輛位置及速度信息，建立了一個線性位置預(yù)測方法，計(jì)算鄰居位置表中的車輛與目的車輛相遇的概率，提出了V?GPSR協(xié)議。文獻(xiàn)[9]通過實(shí)測得到車輛的加速度近似服從正態(tài)分布，因此，利用線性回歸方程在信標(biāo)的分組間隔內(nèi)對車輛的轉(zhuǎn)彎行為進(jìn)行預(yù)測，并且采用反饋機(jī)制對結(jié)果進(jìn)行修正。

　　基于上述文獻(xiàn)，本文通過分析通信鏈路連接的穩(wěn)定性及復(fù)雜城市街區(qū)與高速典型交通環(huán)境的特點(diǎn)，提出了一種環(huán)境自適應(yīng)動態(tài)感知路由(Scenario?adaptive Dynamic Awareness Greedy Routing，SaDAGR)。SaDAGR針對車聯(lián)網(wǎng)中車輛行駛行為多變的特征，以車輛預(yù)測位置與真實(shí)位置的誤差為自適應(yīng)反饋因子，并根據(jù)環(huán)境中車流密度及車輛平均速度的特點(diǎn)建立環(huán)境函數(shù)，兩者結(jié)合建立了動態(tài)信標(biāo)周期自適應(yīng)調(diào)節(jié)機(jī)制以實(shí)現(xiàn)在不同交通場景中動態(tài)調(diào)節(jié)信標(biāo)播報周期。并且SaDAGR在轉(zhuǎn)發(fā)階段引入機(jī)會權(quán)重轉(zhuǎn)發(fā)機(jī)制以增強(qiáng)網(wǎng)絡(luò)的連通性，提高路由轉(zhuǎn)發(fā)性能。

　　1 系統(tǒng)模型

　　SaDAGR由運(yùn)動感知、動態(tài)信標(biāo)周期自適應(yīng)調(diào)節(jié)以及機(jī)會權(quán)重轉(zhuǎn)發(fā)三部分組成，通過車聯(lián)網(wǎng)Beacon消息幀動態(tài)控制網(wǎng)絡(luò)的連接狀態(tài)。作為V2V通信中網(wǎng)絡(luò)的控制消息[10]，Beacon消息幀的設(shè)計(jì)如圖1所示，其包含鄰居車輛ID、時間戳(TimeStamp)、車輛位置(NodePosition)及速度(NodeVelocity)信息。其中，TTL(Time to Live)是指每個車輛信標(biāo)的廣播周期，每輛車的廣播周期是不同的;而DenFac是車前密度值，作為機(jī)會權(quán)重函數(shù)中的一個參數(shù)，用來計(jì)算鄰居車輛的權(quán)重。

　　運(yùn)動感知模型通過Beacon消息幀獲取鄰居車輛的歷史位置及速度信息，并實(shí)時感知信道環(huán)境，預(yù)估通信覆蓋范圍。鄰居位置表中每個車輛有[v1]～[v4]四條歷史速度信息及一條位置信息，采用三次插值算出未來一個Beacon周期內(nèi)車輛軌跡方程，如圖1中所示，[TrackF]與[TrackG]為運(yùn)動感知預(yù)測所得軌跡方程。

　　SaDAGR中動態(tài)信標(biāo)周期自適應(yīng)調(diào)節(jié)通過對車輛周邊的車流密度及車輛平均速度的感知，結(jié)合自適應(yīng)反饋因子動態(tài)修正信標(biāo)周期TTL，如圖1所示，車輛的TTL值不同，在車輛較為密集的區(qū)域，如車輛A，B，C所在區(qū)域，其TTL值會較大，而在車輛H，I所在區(qū)域TTL值會較小。

　　2 SaDAGR設(shè)計(jì)

　　2.1 動態(tài)信標(biāo)周期自適應(yīng)調(diào)節(jié)

　　有較多的文獻(xiàn)研究車輛的行駛速度與車輛密度的關(guān)系[11]，從目前的研究結(jié)果來看，無論車輛速度和車流密度的具體關(guān)系如何，兩者具有相反關(guān)系這一趨勢是不變的。本文以預(yù)測位置與車輛真實(shí)位置之間的統(tǒng)計(jì)誤差為自適應(yīng)反饋因子[δ]，[δ]的計(jì)算如式(1)所示：

　　[δ=iPiN] (1)

