0 引言

    作為未來智能交通系統(tǒng)，車載網(wǎng)絡(luò)VANET(Vehicular Ad Hoc Network)受到廣泛關(guān)注^[1-4]。然而V2V(Vehicle to Vehicle)通信的連通率高度依賴于道路上的車輛密度。在低密度場景下，V2V通信的連通率低，由于車輛采用專用短距離通信DSRC協(xié)議^[5]，路由路徑斷裂率高。此外，V2V通信連通還受高速場景和城市場景的障礙物的影響，包括大的建筑物、大卡車等物體均會引起信號衰落^[6]。因此，面向V2V通信環(huán)境，分析車間連通對消息傳輸性能的影響是非常重要的。

    目前，針對VANET連通率低的問題，廣泛采用基于存儲-攜帶-轉(zhuǎn)發(fā)SCF（Store-Carry-Forward）路由去橋接(bridging)的V2V通信的間隙(Gap)^[7]。車載容遲網(wǎng)絡(luò)VDTN(Vehicular Delay-Tolerant Network)常采用SCF策略向目的節(jié)點(diǎn)轉(zhuǎn)發(fā)數(shù)據(jù)包^[8]?，F(xiàn)有的分析模型僅關(guān)注橋接一個(gè)通信間隙Gap^[9-10]，并沒有考慮到多個(gè)間隙。對橋接多個(gè)間隙的累加時(shí)延和操作SCF的次數(shù)并沒有進(jìn)行理論分析。

    為此，本文針對多個(gè)V2V通信間隙Gap情況，建立基于存儲攜帶轉(zhuǎn)發(fā)路由的車間通信間隙時(shí)延分析模型 (SCF-GAM)，并評估SCF的端到端傳輸時(shí)延。同時(shí)，分析車流密度和車輛傳輸半徑對傳輸時(shí)延和SCF操作的平均次數(shù)的影響，通過仿真數(shù)據(jù)驗(yàn)證了提出的模型的性能。

1 約束條件及問題描述

    假定所有車輛均基于DSRC進(jìn)行V2V通信，它們也安裝了全球定位系統(tǒng)GPS(Global Positioning System)，使車輛知道自己的位置、速度以及車間距離信息，傳輸半徑均為R。

    考慮一維的VANET道路模型，如圖1所示。雙向單車輛，分別向東、西行駛。假定V₀和V_n+1分別表示數(shù)據(jù)源節(jié)點(diǎn)和目的節(jié)點(diǎn)，從V₀到V_n+1的路由距離為L。同時(shí)，假定在V₀到V_n+1的路由階段中有k個(gè)車輛參與路由，表示為V_k(1≤k≤n)。用一維坐標(biāo)位置表示沿途車輛V₀，V₁，…，V_n+1的位置。

    假定第i個(gè)車輛V_i離車輛V₀的距離表示x_i。為了簡化描述，假定V₀位于x₀=0。車輛通過周期地廣播beacon消息，獲取網(wǎng)絡(luò)拓?fù)湫畔?，每個(gè)beacon消息包含車輛的ID、位置x_i以及速度θ_i^[9]。

    數(shù)據(jù)從V₀至V_n+1的傳輸，多個(gè)車輛參與了路由。一旦檢測到通信間隙Gap，如圖2所示，V_k和V_k+1間未連通，此時(shí)利用反向車道的移動車輛X實(shí)施SCF策略去橋接通信間隙^[5]。因此，車輛V_k選擇X作為中間轉(zhuǎn)發(fā)節(jié)點(diǎn)，即數(shù)據(jù)從V_k→X→V_k+1，其中車輛V_k和V_k+1的速度分別表示為θ_k和θ_k+1。

2 分析模型

2.1 N_gap的概率質(zhì)量函數(shù)

    為便于數(shù)學(xué)處理，假定兩車輛間的空間服從指數(shù)的車頭間距分布，且均值為1/μ^[10]。然后，沿著路由路徑的總的車輛數(shù)服從泊松分布，其概率質(zhì)量函數(shù)為：

