VANET自適應信標率的模糊邏輯算法

摘 要： 車載自組網是一種新出現的科學領域。車載自組網的基本功能為檢測附近車輛的位置信息、安全信息、速度等。為了使信號有效傳輸，提高信道負載能力，提出自適應信標率方案。具體闡述自適應信標產生的模糊邏輯算法并且相比較于神經網絡算法。根據車輛交通特點來調節信標率，自適應信標率方法將車輛位置信息和車輛的狀態作為決策系統的輸入值，綜合兩個因素經模糊邏輯算法得到新信標率。

關鍵字： 車載自組網； 模糊邏輯算法； 自適應信標率； 車輛位置信息檢測

中圖分類號： TN711?34 文獻標識碼： A 文章編號： 1004?373X（2013）17?0140?03

0 引 言

車載自組網作為一種新領域，需要考慮車輛交通安全為首要功能，有效調度車輛行駛。至今車輛間通信依靠車輛與路邊通信，以避免多普勒效應的影響。然而，經過一系列的研究，提出車輛間直接通信，車輛間的直接通信使得網絡拓撲更具多變的特點。車輛來往隨時間或者地點都有疏密的變化，提出了一種智能的自適應網絡傳輸，即自適應信標率（ABR）。自適應的實現需要用到人工智能的模糊邏輯推斷算法，從而得出自適應信標間隔時間。

1 智能自適應信標方案的提出

ABR方案來替代路邊基礎設施的車輛通信系統，依據交通狀況調節自組網信標產生頻率（beacon/s）。假設所有的車輛裝有用于車輛間信息通信的無線通信設備如全球定位系統（GPS）。把VANET網絡中的節點進行管理和分類，與一般以太網相類似，選取分布節點作為網絡的骨干節點。由于不同的節點在分組轉發、洪泛的過程中起不同功能，并且節點占有不同數據資源，因此，將網絡中紛繁復雜各不相同的節點進行有效的分類，以便管理網絡數據的傳輸分發，促進有效傳輸，節省資源。并且，考慮到一個網絡的連通和移動節點故障時會影響網絡連通，保證一定的魯棒性的前提下，車載的移動網絡是瞬息變化的，數據的傳遞必須保證時間的實時性。壓縮每個節點信息存儲，減少冗余，減少開銷。網絡拓撲如圖1所示。

1.1 車輛位置與相對距離信息的確定

將部分車輛作為信標，其余車輛根據與信標相對位置和距離或者跳數等確定自身位置。將信息廣播、匯總，確定車輛疏密度。測距方法使用測量信號接收強度（RSS）。依據發送給接收端的信號強度，通過數據傳輸過程中傳播損耗的計算，最后，車輛間距離就可以經無線信號傳播理論由傳播損耗換算而來。這種技術成本較低。但是，無線信號的傳播是在一個空間大環境下，受各種可能的背景噪聲的影響，因此，信號傳播測距的精確度也會受影響。另一方面，因為硬件設備結構簡單、成本低廉，其普遍運用在無線通信。并且，大部分無線通信設備裝有該功能模塊，所以，根據RSS的測距方法得到車輛間距離之后，車輛相對位置可應用三邊、三角方法得到。

為減少冗余，采用新的車輛定位方式，即通過已知位置信息的信標節點，計算其余節點與信標節點的相對距離，從而達到定位的目的，并且減少了信息的存儲。由此可知，選取多的信標節點，得到的網絡開銷也大，顯然會造成網絡的資源浪費。在設計的定位方法中，定位精度受到信標節點的分布和數目的影響非常大。

1.2 任意兩個節點間關系的預測

基于信號穩定度的自適應路由根據周期性接收到的信號的強度，將節點的鄰居節點簡單分為強連接點和弱連接點，這種分類過于簡單，不利于節點間密切關系的更準確化。

在不考慮其他因素的情況下，一條路徑可能對于完成從源節點到目的節點的給定數量的數據傳輸是足夠穩定的。但是如果該路徑上業務流擁塞，則可能造成穩定性不足以傳輸給定數據的情況。正常交通中，根據當前的車輛密度改變信標分布，提高車輛信標利用率，減少負載。但是，當道路突發事故時，之前根據稀疏的車輛運行而確定的稀疏的信標利用率必須面對大量的車輛距離及安全信息檢測，然后改變信標率。這樣會使網絡擁堵，嚴重的會讓網絡癱瘓，對促使車輛安全無任何幫助。使得該自適應方案變成一個嚴重的問題。那么這個方案就存在弊端了。所以，在監測車輛運行距離及位置、密度時，也必須時刻廣播車輛危險突發信號。根據這個信號在短時間內改變信標密度，應對突發的車輛密度劇增的現象。在實際生活中，道路上車輛運行是多變的。其中存在著一定的危險因素。而車載自組網中，首要的目的就是保證車輛安全，即預防意外發生和意外發生后可及時、準確地和鄰近車輛廣播車輛狀態，防止因意外事故引起的擁堵而繼續發生交通事故。車輛的安全狀況信息包括許多突發事件（如交通事故、急剎車等）。這種情況下，對有意外事故發生的車輛自組網，信標率的增加是非常有必要的，甚至在非常擁堵的情況之下。準確接收意外事故車輛廣播信號的車輛合作疏散交通。因此車輛的安全狀況是決定車載自組網中信標率的另一個重要的因素。于是，城市交通中假設存在著不同安全因素的車輛，用發生意外事故（emergency）的車輛與無不安全因素（non?emergency）的車輛來衡量這些不同安全因素車輛的安全程度。

