交叉路口基于車輛權(quán)值分簇的中繼轉(zhuǎn)發(fā)方案

肖海林，毛淑霞，王慶菊

(1. 桂林電子科技大學(xué)信息與通信學(xué)院 廣西 桂林 541004；2. 湖北大學(xué)計算機(jī)與信息工程學(xué)院 武漢 430062；3. 溫州大學(xué)計算機(jī)與人工智能學(xué)院 浙江 溫州 325035)

車輛自組網(wǎng)(VANETs)是智能交通系統(tǒng)的核心，能夠為駕駛員提供實時的交通誘導(dǎo)、安全及娛樂等信息，低時延、高可靠性通信是VANET 的關(guān)鍵。然而，車輛的移動特性使得VANET 的動態(tài)拓?fù)浣Y(jié)構(gòu)快速變化，故無法滿足穩(wěn)定性的通信需求。將分簇方法應(yīng)用于車聯(lián)網(wǎng)中，可以降低通信的不穩(wěn)定性和復(fù)雜性。通過簇頭車輛進(jìn)行信息傳輸，可以提高交通效率，降低傳輸時延。目前，大多數(shù)的分簇方法是針對簡單的多車道公路場景進(jìn)行設(shè)計的[1]。如，文獻(xiàn)[2]利用較低的傳輸延遲和網(wǎng)絡(luò)開銷獲得較高的傳輸成功率，對停放路邊和非路邊車輛進(jìn)行分簇。文獻(xiàn)[3]考慮雙向車道信息共享，提出基于時間劃分策略和基于最優(yōu)長度的分簇機(jī)制。在交叉路口，車輛會出現(xiàn)聚集現(xiàn)象，車輛的連通率會提高，但車道上每個車輛的轉(zhuǎn)向不一致，車輛經(jīng)過交叉路口后，簇的穩(wěn)定性降低。為此，文獻(xiàn)[4]對通過交叉路口前的車輛行為進(jìn)行預(yù)測，考慮車道數(shù)，從車輛數(shù)量最多的車道方向選擇簇頭。文獻(xiàn)[5]針對交通流不確定性對交叉口交通狀態(tài)的影響，提出一種基于區(qū)間數(shù)據(jù)的k均值聚類城市交叉口交通狀態(tài)識別方法。文獻(xiàn)[6]提出一種自適應(yīng)分簇協(xié)議，考慮車輛節(jié)點的編號、方向、速度大小及鄰居車輛節(jié)點數(shù)目，采用多目標(biāo)螢火蟲算法得到最優(yōu)簇頭。

雖然簇的引入能提高車輛之間通信的穩(wěn)定性，但以上文獻(xiàn)未考慮選擇有效的中繼轉(zhuǎn)發(fā)方式，以提高通信的可靠性[7]?；趥鹘y(tǒng)的放大轉(zhuǎn)發(fā)(amplifyforward, AF)和譯碼轉(zhuǎn)發(fā)(decode-forward, DF)[8]方式，文獻(xiàn)[9]采用單向混合譯碼放大轉(zhuǎn)發(fā)(hybrid decode-amplify-forward, HDAF)協(xié)作方式，比AF和DF 節(jié)約資源的消耗。文獻(xiàn)[10]在VANETs系統(tǒng)中采用雙向中繼協(xié)作方式，以實現(xiàn)兩源節(jié)點的雙向信息交流，在低功耗的情況下獲得高吞吐量。文獻(xiàn)[11]針對頻譜共享問題，對雙向中繼的選擇和頻譜分配進(jìn)行優(yōu)化，使網(wǎng)絡(luò)速率最大化。文獻(xiàn)[12]結(jié)合馬爾可夫決策過程，采用雙向中繼傳輸模式，推導(dǎo)網(wǎng)絡(luò)最優(yōu)傳輸性能。以上文獻(xiàn)均使用瑞利衰落信道模型。但在實際復(fù)雜的衰落環(huán)境中，NaKagami-m 衰落信道模型更能體現(xiàn)出實際信道的衰落特性。為此，文獻(xiàn)[13]驗證了該衰落模型在車輛通信的適用性。在此基礎(chǔ)上，基于傳統(tǒng)AF/DF，通過最小化系統(tǒng)中斷來提高平均頻譜效率[14-15]。

綜上所述，本文在NaKagami-m 衰落信道條件下提出交叉路口的基于車輛權(quán)值分簇的中繼轉(zhuǎn)發(fā)方案。該方案包括簇的形成、簇頭的選舉、簇的維護(hù)及中繼轉(zhuǎn)發(fā)方式的選擇。

1 系統(tǒng)模型

如圖1 所示，考慮城市道路的交叉路口場景，假設(shè)交叉路口的每條道路是雙車道。交叉路口的轉(zhuǎn)向最多有3 個方向：左轉(zhuǎn)、直行和右轉(zhuǎn)。