    依據(jù)文獻(xiàn)[11]，假定每輛車的位置在(0，s)區(qū)域均勻分布?；趯⒔?jīng)典階次統(tǒng)計(jì)學(xué)問題看成隨機(jī)區(qū)間劃分的理論[12]，在路由路徑s存在m個(gè)通信間隙的條件概率：

    依據(jù)式(5)便可計(jì)算在路由路徑s上總的SCF操作數(shù)N_gap。接下來分析在橋接通信間隙所移動距離的拉氏變換，簡稱距離拉氏變換。

2.2 距離拉氏變換

    假定移動車輛X為橋接通信間隙所移動的距離為τ_g。如圖2所示，V_k和V_k+1間的距離為d_k。如果d_k>R，兩輛車間的通信不連通。SCF轉(zhuǎn)發(fā)節(jié)點(diǎn)X與V_k+1間的距離表示為兩個(gè)隨機(jī)變量之和，即r₁+r₂。由于X在它們彼此通信范圍內(nèi)，移動距離τ_g等于r₁+r₂-R與0之間的最大值，即：

2.3 基于多通信間隙的SCF路由

    而橋接m個(gè)通信間隙所產(chǎn)生的總時(shí)延t_d如式(15)所示。式(5)～式(15)分析了具有多個(gè)通信間隙的路由路徑的性能?；谶@些分析，車載應(yīng)用能預(yù)測路由時(shí)延，并且依據(jù)不同的服務(wù)要求，能自適應(yīng)地調(diào)整參數(shù)。

3 性能分析

    為了驗(yàn)證模型的有效性，下面進(jìn)行系統(tǒng)仿真。選擇雙向單車道的公路道路路段作為仿真模型。在每輪仿真過程中，采用一分為二的車頭時(shí)距分布(Dichotomized Headway Distribution)，為束車輛(bunched vehicles)和單獨(dú)車輛(Free vehicles)產(chǎn)生車間空間分布^[14]。依據(jù)文獻(xiàn)[14]定義束車輛和單獨(dú)車輛。對于束車輛而言，它與前一個(gè)車輛的車頭間距小于Δ_th，而單獨(dú)車輛表示它與前一個(gè)車輛的車頭間距大于Δ_th。仿真過程中，Δ_th＝10 m。

    利用NS2仿真軟件建立仿真平臺，并利用SUMO產(chǎn)生車輛移動軌跡文件。采用Nakagami無線傳播模型，車輛速度服從在[18，22]m/s區(qū)域均勻分布，仿真時(shí)間為300 s，每次實(shí)驗(yàn)獨(dú)立重復(fù)50次，取平均值作為最終的仿真數(shù)據(jù)，將本文提出的分析模型得到的數(shù)據(jù)與仿真數(shù)據(jù)進(jìn)行比較，將前者表示為Analytical，后者表示為Simulat。

3.1 車流密度μ的影響

    首先分析車流密度μ對SCF操作的平均次數(shù)和端到端傳輸時(shí)延的影響。車流密度μ從1～10 Veh/km，屬于低密度情況。車輛傳輸半徑為R=100 m，仿真結(jié)果如圖3、圖4所示。

    從圖3可知，SCF操作的平均次數(shù)隨著車流密度μ的增加而增加，不過增加速度隨之變緩。原因在于：μ在1～10 Veh/km間屬低密度區(qū)域。換而言之，即使μ增加至10 Veh/km，仍屬低密度區(qū)域。低密度區(qū)域意味著在該區(qū)域內(nèi)車輛的通信連接存在問題。因此在μ從1～10 Veh/km的變化區(qū)間內(nèi)，盡管密度的增加，可以改善通信連接問題，但是總體上仍有多數(shù)車輛間的通信無法建立，就需要更多SCF操作解決此問題。將Analytical與Simulat比較發(fā)現(xiàn)，兩者差異很小，在車流密度μ從1變化至10 Veh/km區(qū)間，差異未超過2%。

    圖4描繪端到端傳輸時(shí)延隨車流密度μ的變化曲線。從圖4可知，隨著車流密度μ的增加，端到端傳輸時(shí)延下降。原因在于：車流密度μ的增加，SCF轉(zhuǎn)發(fā)節(jié)點(diǎn)X向V_k+1轉(zhuǎn)發(fā)消息所經(jīng)歷的路徑更短，進(jìn)而縮短了時(shí)延。此外，Simulat與Analytical兩者差異不大。在μ=5時(shí)，差異僅為2.91%。

