VANETs中基于链路的可持续时间路由方案

VANETs中基于链路的可持续时间路由方案
王佩雪;罗菁
【摘要】车载网VANETs中的车间通信V2V(vehicle to vehicle)有利于车辆信息的共享、提高交通安全;然而,在VANETs中,车辆快速移动、车辆分布不均匀以及
拓扑结构动态变化等特性,导致车辆间通信链路断裂频繁、路由稳定性差、车间通
信V2V数据传输效率低.为此,以车辆间通信链路的可持续时间为选择路由指标,择
优选取可持续时间长的链路组建路由.从而提高路由的稳定性.利用车辆的实时移动
信息,包括移动速度、移动方向以及位置估计链路的可持续时间;同时,车辆周期地广播路由表,邻居节点利用收到其他节点的路由表更新自己的路由表,通过这种方式使
车辆共享实时的链路信息.仿真结果表明,提出的路由方案有效地提高数据传输速率、降低了端到端传输时延,并提升了吞吐量.
【期刊名称】《科学技术与工程》
【年(卷),期】2014(014)025
【总页数】5页(P267-271)
【关键词】链路可持续时间;路由表;路由协议;车载网
【作者】王佩雪;罗菁
【作者单位】中原工学院计算机学院,郑州450007;中原工学院计算机学院,郑州450007
【正文语种】中文
【中图分类】TP393
随着民众生活水平的提高以及汽车日益普及，车辆数目急剧增加，交通安全也随之恶化。

道路拥堵不堪、交通事故频繁，据不完全统计，交通事故已成为人类第二大杀手。

2011年，据世界卫生组织WMO(world meteorological organization)公布了全球交通安全的“事实档案”，指出每年交通事故导致约130 万人死亡，2 000 万至5 000 万人受伤［1］。

为此，如何提高交通安全，降低交通事故发生率，是亟待解决的问题。

基于车联网VANETs(vehicular ad hoc networks)为解决交
通问题提出平台。

车联网VANETs 的结构示意图如图1 所示。

通过车间通信V2V(vehicle to vehicle)以及车与路边设施通信V2R(vehicle to roadside unit)，交互实时路况信息，有效避让交通事故，实现事故预警，从而提高交通安全。

据美国交通统计，通过VANETs 的智能交通可使交通事故率降低82%，极大地降低了伤亡人数。

据此，众多研究学者、汽车制造商密切关注VANETs 的技术发展;并致力VANETs 的技术研究［2—4］。

然而，VANETs 中的车辆高速移动、车辆分布不均匀，导致网络拓扑结构呈动态
变化，给车辆间通信V2V 提出挑战。

现有的路由方案难以应对VANETs的高动态性［5，6］。

面对节点高速移动的VANETs 网络，文献［7］作者提出基于概率模型分析的路由算法。

该算法计算两节点间链路连通性的概率，并预测链路连通时间。

同时分析存在链路在经一段时间仍保持连通的概率。

文献［8］作者利用AODV 算法，提出
基于链路感知的路由方案。

该方案通过收集车辆移动信息，包括车辆位置、速度以及加速度信息预测链路的可持续时间。

仿真结果表示，与AODV 相比，该方案的
端到端传输时延得到有效地改善。

文献［9］针对高速公路场景，提出预测车辆移动模型;并利用该模型估计链路的可
持续时间。

然而，该移动模型仅适用于高速场景，对于城市环境，其性能急剧下降。

为了保持V2V 通信的流畅性，避免数据传输过程中链路的突然断裂，文献［10］提出基于移动预测的路由方案MOPR(movement-prediction-based routing)。