由于在交叉口附近或者在車輛行駛的高峰期，車輛的速度和車輛之間的距離會相對穩(wěn)定，變動的范圍不會過大，對車輛之間的傳輸性能影響較小，為了簡便算法可以忽略不計。由于城市道路上車流量是在不斷變動的，車輛在通信過程中會產(chǎn)生反射、繞射和衍射等現(xiàn)象，這些現(xiàn)象導(dǎo)致接收車輛會收到多條不同路徑到達(dá)的信號，而NaKagami-m 衰落更能體現(xiàn)出實際信道的衰落特性，故本文考慮NaKagami-m 衰落信道以表征車輛的通信信道[13]。車輛之間的交通流、相對距離以及連通率表示如下。

圖1 車輛分簇模型

1)交通流

在直線公路上，車輛數(shù)服從泊松分布，設(shè)公路長度為l ，車輛的平均密度為ρ(車輛數(shù)/m)，那么總的車輛數(shù)為λ=ρl，且公路上有 N輛車的概率為：

車輛在距離交叉路口處選擇行駛方向，左轉(zhuǎn)、右轉(zhuǎn)和前行，即可用一個有限集合k表示[16]：

k={L,R,S}，其中， L表示左轉(zhuǎn)， R表示右轉(zhuǎn)，S表示前行。

根據(jù)車輛的移動特性，對于不同車流量方向，車輛的權(quán)重不一樣，權(quán)重公式為：

式中，在距離交叉口處的公路上，M(M ≤N)為車輛數(shù)； ML為左轉(zhuǎn)方向的車輛數(shù)； MR為右轉(zhuǎn)方向的車輛數(shù)； MS直行為方向的車輛數(shù)； r為車輛i的方向。

2)相對距離和速度

車輛在直線公路上，車輛是不分左轉(zhuǎn)、右轉(zhuǎn)和前行的，則車輛i的位置(xi,yi)與其鄰居之間總的相對距離和為：

式中， N1為車輛i的鄰居數(shù)。

車輛i的速度 vi與其相鄰車輛的相對速度和為：

3)連通率

連通率[17]代表兩通信車輛間的鏈路質(zhì)量，連通率越高，通信車輛間鏈路越穩(wěn)定。設(shè)車輛i為簇頭車輛，通信范圍為 R，車輛i與鄰居車輛j之間的距離x服 從指數(shù)分布，車輛密度為ρ，均值為1 /ρ，方差為1/ρ2，則通信車輛間的概率密度函數(shù)為f(x)=ρe?ρx，兩車輛間連通的概率為px(x ≤R)=1?e?ρx，則車輛i的鄰居車輛共有 N1輛車的連通概率為：

2 車輛權(quán)值分簇的中繼轉(zhuǎn)發(fā)方案

車輛在成簇的過程中受到多方面的影響，本文提出權(quán)值分簇算法選取各方向的最小權(quán)值作為簇頭，為提高通信的可靠性采用雙向AF/DF 的中繼轉(zhuǎn)發(fā)方式進(jìn)行數(shù)據(jù)傳輸。

2.1 權(quán)值分簇算法

2.1.1 簇的形成

車輛可以選擇3 個方向通過交叉路口：前行、左轉(zhuǎn)和右轉(zhuǎn)。在車輛選擇方向時，車輛會自覺的排列到要轉(zhuǎn)同方向的隊伍中，形成通信簇。

2.1.2 簇頭的選擇

車輛i 在交叉口處開始向簇頭(CH)車輛發(fā)送車輛的信息，包括速度、到交叉口的距離，通過交叉口的轉(zhuǎn)向等。CH 之間每隔一段時間進(jìn)行一次信息交換，每個CH 車輛接收到其簇成員(CM)的信息，在CH 信息交換后，把其他簇的信息通知到其CM。C1 為簇1，CH1 為簇1 內(nèi)的CH 車輛；CM1 為簇1 內(nèi)的CM。

圖2 為向右行駛車道上車輛分簇模型，C1 內(nèi)有6 輛車，中間一排靠前的淡藍(lán)色車輛為簇頭CM1，通過CH1 知道其他簇的信息，同時CH1 把該簇內(nèi)前行、向左和向右行駛的CM1 車輛信息發(fā)送給相應(yīng)方向的CH1 車輛。C2 其他向前行駛車輛形成的簇，擁有與C1 簇相同的方式傳遞信息，該簇中向前、左轉(zhuǎn)和右轉(zhuǎn)的信息分別傳到對應(yīng)最前邊(靠近交叉口)對應(yīng)簇中，C3 為左轉(zhuǎn)車輛簇，C4 為前行車輛簇，C5 為右轉(zhuǎn)車輛簇。其中C2～C5 中綠色車輛為簇頭。

