王 超

(長安大學(xué) 信息工程學(xué)院，西安 710064)

引言

隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展，近年來城市交通發(fā)展正朝著智能化、安全化和高效一體化方向推進.而車載自組織網(wǎng)絡(luò)(Vehicular Ad Hoc NETworkS，VANETS) 的廣泛應(yīng)用無疑起到了關(guān)鍵的支撐作用，VANETS 作為一種特殊的移動Ad Hoc[1]，其原理是通過在車輛上裝配相關(guān)電子設(shè)備，并關(guān)聯(lián)通信范圍內(nèi)的路側(cè)單元(Road Side Unit，RSU)，利用無線通信技術(shù)實現(xiàn)網(wǎng)絡(luò)中車與車之間的通信(V2V)和車與基礎(chǔ)設(shè)施之間的通信(V2I)[2].

當前研究人員針對移動Ad Hoc 類型網(wǎng)絡(luò)下的協(xié)議仿真和節(jié)點通信的研究多是基于隨機路點移動模型(Random WayPoint mobility model，RWP)、隨機方向移動模型(Random Direction Model，RDM)和隨機漫步移動模型(Random Walk Mobility model，RWM)等移動模型[3]，而此類模型的最大特點就是節(jié)點移動的隨機性.對比真實場景下的交通流運行狀況，上述模型中的節(jié)點移動特性不能較為真實地反映實際情況中車輛節(jié)點的移動特點[4].當前城市交通中有交叉路口、匝道、潮汐車道以及雙向快速四車道等多種移動場景，為了體現(xiàn)場景的通用性和代表性，本文采用VanetMobiSim仿真器構(gòu)建不同交通場景下的節(jié)點移動模型以逼真模擬真實交通流，以此構(gòu)建交叉路口和雙向快速四車道這兩種在車輛密度、車速以及拓撲結(jié)構(gòu)上有明顯區(qū)分度的城市常見交通移動場景.

當前車載自組織網(wǎng)絡(luò)中所使用的路由協(xié)議大部分起源于傳統(tǒng)的移動Ad Hoc 網(wǎng)絡(luò)[5]，而基于網(wǎng)絡(luò)拓撲結(jié)構(gòu)的路由協(xié)議是Ad Hoc 網(wǎng)絡(luò)下最具代表性的一類協(xié)議，根據(jù)路由的驅(qū)動方式又可將該類型的協(xié)議分成先應(yīng)式路由協(xié)議(又稱表驅(qū)動路由協(xié)議)和反應(yīng)式路由協(xié)議(又稱按需路由協(xié)議)[6，7].其中DSDV (Destination-Sequenced Distance-Vector routing)是經(jīng)典的表驅(qū)動路由算法[8]，而AODV (Ad Hoc On-demand Distance Vector routing)是經(jīng)典的源驅(qū)動路由算法[9].

所以本文擬在NS2 仿真環(huán)境下引入這兩種不同類型的協(xié)議并在不同應(yīng)用場景中進行仿真實驗，以此對比不同協(xié)議在不同移動場景下的通信效果.

1 節(jié)點移動模型概述

節(jié)點移動模型的作用是描述節(jié)點的移動方式，包括其方向、位置、速度及加速度等[10]，通過對車輛具體行為的抽象描述，數(shù)據(jù)化處理節(jié)點在每個時鐘嘀嗒的行為動作，最終生成相關(guān)的車輛行駛信息，而車輛節(jié)點通過遍歷該信息完成整個移動過程.根據(jù)節(jié)點的移動特性又可以將節(jié)點移動模型劃分成獨立節(jié)點移動模型和具有群組特性的節(jié)點移動模型.

