無人機輔助車聯網環境下干擾感知的節點接入機制

范茜瑩，黃傳河，朱鈞宇，文少杰

（1. 武漢大學計算機學院，湖北 武漢 430072；2. 工業和信息化部計算機與微電子發展研究中心（中國軟件評測中心），北京 100081）

1 引言

作為現代智能交通系統（ITS, intelligent transportation system）的核心基礎設施，車輛自組織網絡（VANET，vehicular Ad Hoc network）得到了廣泛關注[1-2]。通過車與車（V2V, vehicle-to-vehicle）及車與基礎設施（V2I, vehicle-to-infrastructure）之間的通信，VANET可以提供各種類型的服務，包括道路安全（如碰撞預警和智能交通管理）、娛樂需求服務（如社交網絡和在線游戲）、基于地理位置的服務（如興趣點和路徑優化）等。面向未來的ITS應用需要覆蓋范圍更大、通信方式更靈活高效、信息處理更智能且安全的車聯網環境。車輛不僅需要實時獲取較大范圍內的交通狀況和預警信息，同時也可參與信息傳輸。然而，在大空間尺度下，障礙物、復雜地形、難以接近的地理區域、惡劣天氣等因素都可能導致鏈路質量降低甚至不可用。特別地，在某些極端環境中缺乏基礎設施來輔助車輛通信，單純依靠地基車聯網難以滿足需求。

針對該問題，利用無人機、飛艇、衛星等空間節點作為輔助的空-地互補方案逐漸受到關注，并取得了一定發展[3]。相比于地基車聯網，高空平臺（HAPS, high altitude platform station）具有更大的覆蓋范圍，更強的態勢感知能力、動態重構及容災能力，尤其是在大范圍廣播、跨路網的交通態勢感知、快速靈活部署與調度等方面具有地面基礎設施難以比擬的優勢。充分利用上述優勢，在此基礎上將提高與地基車聯網互聯互通，組成空地一體化車聯網，能更好地支撐智能交通管理應用場景，具有較高的研究價值和意義。

得益于高移動性及可靈活部署的優勢，無人機為各種商業應用和民用應用提供了有效的解決方案，如交通管制、遠程監控、視頻流傳輸等。在面向未來的ITS應用場景下，引入無人機輔助車聯網通信具有地基車聯網不可比擬的優勢[4]。首先，無人機通信受信道衰落影響較小，且更易于與車輛建立持續時間更長的視距鏈路，具有相對可靠的空-地信道。然后，無人機可在三維空間內靈活部署、自由移動，更易于將多跳轉發轉變為單跳中繼，能降低通信時延，提高傳輸可靠性。最后，考慮一些缺乏足夠地面基礎設施的極端場景，可通過部署無人機來快速改善網絡連通性，避免長時間鏈路中斷。

引入無人機輔助通信后，鏈路選擇需要綜合考慮持續時間、信道狀態、網絡負載、信號強度等諸多因素的影響，而信號強度會影響鏈路的干擾水平，因此，需要設計有效的干擾感知節點接入機制，在保證可靠性的前提下通過減少鏈路切換次數來降低通信開銷，同時提高網絡的吞吐量。本文主要貢獻包括以下2個方面。

1) 采用無人機與地面車輛進行協同通信，構造無人機輔助的空地一體化車聯網。綜合考慮節點移動帶來的切換成本、鏈路干擾及節點處發射功率引起的開銷，將接入問題形式化為一個多約束的優化問題。

2) 針對所提出的優化問題，提出了一種分布式的節點接入機制及對應算法，利用基于對偶的優化方法，計算得到鏈路的最優傳輸速率、鏈路切換次數及節點發射功率，并以此為依據選擇接入對象。

2 相關工作

有效的接入機制可以幫助節點選擇合適的信息傳輸的接入對象，進而提高網絡的吞吐量等性能。現有的研究工作主要根據數據傳輸速率、時延、吞吐量等因素來選擇接入節點。

吳黎兵等[5]提出了一種基于VANET-cellular網絡架構的安全消息廣播中繼節點選擇方法，根據候選車輛的蜂窩網絡信號強度及其增量、鏈路穩定度、信道質量、地理位置等參數選出最佳的裝有蜂窩網絡接口的中繼節點，該方法可以減少對車流密度及基礎設施的依賴。Ma等[6]提出了一種跨層中繼節點選擇方案，綜合考慮了端到端傳輸速率、中繼節點剩余的電池使用時間及中繼輔助的 D2D（device-to-device）端到端傳輸時延，然后描述了如何根據這些標準在D2D通信中進行中繼節點的選擇。