圖2 向右行駛車道上車輛分簇模型

C3～C5 中為不同方向的車輛簇，在接近交叉口處的直線車道上，CH 開始收集簇內(nèi)其他車輛預(yù)行駛方向的信息，并把同一方向合成一個簇。

在每個簇內(nèi)，采用多因子權(quán)值法，選出最優(yōu)權(quán)值作為簇頭。在直線的道路上，簇頭的選擇公式為：

式中， w1為距離的權(quán)重；w1?d1表示距離的影響程度； w2為相對速度的權(quán)重；w2?v1表示速度的影響程度； w3為交通流的權(quán)重因子；w3pi表示連通概率的影響程度。并將3 個因素看成一個整體，即w1+w2+w3=1。對式(8)求得的各用戶綜合權(quán)重值進(jìn)行升序排序，將排序靠前的最小值用戶作為簇頭。

由于交叉口處的車輛比直線道路上多，且一個簇內(nèi)的車輛在交叉路口會有大幅度的調(diào)整，簇內(nèi)許多車輛的運行方向不同，很容易造成簇的分離。所以，本文在交叉路口附近車輛進(jìn)行不同方向的運動前，把直線道路上距離交叉路口近且不是簇內(nèi)的車輛，根據(jù)預(yù)備相同轉(zhuǎn)向車輛分為一簇，并從中提前選好簇頭。同理，根據(jù)相同轉(zhuǎn)向車輛的相對距離及速度的影響程度，選擇綜合權(quán)重最小值作為簇頭，公式為：

2.1.3 簇的維護(hù)

根據(jù)元胞自動機(jī)模型[18]預(yù)測兩車輛間的距離，車輛i與車輛j在t時刻的初始位置為Xi(t)和xj(t)，速度和加速度分別為vi(t)、vj(t)和 ai、aj(當(dāng)a>0為加速，a<0為減速)，在t+1時刻車輛i和車輛j的速度為：

車輛的速度范圍在0～vmax。

t+1時刻兩車間的速度差為：

t+1時刻兩車間的距離差為：

式中，?xi,j(t)=|xi(t)?xj(t)|

圖3 中紅色圓表示簇頭車輛，黑色圓表示簇成員車輛。

圖3 簇成員加入、離開及兩簇重合

1)簇成員加入

①車輛i 向四周發(fā)送信號，若收到一個簇頭車輛的回復(fù)，則加入該簇內(nèi)；

②若收到大于一個簇頭車輛的回復(fù)，則比較此車輛與各簇頭車輛的預(yù)測距離，選擇距離近的簇頭并加入該簇內(nèi)，簇頭更新成員列表，并通知其他簇成員此車輛加入該簇；

③若在 T 時間內(nèi)，沒有收到任何簇頭的消息，則在其鄰居范圍內(nèi)查看是否有鄰居簇成員，且在鄰居簇成員的通信范圍內(nèi)。若在其通信范圍內(nèi)，則加入簇，成為簇外成員，若不在通信范圍內(nèi)，則繼續(xù)向四周發(fā)送信號，在 T時間內(nèi)仍未收到任何簇頭或鄰居簇成員信息，則自己成為簇頭，如圖3a 所示。

2)簇成員離開

車輛從某個簇內(nèi)離開之前，先向四周發(fā)送hello消息，若在 T時間內(nèi)未收到任何消息，車輛向簇頭發(fā)送離開信息，并繼續(xù)向四周發(fā)送hello 消息，T1時間后，收到簇頭消息，加入簇，未收到消息自己成為臨時簇頭；若在 T時間內(nèi)收到其他簇頭消息，車輛先向自己所在簇的簇頭發(fā)送離開信息，收到其他簇頭的信息，直接加入簇，收到大于一個簇首信息，按照預(yù)測距離小的，加入簇，如圖3b 所示。

3)兩簇重疊

當(dāng)車輛在行駛的過程中，簇1 與簇2 之間的簇成員重疊的部分小于等于簇1(或簇2)成員的一半，則保持原狀；若大于簇1(或簇2)的一半，則重新分簇，只比較兩個簇頭的 W 值，選取 W值小的作為新的簇頭，如圖3c 所示。

2.2 雙向中繼轉(zhuǎn)發(fā)的中斷概率分析

圖4 雙向中繼傳輸?shù)南到y(tǒng)模型

2.2.1 雙向AF 放大轉(zhuǎn)發(fā)

S1信號接收到經(jīng)過第i條中繼信噪比近似為[19]：

S1S2和 信號接收到的信息量分別為：

假設(shè)各信道幅度服從NaKagami-m 分布，且相互獨立。隨著 m參數(shù)的改變，NaKagami-m 分布能夠建模多種衰落特性的信道，當(dāng)m=0.5時，NaKagami-m 分布變成單側(cè)高斯分布，當(dāng)m=1時，變成瑞利分布。在NaKagami-m 信道下，節(jié)點i到節(jié)點j 的信道功率增益 gij服從Gamma 分布，其概率密度函數(shù)和累計分布函數(shù)可以分別表示為[20]：

