基于信道擁塞代價(jià)計(jì)算的車聯(lián)網(wǎng)自適應(yīng)消息發(fā)送速率控制方法

劉明劍，譚國真，李帥兵，丁男，宋彩霞,2

(1. 大連理工大學(xué)計(jì)算機(jī)與科學(xué)技術(shù)學(xué)院，遼寧 大連 116024；2. 青島農(nóng)業(yè)大學(xué)理學(xué)與信息科學(xué)學(xué)院，山東 青島 266109）

基于信道擁塞代價(jià)計(jì)算的車聯(lián)網(wǎng)自適應(yīng)消息發(fā)送速率控制方法

劉明劍1，譚國真1，李帥兵1，丁男1，宋彩霞1,2

(1. 大連理工大學(xué)計(jì)算機(jī)與科學(xué)技術(shù)學(xué)院，遼寧 大連 116024；2. 青島農(nóng)業(yè)大學(xué)理學(xué)與信息科學(xué)學(xué)院，山東 青島 266109）

在VANET中，車流量密度的變化以及Beacon消息的發(fā)送對信道負(fù)載具有直接影響，車流量達(dá)到一定程度時(shí)會造成信道擁塞，導(dǎo)致協(xié)作式安全應(yīng)用失效。針對該問題，設(shè)計(jì)了一個(gè)基于信道擁塞檢測的自適應(yīng)消息發(fā)送速率控制方法。首先，建立一個(gè)能精確反映當(dāng)前信道狀態(tài)的干擾模型；其次，根據(jù)香農(nóng)信息理論和網(wǎng)絡(luò)效用最大化理論計(jì)算出當(dāng)前節(jié)點(diǎn)在物理層的最優(yōu)發(fā)送速率；最后通過對消息隊(duì)列的實(shí)時(shí)監(jiān)控，根據(jù)傳輸速率的不匹配和傳輸隊(duì)列長度的不匹配建立下一時(shí)刻信道擁塞程度的代價(jià)函數(shù)，來自適應(yīng)調(diào)整下一時(shí)刻的消息產(chǎn)生率，避免信道擁塞和隊(duì)列溢出。通過仿真實(shí)驗(yàn)表明，該方案以較低的計(jì)算時(shí)間開銷，有效減少通信傳輸延時(shí)，避免信道擁塞，保證數(shù)據(jù)的可靠發(fā)送。

車聯(lián)網(wǎng)；擁塞控制；效用；消息發(fā)送速率控制

1 引言

車聯(lián)網(wǎng)作為目前世界道路交通領(lǐng)域的研究前沿之一，能有效避免交通碰撞、減少能源消耗、提高路網(wǎng)通行能力，是智能交通系統(tǒng)的重要分支，也是解決城市交通問題的有效手段。然而，由于交通環(huán)境中車輛拓?fù)浣Y(jié)構(gòu)快速變化的特性，復(fù)雜的交通環(huán)境以及地理特性對無線通信過程的影響，均會產(chǎn)生較大的通信干擾，導(dǎo)致鏈路中斷。而動態(tài)變化的交通流特性更造成了信道負(fù)載的頻繁變化，已有相關(guān)學(xué)者進(jìn)行了研究，交通流密度每10 s就會進(jìn)行一次改變，而這種改變對通信過程所產(chǎn)生的威脅也不容忽視。

文獻(xiàn)[1～4]研究表明，當(dāng)?shù)缆飞辖煌髅芏冗_(dá)到一定規(guī)模時(shí)，進(jìn)行交通感知的周期性 Beacon消息也會使無線信道達(dá)到飽和。而這些 Beacon消息是VANET安全應(yīng)用中節(jié)點(diǎn)相互感知、智能協(xié)作和檢測潛在危險(xiǎn)和碰撞的基本消息，不能丟棄或者延緩傳輸。為了確保其傳輸?shù)膶?shí)時(shí)性和可靠性，在有限的信道容量約束和交通密度動態(tài)變化的情況下，只能通過減少其傳輸頻率來減少信道負(fù)載，保證通信性能?；谏鲜鲂枨螅恍W(xué)者已經(jīng)開展了此方面的研究。