對空地一體化網絡中的低成本靈活接入機制，國際空間數據系統咨詢委員會（CCSDS, Consultative Committee for Space Data System）制定的最新標準中[7]，空間網絡支持地面節點的接入，但是接入數量有限，還不能滿足空地一體化車載網絡多車載用戶同時接入的需求。Liu等[8]提出了一種空間信息網絡環境下的鏈路選擇方法，該方法在時間約束條件下，實現能耗最優化。Abdulla等[9]利用勢博弈理論，解決了在無人機輔助網絡中如何使接入節點的能量效率最高的問題。Lyu等[10]研究了地面終端（GT, ground terminal）和無人機組成的無線系統，提出了周期性多址接入機制（CMA, cyclical multiple access），以一種基于無人機位置的周期性時間分割方式來調度無人機和GT之間的通信。通過對不同GT的時間分配進行優化，以最大化其最小吞吐量。Tuna等[11]提出了無人機輔助無人值守的無線傳感器部署系統，作為災后解決方案，可在任何有需要的地方使用。

為了將無人機和地面車聯網結合起來，Zhang等[12]提出了基于軟件定義的空天地一體化網絡架構來提供無間隙、高效率的車輛服務，最后總結了空天地一體化網絡面臨的機遇和挑戰。Zhou等[13]提出了一種空地合作的車輛網絡架構，其中多個無人機形成空間子網絡，來輔助地面車輛子網絡進行信息的收集和分發，并指出無人機可以作為中繼節點來解決地面節點的高速移動問題。Kawamoto等[14]通過衛星和地面無線通信網絡的合作來解決上下文感知的多媒體內容傳輸的問題，可以在衛星/地面頻率共享系統中動態分配帶寬，為用戶提供上下文感知的內容。Zeng等[15]對無人機輔助無線通信技術進行了概述，介紹了基本的網絡架構和主要的信道特性，并強調了其中存在的關鍵問題。隨后，Zeng等[16]又通過優化源節點/中繼節點的發射功率和中繼軌跡來優化吞吐量，同時考慮了實際的移動約束和中繼節點處的信息隨意度約束。對于固定的中繼軌跡，吞吐量優化的功率分配服從階梯式水填充結構。Cheng等[17]考慮使用一個或多個無人機作為2個遠距離地面節點之間通信的中繼節點，提出了LCAD（load carry and deliver），通過無人機從源節點獲取數據并將數據攜帶轉發到目的地，然后將信息傳輸到目標地面節點，實現吞吐量的最大化。

Oubbati等[18]研究Ad Hoc模式下的無人機和地面VANET協作進行的路由過程，提出了2種不同方式的路由協議，分別是針對地面網絡和無人機之間信息傳輸的 UVAR-G協議及在無人機之間信息傳輸的UVAR-S協議。Wang等[19]設計了一種無基礎設施的無人機輔助車聯網系統，即車輛-無人機混合的車輛自組織網絡VDNet。根據分布式車輛位置預測算法，利用無人機來增強車輛之間的消息傳輸。Lu等[20]和Xiao等[21]使用無人機來傳遞車輛的消息，并改善VANET對智能干擾機的通信性能，他們將無人機與智能干擾機之間的交互表述為抗干擾無人機中繼游戲，其中無人機決定是否將OBU消息轉發到另一個RSU，干擾機通過觀察無人機和VANET策略以選擇相應的干擾功率。Seliem等[22]提出了一個數學框架得到最小無人機密度，即2個相鄰無人機之間的最大間隔距離，以改善車輛到無人機分組傳輸時延的最壞情況。Fawaz等[23]開發了一個數學模型來描述不合作車輛對路段之間端到端連接的影響，并提出利用無人機作為存儲-攜帶-轉發節點來減輕不合作節點對端到端路徑連接的不利影響。Shilin等[24]考慮在孤立車輛段使用無人機的通信網絡模型。