MOPR 方案预测车辆下一时刻的位置，估计数据传输所需要的时间，并判断在此
时间内链路是否断裂。

然而，该方案的性能很大程度取决于预测的准确性以及数据传输时间的估计精确度。

而对车辆位置的预测和传输时间的估计受到系统的多方面因素影响，包括网络性能、行驶者的驾驶习惯等。

文献［11］提出基于分布式移
动的VANETs 路由算法。

该算法利用了车辆移动的方向和位置信息。

基于上述文献的分析，考虑到VANETs 的移动区域局限性、移动信息的可预测性，提出基于链路可持续时间的路由方案LSTR(link-sustainable time -based routing)。

该方案通过节点周期广播路由表信息，实时共享车辆移动信息，从而维持最稳定、可靠的数据传输路径。

图1 VANETs 的网络结构图Fig.1 Network structure of VANETs
1 链路可持续时间
1.1 系统模型
系统中有N 个节点，每个节点(车辆)能通过全球定位系统GPS(global position system)获取二维坐标。

节点k 的二维坐标表示为(xk，yk)，且k=1，2，…，N。

每个节点的通信传输能力相同，且传输半径为R。

当两节点间的直接距离小于R 时，则这两个节点在彼此通信范围内，属于一跳邻居。

此外，υk表示节点k 的移
动速度，θk为移动的方向。

若节点i、j 间的距离Dij小于R，即Dij≤R，则认为节点i、j 间链路Linkij存在;
否则，节点i、j 间链路不存在。

接下来分析，在节点i、j 间链路存在的情况下，
分析链路Linkij的可持续时间。

1.2 链路的可持续时间的计算
链路的可持续时间表示链路从开始建立到链路断裂所经历的时间。

针对链路Linkij 的可持续时间表示为ti_d(i，j)。

假定节点i、j 的速度分别为υi、υj;移动方向分别
为θi、θj;二维坐标分别为(xi，yi)、(xj，yj)。

节点i、j 的链路Linkij的可持续时间表示为ti_d(i，j)如式(1)所示。

从式(1)可知，若υi=υj且θi=θj，ti_d(i，j)趋于无限大。

这也表明，两个车辆保持同速同向行驶，它们间的链路一直存在。

ti_d(i，j)的值越大，表明链路Linkij的可持续时间越长。

如果ti_d(i，j)小于0，则表明链路Linkij不存在。

2 路由方案
当源节点i 需发送数据包时，节点i 向构建通往目的节点的路由。

为此，节点i 需
在传输数据包前先发送路径请求消息，记为Path_Req。

Path_Req 包含节点i 的
位置、速度、方向以及目的节点信息。

邻居节点收到来自节点i 的请求消息后，依据式(1)计算链路的可持续时间。

若能预测每条路径的每个链路的可持续时间，就
能知道该条路径的有效时间RET(route expiration time)。

显然，路径的有效时间RET 取决于该条路径中所有链路中最小持续时间。

假定路径n，表示为Path(n)。

Path(n)由m 条链路构成，每个链路的可持续时间
表示为ti_d(l)，且l=1，2，…，m。

因此Path(n)的RET 如式(2)所示。

如图2 所示，源节点A 发送了路径请求消息Path_Req，目的节点为F。

节点B、C、D 以及E 收到Path_Req 消息后，并附加各自的ID 号以及与节点A的链路可持续时间，再转发。

为此，节点F 收到来自两条不同路径消息，其中一条路径{A，B，C，E，F}，其链路可持续时间为{4，4，3，6}，另一条路径为{A，B，D，E，F}，其链路可持续时间为{4，5，4，6}。

