車聯網城市交通移動多場景建模仿真及分析①

王 超

(長安大學 信息工程學院，西安 710064)

引言

隨著物聯網技術的快速發展，近年來城市交通發展正朝著智能化、安全化和高效一體化方向推進.而車載自組織網絡(Vehicular Ad Hoc NETworkS，VANETS) 的廣泛應用無疑起到了關鍵的支撐作用，VANETS 作為一種特殊的移動Ad Hoc[1]，其原理是通過在車輛上裝配相關電子設備，并關聯通信范圍內的路側單元(Road Side Unit，RSU)，利用無線通信技術實現網絡中車與車之間的通信(V2V)和車與基礎設施之間的通信(V2I)[2].

當前研究人員針對移動Ad Hoc 類型網絡下的協議仿真和節點通信的研究多是基于隨機路點移動模型(Random WayPoint mobility model，RWP)、隨機方向移動模型(Random Direction Model，RDM)和隨機漫步移動模型(Random Walk Mobility model，RWM)等移動模型[3]，而此類模型的最大特點就是節點移動的隨機性.對比真實場景下的交通流運行狀況，上述模型中的節點移動特性不能較為真實地反映實際情況中車輛節點的移動特點[4].當前城市交通中有交叉路口、匝道、潮汐車道以及雙向快速四車道等多種移動場景，為了體現場景的通用性和代表性，本文采用VanetMobiSim仿真器構建不同交通場景下的節點移動模型以逼真模擬真實交通流，以此構建交叉路口和雙向快速四車道這兩種在車輛密度、車速以及拓撲結構上有明顯區分度的城市常見交通移動場景.

當前車載自組織網絡中所使用的路由協議大部分起源于傳統的移動Ad Hoc 網絡[5]，而基于網絡拓撲結構的路由協議是Ad Hoc 網絡下最具代表性的一類協議，根據路由的驅動方式又可將該類型的協議分成先應式路由協議(又稱表驅動路由協議)和反應式路由協議(又稱按需路由協議)[6，7].其中DSDV (Destination-Sequenced Distance-Vector routing)是經典的表驅動路由算法[8]，而AODV (Ad Hoc On-demand Distance Vector routing)是經典的源驅動路由算法[9].

所以本文擬在NS2 仿真環境下引入這兩種不同類型的協議并在不同應用場景中進行仿真實驗，以此對比不同協議在不同移動場景下的通信效果.

1 節點移動模型概述

節點移動模型的作用是描述節點的移動方式，包括其方向、位置、速度及加速度等[10]，通過對車輛具體行為的抽象描述，數據化處理節點在每個時鐘嘀嗒的行為動作，最終生成相關的車輛行駛信息，而車輛節點通過遍歷該信息完成整個移動過程.根據節點的移動特性又可以將節點移動模型劃分成獨立節點移動模型和具有群組特性的節點移動模型.

獨立節點移動模型主要包括隨機路點移動模型、隨機方向移動模型和隨機漫步移動模型.在進行移動Ad Hoc 網絡仿真實驗時，研究人員經常采用上述的三種移動模型構建相關的移動場景.其中，Maurya AK 等[11]使用隨機路點移動模型來設計網絡，基于平均端到端延遲，分組投遞率，吞吐量和平均抖動率評價移動Ad Hoc 網絡下不同協議的性能特性.Gupta P 等[12]基于隨機路點移動模型，研究AODV，DSDV，DSR 和OLSR在分組投遞率，平均端到端延遲和標準化路由負載方面的性能區別，以此評估節點移動性對路由協議的影響.Carofiglio G 等[13]在引入隨機方向移動模型的基礎上，研究易受到由節點移動引起鏈路故障的路由的可用性和持續時間概率，通過考慮研究路由可用性選擇最佳路由，提出了一種提高反應路由協議效率的方法.Sharma A 等[14]在隨機漫步移動模型下比較了反應式和主動式協議，并討論了不同類型的協議所適合的網絡類型.Mohanborah A 等[15]對移動Ad Hoc 網絡下的隨機路點移動模型、隨機方向移動模型和隨機漫步移動模型進行了對比分析，通過調節相關參數對網絡的擁塞控制進行研究.