獨立節(jié)點移動模型主要包括隨機路點移動模型、隨機方向移動模型和隨機漫步移動模型.在進行移動Ad Hoc 網(wǎng)絡(luò)仿真實驗時，研究人員經(jīng)常采用上述的三種移動模型構(gòu)建相關(guān)的移動場景.其中，Maurya AK 等[11]使用隨機路點移動模型來設(shè)計網(wǎng)絡(luò)，基于平均端到端延遲，分組投遞率，吞吐量和平均抖動率評價移動Ad Hoc 網(wǎng)絡(luò)下不同協(xié)議的性能特性.Gupta P 等[12]基于隨機路點移動模型，研究AODV，DSDV，DSR 和OLSR在分組投遞率，平均端到端延遲和標準化路由負載方面的性能區(qū)別，以此評估節(jié)點移動性對路由協(xié)議的影響.Carofiglio G 等[13]在引入隨機方向移動模型的基礎(chǔ)上，研究易受到由節(jié)點移動引起鏈路故障的路由的可用性和持續(xù)時間概率，通過考慮研究路由可用性選擇最佳路由，提出了一種提高反應(yīng)路由協(xié)議效率的方法.Sharma A 等[14]在隨機漫步移動模型下比較了反應(yīng)式和主動式協(xié)議，并討論了不同類型的協(xié)議所適合的網(wǎng)絡(luò)類型.Mohanborah A 等[15]對移動Ad Hoc 網(wǎng)絡(luò)下的隨機路點移動模型、隨機方向移動模型和隨機漫步移動模型進行了對比分析，通過調(diào)節(jié)相關(guān)參數(shù)對網(wǎng)絡(luò)的擁塞控制進行研究.

由于真實車載自組織網(wǎng)絡(luò)下的車輛節(jié)點具有群組特性，且受到最大速度、路口方向選擇、以及紅綠燈等其他因素的影響，而傳統(tǒng)仿真過程中使用的上述3 種移動模型存在節(jié)點平均速度衰減、穩(wěn)態(tài)分布不均勻以及節(jié)點密度波動現(xiàn)象[16]，且均沒有考慮真實交通場景下如紅燈減速、換道超車以及讓行等各種行為和限制，進而導(dǎo)致對仿真結(jié)果的分析產(chǎn)生很大的誤差，所以不適合采用此類模型進行車載自組織網(wǎng)絡(luò)下的路由協(xié)議仿真[4].

通過引入適當?shù)囊苿幽Ｐ涂梢院侠碓u價不同路由協(xié)議在不同場景下的性能，為了正確模擬現(xiàn)實網(wǎng)絡(luò)中的拓撲結(jié)構(gòu)和客觀反映車輛節(jié)點的移動特性，并真實展現(xiàn)交通場景中的交通流運行狀況以及有效對比評估協(xié)議通信效果，本文首先針對常見的交通應(yīng)用場景進行仿真，即建立交通移動場景模型.

2 城市交通場景移動模型構(gòu)建

通過分析車聯(lián)網(wǎng)的拓撲結(jié)構(gòu)以及車輛節(jié)點的移動特性，本文設(shè)計構(gòu)建了交叉路口和雙向快速四車道這兩類應(yīng)用場景的移動模型.

2.1 交通場景移動建模

本文中所構(gòu)建的交叉路口移動場景和雙向快速四車道移動場景均是對IDM (Intelligent Driver Model)模型進行擴展[17]，其中雙向快速四車道具備超車和多車道功能，而交叉路口場景在此基礎(chǔ)上又增加了交叉路口管理功能[18].

雙向快速四車道場景可描述為兩個相反方向的直行車道各占兩條車道，車輛時速為40 km/h-70 km/h，即在城市交通環(huán)境中交通流較為通暢的狀態(tài).同方向的車道允許車輛間實現(xiàn)換道、超車等行為，而不同方向的車道間不可逾越，并以隔離帶的形式分隔開.在車與車之間能夠互相通信的前提下，可以通過設(shè)置車輛的安全換道時間和禮貌因子對車輛換道行為及駕駛員素質(zhì)進行描述[19]，其中安全換道時間指的是完成換道所要花費的時間，而禮貌因子則描述的是該駕駛員的駕駛素質(zhì)，若禮貌因子為負則認為駕駛員具有自私行為.通過兩者的有機結(jié)合可以對車輛的行駛特性進行更為深刻的描述.

交叉路口場景是由交通標志管理和由交通燈管理的交叉路口，交叉路口車輛時速在15 km/h-35 km/h 之間，通常城市交通中交叉口車流量較大，車速較慢.本模型中一旦車輛在停車標志前停止，它就會被告知所有引入該交叉路口的等待通行的車輛的數(shù)量.如果數(shù)量為零，則該車輛可以通過，否則，需遵循先到先過以及右轉(zhuǎn)彎規(guī)則.當車輛駛向紅綠燈交叉路口時，如果是綠燈，車輛將以現(xiàn)行的速度駛過交叉路口.如果是紅燈，車輛將拒絕通過并且使用類似于停車標志、修改IDM參數(shù)的方式使車輛減速最終停在交叉路口前.