Rezaei等[5]提出根據(jù)準(zhǔn)確度的需求來調(diào)節(jié)信標(biāo)生成率，當(dāng)車輛真實(shí)值和評估值的差值超過最大偏移閾值時(shí)，車輛才發(fā)送周期性 Beacon消息，降低消息發(fā)送頻率，減少信道的負(fù)載。Khorakhun等[6]提出了一種基于反饋環(huán)路的控制策略，它將車輛本身所檢測的信道繁忙時(shí)間作為評價(jià)通信性能的指標(biāo)，根據(jù)該指標(biāo)來自適應(yīng)調(diào)整廣播速率。Huang等[7]提出了速率自適應(yīng)算法，去分布式地控制每個(gè)車輛的自身消息的廣播行為，在不同的交通流密度下，更能保證精確和穩(wěn)定的追蹤性能。Bansal等[8]針對車聯(lián)網(wǎng)中稠密交通流環(huán)境所導(dǎo)致的信道擁塞問題，提出了依賴于可用信道，完全精確地控制輸入速率方法，結(jié)果顯示該方法能收斂到公平并且最優(yōu)的信道利用率。Drigo等[9]提出了一種分布式、輕量級的擁塞控制算法（DRCV）,該算法監(jiān)控信道利用，并且評估信道的負(fù)載。當(dāng)信道負(fù)載大于一定的閾值時(shí)，則采用快速分組丟失的方式丟棄數(shù)據(jù)分組，該算法能顯著增加數(shù)據(jù)分組的接收概率和信道利用率。Wang等[10]針對高頻率的發(fā)送速率在高交通流密度下所產(chǎn)生的信道擁塞問題，基于模糊邏輯理論提出了一個(gè)高效的信標(biāo)速率控制方案。Lun等[11]針對高交通流密度場景下，固定信標(biāo)速率所引起的嚴(yán)重的信道擁塞和較低的消息成功接收率等問題，基于該馬爾可夫模型提出了一個(gè)優(yōu)化消息發(fā)送速率的方案，來最大化消息遞送率，緩解信道擁塞問題。

雖然上述研究能夠在一定程度上減少信道負(fù)載，避免信道擁塞，但仍存在一些不足：1) 主要是基于通信需求來進(jìn)行自適應(yīng)速率控制，而沒有考慮應(yīng)用需求來滿足消息廣播的公平性：2) 現(xiàn)有的擁塞控制算法主要是通過檢測信道利用率、信道繁忙時(shí)間和當(dāng)前時(shí)刻節(jié)點(diǎn)數(shù)目，當(dāng)其值超過一定閾值之后進(jìn)行相應(yīng)的自適應(yīng)控制操作，僅僅是一種粗略的分段被動控制方法，不能保證控制精度，其只能在發(fā)生擁塞之后來疏解擁塞狀態(tài)，不能提前調(diào)整傳輸參數(shù)避免信道擁塞的發(fā)生，而且進(jìn)行擁塞疏散也需要消耗一定的時(shí)間進(jìn)行恢復(fù)，所以導(dǎo)致控制過程具有滯后性，不能避免信道擁塞。

本文針對上述研究中存在的問題，提出了基于信道擁塞代價(jià)計(jì)算的自適應(yīng)消息發(fā)送速率控制方法。首先，建立能夠精確地反映信道狀態(tài)的干擾模型；其次，建立DSRC網(wǎng)絡(luò)控制信道的效用函數(shù)，并計(jì)算得到效用最大化時(shí)的物理層發(fā)送速率；再次，根據(jù)傳輸速率的不匹配和傳輸隊(duì)列長度的不匹配來建立下一時(shí)刻信道擁塞代價(jià)；最后，根據(jù)擁塞代價(jià)建立消息產(chǎn)生率模型，來自適應(yīng)調(diào)整下一時(shí)刻的消息產(chǎn)生率，從而達(dá)到維持高的信道利用率，微小的損耗和低排隊(duì)延遲的目的。

2 基于信道擁塞的自適應(yīng)消息發(fā)送速率控制方法

基于信道擁塞檢測的自適應(yīng)消息發(fā)送速率控制方法本質(zhì)上是一種跨層優(yōu)化方法[12]，工作在應(yīng)用層、MAC層和物理層，系統(tǒng)模型如圖1所示。1) 應(yīng)用層統(tǒng)計(jì)車輛節(jié)點(diǎn)數(shù)目、車輛相對位置關(guān)系，根據(jù)上述信息，計(jì)算物理層此時(shí)最大發(fā)送速率，進(jìn)而對應(yīng)用層產(chǎn)生消息速率進(jìn)行調(diào)整；2) MAC層是對隊(duì)列長度的監(jiān)控和進(jìn)出隊(duì)操作、擁塞代價(jià)計(jì)算和消息產(chǎn)生率計(jì)算；3) 物理層主要用于包括干擾值的計(jì)算和信噪比計(jì)算。

3 信道擁塞代價(jià)預(yù)測機(jī)制

3.1 通信干擾計(jì)算

由 Friss公式，無線通信過程中的接收信號功率計(jì)算模型，即接收節(jié)點(diǎn)的信號強(qiáng)度如下

其中，Gt和Gr分別為發(fā)送節(jié)點(diǎn)和接收節(jié)點(diǎn)的天線增益，ht和hr分別為發(fā)送節(jié)點(diǎn)和接收節(jié)點(diǎn)的天線高度，本文假設(shè)發(fā)送節(jié)點(diǎn)和接收節(jié)點(diǎn)的天線增益、天線高度都相等。為節(jié)點(diǎn)i的發(fā)送功率，為接收節(jié)點(diǎn)j的接收功率，L為系統(tǒng)損耗，一般k∈[2,4]，本文中取定值4。