依据式(2)可知，第一条路径{A，B，C，
E，F}的RET 为3，而第二条路径{A，B，D，E，F}的RET 为4。

这说明路径{A，B，D，E，F}比路径{A，B，C，E，F}更稳定。

为此，节点F 向节点A 沿{A，B，D，E，F}回复确认消息ACK，如图2(b)所示。

图2 路由选择过程Fig.2 The routing process
2.1 路由表的更新
路由决策过程中，节点需广播其路由表RT(route tables)。

节点与邻居节点交互路由表，从而实现路由信息实时化，并更新路由表信息。

因此，路由表信息的更新周期对路由性能有直接的影响。

在节点高速移动的环境下，路由将不断地更新，因此路由表更新周期性应足够短以应对节点的高速移动。

为了能实时利用最新路由信息，每个节点应将最近的链路信息存入路由表。

每个节点周期广播路由表，接收节点依据收到的路由表信息，更新自己的路由表，当产生路由表更新，序列值(sequence number)就加一。

该序列值与路由更新的路由表
条目(routing table entries)有关。

当节点A 收到来自节点B 的路由表时，节点A计算链路LinkAB的可持续时间
ti_d(A，B)的值。

若通往目的节点D 方向上有更好的RET，并且已接收的序列值
大于或等于之前的序列值，节点A 就更新通往目的节点D 的路由。

图3 描述了路由表更新过程。

在图3(a)中，节点A 通往节点D 的下一跳是节点E，节点D 与E 间的RET 为1。

收到来自节点B 的路由表信息，节点A 就更新至节点
B 的路由信息。

因为通过节点B 有更优的RET 值。

2.2 路由方案实施步骤
(1)首先源节点发送路径请求消息，邻居节点收到之后，依据式(1)计算与源节点链
路的可持续时间。

(2)将自己的节点ID 号、链路的可持续时间的值载入路由表，并广播。

(3)目的节点收到来自多条路径的信息，并依据路由表内的信息，利用式(2)选择最
稳定的路径，同时，依据该路径回复确认消息ACK。

(4)源节点收到来自目的节点的ACK 消息后，沿该路径向目的节点传输数据。

图3 路由表更新过程Fig.3 Routing table update process
3 系统仿真及性能分析
接下来，对提出的路由方案LSTR 进行仿真，并与VADD［12］(vehicle-assisted data delivery)、AODV算法性能进行比较。

为了能准确分析所提出的路由方案的稳定性，在仿真过程中，将车辆移动速度作为横轴，分别从吞吐量、数据传输的端到端传输时延以及数据包成功传输率三方面的性能进行分析。

表1 仿真参数Table 1 Simulation Parameters
3.1 仿真模型及参数
利用SUMO(simulation of urban mobility)［13］产生交通地图。

依据用户要求，SUMO 可提供三种产生交通地图的方式，也允许用户自行设置车辆流量、路径。

为了仿真大型场景，产生了交通网，其由10条水平街道和15 条垂直街道构成，
区域面积为10 000 m×12 000 m，具有150 个十字路口。

具体的仿真参数如表
1 所示。

3.2 仿真数值分析
接下来，分析车辆速度对端到端传输时延(E2E)、吞吐量(throughput)以及数据传
输速率的影响。

3.2.1 端到端传输时延
图4 平均时延随平均车速的影响(车辆数目为400)Fig.4 average end-to-end delay vs average vehicle velocity(N=400)
图4 显示在车辆数目为400 的环境下，车辆平均速度的变化对端到端传输时延的
性能影响。

从图5 可知，随着车辆平均速度的增加，三个方案的端到端传输时延
随之增加，这主要是因为平均车速的提高，缩短了车辆间通信链路可用时间，路由
不稳定，从而增加了端到端传输时延。

与AODV、VADD 相比，提出的路由方案LSTR 的端到端传输时延得以降低。

原因在于LSTR 通过链路的可持续时间作为组
建路由的参考量，增长路由的可用时间，提高路由的稳定性，从而降低了数据传输的端到端传输时延。

3.2.2 数据传输速率
图5 显示了吞吐量随车平均速度变化曲线，且车辆数目为400。

从图5 可以看出，随着车辆速度的增加，AODV、VADD 以及LSTR 的数据包传输速率随之下降。

这主要是因为车辆平均速度的增加，缩短了链路的使用时间，加速了链路的断裂，从而致使数据传输速率的下降。

与AODV、VADD 相比，LSTR 方案具有更好的
数据传输速率，这主要因为LSTR 方案增长了链路的可持续时间，提高路由的稳定性，从而使数据传输更流畅，有利于数据传输速率的提升。