本文研究干擾感知的節點接入機制，綜合考慮鏈路持續通信時間、切換次數及信息傳輸的可靠性，在改善系統吞吐量的同時，減小通信開銷。

3 系統模型和問題描述

3.1 網絡模型

假設車輛和無人機均配備有 GPS和數字地圖以獲取節點當前的地理位置，同時假設節點沒有能源限制。無人機有一個較低且恒定的飛行高度，能夠與地面上的車輛進行通信[25-26]。另外，假設無人機的運動軌跡是預先設置好的，無人機不僅能夠收集及掌握網絡的全局信息（如道路上車輛節點的密度），也可以作為中繼節點參與車輛之間的信息傳輸，在鏈路質量較差或者中斷的情況下建立新的通信連接來協助信息傳輸，保證地面網絡連通性的同時改善信息傳輸的性能。

使用圖G(V,E)表示無人機輔助車聯網的網絡拓撲結構，其中，V表示無人機節點和車輛節點的集合，E表示節點之間鏈路的集合。表示節點i在t時刻的鄰居節點集合。二元組(i,j)∈E表示節點i和節點j之間的鏈路，l表示網絡中的鏈路，rl表示數據流經過鏈路l的傳輸速率。為了保證信息傳輸的可靠性，鏈路的最大容量表示為cl。網絡架構如圖1所示。

圖1 網絡架構

空地一體化車聯網主要包括無人機網絡和地面車聯網，其中包括V2V通信、無人機與車輛（U2V,UAV-to-vehicle）之間的通信及無人機與無人機之間的通信（U2U, UAV-to-UAV）。本文所用的參數及其含義如表1所示。

表1 本文所用的參數及其含義

3.2 無人機通信模型

無人機與車輛之間傳播信道的路徑損失模型描述如下[27]，單位為dB。

其中，fc表示載波頻率，c表示光速。視距傳輸（LoS,line of sight）概率是路徑損失模型中較為重要的參數，無人機和接收者之間的視距傳輸概率可表示為

其中，常數a和b的值取決于所處環境。非視距傳輸（NLoS, non-line of sight）的概率則為

假設d表示無人機與車輛之間的距離，可用來計算，H和R分別表示無人機的高度和無人機與車輛之間的水平距離。ηLoS和ηNLoS分別表示自由空間傳播中視距傳輸和非視距傳輸的平均額外損耗，二者的值取決于通信環境。無人機的通信范圍取決于其飛行高度及傳輸路徑損耗閾值。

在無人機輔助車聯網環境下，部署無人機能夠改善網絡的連通性，與單純的車聯網環境相比，相應的節點密度也將有所增加。根據文獻[23]可知，假設長度為d的道路上分布有k個無人機，那么道路節點密度將增加。該道路上的平均節點數目可表示為，節點密度表示為，其中ρ表示沒有無人機參與情況下的道路節點密度。下文中將無人機節點和車輛節點統一描述為節點，U2V鏈路與V2V鏈路之間的差異由相應鏈路的傳輸速率和信干噪比來反映。

3.3 切換次數

考慮信息傳輸過程中，車輛節點移動較快，節點之間進行通信時可能發生頻繁的鏈路切換，此處定義成本函數C(ni)來表示鏈路切換產生的成本開銷，其中，ni表示節點的鏈路切換次數。切換次數的計算方法描述如下。

為了減少鏈路切換次數，每個節點選擇下一跳接入對象時，在保證可靠性的前提下，應盡可能選擇與其連接時間較長的節點，以增加端到端路徑的生存時間。因此，需要計算節點間鏈路生存時間作為選擇接入對象的參考。根據節點的坐標，計算得到節點之間的距離dij，結合節點移動的速度，可以得到節點之間的通信時間。假設節點i和節點j在t0時刻坐標為和可計算得到二者之間的距離。經過時間Δt后，節點i坐標為節點j的坐標為，同樣可計算得到二者之間的距離。節點i和節點j單位時間內(Δt=1)的分離速度為。如果節點之間的距離變大，那么節點之間總距離表示為Δdij=如果節點之間的距離縮短，那么Δdij=R+。綜合考慮節點i和j的分離速度和總距離，可以得到二者之間鏈路的連通時間CTij，如式(1)所示。