圖1系統(tǒng)模型

隨著車輛節(jié)點(diǎn)之間傳輸距離的增加，無線信號的路徑衰減也越來越嚴(yán)重。車輛只有當(dāng)信號強(qiáng)度超過接收天線的靈敏度γ時(shí)，才能成功解析并接收該消息。故通信范圍的計(jì)算模型如式(2)所示。

其中，tP為發(fā)送功率，γ為干擾增益，α為衰減因子。

載波偵聽范圍是接收節(jié)點(diǎn)能感知到無線信號，并能成功解析PLCP幀頭的最大范圍，通常用節(jié)點(diǎn)的 CCA模塊來感知信號功率是否超過物理載波感知門限，如果超過該門限，則發(fā)送信號的節(jié)點(diǎn)位于載波偵聽范圍內(nèi)。其計(jì)算模型為

其中，Pcs為物理載波感知門限。

通過上述2個(gè)計(jì)算模型能夠確定DSRC網(wǎng)絡(luò)中節(jié)點(diǎn)的通信范圍和載波偵聽范圍。因此，當(dāng)所有車輛傳輸功率固定時(shí)，車輛j能成功接收并解析車輛i所發(fā)送的無線信號集合，即通信范圍內(nèi)的節(jié)點(diǎn)集合為

車輛j能成功探測到車輛i所發(fā)送無線信號的車輛i的集合，即載波偵聽范圍內(nèi)的節(jié)點(diǎn)集合為

車輛j能成功探測探測到車輛i所發(fā)送無線信號的PLCP幀頭，但不能成功解析該信號的車輛i的集合，即范圍為[dcr，dsr]內(nèi)的的干擾節(jié)點(diǎn)集合為

通信范圍內(nèi)的干擾。通信范圍內(nèi)多個(gè)車輛節(jié)點(diǎn)同時(shí)發(fā)送消息，但由于這些車輛節(jié)點(diǎn)發(fā)送消息處于同一個(gè)時(shí)間戳內(nèi)，彼此之間會產(chǎn)生信道爭用，此時(shí)只有一個(gè)車輛節(jié)點(diǎn)能夠競爭到信道使用權(quán)，與目標(biāo)車輛節(jié)點(diǎn)進(jìn)行通信，其他車輛節(jié)點(diǎn)則可認(rèn)為是干擾節(jié)點(diǎn)。目標(biāo)車輛節(jié)點(diǎn)能夠成功接收解析范圍任何車輛發(fā)送的無線電波，并可獲知車輛節(jié)點(diǎn)之間的相對速度和距離。通信范圍干擾計(jì)算式如下

通信范圍之外的干擾。在范圍[dcr，dsr]內(nèi)的干擾，車輛發(fā)送節(jié)點(diǎn)發(fā)送的無線電波，由于無線鏈路的衰減，信號功率太弱，低于可接收最小信噪比，導(dǎo)致車輛接收節(jié)點(diǎn)只能感知但無法解析，接收車輛節(jié)點(diǎn)無法估算出車輛節(jié)點(diǎn)間相對速度和距離，因此，這些信號便成了噪聲，雖然這些信號無法被解析，但疊加到一起達(dá)到一定規(guī)模仍會對通信產(chǎn)生干擾。由于無法估算節(jié)點(diǎn)之間的相對距離，可以用通信距離和載波偵聽距離的平均值來代替，通信范圍外的干擾計(jì)算式如下

3.2 SINR計(jì)算

信噪比SINR的計(jì)算式[13]如下

其中，Interferencej為 t時(shí)刻車輛接收節(jié)點(diǎn)的干擾值，Noise為信道噪聲。

在DSRC所在的5.9 GHz的無線通信頻段中，外界物理環(huán)境對其影響基本可以忽略不計(jì)，然而車輛接收節(jié)點(diǎn)的天線的噪聲對 SINR有顯著的影響，噪聲對通信質(zhì)量的影響與設(shè)備相關(guān)，只要保證設(shè)備可靠性就可以降低噪聲對通信的影響，因此，接收節(jié)點(diǎn)的信號強(qiáng)度和干擾就成為影響通信質(zhì)量的關(guān)鍵因素，熱噪聲公式如下

式(10)中，信道帶寬用B表示，T0為大氣層溫度，K=1.38×10?23。假設(shè)T0=300K（等于26.85），B=10 MHz ，則VANET中的熱噪聲是 ?104 dBm 。