　　式中：[Pi]為車輛[i]的位置預(yù)測誤差;[N]為鄰居位置表中車輛個數(shù)。

　　考慮車輛密度值[ρ]和平均速度值[v]的影響，定義環(huán)境函數(shù)[f(x)]。當(dāng)密度的影響大于平均速度時，[f(x)>0];相反，當(dāng)平均速度的影響大于密度的影響時，[f(x)<0];當(dāng)密度的影響和平均速度的影響達(dá)到平衡狀態(tài)時，[f(x)=0]。采用初始化因子[σ]，保證初始化時[ρ-σv=0]。根據(jù)上述設(shè)計(jì)，環(huán)境函數(shù)關(guān)于[ρ]與[v]的關(guān)系為：

　　[fρ-σv=lnρ-σv+1， ρ-σv≥0eρ-σv-1， ρ-σv<0] (2)

　　結(jié)合式(1)和式(2)，定義TTL自適應(yīng)調(diào)節(jié)修正值[Δ]的計(jì)算式如下：

　　[Δ=δ2Rfρ-σv] (3)

　　環(huán)境函數(shù)[fρ-σv]在[ρ-σv=0]時有連續(xù)的一階導(dǎo)，可以對TTL的修正值[Δ]進(jìn)行平滑調(diào)整。

　　播報周期自適應(yīng)調(diào)節(jié)機(jī)制流程圖如圖2所示，每個車輛有一個消息幀播報計(jì)時器，當(dāng)計(jì)時結(jié)束時啟動播報周期計(jì)算，TTL的修正值通過式(3)計(jì)算。隨著自適應(yīng)調(diào)節(jié)機(jī)制不斷迭代，位置預(yù)測結(jié)果與鄰居車輛真實(shí)位置之間的誤差不斷縮小，當(dāng)[δ≤εR]時，結(jié)束自適應(yīng)反饋調(diào)節(jié)，其中，[ε]為閾值因子，[R]為通信半徑。

　　2.2 機(jī)會權(quán)重轉(zhuǎn)發(fā)

　　SaDAGR的轉(zhuǎn)發(fā)策略考慮三個權(quán)重因素，距離目的車輛的歐氏距離、車輛目的方向預(yù)測以及車前密度。車輛的歐氏距離以及車輛的速度方向已經(jīng)有過詳細(xì)的研究[12]，但是基于車輛目的方向預(yù)測及車輛周邊密度的研究較少。機(jī)會選擇權(quán)重函數(shù)如式(4)所示：

　　[WFi=αDis+βcos(Vi， Ps，d)+γρ] (4)

　　式中：[α]，[β]及[γ]為權(quán)重值，[α+β+γ=1];[WFi]為鄰居位置表中每個鄰居車輛的轉(zhuǎn)發(fā)權(quán)重值;[Dis]表示鄰居位置表中車輛[i]距目的車輛的歐氏距離與車輛自身[s]距目的車輛的歐氏距離的比值;[Vi]為車輛預(yù)測位置與鄰居位置表中最近時刻的位置之間的方向矢量，[Ps， d]為轉(zhuǎn)發(fā)車輛自身距目的車輛的單位矢量，[cos(Vi， Ps， d)]值越大表明兩車相遇的概率越大;[ρ]為車前密度值，采用車前方扇形區(qū)統(tǒng)計(jì)車輛密度信息。選取與車輛行駛方向左右相差90°共180°范圍內(nèi)的車輛進(jìn)行統(tǒng)計(jì)計(jì)算。

　　2.3 路由機(jī)制及數(shù)據(jù)包轉(zhuǎn)發(fā)流程

　　SaDAGR動態(tài)信標(biāo)實(shí)現(xiàn)過程中的兩個Beacon間隔及TTL的修正方法如圖3所示。車輛的啟動時刻為0，此后每隔一個時間間隔[T]，車輛啟動反饋因子計(jì)算，如圖3所示，0?1為一個時間間隔，1?2為下一個時間間隔。

　　在0?1時間間隔內(nèi)一共有[N1]～[N5]五個Beacon消息幀，每個消息幀帶有一個TTL，1?2時刻之間的時間間隔[T1?2]通過0?1五個車輛的[TTLNi]計(jì)算得到。當(dāng)收到車輛[N1]的消息幀時，[T1?2]為[TimeStampN1+TTLN1];當(dāng)收到車輛[N2]的消息幀時，將[TimeStampN1+TTLN1]與[TimeStampN2+][TTLN2]進(jìn)行對比，選取最大的值作為[T1-2]，以此類推，直到從五個車輛中選取出最大的時間間隔，并在此時間間隔后啟動反饋因子計(jì)算。

　　推薦閱讀：電子信息工程專業(yè)在生活中的應(yīng)用