假設節點i是發送節點，節點j是候選接入對象，根據節點i處需要發送的數據量D及鏈路ij的傳輸速率，得到傳輸時間表示為

結合節點i與j的連通時間CTij，得到切換次數表示為

3.4 問題描述

在無線通信過程中，如果節點的發射功率較大，可能對其他鏈路產生干擾，導致網絡吞吐量降低。在保證鏈路可靠性的前提下，可通過控制發射功率來減少干擾。定義節點發射功率產生的成本函數為C(Pi)，其中，Pi表示節點i的發射功率。假設C(Pi)是發射功率Pi的單調遞增凸函數，即發射功率越大，產生的成本越大，同時C(Pi)也是Pi的一階連續可微函數。切換成本函數C(ni)和函數C(Pi)具有相同的性質。

綜合考慮節點移動及鏈路中斷等帶來的切換成本、節點處發射功率產生的開銷及鏈路干擾等因素，節點接入機制問題可形式化為一個多約束條件下的優化問題，如式(4)～式(7)所示。

該優化問題的主要目標是減少節點之間的鏈路切換次數及優化節點的發射功率來最小化成本函數，同時提高網絡的吞吐量。由于2個函數都是凸函數，二者的組合函數也是凸函數。約束條件(5)表示節點i和j的傳輸速率小于鏈路ij的容量，如果不能滿足該條件，那么數據分組在傳輸過程中將被丟棄。約束條件(6)表示節點處的信干噪比SINR（signal to interference plus noise ratio）需要大于閾值β，才能保證信息傳輸的可靠性。約束條件(7)將中繼節點的發射功率限制在一定的范圍內，保證傳輸可靠性的同時能夠減少對其他通信鏈路的干擾。

4 節點接入機制設計

在集中式優化方案中，節點需要頻繁地與服務器通信以對網絡相關參數進行更新從而得到最優解，然而頻繁的網絡通信會消耗大量的資源（如帶寬資源），同時信息的并發傳輸會干擾其他鏈路，從而導致鏈路質量較差甚至不可用。此外，集中式的優化方法需要服務器接收到所有節點的信息才能完成優化，這也會消耗大量的時間來更新并優化相關參數。考慮上述因素，集中式優化方法不適用于車聯網等高速移動的實時傳輸場景，而分布式的優化方法僅需要節點與其鄰居節點交換更新信息來執行優化操作，能夠解決集中式優化方法存在的不足[28]。因此，本文采用分布式優化方法來解決節點接入問題。

為了解決所提出的多約束優化問題，為約束條件(5)和約束條件(6)引入拉格朗日乘子向量和于是，優化問題的拉格朗日函數表示為

優化問題的對偶問題則表示為

由于rij和cij有關聯，而切換成本C(ni)和信干噪比SINRi均與節點之間的通信距離相關，式(8)變換后表示為

根據文獻[29]，可將優化問題分解為2個子問題L1和L2，如式(11)和式(12)所示。

從上述子問題的結構形式可以看出，2個子問題均為凸優化問題，并且均與iλ相關。子問題L1聯合優化節點之間的鏈路切換次數及鏈路傳輸速率，子問題L2則主要優化發射功率并保證鏈路可靠性，2個問題均能夠以分布式的方法來解決。通過找出2個問題中iλ和iμ的最優值，計算得到最優的rij，即可得到節點i需要接入的對象j。這里，iλ可以理解為鏈路ij的傳輸速率帶來的成本，iμ則表示保證鏈路ij可靠性的成本。

根據傳統的基于對偶的優化方法可以得到向量λ和μ在每一次迭代的更新操作，如式(15)和式(16)所示。

其中，ε和γ為常數，表示更新操作的步長。由于車輛和無人機節點移動速度較快，動態變化的網絡拓撲將導致鏈路連通性的動態變化，選擇常數步長可以保證優化問題的收斂性并加快收斂速率[30]。

為了得到rij和iP的最優值，首先給λ和μ設置一個初始值，分別是λ(0)和μ(0)，代入式(13)和式(14)求出rij和iP。然后，根據rij和iP的值，計算得到iλ和iμ的值。將求得的iλ和iμ代入式(15)和式(16)，計算得到更新后的iλ和iμ。迭代上述更新過程，直到rij和iP的值固定不變或者iλ和iμ的值為0。