3.3 基于效用的發(fā)送速率策略

在本節(jié)中基于文獻(xiàn)[14,15]給出了Internet中針對擁塞控制問題中采用的網(wǎng)絡(luò)效用給出的最大化理論，建立關(guān)于物理層發(fā)送速率的最優(yōu)化效用函數(shù)，其中，把每個(gè)車輛接收節(jié)點(diǎn) j與車輛發(fā)送節(jié)點(diǎn) i認(rèn)為是Internet中的一條鏈路，這些鏈路組成一個(gè)網(wǎng)絡(luò)，建立效用函數(shù)，ri則為節(jié)點(diǎn)i數(shù)據(jù)流的傳輸速率，因此，整個(gè)網(wǎng)絡(luò)的效用之和為

通過建立的效用函數(shù)來求解無線網(wǎng)絡(luò)物理層的最大傳輸速率。然而在求解過程中，仍要面臨著約束條件的限制，在本文中，約束條件為當(dāng)前DSRC網(wǎng)絡(luò)下的信道容量，所有鏈路發(fā)送速率之和均不能超過這個(gè)限制。文獻(xiàn)[16]中，F(xiàn)allah等通過實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)信道占有率達(dá)到70%時(shí)可以達(dá)到最大的吞吐量，使網(wǎng)絡(luò)性能最優(yōu)。本文將信道負(fù)載限制為信道容量的70%，以達(dá)到最優(yōu)的網(wǎng)絡(luò)性能。因此，在約束條件中所需要的信道負(fù)載門限為

綜上所述，本文所建立的DSRC網(wǎng)絡(luò)控制信道的效用最大化問題可以表述為

在應(yīng)用層通過收發(fā)節(jié)點(diǎn)的相對速度和相對距離所建立的效用函數(shù)中，vij為發(fā)送節(jié)點(diǎn)i與接收節(jié)點(diǎn)j之間的相對行駛速度，vth為設(shè)定的最小正速度值，因?yàn)檐囕v在行駛過程中存在相向運(yùn)動，此時(shí)vij為負(fù)值，因此定義了車輛速度的取值distij為發(fā)送節(jié)點(diǎn)i與接收節(jié)點(diǎn)j之間的相對距離。

DSRC網(wǎng)絡(luò)效用最大化的問題是一個(gè)關(guān)于傳輸速率、受限于信道容量的最優(yōu)化問題，為了簡化求解過程，而將其轉(zhuǎn)化為對偶問題

則對偶問題D的目標(biāo)函數(shù)為

其中，拉格朗日乘子λ是無線鏈路的擁塞系數(shù)。

因此，針對所建立的DSRC網(wǎng)絡(luò)效用最大化問題的拉格朗日函數(shù)為

所描述的對偶問題的最終目標(biāo)函數(shù)為

把拉格朗日乘子jλ看作節(jié)點(diǎn)j的信道擁塞價(jià)格，所以上述算法就是通過調(diào)節(jié)拉格朗日乘子jλ來達(dá)到控制信道擁塞的目的。則上述的對偶問題D是一個(gè)無約束、非線性規(guī)劃問題，本文通過梯度下降法[18]來求解該對偶問題的代價(jià)調(diào)整過程，所求得的節(jié)點(diǎn)j的擁塞代價(jià)的調(diào)整模型如下

其中，n為梯度下降法的迭代步數(shù)，Kλ是求解過程中的迭代步長，[z ]+=max{0,z} ，則整個(gè)局部網(wǎng)絡(luò)的控制信道的總擁塞代價(jià)為

因此，根據(jù)庫恩—塔克定理[19]，然后迭代計(jì)算可以得出節(jié)點(diǎn)i物理層的傳輸速率為

通過上述計(jì)算過程，可求出每個(gè)節(jié)點(diǎn)的最優(yōu)物理層發(fā)送速率，只要車輛的物理層發(fā)送速率滿足這個(gè)要求，即可滿足通信需求。但是這個(gè)速率僅僅是輸出速率，也就是出隊(duì)列的速率，而應(yīng)用層和物理層之間的是一個(gè)生產(chǎn)者與消費(fèi)者的關(guān)系，如果生產(chǎn)者不知道消費(fèi)能力而盲目生產(chǎn)許多產(chǎn)品，最終會由于倉庫無法存放而不得不丟棄。所以接下來的工作就要是通過隊(duì)列緩沖中的數(shù)據(jù)長度和輸出速率之間的差值來自適應(yīng)調(diào)整消息產(chǎn)生率，保證不會由于盲目的生產(chǎn)而導(dǎo)致隊(duì)列溢出。

4 信道擁塞代價(jià)計(jì)算

擁塞控制是解決網(wǎng)絡(luò)中資源分配不平衡問題的有效手段，2001年，Athuraliya[20]提出了指數(shù)隨機(jī)標(biāo)識算法，是一種基于數(shù)據(jù)流檢測的主動隊(duì)列管理方法，該算法起初是用于Internet上的TCP擁塞控制，但該算法引入了經(jīng)濟(jì)學(xué)“價(jià)格”的思想，基于實(shí)際市場中的供求關(guān)系，通過價(jià)格進(jìn)行有效調(diào)節(jié)，因此，可以借助上述思想能夠?qū)SRC網(wǎng)絡(luò)的擁塞控制進(jìn)行指導(dǎo)。

