樊 娜，朱依水，朱光源，唐 蕾，董 鳴，安宏海

(1.長(zhǎng)安大學(xué) 信息工程學(xué)院，陜西 西安 710064；2.邯鄲市交通運(yùn)輸局 基建處，河北 邯鄲 056000)

0 引 言

由于車聯(lián)網(wǎng)自身的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)多變、車輛節(jié)點(diǎn)連接短暫等特點(diǎn)以及車聯(lián)網(wǎng)中節(jié)點(diǎn)自私性等問(wèn)題，車聯(lián)網(wǎng)環(huán)境中面向出行者的交通服務(wù)信息的安全可靠的傳輸面臨了更多的挑戰(zhàn)[1-4]。目前，研究人員針對(duì)車聯(lián)網(wǎng)環(huán)境中信息傳輸?shù)难芯恐饕性趦蓚€(gè)方面：采用重復(fù)廣播的思想以提高信息傳輸?shù)男蔥5-8]；改進(jìn)路由協(xié)議提高信息傳輸效率。在車輛網(wǎng)環(huán)境中，常用的兩類協(xié)議為按表驅(qū)動(dòng)路由協(xié)議和按需驅(qū)動(dòng)路由協(xié)議。研究人員多基于這兩類協(xié)議進(jìn)行改進(jìn)，以期提高車聯(lián)網(wǎng)中數(shù)據(jù)傳輸效率[9-11]。上述提出的這兩類提高車聯(lián)網(wǎng)信息傳輸效率的方法都是基于車聯(lián)網(wǎng)中的車輛節(jié)點(diǎn)積極合作的假設(shè)前提，并未考慮現(xiàn)實(shí)車聯(lián)網(wǎng)環(huán)境中節(jié)點(diǎn)的自私性因素的影響。在現(xiàn)實(shí)車聯(lián)網(wǎng)環(huán)境中，存在可信度較高的節(jié)點(diǎn)出于自私目的而常常拒絕主動(dòng)發(fā)布或轉(zhuǎn)發(fā)交通服務(wù)信息的行為。由于此類自私節(jié)點(diǎn)的不合作行為，將對(duì)車輛網(wǎng)內(nèi)部交通信息服務(wù)的有效傳輸產(chǎn)生消極作用，影響車輛網(wǎng)的整體效率。

本文基于博弈論原理，提出一種基于動(dòng)態(tài)博弈論的模型，該模型能激勵(lì)車聯(lián)網(wǎng)內(nèi)的節(jié)點(diǎn)采取合作行為，抑制自私節(jié)點(diǎn)和惡意節(jié)點(diǎn)的不合作行為，有效地優(yōu)化車聯(lián)網(wǎng)內(nèi)部信息傳輸?shù)沫h(huán)境。

1 問(wèn)題分析

在現(xiàn)實(shí)車聯(lián)網(wǎng)中，信息傳輸是交通流預(yù)測(cè)、協(xié)作駕駛等眾多交通應(yīng)用的關(guān)鍵環(huán)節(jié)。車聯(lián)網(wǎng)本身是由裝載傳感設(shè)備的車輛節(jié)點(diǎn)和部署在道路兩側(cè)的各類路基設(shè)備構(gòu)成。因此，結(jié)合在車聯(lián)網(wǎng)的應(yīng)用中，車聯(lián)網(wǎng)中的信息傳輸通常包含兩種方式：第一種方式為路基設(shè)備和車輛節(jié)點(diǎn)之間的信息傳輸。路基設(shè)備對(duì)在其有效通信范圍內(nèi)的車輛節(jié)點(diǎn)發(fā)布天氣、路況等交通服務(wù)信息，節(jié)點(diǎn)收到信息后將轉(zhuǎn)發(fā)該信息；此外車輛節(jié)點(diǎn)感知的交通信息也將發(fā)布給路基設(shè)備。第二種方式為車輛節(jié)點(diǎn)之間的信息傳輸。例如在城市交通中常見(jiàn)的應(yīng)用場(chǎng)景：車輛節(jié)點(diǎn)作為“目擊者”感知了道路堵車或車禍等其它道路突發(fā)事件，將主動(dòng)向其有效通信范圍內(nèi)的車輛節(jié)點(diǎn)發(fā)布交通預(yù)警信息。在這兩種方式中，如果節(jié)點(diǎn)能主動(dòng)參與發(fā)布感知信息或者轉(zhuǎn)發(fā)收到的消息，車聯(lián)網(wǎng)內(nèi)部的信息傳輸將進(jìn)入良性循環(huán)。