图5 数据包传输率随车平均速度的变化(车辆数目为400)Fig.5 Packet deliver ratio vs average vehicle velocity(N=400)
3.2.3 吞吐量
图6 吞吐量随车平均速度的影响(车辆数目为400)Fig.6 Throughput vs average vehicle velocity(N=400)
图6 显示在车辆数目为400 的环境下，车辆平均速度的变化对网络吞吐量的性能
影响。

从图6 可知，随着车辆平均速度的增加，AODV、VADD 以及LSTR 吞吐
量随之下降，这主要是因为平均车速的提高，导致链路频繁断裂，路由稳定性差，引起了时延的增加，降低了系统吞吐量。

总体上看，提出的LSTR 方案吞吐量性能明显越于AODV、VADD，即使在车速达到90m/h。

4 总结
针对VANETs 中的车辆间通信V2V 的数据传输问题，展开分析。

VANETs 中车辆快速移动、导致车间数据链路的稳定，给车间数据传输提出了挑战。

为此，提出基
于链路可持续时间的路由方案，该方案充分利用VANETs 的移动信息可预测性，结合车辆的实时移动信息，计算两节点间链路的可持续时间。

获取了路径中所有链路的可持续时间后，择优选择可持续时间最长的路径传输数据，从而提高数据路由的稳定性。

仿真结果表明，提出的方案LSTR 在端到端传输时延、吞吐量以数据包传输成功率方面得到有效地提高。

参考文献
【相关文献】
1 Lee J H.Chilmakurti N.Performance analysis of PMIPv6 based network mobility for intelligent transportation systems.Proc of IEEE Transactions on Vehicular Technology，2011:23—32
2 Shafiee K，Leung V C M.Connectivity-aware minimum-delay geographic routing with vehicle tracking in VANETs，Ad Hoc Networks，2011;9(2):131—141
3 Biswas S，Morris R.ExOR:Opportunistic routing in multi-hop wireless networks.Proc ACM SIGCOMM，2012:133—144
4 徐子豪，张腾飞.基于语音识别和无线传感网络的智能家居系统设计，计算机测量与控制，2012;12(1):12—18
5 Couto D D，Aguayo D，Bicket J，et al.High-throughput path metric for multi-hop wireless routing.Proc.MOBICOM，Sep.2011:134—146
6 Li D，Du X，Hu X.et al.Minimizing number of wavelengths in multicast routing trees in WDM works，2000;35 (4):260—265
7 Li Y，Chen W，Zhang Z L.Optimal forwarder list selection in opportunistic routing.Proc IEEE MeshTech，2010:670—675
8 Xia Zijun，Liu Chunfeng，Zhao Zenghua，et al.Routing algorithm in vehicular ad hoc network based on link puter Engineering，2012;38(4):110—114
9 Namboodiri V，Gao L.Prediction-based routing for vehicular ad hoc networks.IEEE Transactions on Vehicular Technology，2007;56(4):2332—2345
10 Menouar H，Lenardi M，Filali F.A movement prediction based routing protocol for vehicle to vehicle communication.Proc V2VCOM，San Diego，CA，2005:75—82
11 Granelli F，Boato G，Kliazovich D.MORA:a movement-based routing algorithm for
vehicle ad hoc networks.Proc.1st IEEE Workshop Autonet，San Francisco，CA，
Dec.2006:123—130
12 Zhao J，Cao G.VADD:vehicle-assisted data delivery in vehicular ad hoc networks.IEEE Trans Veh Technol，2011;57(3):1910—1922
13 Marilleau N，Lang C，Chatonnay P，et al.An agent based framework for urban mobility simulation.14th Euromicro International Conference，2006:483—488。