2 自適應的實現

3 決策系統的設計

要求的信標值是由決策推斷系統得到的，因此接下來闡述的就是決策推斷系統的設計，如圖3所示。如前所述，車輛以高速運行，交通狀況也由稀疏到密集不斷變化。因此，許多因素動態地改變信標間隔。以訓練集為基礎的模式識別人工智能的決策系統在模式分類和決策系統中有著良好的性能，本文中用來控制信標率。在自組網中，車輛不清楚怎么樣的信標率適合當前的交通狀況，因此，以5組訓練集為例，車輛稠密度、車輛安全狀況作為交通狀況的兩個特征值，需要達到的信標率由兩個特征值確定，在訓練集的基礎上，應用模式識別的算法得出需要達到的信標率范圍。

首先假設輸出信標率范圍再進行細化為1～10信標/秒，這個值越大產生信標需要的工作周期時間越短。車輛稠密度也分為1～3個等級，可表示為spare，mdense和vdense。安全狀態分為2種即意外事故（emerge）和無意外事故（non?emerge），需要對不同信標率對應的不同交通特征進行統計。

決策系統具體流程如圖4所示。

而神經網絡算法缺乏動態處理能力，算法的穩定性與學習效率成反比；還沒找到某一明確的規則確定學習效率的大小，尤其相對于非線性網絡來說，學習效率的選擇更是一個難題；訓練過程也可能陷入局部最小，可以通過變換初始值進行多次訓練來解決這個問題，但又增加了計算的負擔；沒有有效的方法可以確定網絡層數，太多或太少都會影響系統的性能。

由兩個輸入值確定最終的信標率。第一幅圖形表示的就是信標率，第二幅為車輛密度，第三幅為車輛安全狀態。車輛密度與車輛安全狀態經由模糊邏輯算法的函數隸屬關系，fuzzy運算得到信標率。

4 結 論

本文提出基于ABR與車輛交通特點相關的信標頻率調整。ABR方法的自適應特點使它適用于稀疏的和稠密的交通情況。在不造成資源浪費的前提下，又保證信號準確的傳輸，即通過ABR提高網絡的性能。車輛定位和位置信息推斷出車輛密度、車輛安全狀態作為車輛通信網絡特征及屬性決策要達到的新信標率。那么這個方案中車輛安全狀況、密度等信息的準確共享和精確傳輸成為計算信標率的關鍵，并影響下一時刻的信標率。最后，基于一組的規則數據，用模糊邏輯推斷新的信標率控制整個網絡數據分發時間周期。

參考文獻

[1] TORRENT?MORENO M， SANTI P， HARTENSTEIN H. Distributed fair transmit power adjustment for vehicular ad hoc networks [C]// 3rd Annual IEEE Communications Society on Sensor and Ad Hoc Communications and Networks. Reston， VA： IEEE， 2007： 479?488.

[2] NZOUONTA J， RAJGURE N， WANG G， et al. VANTE routing on city roads using real?time vehicular traffic information [J]. IEEE Transactions on Vehicular Technology， 2009， 58（7）： 3609?3626.

[3] EENENNAAM V M， WOUTER K W， KARAGIANNIS G， et al. Exploring the solution space of beaconing in VANETs [C]// IEEE Vehicular Networking Conference. Tokyo， Japan： IEEE Communications Society， 2009： 1?26.

[4] CUI H Q， WANG Y L. Four?mobile?beacon assisted localization in three?dimensional wireless sensor networks [J]. Computers and Electrical Engineering， 2012， 38（3）： 652?661.

[5] IQBALAA， MURSHED M. Demand?driven movement strategy for moving beacons in distributed sensor localization [J]. Procedia Computer Science， 2011， 4： 2226?2235.

[6] GHAFOOR K Z， BAKAR K A， VAN EENENNAAM E M， et al. A fuzzy logic approach to beaconing for vehicular ad hoc networks [J]. Telecommunication System， 2013， 52（1）： 139?149.

[7] 初國興，劉悅.車用自組網的可靠數據分發策略研究[D].濟南：濟南大學，2010.

[8] 唐宏.鐘璐.基于移動信標節點的無線傳感器網絡定位算法研究[J].信息通信技術，2012（3）：51?56.

[9] 魏葉華，李仁發，陳洪龍，等.無線傳感器網絡定位中動態信標移動路徑規劃[J].系統仿真學報，2011（22）：7258?7260.

作者簡介：陳冰潔 女，1990年出生，福建人，在讀碩士。研究方向為車載自組網與數據挖掘。