然而車聯(lián)網(wǎng)某些節(jié)點(diǎn)自身出于節(jié)省能量、獨(dú)占道路資源等原因，常常會(huì)對(duì)于轉(zhuǎn)發(fā)或主動(dòng)發(fā)布等信息傳輸行為采取消極態(tài)度，從而導(dǎo)致車聯(lián)網(wǎng)中類似的“搭便車”節(jié)點(diǎn)數(shù)量增長(zhǎng)，直接影響車聯(lián)網(wǎng)中信息傳輸?shù)男省?/p>

2 建立動(dòng)態(tài)博弈論模型

2.1 模型基本原理

博弈論最初是經(jīng)濟(jì)領(lǐng)域提出的一種解決利益沖突的數(shù)學(xué)模型，經(jīng)過(guò)多年的研究與發(fā)展，已經(jīng)在生物工程學(xué)、計(jì)算機(jī)應(yīng)用等多個(gè)領(lǐng)域獲得了廣泛應(yīng)用。近年來(lái),博弈理論被越來(lái)越多地應(yīng)用在信息安全的眾多領(lǐng)域。在本文的研究中，將采用博弈論的方法建立動(dòng)態(tài)模型，以期激勵(lì)車聯(lián)網(wǎng)中的各個(gè)節(jié)點(diǎn)采取合作積極的行為，主動(dòng)發(fā)布或者轉(zhuǎn)發(fā)信息。博棄論中使參與者在特定約束條件下通過(guò)考慮其它參與者的對(duì)策做出相應(yīng)的對(duì)策，以獲得最大的收益，參與者之間存在利益或目標(biāo)沖突，而利用博弈論來(lái)設(shè)計(jì)激勵(lì)機(jī)制則能較好解決參與者之間的利用沖突問(wèn)題。

通常，一個(gè)演化博弈論的標(biāo)準(zhǔn)設(shè)置如下：

(1)用戶數(shù)量龐大，隸屬于不同的種群，存在相互競(jìng)爭(zhēng)的自私性關(guān)系；

(2)設(shè)置當(dāng)前隨機(jī)選擇的節(jié)點(diǎn)數(shù)量為隨機(jī)變量K,K≥0；

(3)假設(shè)每個(gè)種群有自身的策略集，種群中的用戶從自身種群的策略集中選取策略,以獲取最大化的收益。

基于上述設(shè)定，建立面向車聯(lián)網(wǎng)的演化動(dòng)態(tài)博弈模型，對(duì)該模型的基本要素描述如下：

參與者：車聯(lián)網(wǎng)中所有車輛節(jié)點(diǎn)；

群體劃分：通過(guò)分析，車聯(lián)網(wǎng)中的車輛節(jié)點(diǎn)分為3個(gè)群體，正常節(jié)點(diǎn)為群體1，自私節(jié)點(diǎn)為群體2，惡意節(jié)點(diǎn)為群體3。每個(gè)群體中節(jié)點(diǎn)的數(shù)目是不確定的，隨著時(shí)間的推移，某個(gè)節(jié)點(diǎn)有可能從原屬群體轉(zhuǎn)移到其它群體。假設(shè)車聯(lián)網(wǎng)中車輛節(jié)點(diǎn)的分布服從泊松分布，在一次基于動(dòng)態(tài)博弈模型的演化過(guò)程中，存在n個(gè)車輛節(jié)點(diǎn)參與博弈的概率可以通過(guò)式(1)計(jì)算

(1)

其中，參數(shù)θ>0,n≥1。

策略集：每個(gè)群體都有各自相對(duì)應(yīng)的行為策略，在不同的場(chǎng)景中，節(jié)點(diǎn)會(huì)采取不同的行為策略，以期獲取更大的利益。