當遇到紅綠燈時，車輛的行駛動作可以根據(jù)紅燈到綠燈以及綠燈到紅燈的轉(zhuǎn)換而做相應(yīng)的動態(tài)改變.前一種情況下，遇到紅燈減速前行的車輛在遇到綠燈亮?xí)r，可以再次加速.在后一種情況下，保持現(xiàn)有狀態(tài)駛向綠燈的車輛，當紅燈亮它還沒有通過交叉路口時，將會停止前行.由于道路之間車道數(shù)量會有所不同，所以靠近交叉路口的車輛會根據(jù)VanetMobiSim 的宏移動性得到它將要駛?cè)氲牡缆方Y(jié)構(gòu).然而，在車輛駛過交叉路口后，有以下行為方式：如果車輛正在行駛的車道也在它行駛路徑的下一條車道上，那么車輛駛過交叉路口后繼續(xù)在下一條街的相同車道上行駛；如果車輛正在行駛的車道在交叉路口的下條街道上不存在，那么當車輛接近交叉路口時它會駛向街道的右邊.如果不能這樣行駛，例如車道的右邊交通很擁擠，則于交叉路口處等待直到車道空閑.

2.2 模型參數(shù)設(shè)置

在本文的設(shè)定中，在雙向快速四車道移動場景下，車輛行駛速度較快，車輛密度較為稀疏，網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化較快；而與之形成鮮明對比的是交叉路口移動場景下，車輛行駛速度較慢，車輛密度較密集，網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化較慢；對應(yīng)上述宏觀描述的微觀參數(shù)設(shè)定見表1和表2，交叉路口及雙向快速四車道移動場景模型如圖1、圖2所示.其中舒適減速度指的是當前車輛以某一固定的減速度(m/s2)從當前速度開始減速直至車輛停止，減速過程符合到停車點位置的距離約束，且減速停車的過程緩和，未出現(xiàn)急剎車等影響駕乘體驗的減速行為，即整個過程即滿足環(huán)境和交通約束，也使得車內(nèi)人員有良好的駕乘體驗.

表1 交叉路口移動場景仿真參數(shù)設(shè)定

表2 雙向快速四車道移動場景仿真參數(shù)設(shè)定

圖1 交叉路口移動場景某時刻狀態(tài)仿真圖

圖2 雙向快速四車道移動場景某時刻狀態(tài)仿真圖

本文對于交叉路口和雙向快速四車道的舒適減速度的設(shè)定均是通過采集現(xiàn)實場景中對應(yīng)場景下的大量實體車輛并作均值計算而設(shè)定的.

3 仿真結(jié)果與分析

為了模擬車輛節(jié)點間的網(wǎng)絡(luò)數(shù)據(jù)通信，本文采用NS-2 針對網(wǎng)絡(luò)通信過程進行仿真.通過向NS-2 中引入VanetMobiSim 仿真器產(chǎn)生的車輛節(jié)點行車軌跡數(shù)據(jù)，實現(xiàn)逼真交通移動場景下的車輛通信聯(lián)合仿真實驗.NS2 仿真器的相關(guān)參數(shù)設(shè)置如表3所示，同時采用時延、開銷、抖動率和丟包率4 個常用指標評價協(xié)議的性能.

表3 NS2 中移動節(jié)點參數(shù)設(shè)置

3.1 交叉路口場景協(xié)議仿真對比

車載自組織網(wǎng)絡(luò)仿真范圍設(shè)定為1000 m×1000 m，仿真時間為60 s，交叉口附近的車輛數(shù)設(shè)定為40 輛，駛?cè)牖蝰傠x交叉口的速度維持在15 km/h-35 km/h.

① 端到端時延對比

通過圖3和圖4兩種路由在交叉路口處的端到端時延的表現(xiàn)對比可以發(fā)現(xiàn)，AODV 協(xié)議的時延區(qū)間維持在(0，0.17 s)，而DSDV 協(xié)議的時延區(qū)間維持在(0，0.04 s)，且DSDV 協(xié)議運行過程中的大部分時間節(jié)點處的延遲均比相同時間節(jié)點處使用AODV 協(xié)議傳輸?shù)难舆t短.

② 協(xié)議開銷對比

通過圖5中兩種路由協(xié)議在交叉路口處的控制包開銷對比可以發(fā)現(xiàn)，DSDV 的協(xié)議開銷高于AODV 的協(xié)議開銷，且二者皆有增長的趨勢，即隨著時間增長，DSDV 的協(xié)議開銷將會遠遠高于AODV 的協(xié)議開銷.