本文所提干擾感知節點接入機制如算法1所示。

算法1節點選擇算法

輸入車輛節點和無人機節點

輸出一跳接入節點

1) 初始化

對λ(0)和μ(0)進行賦值;

2) 計算無人機節點的通信范圍

RD = UAV. Range (PL(dB), altitude);

3) 獲取節點i的鄰居集合

交換信息，然后將節點i通信范圍內的節點集合表示為；

4) 計算通信切換次數

根據等式(3)計算所需要的切換次數；

End for

5) 獲取鏈路ij的連通時間以及SINRi

6) 迭代執行7) 和8)直到rij和iP的值不再發生變化或者iλ和iμ的值為0

7) 計算拉格朗日乘子iλ和iμ的值

8) 計算最優傳輸速率rij以及傳輸功率iP的值

根據等式

9) 調度過程

獲取最優的rij和iP對應的值;

選擇最優rij和iP對應的節點作為下一跳中繼節點;

10) 算法結束

算法的具體執行過程如下。

1) 網絡初始化階段，節點i向鄰居節點廣播hello分組。當鄰居節點j接收到來自i的hello分組時返回一個包含自身的識別符和坐標等信息的應答分組，然后節點i從收到的應答分組中提取出j的信息保存到中。根據節點i和鄰居節點j的坐標以及節點i處數據量的大小，計算得到i和j的連通時間以及數據傳輸所需要的切換次數，對切換次

根據等式數排序并保存。然后，根據鄰居節點反饋的鏈路狀態信息，計算節點i處的信干噪比SINRi。

2) 初始化對偶向量λ(0)和μ(0)，根據式(13)和式(14)計算得到鏈路ij的傳輸速率和節點處的發射功率，然后將計算到的傳輸速率和發射功率代入式(15)和式(16)，對對偶向量λ和μ進行更新。迭代進行上述參數的更新，直到傳輸速率和發射功率不再發生變化或者對偶向量值為0。

3) 節點i對鄰居節點的成本函數值以遞增次序進行排序，從中選擇成本值最小的鄰居節點作為接入對象。如果在當前的節點通信時間內不能完成數據的傳輸，則重復執行以上步驟直到節點i處數據完成傳輸。

假設如式(4)所示的原始問題的最優值為p?，對偶問題式(9)的最優值為d?，有p?d?≥成立。該性質稱為弱對偶性，對所有的優化問題均成立。

下面將證明算法的收斂性，通過對迭代過程進行分析，有定理1成立，證明過程參考相關工作[31]。

定理1假設和足夠小，λ≥0，μ≥0，那么所提出的節點接入機制可收斂至最優解。

證明假設表示對偶問題式(9)對應的解。引入調整參數m，使m'ε=ε及mγ'=γ。結合式(15)和式(16)，有

當拉格朗日乘子取最優時，對偶問題可表示為

當拉格朗日乘子隨著迭代操作變化時，對偶問題可表示為

結合式(18)和式(19)可得

結合式(17)和式(20)可得

結合式(21)和式(22)，有如式(23)所示的不等式成立。

下面分2種情況對Φδ進行討論：當不在Φδ定義域內，，將調整參數m設置為，由式(23)可得Y(t+1)≤，可以看出經過多次迭代后算法收斂；當在定義域內，將調整參數m設置為，由式(23)可知不等式成立。假設是有界的，將其上界表示為Λ(δ,)Φ，有成立。當δ趨近于0時，Y(t)趨近于0，即當迭代次數趨近于無窮時，(λ,μ)趨近最優值。證畢。