正常節(jié)點(diǎn)群體的策略分為兩類:第一類是車輛節(jié)點(diǎn)愿意接收交通服務(wù)信息并轉(zhuǎn)發(fā)，同時(shí)對(duì)于自身感知的信息愿意自主發(fā)布，第二類是車輛節(jié)點(diǎn)愿意接收交通信息并轉(zhuǎn)發(fā)，但是不愿意自主發(fā)布交通信息。

自私節(jié)點(diǎn)群體的策略也分為兩類：第一類策略是車輛節(jié)點(diǎn)接收交通服務(wù)信息并轉(zhuǎn)發(fā)；第二類策略是車輛節(jié)點(diǎn)接收交通服務(wù)信息但并愿不轉(zhuǎn)發(fā)。

惡意節(jié)點(diǎn)群體的策略同樣分為兩類:第一類是車輛節(jié)點(diǎn)接收交通服務(wù)信息，第二類是車輛節(jié)點(diǎn)拒絕接收交通服務(wù)信息。

在本模型中，影響節(jié)點(diǎn)采取合作行為的因素包括兩大類：一是成本付出，例如自身能量消耗等；二是收益，包括節(jié)點(diǎn)信譽(yù)值等。在博弈模型中通過(guò)對(duì)成本收益的演化分析來(lái)激勵(lì)車輛節(jié)點(diǎn)在信息服務(wù)傳輸中采取合作行為策略。在本文的研究中，車聯(lián)網(wǎng)的網(wǎng)絡(luò)結(jié)構(gòu)除了各類車輛節(jié)點(diǎn)、路基設(shè)備，還包括一個(gè)可信認(rèn)證中心。在一次交通信息傳輸過(guò)程中，當(dāng)車輛節(jié)點(diǎn)對(duì)感知的交通信息主動(dòng)發(fā)布或者對(duì)收到的信息進(jìn)行轉(zhuǎn)發(fā)，則認(rèn)證中心對(duì)節(jié)點(diǎn)進(jìn)行收益獎(jiǎng)勵(lì)。

2.2 群體策略集

因?yàn)樵谲嚶?lián)網(wǎng)中存在多個(gè)群體，交通信息傳輸?shù)倪^(guò)程中存在群體之間的演化和博弈，不同群體具有不同的行為決策集合。

群體1的策略空間是G1={a1,a2},a1表示節(jié)點(diǎn)接收交通服務(wù)信息并轉(zhuǎn)發(fā)，同時(shí)愿意自主發(fā)布相關(guān)服務(wù)信息，a2表示節(jié)點(diǎn)僅僅接收交通信息并轉(zhuǎn)發(fā)，但是不愿意自主發(fā)布交通服務(wù)信息。

群體2的策略空間是G2={b1,b2},b1表示節(jié)點(diǎn)接收交通服務(wù)信息并轉(zhuǎn)發(fā)，b2表示節(jié)點(diǎn)僅僅接收的交通服務(wù)信息，但拒絕轉(zhuǎn)發(fā)。

群體3的策略空間是G3={c1,c2},c1表示接收交通服務(wù)信息，因?yàn)檫@些信息有可能對(duì)自身有用，c2表示拒絕接收。

2.3 收益計(jì)算

在本文的博弈模型中，車輛節(jié)點(diǎn)的收益可以定義為參與者采取某種具體的行為策略之后可以獲取的收益。車輛節(jié)點(diǎn)的收益函數(shù)的計(jì)算如下：

節(jié)點(diǎn)的收益=每個(gè)節(jié)點(diǎn)接收交通服務(wù)信息獲得的收益獎(jiǎng)勵(lì)+轉(zhuǎn)發(fā)信息獲得的收益獎(jiǎng)勵(lì)+自主發(fā)布交通服務(wù)信息獲得的收益獎(jiǎng)勵(lì)-消耗的能量(轉(zhuǎn)發(fā)能量消耗+自主發(fā)布能量消耗)。

由于車輛網(wǎng)中車輛節(jié)點(diǎn)是移動(dòng)的，假設(shè)兩個(gè)車輛節(jié)點(diǎn)之間的連接時(shí)間服從指數(shù)分布，在一段時(shí)間T內(nèi)，兩車的連接概率計(jì)算如式(2)所示