式中，Γ(a,ax)為不完全Gamma 函數(shù)；Γ(a)為完全Gamma 函數(shù)。

同理， S2信號傳遞給 S1時的中斷概率為：

2.2.2 雙向DF 譯碼轉(zhuǎn)發(fā)

若采用DF 進(jìn)行轉(zhuǎn)發(fā)，則S1→Ri、S2→Ri、Ri→S2、Ri→S1信噪比分別為：

假設(shè)選擇中繼 Ri轉(zhuǎn)發(fā)信息，且所有信道在信息傳輸時間段保持不變。 Ri分別向兩個源節(jié)點傳遞信息的信息量為：

式中，j=1,2。

Φ=?時，

Φ=Dn時，

式中，Pr(Φ=Dn)的概率為：

最后，令式(34) =Y，把式(33)與式(34)代入系統(tǒng)總中斷式(17)，有：

3 數(shù)值分析

本節(jié)主要從隨著通信距離的增加，CH 車輛的存活時間以及不同的中繼轉(zhuǎn)發(fā)、中繼個數(shù)和信道來判斷信噪比對中斷概率的影響。參數(shù)設(shè)置如表1 所示。

表1 參數(shù)設(shè)置

圖5 為不同車輛密度下傳輸半徑與連通率的關(guān)系。由圖可以看出，隨著傳輸半徑的增大，車輛的連通率增大，車輛有機(jī)會選擇不同簇頭，傳輸穩(wěn)定性得到滿足。且車輛密度越大，連通率越大。

圖5 不同車輛密度下傳輸半徑與連通率的關(guān)系

圖6 為簇頭的存活時間。在車道上設(shè)置為60 輛/km 行駛的車流量密度，從圖中可以看出，與基于車道的分簇算法(lane based clustering algorithm,LBC)相比，趨于穩(wěn)定狀態(tài)的時間提前了8 s，通信距離在不斷增加，相應(yīng)簇頭存活時間就會相應(yīng)變長。其原因是簇頭車輛的覆蓋面積變大，簇內(nèi)的成員變多，當(dāng)有車輛加入簇或者離開簇時，對簇的影響將減小。

圖6 簇頭的存活時間

圖7 為不同中繼選擇下的中斷性能。在Nakagami-m 信道下且信噪比的范圍設(shè)置為0～16 dB，設(shè)m=1，中繼個數(shù)N=3。從圖中可以看出，在一定的范圍內(nèi)，隨著信噪比的增加，雙向AF 和DF 的中斷概率要優(yōu)于單向AF 和DF 的中斷概率。這是由于，單向中繼傳輸只能將源節(jié)點的信號傳遞單個目的節(jié)點，而雙向中繼傳輸是兩個源節(jié)點的信息同時傳遞給對方，會減少傳輸時間，降低中斷概率。

圖7 不同中繼選擇下中斷性能

圖8 為不同中繼個數(shù)對雙向中繼的影響。設(shè)m=1，中繼個數(shù)分別為2、4、6，信噪比的范圍設(shè)置為10～30 dB。由理論分析得出，當(dāng) N增加時，成功放大轉(zhuǎn)發(fā)和解碼的幾率就會增加，中斷概率會隨之降低，在相同中繼個數(shù)時，雙向DF 中繼要優(yōu)于雙向AF 中繼，且圖8 的數(shù)值模擬與所分析的結(jié)論符合。

圖8 不同中繼個數(shù)對雙向中繼的影響

圖9 為不同 m值 下對中斷概率的影響。設(shè)N=3，Nakagami 信道衰落因子分別為0.5、1 和2。由理論分析可知，由m=0.5時的單側(cè)高斯分布到m=∞時的無衰落，隨著 m的增加，信道的衰落逐漸降低。圖9 的仿真模擬與理論分析相符合，隨著信噪比與 m的增加，中斷概率降低，傳輸速率增加。

圖9 不同m 值下對中斷概率的影響

4 結(jié) 束 語

在城市交叉路口的場景下，為提高鏈路的穩(wěn)定性及增強通信的可靠性，本文提出交叉路口基于車輛權(quán)值分簇的中繼轉(zhuǎn)發(fā)方案。仿真結(jié)果表明，所提的車輛權(quán)值分簇算法可提高鏈路的穩(wěn)定性，且在Nakagami 衰落信道條件下，采用雙向DF 的中繼轉(zhuǎn)發(fā)方式，數(shù)據(jù)傳輸?shù)目煽啃蕴岣?%。