基于路口的VANETs路由道路連通性預測方法綜述

蔡震

摘 要：車輛自組織網絡（VANETs）路由中，基于路口的地理路由協議能很好的適應城市VANETs的環境，其中道路連通性預測在路由協議中具有決定性的作用，本文分析并比較了經典VANETs路由協議中采取的各種道路連通性預測方法的工作機制和優缺點，最后進行總結和展望。

關鍵詞：VANETs；道路連通性預測；交通路口

DOI：10.16640/j.cnki.37-1222/t.2017.07.105

1 引論

相較于MANETs（Mobile Ad hoc Networks， MANETs），VANETs（Vehicular Ad hoc Networks，VANETs）因本身移動車輛作為網絡節點的特殊性，有兩點不同。首先，車輛移動速度快，網絡拓撲結構也隨之變化頻繁。再者，車輛之間的信號通訊會受到城市中道路間距離以及建筑物影響，節點間信息只能沿道路傳輸。故MANETs中的眾多成熟的無線網絡路由算法無法有效的應用到VANETs的特殊環境[1-3]中。于是一種基于城市交通路口的自組織路由機制展現了優勢，其主要工作機制如下：當數據包在直路上傳送時，其還沿用無線自組織網絡路由經典的貪婪轉發策略向前發送數據包，當數據包到達路口區域的車輛節點時，再根據實際情況來決策路由線路，即沿哪條道路繼續傳送數據包。

道路路由決策主要判定因素有如下兩點：其一，下一路口距離目的節點的實際距離長短；其二，未來道路網絡連通性或數據包傳輸延遲時間的大小。目前的交通車輛普遍裝備了衛星定位系統（GPS）和城市電子地圖，可以來完成到目的節點實際距離的計算。所以，如何預測道路的連通性成為了VANETs路由協議的一個重點問題。

2 道路連通性預測方法

對于道路連通性預測計算主要分為兩大類，一是通過獲取第三方（如谷歌地圖）提供的實時路況信息（如車流量、平均車速），再結合道路數據（如長度、曲度）建立道路連通性模型，計算連通性概率和傳輸延遲時間，進而選擇路由線路；二是通過車輛間定時的“hello”信息交換，得到當前道路的實時網絡拓撲，以此來選擇路由線路。以下將介紹VANETs經典路由協議中的道路連通性預測方法。

2.1 VADD

VADD[4]在路口節點進行路由決策時，其采用第三方提供的道路車輛密度和車輛平均速度等信息建立道路數據包延遲時間預測模型，公式如下。

當車輛平均間距小于R時，延遲時間被視為數據包多跳傳輸所需的時間可以忽略不計；當大于R時，要考慮某時刻沒有后繼節點進而當前節點車輛暫時攜帶數據包繼續行駛的情況，即對于平均車速快、車輛密度高的道路，其延遲時間也相對較小。

VADD相對于其它路由協議，擁有更高的傳輸率，但是道路延遲時間預測模型采用的是第三方提供的統計數據，對于VANTEs中節點車輛位置變化頻繁的特點。

2.2 SADV

SADV[5]在道路選擇時，SADV采用了相鄰路口的靜態節點之間定時發送控制包以測量延遲時間的方法（Link Delay Update， LDU），把一個時間段內此道路上控制包的平均傳輸延遲時間作為路由道路選擇的參考。

SADV相對于VADD，其數據來源是實際測量出來的，實時性和準確性相對提高。但因為靜態節點之間的定時控制包交互，增加了網絡負載，且在每個路口部署靜態節點在目前現實中可行性不高。

2.3 VVR

VVR[6]類似于距離矢量路由，VVR中道路上每個車輛節點通過多跳的定時“hello”信息交換獲得當前道路的連通性，即每個節點可知自己是否與兩端路口連通，如連通下一跳節點是誰。

VVR的道路連通性預測基于道路實時信息，在查詢多跳鏈接通路的時候，實時性效果最佳。但正如距離矢量路由一樣，VVR存在著慢收斂的問題，即能連通的“好消息”傳得快，鏈接中斷的“壞消息”傳的慢，致使新路由可能與舊路由發生沖突，甚至產生回路。

2.4 GyTAR

GyTAR[7]采用了一種比較新穎的道路連通性預測方法，其將需要預測的道路分成若干區域，區域中心位置的組頭車輛會將本區域車輛的數量依次加到一個名為CDP的控制包中，傳送回上一路口（如圖1）。

圖1 CDP傳遞示例

處于路口的節點在收到CDP后，通過其中包含的各個區域的車輛數量以及道路長度為每個備選路口方向計算出一個分數，以此來進行道路選擇。分數高的道路即離目的節點距離短、車輛密度高，且各區域車輛數偏差小的道路將會被選擇，其計算公式如下。

GyTAR增加了對道路車輛密度均勻性對于連通性影響的考量，有效防范了道路上車輛分布“中空”的情況。但其在CDP發包車輛的選取上也存在漏選的現象，這樣會導致CDP發送間隔偏差較大，用于計算連通性的車輛密度信息的實時性并不穩定。同時CDP作為控制包的每一次傳輸都會給道路產生一定的負載。

3 總結

（下轉第130頁）

（上接第120頁）

本文介紹了VANETs路由協議中經典的道路連通性預測方法，大致分為通過第三方交通信息和車輛間交換實時信息建立預測模型兩種方法，如何設計一種在實時性和網絡負載上均表現出色的道路連通性預測方法是我們未來工作的重點。

參考文獻：

[1]張國慶等.城市場景下VANET路由協議大規模仿真研究[J].計算機仿真，2009，26（08）：249-252.

[2]雷亞星.城市環境下基于地理位置信息的VANET路由協議的研究[D].北京郵電大學，2011.

[3]胡畔.城市環境下基于位置的車載自組網路由協議研究[D].武漢理工大學，2014.

[4]J.Zhao et al.，“VADD： Vehicle-Assisted Data Delivery in Vehicular Ad Hoc Networks，”IEEE INFOCOM 06， pp.1910（22）.

[5] Y. Ding et al.，“A Static-Node Assisted Adaptive Routing Protocol in Vehicular Networks，” ACM VANET 07， pp. 59-68.

[6] H.Lee et al.，“Virtual Vertex Routing （VVR） for Course Based Vehicular Ad-Hoc Networks”， IEEE WCNC?07， pp.4405-10.

[7] M. Jerbi et al.，“An Improved Vehicular Ad Hoc Routing Protocol for Urban Area，”IEEE ICC 07， pp. 3972-79.