-
车载自组织网络在交通安全、智能交通系统等应用方面有着广阔的前景,得到了广泛的关注。由于车辆节点的高速移动性,使网络拓扑高度动态变换,节点之间间歇连通,因此难以存在一条稳定的端到端路径。车辆移动性也受到道路的限制,并且由于路边建筑和其他障碍物的影响,车辆节点上的数据传输同样受到道路限制。使车载组织网络中的数据分发非常困难。有一些致力于车载自组织网络机会性连通的研究,并取得了一定的成果。利用VANETs网络中的基础设施[1](road side unit,RSU)无疑能提高网络连通性和路由性能,但是基础设施的建设成本高昂。文献[2]说明了路边基础设施的架构成本达到每单位5 000美元。此外,静态的路边基础设施也难以适应快速变化的交通流量,其部署需要从整体进行精巧的设计。
车载自组织网络中的数据分发机制通常将网络限制为移动的车辆节点和路边基础设施,数据分发仅在移动车辆节点之间或移动节点和基础设施之间,将静止的车辆排除在外。但是在城市环境中,人们将车辆停放在路边是一种非常常见的现象。据加拿大蒙特利尔城市的泊车报告[3],在对5 500平方公里上的61 000个日间停车事件的统计中发现,路边停车(street parking),路外停车(outside parking)和车库及地下停车分别占69.2%,27.1%和3.7%,并且路边停车的平均时间为6.6 h。这说明路边停车节点能够提供较长时间的辅助通信。此外,路边停车在很多城市都表现出时间和空间上的规律性,城市规划者也经常制定一些政策鼓励在每个街区建立路边停车点和停车场。在对美国ANN Arbor城市的调查中发现[4],在商业区的路边停车点的每天平均占用率达到93%;另一项对Hattiesburg城市的调查报告[5]同样发现,停车点没有车辆停放的可能性非常小。因此,可以认为频繁占用的路边停车点经常存在一些车辆,能够提供较为稳定的通信辅助,以提高数据分发行能。
与移动车辆节点相比,停放车辆能够有效地提高通信效率。如车流量的快速变化可能会导致路段上移动车辆稀疏,分布不均匀,而长时间停放的车辆则成为天然的中继节点,能够增强网络的连通性,将不能直接通信的移动节点连通。这些路边静止车辆节点的资源同样可以用来提高网络的连通性,从而增强网络的数据分发性能。本文基于路边停放车辆的辅助,提出了一种高效数据分发机制(parked vehicle assisted data dissemination scheme, PVAD),PVAD首先将路边停放车辆组织为簇,对来自移动车辆节点的数据进行缓存或转发,达到提高数据递交率减小数据递交延迟的目的。
HTML
-
仿真使用的地图如图 8所示,该地图是成都市区的一部分,大小约3 600 m×2 500 m,包含24个路口和35条双向车道。本文在16:00、18:00和22:00对停放在路边的车辆进行计数。通过实地调研统计,得到不同类型路段的平均节点密度,如表 1所示。在允许路边停车的路段如r12、r23等,路段中的平均车辆节点密度达300车辆/km;而像r14、r49不允许路边停车的路段平均节点密度仅20车辆/km;其他没有明确限制路边停车的路段平均节点密度则达到98车辆/km。
路段 限制 平均节点密度/车·km-1 r12, r23, r56, r78, r15, 16, r16, 20, r17, 21, r18, 22, r13, 23 没有限制 300 r14, r49, r9, 15, r15, 19, r10, 11, r12, 18 严格限制路边停车 20 其他 没有明确限制路边停车 98 -
仿真使用VanetMobiSim[18]产生移动车辆的移动轨迹,其产生的轨迹文件可以直接导入NS2[19]中。停放车辆则随机部署在图 8中的每条路段上,部署密度遵循表 1的调研结果,且停放车辆的停放时间为41.4 min,停放时间的标准方差27.2 min[4]。考虑到停放车辆贡献资源的意愿,将ρpv设置为10%和30%。在移动车辆中,随机选择10个节点产生分组发送到随机选择的路段中。本文将PVAD协议和BAS,TADS和Epidemic Routing在数据递交率和数据递交延迟两方面进行了比较。
参数 值 仿真区域/m 3 600×2 500 路口数 24 移动车辆节点 50~500 车辆速度/km·h-1 40~80 通信半径/m 100~400 分组产生率/1 packet·s-1 1 BEACON周期/s 1 ρpv/% 10, 30 -
本文仿真了不同移动节点的密度对协议性能的影响,如图 9和图 10所示。图 9显示了数据递交率在不同移动节点密度下的变化。显然随着移动节点密度的增加,数据递交率也随之增加,这是因为节点密度的增加提高了网络的连通性。当移动节点密度较低时,PVAD的表现比BAS和TADS好,其原因是停放车辆的加入进一步增强了网络连通性。而随着移动节点密度的增加,Epidemic的数据递交率急剧下降,这主要是冲突增多而导致的。
图 10显示了数据递交延迟随着移动节点密度的增加变化的情况。与Epidemic相比,其他数据分发机制都表现出了较低的数据递交延迟。当移动节点密度较低时,PVAD+10%PV的方案比BAS协议的数据递交延迟低10%,而PVAD+30%PV方案则低18%,这是由于簇内和簇间通信能够加快分组的传递。
随后,本文仿真了在车流量重负载和轻负载场景下网络性能受节点通信半径的影响。图 11表明了400个移动节点随着通信半径的增加,网络的连通性也随之增加,因此数据递交率也逐渐提高。但是当通信半径太大时,由于冲突的影响数据递交率将呈下降趋势。在图 11中,当通信半径很小时,BAS的性能更好。对于PVAD,由于在高密度情形下对簇管理的开销较高,因此数据递交率低于BAS。而TADS则是由于通信半径较小时,难以收集流量信息,从而降低了数据递交率。图 12则表明尽管BAS比PVAD的数据递交率略高,但是以较长的数据递交延迟为代价的。随着通信半径的增大,PVAD的数据递交延迟快速下降,这是因为路段上的簇连通性得到提高,从而加快了分组的传输。但是通信半径过大时,大量的冲突又会导致数据递交延迟的增加。
图 13和图 14显示了轻负载场景下的网络性能。在轻负载场景下,仿真中使用了100个移动节点。显然,当通信半径较小时,车辆相遇概率和冲突概率都很小,因此数据递交率随着通信半径增大而增大。图 13中,PVAD+30%的方案取得了比其他机制高约80%的数据递交率,这说明在轻负载情况下,PVAD表现得比重负载情况下要好得多。同样在轻负载场景下,PVAD的数据递交延迟也更低,如图 14所示。