(2)

在群體1中，車輛節(jié)點(diǎn)選擇策略a1的概率是x,x∈[0,1]；在群體2中，車輛節(jié)點(diǎn)選擇策略b1的概率是y,y∈[0,1]；群體3中，車輛節(jié)點(diǎn)選擇策略c1的概率是z,z∈[0,1]。

當(dāng)群體1中的某個(gè)節(jié)點(diǎn)選擇策略a1，則其獲得收益的概率計(jì)算如式(3)所示

(3)

其中，n1為某次博弈過(guò)程中，群體1中參與博弈的節(jié)點(diǎn)的個(gè)數(shù)，δ為據(jù)式(2)計(jì)算的兩車連接的概率值。

當(dāng)群體2中的某個(gè)節(jié)點(diǎn)選擇策略b1時(shí)，收益概率計(jì)算如式(4)所示，其中n2為某次博弈過(guò)程中，群體2中參與博弈的節(jié)點(diǎn)的個(gè)數(shù)

(4)

當(dāng)群體3中的某個(gè)節(jié)點(diǎn)選擇策略c1時(shí)，收益概率計(jì)算如式(5)所示，其中n3為某次博弈過(guò)程中，群體3中參與博弈的節(jié)點(diǎn)的個(gè)數(shù)

(5)

在計(jì)算出節(jié)點(diǎn)的收益概率之后，可以據(jù)此進(jìn)行節(jié)點(diǎn)的收益的計(jì)算。

以群體1中的某節(jié)點(diǎn)為例，節(jié)點(diǎn)的收益CG1計(jì)算過(guò)程如式(6)所示

(6)

其中，B表示收益之和，L表示消耗能量之和。當(dāng)節(jié)點(diǎn)選擇策略a1時(shí)，B的值等于r1+r2+r3,L的值等于e1+e2+e3；當(dāng)節(jié)點(diǎn)選擇策略a2時(shí)，B的值等于r1+r2；L的值等于e1+e2。

同理，群體2中節(jié)點(diǎn)的收益CG2計(jì)算過(guò)程如式(7)所示

1.溫度。保持舍內(nèi)溫度20℃左右，分娩后3 d內(nèi)適宜溫度32℃～28℃；4～7 d適宜溫度28℃～25℃；8～30 d適宜溫度25℃～22℃。在舍內(nèi)設(shè)置保溫箱，進(jìn)行人工保溫。

(7)

其中，當(dāng)節(jié)點(diǎn)選擇策略b1時(shí)，B的值等于r1+r2,L的值等于e1+e2；當(dāng)節(jié)點(diǎn)選擇策略b2時(shí)，B的值等于r1；L的值等于e1。

群體3中節(jié)點(diǎn)的收益CG3計(jì)算過(guò)程如式(8)所示

(8)

當(dāng)節(jié)點(diǎn)選擇策略c1時(shí)，B的值等于r1,L的值等于e1；當(dāng)節(jié)點(diǎn)選擇策略c2時(shí)，節(jié)點(diǎn)采取消極策略，即不進(jìn)行任何接收或轉(zhuǎn)發(fā)信息的行為，獲得的收益獎(jiǎng)勵(lì)和消耗均為0，因此收益計(jì)算結(jié)果也為0。

依據(jù)上述節(jié)點(diǎn)收益的計(jì)算，可以計(jì)算各個(gè)群體的平均效用函數(shù)，以評(píng)估群體的博弈狀況。依據(jù)式(6)，群體1的平均效用函數(shù)計(jì)算如式(9)所示

(9)

同理，依據(jù)式(6)，群體2的平均效用函數(shù)計(jì)算如式(10)所示

(10)

群體3的平均效用函數(shù)計(jì)算如式(11)所示

(11)