該算法通過現(xiàn)在網(wǎng)絡(luò)狀態(tài)來預(yù)測下一時(shí)刻的網(wǎng)絡(luò)擁塞情況，根據(jù)擁塞成本丟棄部分?jǐn)?shù)據(jù)分組，從而達(dá)到降低網(wǎng)絡(luò)擁塞的目標(biāo)，其成本主要由以下方面所決定：1) 物理層在t周期的發(fā)送速率，與應(yīng)用層的消息產(chǎn)生率之間的差值；2) 當(dāng)前實(shí)際隊(duì)列長度與所期望的隊(duì)列長度之間的差值，利用市場供求關(guān)系的思想，基于“價(jià)格”來對上述2種差值進(jìn)行調(diào)節(jié)，保證子層消息生產(chǎn)率和物理層發(fā)送速率進(jìn)行有效匹配，使緩沖區(qū)維持在 0，從而達(dá)到降低通信延遲，消除擁塞，防止隊(duì)列的溢出導(dǎo)致的分組丟失保證通信通暢的目的。

利用上述算法思想，對于車輛節(jié)點(diǎn)i而言，基于t周期的擁塞價(jià)格，可以預(yù)測t+1周期的擁塞價(jià)格為

其中，常數(shù)γi控制著該方法對網(wǎng)絡(luò)情況的敏感度（γi＞0），θi為消息產(chǎn)生率，消息隊(duì)列的長度，為隊(duì)列的理想的長度，a是一個(gè)很小的常數(shù)，i每個(gè)節(jié)點(diǎn)需要單獨(dú)進(jìn)行設(shè)置，該常數(shù)的設(shè)置其實(shí)是在隊(duì)列利用率和隊(duì)列延遲之間進(jìn)行權(quán)衡。當(dāng)權(quán)重ai是正數(shù)時(shí)，價(jià)格隨著速率和隊(duì)列長度的失配而增加。

5 消息發(fā)送速率自適應(yīng)調(diào)整

通過對車輛節(jié)點(diǎn)信道擁塞情況的評估，及此時(shí)擁塞價(jià)格來對消息生產(chǎn)率進(jìn)行調(diào)節(jié)，確保信號處于一個(gè)相對穩(wěn)定狀態(tài)。消息產(chǎn)生率以指數(shù)形式表現(xiàn)，比較能夠精確反映車輛自組織網(wǎng)中這種相對節(jié)點(diǎn)密度高的大規(guī)模無線網(wǎng)絡(luò)，設(shè)置t+1時(shí)刻車輛節(jié)點(diǎn)i消息產(chǎn)生率為

其中，R為信號沒有發(fā)生擁塞情況下，應(yīng)用層的消息產(chǎn)生率，在車輛自組織網(wǎng)中，交叉路調(diào)度等安全應(yīng)用中，R取值為10 packet/s。

6 實(shí)驗(yàn)結(jié)果與分析

6.1 實(shí)驗(yàn)條件設(shè)定

本文通過使用網(wǎng)絡(luò)仿真器 NS3對所提出的自適應(yīng)消息發(fā)送速率方法的性能進(jìn)行驗(yàn)證。在仿真過程中，采用802.11p無線通信協(xié)議，仿真中車輛狀態(tài)消息（車輛位置、速度和方向等）以25 dBm發(fā)射功率進(jìn)行廣播。交通流密度從 0 vehicle/km，逐漸提升至 200 vehicle/km。實(shí)驗(yàn)設(shè)計(jì)為當(dāng)交通流密度變化時(shí)，對設(shè)計(jì)的自適應(yīng)速率控制策略性能進(jìn)行驗(yàn)證。當(dāng)交通系統(tǒng)中的車輛密度增多時(shí)，也就是區(qū)域內(nèi)頻繁發(fā)送信標(biāo)幀車輛的數(shù)量增多情況下，車輛節(jié)點(diǎn)通信會發(fā)生相互干擾情況，影響信道容量。針對上述問題，實(shí)驗(yàn)設(shè)計(jì)中結(jié)合應(yīng)用需求的效用函數(shù)會計(jì)算出交通流密度改變后發(fā)送節(jié)點(diǎn)的最優(yōu)發(fā)送速率。信道擁塞代價(jià)計(jì)算模塊和自適應(yīng)速率調(diào)整模塊根據(jù)也會重新調(diào)整應(yīng)用層的消息產(chǎn)生率。上述過程迭代進(jìn)行即可避免車聯(lián)網(wǎng)通信過程中的信道擁塞，保證協(xié)作式安全應(yīng)用對數(shù)據(jù)分組遞送率和延遲需求，同時(shí)考慮消息廣播公平性，從而克服現(xiàn)有擁塞控制方法的滯后性和不精確性。