為了滿足實際交通管理應用中用戶的不同偏好和要求，設置權重參數α和θ，以及成本函數U，U是占不同比例的鏈路切換成本和發射功率成本的總成本函數，表示為

其中，α+θ=1。隨著調整系數α和θ的變化，鏈路切換和發射功率成本的比例進行相應調整，選擇節點接入對象的標準也會有所不同。

結合不同的偏好設置，原多約束優化問題可表示為

約束條件如式(5)～式(7)所示。

利用算法1對該問題進行求解，可以得到滿足不同用戶要求的接入節點。根據調整系數的變化，有如下3種情況。

1) 如果α＞θ，則表明選擇的接入對象傾向于降低鏈路切換次數。如果α＜θ，則表明選擇的接入對象傾向于降低節點發射功率引起的成本開銷。

2) 如果α=0或θ=0，那么網絡屬性的綜合權重和用戶偏好的綜合效用值將僅由鏈路切換或發射功率決定。當α=1，θ=0時，僅考慮網絡中節點通信鏈路切換引起的成本。當α=0，θ=1時，則僅考慮節點發射功率帶來的成本。

3) 如果調整系數均為0.5，表示相關的2個部分同樣重要。結合成本函數，可以根據網絡中不同的服務需求，靈活地選擇下一跳的接入節點。

5 仿真結果與分析

將本文提出的干擾感知的節點接入機制與其他節點接入方案進行比較，通過仿真來評估算法的性能。

5.1 仿真設置

仿真模擬真實的車聯網環境，場景所選擇的區域大小為3 km×3 km，街道拓撲如圖2所示，地圖文件來源于 OpenStreetMap[32]，在 SUMO（simulation of urban mobility）[33]中轉化成道路網絡。采用OMNeT 5.0++仿真平臺對算法性能進行評估，節點之間的通信協議采用IEEE 802.11p協議。

假設無人機均勻分布在目標區域內，所有節點均配備有GPS，并且無人機可以收集所有車輛節點的位置信息。當有數據分組傳輸時，節點根據得到的最優傳輸速率和發射功率進行信息傳輸，發射功率取值范圍為0.5～1 W。另外，更新操作中2個步長因子的值均設置為0.01。為了保證仿真結果的準確性，對不同參數設置進行 20次實驗，將所有運行結果的平均值作為最終的實驗結果。

圖2 實驗場景拓撲結構

本節通過仿真實驗對提出算法的有效性進行了驗證和討論，將所提出的干擾感知的節點接入機制與 Raza等[34]提出的 imax-weight-quality方案及Dahmane等[35]提出的WeiSTARS方案進行比較。通過比較網絡節點密度（單位長度內即1 km的節點數目）和信干噪比的大小對算法的數據傳遞率、平均端到端時延及網絡吞吐量等指標的影響，對算法性能進行評估。仿真參數設置如表2所示。

表2 仿真參數設置

5.2 仿真結果

本節將討論當網絡節點密度和信干噪比變化時，各算法對應的數據傳遞率、平均端到端時延及網絡吞吐量的變化趨勢。

5.2.1 數據傳遞率

圖3描述了在不同節點密度下所比較算法的數據傳遞率的變化趨勢。max-weight-quality方案考慮下一跳節點選擇過程中的緩存，將鏈路質量（即節點處的信噪比）視為第二選擇度量，如果多個鏈路的權重等于最大權重，該方案選擇信噪比最大的鏈路用于信息傳輸。WeiSTARS方案是基于加權概率信任感知中繼選擇策略，主要利用協作感知消息（CAM, cooperative awareness message），將依據車輛和上下文相關信息計算得到的不同參數相結合，來選擇下一跳中繼節點。仿真實驗中假設網絡中所有節點均為合作節點，因此WeiSTARS方案中不誠實的車輛對信息傳輸的影響忽略不計。由圖3可知，隨著節點密度的增加，所有方案的數據傳遞率均有所增長。這是因為節點的增多使當前節點通信范圍內的鄰居節點增多，下一跳節點的可選擇范圍也隨之增大。特別是在稀疏環境下，節點密度的增加可顯著提高數據傳遞的成功率。得益于無人機的應用，本文提出的節點接入機制的數據傳遞率優于max-weight-quality方案和WeiSTARS方案。

圖3 節點密度對數據傳遞率的影響

圖4描述了信干噪比SINR對各方案數據傳遞率的影響。由圖可知，當SINR增大時，各算法的數據傳遞率均有所增長，其中 max-weight-quality方案的傳遞率低于本文所提出的節點接入機制，優于 WeiSTARS方案。原因在于，一定程度上提高SINR值保證了鏈路質量以及信息傳輸的可靠性，從而提高數據傳遞率。另一方面，與本文提出的方案相比較，max-weight-quality方案未考慮網絡中存在的干擾問題，而WeiSTARS方案在鏈路穩定度和質量方面僅考慮了車輛的相對距離及障礙物對鏈路質量的影響，并未考慮節點發射功率對鏈路干擾的作用。