2.4 模型演化穩(wěn)定策略分析

在這個(gè)多種群的演化博弈環(huán)境中，需要設(shè)計(jì)動(dòng)態(tài)演化模型的演化穩(wěn)定策略，該策略表明群體博弈最終趨于一個(gè)穩(wěn)定狀態(tài)。在本文的應(yīng)用場(chǎng)景中，每個(gè)群中的個(gè)體節(jié)點(diǎn)在群的整體演化過(guò)程中都會(huì)進(jìn)行自我學(xué)習(xí)，通過(guò)學(xué)習(xí)，選擇收益較高的策略，放棄收益低的策略選擇，逐漸的固化收益最大化的策略選擇。在多次的動(dòng)態(tài)博弈過(guò)程之后，整個(gè)群體趨向動(dòng)態(tài)收斂直至達(dá)到均衡。演化策略的設(shè)計(jì)如下：

假設(shè)某次博弈的開(kāi)始時(shí)刻為mt，結(jié)束時(shí)刻為，(m+1)t,m≥0。在一次動(dòng)態(tài)演化博弈過(guò)程中，以正常節(jié)點(diǎn)群為例，當(dāng)群體1中的節(jié)點(diǎn)選擇存在如下計(jì)算過(guò)程

q[a1,?a2+(1-?)a1]?q[a2,?a2+(1-?)a1]

(12)

其中，演化參數(shù)?∈(0,1)，如果式(12)成立，則策略a1就是群體1的演化穩(wěn)定策略。同理可以確定群體2和群體3的演化穩(wěn)定策略。

通過(guò)上述步驟，車輛網(wǎng)中的車輛節(jié)點(diǎn)在動(dòng)態(tài)演化博弈模型中經(jīng)過(guò)演化，逐漸趨向選擇收益高的策略，并且整個(gè)網(wǎng)絡(luò)系統(tǒng)在多次演化后趨于一種穩(wěn)定狀態(tài)，從而實(shí)現(xiàn)抑制節(jié)點(diǎn)的自私行為，激勵(lì)節(jié)點(diǎn)的合作行為，提高交通服務(wù)信息的傳輸效率。

3 實(shí)驗(yàn)及仿真結(jié)果分析

為了有效評(píng)估本文中提出的方法，以NS2仿真軟件為平臺(tái)，建立仿真環(huán)境，測(cè)試本文提出的模型在交通服務(wù)信息傳輸應(yīng)用場(chǎng)景中的性能。

在本文的仿真實(shí)驗(yàn)中，各項(xiàng)實(shí)驗(yàn)參數(shù)設(shè)置如下：仿真區(qū)域大小為2500 m×2000 m，通信范圍為160 m，車輛的速度依照目前國(guó)內(nèi)城市道路主流限速狀況以及日常交通流量情況，設(shè)置為30 km/h～65 km/h，仿真時(shí)間為100 s。當(dāng)惡意節(jié)點(diǎn)占較大比例時(shí)，網(wǎng)絡(luò)將處于失效狀態(tài)，本文方法主要研究抑制自私節(jié)點(diǎn)的不合作行為，因此對(duì)于惡意節(jié)點(diǎn)占較大比例的情況不考慮。在本文的仿真實(shí)驗(yàn)中，車輛節(jié)點(diǎn)數(shù)目設(shè)置為300，設(shè)置正常節(jié)點(diǎn)和自私節(jié)點(diǎn)占總節(jié)點(diǎn)數(shù)的90%，其中正常節(jié)點(diǎn)數(shù)為180，自私節(jié)點(diǎn)為90個(gè)，惡意節(jié)點(diǎn)僅占10%。

在仿真實(shí)驗(yàn)中，群體1、群體2以及群體3在實(shí)驗(yàn)初始采取合作行為即分別選擇策略a1,b1,c1的節(jié)點(diǎn)比例占各自所屬群體節(jié)點(diǎn)總數(shù)比例為15%。依據(jù)文中對(duì)于節(jié)點(diǎn)收益和能量消耗的約定，經(jīng)過(guò)多次實(shí)驗(yàn)，設(shè)置仿真實(shí)驗(yàn)中模型初始參數(shù)如下：收益參數(shù)r1=5,r2=7,r3=10，同時(shí)設(shè)能量消耗參數(shù)e3=4,e2=3,e1=2。

本文研究中，仿真實(shí)驗(yàn)分為兩個(gè)部分，第一部分是對(duì)本文中提出的算法自身性能評(píng)估，第二部分是將本文方法與M.RAYA等[6]提出的方法進(jìn)行比較，評(píng)估兩種方法對(duì)網(wǎng)絡(luò)性能的影響。