實(shí)驗(yàn)中通過本文設(shè)計(jì)自適應(yīng)消息發(fā)送速率控制算法（PARCM）與線性消息自適應(yīng)速率控制策略LIMERIC 算法[21]、固定發(fā)送速率（2 packet/s、5 packet/s和10 packet/s）進(jìn)行對比，來對本文提出自適應(yīng)速率控制算法性能進(jìn)行驗(yàn)證，對比的性能指標(biāo)有數(shù)據(jù)分組遞送率PDR、信道占有率、傳輸延時(shí)、2種自適應(yīng)速率控制策略調(diào)整結(jié)果、優(yōu)化過程的迭代過程和目標(biāo)函數(shù)結(jié)果。

仿真參數(shù)設(shè)置如表1所示。

表1仿真參數(shù)

6.2 實(shí)驗(yàn)結(jié)果及分析

1) 信道占用率

安全應(yīng)用中，隨著車流量密度增加，區(qū)域內(nèi)頻繁發(fā)送信標(biāo)幀車輛的數(shù)量相應(yīng)也增加情況下，本文的自適應(yīng)消息發(fā)送速率方法（PARCM），與固定速率（2 packet/s、5 packet/s、10 packet/s）和 LIMERIC算法，在信道占用率進(jìn)行對比，觀察對信道負(fù)載產(chǎn)生的影響。如圖2所示，車流量密度增加，上述算法信道占用率均增加，固定速率10 packet/s增長最為迅速，在200 vehicle/km節(jié)點(diǎn)處，信道占用率達(dá)到 100%，本文的 PARCM 算法、LIMERIC算法在交通流密度在170 vehicle/km節(jié)點(diǎn)之前，信道占用率高于固定速率5 packet/s，當(dāng)超過170 vehicle/km節(jié)點(diǎn)，占用率成明顯下降趨勢，并且本文PARCM算法相對LIMERIC算法信道占用率更低。

圖2不同控制策略所對應(yīng)的信道占有率

2) 消息產(chǎn)生率

圖 3所示為隨著車流量密度不斷增加，本文PARCM算法和LIMERIC算法消息產(chǎn)生率的變化情況，LIMERIC算法因?yàn)樾诺廊萘恐萍s，在此過程中，消息產(chǎn)生率明顯低于本文 PARCM 算法。本文的PARCM 算法能夠根據(jù)車輛的通信環(huán)境，計(jì)算得出可利用的信道資源，再根據(jù)應(yīng)用層安全應(yīng)用需求對消息產(chǎn)生率進(jìn)行自適應(yīng)調(diào)整，避免擁塞造成安全應(yīng)用失效問題，保證較高消息產(chǎn)生率，來保證車輛及時(shí)接收周圍車輛狀態(tài)信息，進(jìn)而保證應(yīng)用可靠性。

圖3消息產(chǎn)生率

3) 平均消息傳輸延時(shí)

隨著車流量流密度增加，5種算法的消息平均傳輸延時(shí)均呈遞增趨勢，如圖4所示，當(dāng)超過80 vehicle/km節(jié)點(diǎn)時(shí)，固定速率10 packet/s的平均傳輸延時(shí)將顯著提升，超過其他算法，當(dāng)達(dá)到200 vehicle/km節(jié)點(diǎn)時(shí)，平均消息傳輸延時(shí)超過180 ms。而本文提出的PARCM算法，在節(jié)點(diǎn)120 vehicle/km之后傳輸延時(shí)將低于除了固定速率2 packet/s的其他算法。雖然固定速率2 packet/s在不同交通流密度情況下，傳輸延時(shí)均在20 ms之下，然而2 packet/s發(fā)送周期，使車輛更新周圍車輛信息時(shí)間過慢，致使安全應(yīng)用由于消息更新不及時(shí)導(dǎo)致失效。本文提出 PARCM方法是通過隊(duì)列的長度差和傳輸速率差來自適應(yīng)調(diào)整發(fā)送速率，綜合性能好于其他算法。

圖4不同控制策略所對應(yīng)的平均消息延時(shí)

4) 數(shù)據(jù)分組遞送率

圖5中，隨著交通流密度增加，數(shù)據(jù)分組遞送率PDR均呈下降趨勢，其中，固定速率10 packet/s下降趨勢最為明顯：固定速率5 packet/s，隨著交通流密度增大，PDR下降至 50%，均不滿足要求，PARCM方法和LIMERIC以及固定速率2 packet/s均可以滿足要求，保證PDR大于90%，并且本文PARCM算法性能略優(yōu)于LIMERIC算法。