3.2 傳輸半徑的影響

    本小節(jié)分析車輛傳輸半徑端到端傳輸時(shí)延的影響。車輛傳輸半徑R從50變化至500 m，車流密度μ分別為2.5、7.5、25 Veh/km。仿真結(jié)果如圖5所示。

    圖5分析了傳輸半徑R對端到端傳輸時(shí)延的影響。從圖5可知，端到端傳輸時(shí)延隨傳輸半徑R增加而下降，原因在于：傳輸半徑R越大，車間通信跳數(shù)越少，時(shí)延就越短。而車流密度μ的越高，時(shí)延也越短。這主要是因?yàn)椋很嚵髅芏圈痰脑黾樱瑴p少了車間通信間隙Gap，降低了時(shí)延。此外，μ=2.5 Veh/km時(shí)，Simulat與Analytical兩者的數(shù)據(jù)差異約在10%。

4 總結(jié)

    針對VANET中的車間通信間隙問題，本文提出基于存儲-攜帶轉(zhuǎn)發(fā)路由的車間通信間隙時(shí)延分析模型SCF-GAM。SCF-GAM模型分析并量化了通過移動車輛橋接通信間隙的時(shí)延以及SCF操作的平均次數(shù)。同時(shí)，通過仿真數(shù)據(jù)驗(yàn)證了SCF-GAM模型的準(zhǔn)確性。

參考文獻(xiàn)

[1] GORRIERI A，F(xiàn)ERRARI G.Irresponsible AODV routing[J].Vehicular Communications，2015，3(2)：47-57.

[2] LIU J，JIANG X，MEMBER S.Throughput capacity of MANETs with power control and packet redundancy[J].IEEE Trans.Wirel.Commun.，2012，12(6)：3036-3047.

[3] RAK J.Providing differentiated levels of service availability in VANET communications[J].IEEE Commun.Lett.，2013，17(7)：1380-1383.

[4] LEE Y，TSAI M H，SOU S I.Performance of decode-and-forward cooperative communications with multiple dual-hop relays over Nakagami-m fading channels[J].IEEE Trans.Wireless Commun.，2009，8(6)：2853-2859.

[5] DARAGHMI Y A，YI C W，STOJMENOVIC I.Forwarding methods in data dissemination and routing protocols for vehicular ad hoc networks[J].IEEE Netw.，2013，27(6)：74-79.

[6] ISENTO J N G，RODRIGUES J J P C，DIAS J A F F，et al.Vehicular delay-tolerant network? A novel solution for vehicular communications[J].IEEE Intell.Transp.Syst.Mag.，2013，5(4)：10-19.

[7] SOU S I，TONGUZ O K.Enhancing VANET connectivity through roadside units on highways[J].IEEE Trans.Veh.Technol.，2011，60(8)：3586-3602.

[8] KESTING A，TREIBER M，HELBING D.Connectivity statistics of store-and-forward intervehicle communication[J].IEEE Trans.Intell.Transp.Syst.，2010，11(1)：172-181.

[9] VINEL A，CAMPOLO C，PETIT J，et al.Trustworthy broad-casting in IEEE 802.11p/WAVE vehicular networks：Delay analysis[J].IEEE Commun.Lett.，2011，5(9)：1010-1012.

[10] MCLEAN J R.Two-lane highway traffic operations：theory and practice[M].New York，USA：Gordon and Breach，1989.

[11] GALLAGER R G.Discrete stochastic processes[M].MA，USA：Kluwer，1999.

[12] DAVID H A，NAGARAJA H N.Order statistics[M].NJ，USA：Wiley，2003.

[13] SOU S I.A power-saving model for roadside unit deployment in vehicular networks[J].IEEE Commun.Lett.，2010，14(7)：623-625.

[14] SULLIVAN D P，TROUTBECK R J.An exponential relationship for the proportion of free vehicles on arterial roads[J].Transp.Res.A，Policy Pract.，1997，31(1)：21-33.