第一部分：圖1為在仿真實(shí)驗(yàn)中隨著時(shí)間的推移，群體1、群體2、群體3中的節(jié)點(diǎn)選擇合作策略a1,b1,c1百分比變化。

圖1 選擇合作策略的各種群節(jié)點(diǎn)百分比變化

圖1表明，在模型中變量固定,即模型的激勵(lì)確定的情況下，隨著仿真實(shí)驗(yàn)的進(jìn)行，模型展開(kāi)演化博弈，各個(gè)群體中選擇合作策略的節(jié)點(diǎn)占各自群體節(jié)點(diǎn)總數(shù)的百分比從初始時(shí)的10%陸續(xù)增加，并且隨著時(shí)間變化，逐漸趨于穩(wěn)定，表明系統(tǒng)經(jīng)過(guò)多次博弈之后，趨于穩(wěn)定狀態(tài)，其中群體1和群體2中節(jié)點(diǎn)的百分比都接近89%。由于仿真實(shí)驗(yàn)設(shè)置中群體1和群體2節(jié)點(diǎn)的數(shù)量占網(wǎng)絡(luò)中節(jié)點(diǎn)數(shù)據(jù)的百分比達(dá)到90%，因此當(dāng)這兩個(gè)群體的節(jié)點(diǎn)有接近89%的節(jié)點(diǎn)最終選擇合作策略之后，整個(gè)網(wǎng)絡(luò)將逐漸形成了一個(gè)大多數(shù)節(jié)點(diǎn)都選擇合作策略的穩(wěn)定的車聯(lián)網(wǎng)網(wǎng)絡(luò)環(huán)境。僅占整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)10%的惡意節(jié)點(diǎn)所屬群體3，在多次博弈后，選取合作策略的節(jié)點(diǎn)所占百分比同樣有所增加，提高到約20%。

圖1的結(jié)果表明隨著仿真時(shí)間的推移，模型不斷演化，仿真結(jié)果圖中顯示本文的激勵(lì)機(jī)制是有效性，正常、自私和惡意3個(gè)群體中選擇合作策略的節(jié)點(diǎn)數(shù)目在不斷增加，并逐漸趨于穩(wěn)定。

在現(xiàn)實(shí)應(yīng)用中，自私節(jié)點(diǎn)的不合作行為對(duì)車聯(lián)網(wǎng)中交通服務(wù)信息的傳輸產(chǎn)生較大的影響，在仿真實(shí)驗(yàn)中，將調(diào)整模型的收益參數(shù)，激勵(lì)自私節(jié)點(diǎn)選擇合作行為。設(shè)置通過(guò)當(dāng)實(shí)驗(yàn)中能量消耗參數(shù)不變，同時(shí)發(fā)布收益獎(jiǎng)勵(lì)保持r3=10不變。在首次設(shè)置中，r2-e2=4，后續(xù)實(shí)驗(yàn)中我們逐次增加r2-e2的值d，即當(dāng)節(jié)點(diǎn)轉(zhuǎn)發(fā)交通服務(wù)信息時(shí)，獲取的收益獎(jiǎng)勵(lì)與付出的能量消耗對(duì)比越明顯，將會(huì)有效地激勵(lì)節(jié)點(diǎn)更多參與網(wǎng)絡(luò)中的信息轉(zhuǎn)發(fā)。具體實(shí)驗(yàn)結(jié)果如圖2所示。

圖2 轉(zhuǎn)發(fā)收益變化對(duì)群體2合作策略選擇的影響

當(dāng)保持收益r1=5、r2=7不變，初次設(shè)置r3-e3=6，在后續(xù)中逐次增加r3-r1的值f，即當(dāng)節(jié)點(diǎn)主動(dòng)發(fā)布交通服務(wù)信息時(shí)，獲取收益獎(jiǎng)勵(lì)與付出能耗對(duì)比越明顯，則將激勵(lì)節(jié)點(diǎn)更積極的主動(dòng)發(fā)布服務(wù)信息。具體實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 發(fā)布收益變化對(duì)群體2合作策略選擇的影響