圖5不同控制策略所對應(yīng)的數(shù)據(jù)分組遞送率

5) 物理層傳輸速率迭代

圖6是物理層傳輸速率的迭代過程，該過程是用效用函數(shù)最大化來進(jìn)行迭代計(jì)算所求得。從圖中可以看出，通信范圍內(nèi)的所有節(jié)點(diǎn)經(jīng)過大約 30次迭代過程就可以收斂到效用最大化時(shí)的發(fā)送速率，文中所建立的效用函數(shù)是一個(gè)關(guān)于相對速度、相對距離和發(fā)送速率的一個(gè)嚴(yán)格凹的連續(xù)函數(shù)，當(dāng)兩點(diǎn)之間的相對距離固定時(shí)，相對速度越大，其效用也就越大；而當(dāng)行駛速度固定時(shí)，距離越近，其效用也就越大。故可得其最優(yōu)發(fā)送速率是32 kbit/s左右，在實(shí)驗(yàn)中設(shè)定的Beacon消息的數(shù)據(jù)分組長度是500 byte，相對速度40 km/h，相對距離200 m。因此可得消息產(chǎn)生率大約是8 packet/s。該發(fā)送速率可以滿足位置追蹤精度的要求，而且 30次迭代計(jì)算過程，可以滿足大部分安全應(yīng)用需求。

圖6物理層傳輸速率的迭代過程

如圖7所示，目標(biāo)函數(shù)值在迭代30次之后趨于穩(wěn)定，與圖6中物理層發(fā)送速率由36 kbit/s變化至 32 kbit/s相對應(yīng)，目標(biāo)函數(shù)值相應(yīng)從 911降至901，符合其收斂特性。

圖7迭代過程的目標(biāo)函數(shù)值

7 結(jié)束語

本文針對車聯(lián)網(wǎng)環(huán)境中交通流密度的變化對信道擁塞的影響，以及傳統(tǒng)擁塞控制方法存在的滯后性和不精確性問題，提出了基于信道擁塞代價(jià)計(jì)算的車聯(lián)網(wǎng)自適應(yīng)消息發(fā)送速率控制方法，通過求解效用函數(shù)，能得出滿足應(yīng)用需求的最優(yōu)發(fā)送速率，然而在車流量密度較大時(shí)，減小消息產(chǎn)生率雖然能保證通信滿足要求，但是會對安全應(yīng)用的精度產(chǎn)生影響。所以未來的工作會在應(yīng)用層設(shè)計(jì)消息編碼策略和消息壓縮策略，確保在減少消息產(chǎn)生率情況下，仍能保證安全應(yīng)用精度需求。

[1]TORRENT M M, JIANG D, HARTENSTEIN H. Broadcast reception rates and effects of priority access in 802.11-based vehicular ad-hoc networks[C]// International Workshop on Vehicular Ad Hoc Networks,Philadelphia, USA,2004: 339-340.

[2]HARTENSTEIN H, LABERTEAUX K P. VANET: vehicular applications and Inter-networking technologies[M]// VANET-Vehicular Applications and Inter-Networking Technologies. Wiley John + Sons,2009.

[3]XU Q, MAK T, KO J, et al. Vehicle-to-vehicle safety messaging in DSRC[C]//International Workshop on Vehicular Ad Hoc Networks.Philadelphia, USA, 2004: 19-28.

[4]TSERTOU A, LAURENSON D I. Insights into the hidden node problem.[C]//International Conference on Wireless Communications and Mobile Computing. Vancouver, British Columbia, Canada, 2006,767-772.

[5]REZAEI S, SENGUPTA R, KRISHNAN H. Reducing the communication required by DSRC-based vehicle safety systems[C]//Intelligent Transportation Systems Conference, ITSC 2007. IEEE, 2007:361-366.

[6]KHORAKHUN C, BUSCHE H, ROHLING H. Congestion control for VANETs based on power or rate adaptation[C]//Proceedings of the 5th International Workshop on Intelligent Transportation (WIT). 2008.

[7]HUANG C L, FALLAH Y P, SENGUPTA R, et al. Intervehicle transmission rate control for cooperative active safety system[J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(3):645-658.

[8]BANSAL G, KENNEY J B, ROHRS C E. LIMERIC: a linear adaptive message rate algorithm for DSRC congestion control[J]. IEEE Transactions on Vehicular Technology, 2013, 62(9): 4182-4197.

[9]DRIGO M, ZHANG W, BALDESSARI R, et al. Distributed rate control algorithm for VANETs (DRCV)[C]//Proceedings of the Sixth ACM International Workshop on Vehicular Internetworking. ACM,2009: 119-120.

[10]WANG N, LEI G, WANG X, et al. A beacon rate control scheme based on fuzzy logic for vehicular ad-hoc networks[C]//Artificial Intelligence with Applications in Engineering and Technology (ICAIET),20144th International Conference. IEEE, 2014: 286-291.