圖3 交叉路口場景下時使用AODV 協(xié)議的端到端時延

圖4 交叉路口場景下時使用DSDV 協(xié)議的端到端時延

圖5 交叉路口場景下協(xié)議開銷對比

③ 抖動率對比

圖6和圖7表明，AODV 協(xié)議的抖動率區(qū)間在(-1，0.7)，而DSDV 協(xié)議的抖動率區(qū)間在(-0.15，0.15)，且DSDV 協(xié)議運行過程中的大部分時間節(jié)點處的抖動率比相同時間節(jié)點處使用AODV 協(xié)議傳輸?shù)亩秳勇市?

圖6 交叉路口場景下時使用AODV 協(xié)議的抖動率

圖7 交叉路口場景下時使用DSDV 協(xié)議的抖動率

④ 丟包率對比

圖8表明，在交叉路口場景下AODV 協(xié)議的丟包情況比DSDV 嚴重，但隨著時間的推移，兩種協(xié)議下的丟包情況均趨向緩和，且有逐漸穩(wěn)定的趨勢.

圖8 交叉路口場景下協(xié)議丟包率對比

3.2 雙向快速四車道場景協(xié)議仿真對比

仿真范圍設(shè)定為2000 m×20 m，仿真時間設(shè)定為160 s，四車道車輛數(shù)為40 輛，車輛行駛速度維持在40 km/h-70 km/h.

① 端到端時延對比

圖9和圖10表明，隨著仿真時間推移，DSDV 端到端時遲有增大的趨勢，而AODV 時遲增大趨勢較緩.

圖9 雙向快速四車道場景下時使用AODV 協(xié)議的端到端時延

圖10 雙向快速四車道場景下時使用DSDV 協(xié)議的端到端時延

② 協(xié)議開銷對比

圖11表明，DSDV 的協(xié)議開銷高于AODV 的協(xié)議開銷，且二者皆有增長的趨勢，即隨著時間增長，DSDV的協(xié)議開銷將遠遠高于AODV 的協(xié)議開銷.

③ 抖動率對比

圖12和圖13表明，AODV 和 DSDV 二者在抖動率整體趨勢上沒有明顯差別，但通過對比發(fā)現(xiàn)運行AODV 協(xié)議的網(wǎng)絡(luò)的平均抖動率相較于運行DSDV協(xié)議的網(wǎng)絡(luò)平均抖動率小很多.

圖11 雙向快速四車道場景下協(xié)議開銷對比

圖12 雙向快速四車道場景下時使用AODV 協(xié)議的抖動率

圖13 雙向快速四車道場景下時使用DSDV 協(xié)議的抖動率

④ 丟包率對比

圖14表明，AODV 協(xié)議的丟包情況比DSDV 嚴重，但隨著時間的推移，兩種協(xié)議下的丟包情況均有緩和，且均有下降的趨勢.但可以看出AODV 協(xié)議丟包率下降趨勢明顯較快.

通過上述時延仿真結(jié)果分析發(fā)現(xiàn)，AODV 路由協(xié)議可以較好地適應(yīng)雙向快速四車道這樣的網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化較為頻繁的環(huán)境.一旦節(jié)點發(fā)生移動，只需要更新有發(fā)送數(shù)據(jù)需求的相關(guān)路徑的路由信息即可，相較于DSDV 這類的先驗式路由協(xié)議，其自身沒有大量的控制消息，所以協(xié)議開銷較小.對于復(fù)雜多變的場景，AODV 表現(xiàn)出較強的適應(yīng)性和較好的穩(wěn)定性，在保證時延處于可接受范圍內(nèi)的同時，開銷也相對低一些.但由于AODV 缺少路由表進而導(dǎo)致在面對類似交叉路口這類的擁塞場景時，數(shù)據(jù)傳輸過程存在較大延遲，且網(wǎng)絡(luò)傳輸不太穩(wěn)定，初始時的丟包率也偏高.而在使用DSDV 協(xié)議的過程中，一旦源節(jié)點需要發(fā)送報文，就可以立即得到到達目的節(jié)點的路由，因此該路由的時延較小，但在面對雙向多車道這樣的網(wǎng)絡(luò)規(guī)模龐大、網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化較快的場景時，由于存在大量控制報文導(dǎo)致協(xié)議開銷較大，進而造成傳輸效率偏低.