圖2和圖3表明，群體2中的自私節(jié)點(diǎn)，在選擇合作策略給自身帶來(lái)的收益與能耗對(duì)比顯著的激勵(lì)機(jī)制下，該群體中的節(jié)點(diǎn)選擇合作策略的百分比呈現(xiàn)出顯著持續(xù)增長(zhǎng)態(tài)勢(shì)，并最終趨于一種穩(wěn)定狀態(tài)。實(shí)驗(yàn)結(jié)果顯示，當(dāng)博弈模型設(shè)置合適的收益參數(shù)時(shí)，能有效激勵(lì)自私節(jié)點(diǎn)趨向選擇收益較大的策略。

第二部分：對(duì)比本文方法和M.RAYA等文中提出的方法，從丟包率、轉(zhuǎn)發(fā)率等性能指標(biāo)對(duì)網(wǎng)絡(luò)進(jìn)行全面評(píng)估。本文方法中模型參數(shù)設(shè)置為初始設(shè)置狀態(tài)，仿真時(shí)間為100 s。

圖4表明本文方法的轉(zhuǎn)發(fā)率在達(dá)到約90%后趨于穩(wěn)定，而M.RAYA等文中方法雖然采取了重復(fù)廣播的策略，但是由于節(jié)點(diǎn)的非積極合作行為產(chǎn)生的消極影響，導(dǎo)致轉(zhuǎn)發(fā)率只維持在70%左右。

圖4 兩種方法網(wǎng)絡(luò)轉(zhuǎn)發(fā)率對(duì)比

圖5中，在仿真初始階段，由于節(jié)點(diǎn)參與數(shù)目較少，本文方法和M.RAYA方法的丟包率都約為20%左右。隨著仿真時(shí)間的推移，越來(lái)越多的節(jié)點(diǎn)參與，M.RAYA方法由于自私節(jié)點(diǎn)和惡意節(jié)點(diǎn)的影響，網(wǎng)絡(luò)的丟包率持續(xù)增長(zhǎng)，接近35%，而本文的方法由于有效激勵(lì)節(jié)點(diǎn)，隨著仿真時(shí)間的推移，越來(lái)越多的節(jié)點(diǎn)選擇合作策略，當(dāng)博弈模型趨于穩(wěn)定時(shí)，網(wǎng)絡(luò)的丟包率也趨于穩(wěn)定，保持在15%之下。

圖5 兩種方法網(wǎng)絡(luò)丟包率對(duì)比

圖4和圖5的對(duì)比結(jié)果表明，通過(guò)激勵(lì)機(jī)制鼓勵(lì)節(jié)點(diǎn)采取合作策略后，本文的方法對(duì)網(wǎng)絡(luò)性能的影響較為明顯，與M.RAYA文中方法對(duì)比，仿真網(wǎng)絡(luò)的轉(zhuǎn)發(fā)率有顯著提高，而丟包率則下降明顯。

上述兩部分的仿真實(shí)驗(yàn)結(jié)果表明，本文中提出的動(dòng)態(tài)演化博弈模型，能有效地激勵(lì)節(jié)點(diǎn)采取合作行為，抑制了自私節(jié)點(diǎn)的自私行為。

4 結(jié)束語(yǔ)

針對(duì)車聯(lián)網(wǎng)環(huán)境中交通服務(wù)信息傳輸?shù)膽?yīng)用場(chǎng)景，本文設(shè)計(jì)提出了基于博弈理論的動(dòng)態(tài)演化模型。該模型針對(duì)車聯(lián)網(wǎng)中正常節(jié)點(diǎn)群體、自私節(jié)點(diǎn)群體、惡意節(jié)點(diǎn)群體分別建立策略空間，通過(guò)多次演化博弈，激勵(lì)節(jié)點(diǎn)采取收益最大化的合作行為策略，有效抑制了自私節(jié)點(diǎn)的自私行為，從而形成趨于穩(wěn)定的良性的交通服務(wù)信息傳輸環(huán)境。在后續(xù)的研究中，將進(jìn)一步對(duì)模型參數(shù)進(jìn)行分析以優(yōu)化模型，進(jìn)一步提高模型的效率。