[11]LUN T, YIFU L, QIANBIN C. Optimized beaconing rate control for vehicular ad-hoc networks[J]. The Journal of China Universities of Posts and Telecommunications, 2015, 22(6): 10-50.

[12]SHAKKOTTAI S, RAPPAPORT T S, KARLSSON P C. Cross-layer design for wireless networks[J]. Communications Magazine, IEEE,2003, 41(10): 74-80.

[13]TOUMPIS S, GOLDSMITH A J. Capacity regions for wireless ad hoc networks[J]. IEEE Transactions on Wireless Communications, 2003,2(4): 736-748.

[14]LOW S H, LAPSLEY D E. Optimization flow control—I: basic algorithm and convergence[J]. IEEE/ACM Transactions on Networking(TON), 1999, 7(6): 861-874.

[15]KELLY F P, MAULLOO A K, TAN D K H. Rate control for communication networks: shadow prices, proportional fairness and stability[J].Journal of the Operational Research Society, 1998: 237-252.

[16]FALLAH Y P, HUANG C L, SENGUPTA R, et al. Congestion control based on channel occupancy in vehicular broadcast networks[C]//Vehicular Technology Conference Fall (VTC 2010-Fall),2010 IEEE. IEEE, 2010: 1-5.

[17]JOSE J, LI C, WU X, et al. Distributed rate and power control in DSRC[C]//Information Theory (ISIT), 2015 IEEE International Symposium. IEEE, 2015: 2822-2826.

[18]BERTSEKAS D P, TSITSIKLIS J N. Parallel and distributed computation: numerical methods[M]. Englewood Cliffs, NJ: Prentice Hall,1989.

[19]BAZARAA M S, SHERALI H D, SHETTY C M. Nonlinear programming: theory and algorithms[M]. John Wiley amp; Sons, 2013.

[20]ATHURALIYA S, LOW S H, LI V H, et al. REM: active queue management[J]. Network, IEEE, 2001, 15(3): 48-53.

[21]BANSAL G, KENNEY J B, ROHRS C E. LIMERIC: a linear adaptive message rate algorithm for DSRC congestion control[J]. IEEE Transactions on Vehicular Technology, 2013, 62(9): 4182-4197.

Adaptive message sending rate control method based on channel congestion cost calculation in VANET

LIU Ming-jian1, TAN Guo-zhen1, LI Shuai-bing1，DING Nan1, SONG Cai-xia1,2
(1. Computer Science Institute, Dalian University of Technology, Dalian 116024, China;2. College of Science and Information, Qingdao Agricultural University, Qingdao 266109, China)

In VANET, sending beacon messages reliably played a vital role in cooperative awareness and collision avoidance, and changes of vehicle density in real traffic environment had a direct impact on channel load and will cause the channel congestion to a certain degree, thus causing inefficiency of cooperative security applications. Aiming at this issue,a adaptive method based on channel congestion detection to control message sending rate was designed. First of all, an interference model that can accurately reflect the current state of the channel was established. Secondly, according to the Shannon information theory and network utility maximization theory, the optimal transmission speed of the current node in the physical layer was calculated. Finally, according to the mismatch of transmission rate and transmission queue length, the next moment's cost function of the channel congestion degree by monitoring the message queue was established to avoid channel congestion and queue overflow. The simulation experiment shows that the scheme effectively reduces communication transmission delay and avoids channel congestion, ensuring that the data be sent reliably.

VANET, congestion control, utility, message sending rate control

s:The National High-Tech Projects(No.2012AA111902), The National Natural Science Foundation of China(No.61471084)

TP393

A

10.11959/j.issn.1000-436x.2016202

2016-04-22；

2016-08-28

國家高科技基金資助項(xiàng)目（No.2012AA111902）；國家自然科學(xué)基金資助項(xiàng)目（No.61471084）

劉明劍（1984-），男，遼寧大連人，大連理工大學(xué)博士生，主要研究方向?yàn)檐嚶?lián)網(wǎng)環(huán)境下車輛安全預(yù)警技術(shù)與車聯(lián)網(wǎng)消息調(diào)度器。

譚國真（1960-），男，遼寧大連人，博士，大連理工大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)橹悄芙煌ê蛙嚶?lián)網(wǎng)等。

李帥兵（1991-），男，河南鄭州人，大連理工大學(xué)碩士生，主要研究方向?yàn)檐嚶?lián)網(wǎng)通信自適應(yīng)功率控制。

丁男（1978-），男，遼寧沈陽人，博士，大連理工大學(xué)副教授，主要研究方向?yàn)閭鞲芯W(wǎng)絡(luò)。

宋彩霞（1977-），女，山東即墨人，大連理工大學(xué)博士生，主要研究方向?yàn)檐嚶?lián)網(wǎng)安全通信協(xié)議、信道資源分配、擁塞控制。