圖4 SINR對數據傳遞率的影響

5.2.2 平均端到端時延

圖5表明了網絡中節點密度對平均端到端時延的影響。這里，端到端時延主要考慮排隊時延和傳輸時延。由上文分析可知，節點密度的增加使所比較方案的數據傳遞率有所提高，因此平均端到端時延會降低。此外，為了減少節點之間的鏈路切換次數，本文所提出的接入機制在選擇接入對象時優先選擇鏈路連通時間較長的節點，使數據可以在較短時間內完全傳輸，因此，信息傳輸時的端到端時延低于其他2種方案。

圖5 節點密度對平均端到端時延的影響

圖6評估了信干噪比SINR值對所比較算法的平均端到端時延的影響。對于足夠大的SINR，max-weight-quality方案的時延將收斂到一個與候選鏈路數目和緩存大小相關的值；在SINR較小的情況下，中斷概率的降低和數據傳遞率的提高使其時延低于 WeiSTARS方案。而WeiSTARS方案為了確保通信的可靠性和安全性，側重考慮車輛之間的相對距離、鏈路的穩定性和質量以及接收成功的概率等因素，以避免過多的數據分組重傳導致網絡過載。本文所提出的節點接入機制同時考慮了傳輸可靠性和鏈路干擾的問題，在時延方面優于 imax-weight-quality和WeiSTARS方案。

圖6 SINR對平均端到端時延的影響

5.2.3 網絡吞吐量

不同節點密度下所比較算法的網絡吞吐量的變化如圖 7所示。如圖 7所示，隨著節點密度的增大，所比較方案對應的網絡吞吐量均有所提高。這是因為節點密度的增加可顯著提高數據的傳遞率，網絡吞吐量也隨之增加。本文所提出的節點接入機制旨在降低干擾并提高通信可靠性，同時提高網絡吞吐量，其獲得的吞吐量也高于 imax-weight-quality方案和 WeiSTARS方案。

圖8描述了由各種方案實現的網絡吞吐量與信干噪比SINR的關系。由圖8可知，隨著算法中對應的SINR增加，3種方案的網絡吞吐量均有所增長，而干擾感知的接入機制的網絡吞吐量明顯高于max-weight-quality和WeiSTARS這2種方案。這是因為本文所提出的機制優先選擇連通時間較長的鏈路并且對節點發射功率進行了優化來減輕對網絡中其他鏈路的干擾，有助于吞吐量的提高，max-weight-quality方案則僅考慮了噪聲對網絡通信的影響而忽略了鏈路對其他節點之間通信的干擾。與此同時，imax-weight-quality方案假設源節點和中繼節點與中繼節點和目的節點之間的鏈路容量一致，根據鏈路質量來選擇中繼節點，與WeiSTARS方案相比，本文方案在吞吐量收益上有明顯的改善。

圖7 節點密度對網絡吞吐量的影響

圖8 SINR對網絡吞吐量的影響

6 結束語

本文考慮在利用無人機輔助車聯網通信場景下的信息傳輸可靠性問題。為解決由于節點移動以及鏈路質量低/中斷導致的鏈路頻繁切換問題，將節點接入問題形式化為一個與鏈路傳輸速率、鏈路切換次數和節點發射功率相關的優化問題，提出了一種干擾感知的節點接入機制。利用原始對偶方法得到鏈路的最優傳輸速率及節點的發射功率，以此作為選擇接入對象的依據。該機制在保證鏈路可靠性的同時能夠減少鏈路切換次數。仿真結果表明，該接入機制能在改善數據傳遞率和平均端到端時延的同時，提高網絡吞吐量。

將無人機引入車聯網進行輔助通信，在提高網絡吞吐量和改善服務質量的同時，也會帶來較高的成本及能耗問題，后續工作將重點關注無人機的能源效率，考慮無人機的部署和運行軌跡設計問題。