圖14 雙向快速四車道場景下協(xié)議丟包率對比

仿真實驗結(jié)果表明，在面對復(fù)雜多變的交通場景時，AODV 這類的反應(yīng)式路由協(xié)議表現(xiàn)出較好的適應(yīng)性.通過端到端時延和開銷的綜合分析評價，可以看出相比于DSDV 這類的先驗式路由協(xié)議，其在傳輸效率上有著較為明顯的優(yōu)勢.而結(jié)合抖動率和丟包率的表現(xiàn)情況來看，AODV 這類的反應(yīng)式路由協(xié)議在消息安全和完整投遞方面則受多種環(huán)境因素影響，盡管整體趨勢逐漸變優(yōu)，但初期表現(xiàn)不理想且后期效果存在波動.

3.3 環(huán)境因子對AODV 協(xié)議影響分析

為了進一步研究影響AODV 性能的環(huán)境因素，本文決定從網(wǎng)絡(luò)通信量和拓撲結(jié)構(gòu)變化及復(fù)雜程度兩大方面入手，以帶有交叉口的雙向快速四車道的環(huán)境為仿真場景，其中網(wǎng)絡(luò)通信量以車輛節(jié)點最大聯(lián)機數(shù)(即產(chǎn)生的數(shù)據(jù)流數(shù)目)和車輛節(jié)點發(fā)包率(每秒送出的封包數(shù))為變化因子；拓撲結(jié)構(gòu)變化及復(fù)雜程度以車輛節(jié)點的速度和密度為變化因子，以丟包率為評價標準，對AODV 協(xié)議的安全穩(wěn)定性受影響因素進行分析.

通過圖15和圖16三維圖像的對比可以發(fā)現(xiàn)，在維持其他影響因素不變的情況下AODV 協(xié)議的安全穩(wěn)定性受網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化和復(fù)雜性影響程度遠遠高于受網(wǎng)絡(luò)通信量影響.因此為了提升AODV 這類的反應(yīng)式路由協(xié)議的安全穩(wěn)定性，需著眼于網(wǎng)絡(luò)拓撲變化及復(fù)雜程度，通過引入地理位置等信息輔佐路由建立和數(shù)據(jù)傳輸，從而提高該協(xié)議的性能.

圖15 AODV 協(xié)議下丟包率隨拓撲結(jié)構(gòu)變化快慢及復(fù)雜程度變化曲面

圖16 AODV 協(xié)議下丟包率隨拓撲結(jié)構(gòu)變化快慢及復(fù)雜程度變化曲面

4 總結(jié)和展望

目前，大多數(shù)的路由協(xié)議仿真都是基于傳統(tǒng)的RWP、RDM 和RWM 等移動模型場景，這種隨機移動模型場景不能真實客觀地反映真實交通流的移動特性.而本文所構(gòu)建的交叉路口和雙向快速四車道移動的兩種模型是典型的群組模型應(yīng)用，均包含了關(guān)于車輛速度和加速度、對車輛隊列管理和擁塞管理等因素的描述.其中，交叉路口模型側(cè)重交叉口車輛管理，雙向快速四車道集成了一個超車模型以及加減速度管理.在本文的仿真試驗中，針對交叉路口采用的是管理智能駕駛模型，分別從端到端時延、協(xié)議包開銷、抖動率、丟包率4 個方面仿真了AODV 和DSDV 這兩種路由協(xié)議在不同場景下的性能效果.實驗結(jié)果表明DSDV 在簡單穩(wěn)定的交通場景下表現(xiàn)出較高的傳輸效率和穩(wěn)定性，而AODV 在復(fù)雜多變交通場景下表現(xiàn)出良好的適應(yīng)性.為了分析AODV 受何種因素影響較大，本文再次針對AODV 做了詳細分析，發(fā)現(xiàn)網(wǎng)絡(luò)拓撲結(jié)構(gòu)變化頻率和復(fù)雜程度對AODV 協(xié)議的穩(wěn)定性和安全性影響較大.本文提出的模型，相較于傳統(tǒng)的random waypoint 等模型更能貼近實際地描述車輛群體間的協(xié)作和共生狀態(tài)，具有較高的真實性和可信度.

為了實現(xiàn)高效穩(wěn)定的數(shù)據(jù)傳輸，后期作者準備引入地理位置信息，用以輔助合適的協(xié)議選擇，形成自適應(yīng)的協(xié)議決策推薦系統(tǒng)，并根據(jù)周邊交通流狀況適時調(diào)整路由選擇和數(shù)據(jù)傳輸?shù)葎幼?，以達到不同路段協(xié)議適配最優(yōu)，協(xié)議使用過程中建立高效路由并實現(xiàn)數(shù)據(jù)的穩(wěn)定傳輸.