由于真實車載自組織網絡下的車輛節點具有群組特性，且受到最大速度、路口方向選擇、以及紅綠燈等其他因素的影響，而傳統仿真過程中使用的上述3 種移動模型存在節點平均速度衰減、穩態分布不均勻以及節點密度波動現象[16]，且均沒有考慮真實交通場景下如紅燈減速、換道超車以及讓行等各種行為和限制，進而導致對仿真結果的分析產生很大的誤差，所以不適合采用此類模型進行車載自組織網絡下的路由協議仿真[4].

通過引入適當的移動模型可以合理評價不同路由協議在不同場景下的性能，為了正確模擬現實網絡中的拓撲結構和客觀反映車輛節點的移動特性，并真實展現交通場景中的交通流運行狀況以及有效對比評估協議通信效果，本文首先針對常見的交通應用場景進行仿真，即建立交通移動場景模型.

2 城市交通場景移動模型構建

通過分析車聯網的拓撲結構以及車輛節點的移動特性，本文設計構建了交叉路口和雙向快速四車道這兩類應用場景的移動模型.

2.1 交通場景移動建模

本文中所構建的交叉路口移動場景和雙向快速四車道移動場景均是對IDM (Intelligent Driver Model)模型進行擴展[17]，其中雙向快速四車道具備超車和多車道功能，而交叉路口場景在此基礎上又增加了交叉路口管理功能[18].

雙向快速四車道場景可描述為兩個相反方向的直行車道各占兩條車道，車輛時速為40 km/h-70 km/h，即在城市交通環境中交通流較為通暢的狀態.同方向的車道允許車輛間實現換道、超車等行為，而不同方向的車道間不可逾越，并以隔離帶的形式分隔開.在車與車之間能夠互相通信的前提下，可以通過設置車輛的安全換道時間和禮貌因子對車輛換道行為及駕駛員素質進行描述[19]，其中安全換道時間指的是完成換道所要花費的時間，而禮貌因子則描述的是該駕駛員的駕駛素質，若禮貌因子為負則認為駕駛員具有自私行為.通過兩者的有機結合可以對車輛的行駛特性進行更為深刻的描述.

交叉路口場景是由交通標志管理和由交通燈管理的交叉路口，交叉路口車輛時速在15 km/h-35 km/h 之間，通常城市交通中交叉口車流量較大，車速較慢.本模型中一旦車輛在停車標志前停止，它就會被告知所有引入該交叉路口的等待通行的車輛的數量.如果數量為零，則該車輛可以通過，否則，需遵循先到先過以及右轉彎規則.當車輛駛向紅綠燈交叉路口時，如果是綠燈，車輛將以現行的速度駛過交叉路口.如果是紅燈，車輛將拒絕通過并且使用類似于停車標志、修改IDM參數的方式使車輛減速最終停在交叉路口前.

當遇到紅綠燈時，車輛的行駛動作可以根據紅燈到綠燈以及綠燈到紅燈的轉換而做相應的動態改變.前一種情況下，遇到紅燈減速前行的車輛在遇到綠燈亮時，可以再次加速.在后一種情況下，保持現有狀態駛向綠燈的車輛，當紅燈亮它還沒有通過交叉路口時，將會停止前行.由于道路之間車道數量會有所不同，所以靠近交叉路口的車輛會根據VanetMobiSim 的宏移動性得到它將要駛入的道路結構.然而，在車輛駛過交叉路口后，有以下行為方式：如果車輛正在行駛的車道也在它行駛路徑的下一條車道上，那么車輛駛過交叉路口后繼續在下一條街的相同車道上行駛；如果車輛正在行駛的車道在交叉路口的下條街道上不存在，那么當車輛接近交叉路口時它會駛向街道的右邊.如果不能這樣行駛，例如車道的右邊交通很擁擠，則于交叉路口處等待直到車道空閑.

2.2 模型參數設置

在本文的設定中，在雙向快速四車道移動場景下，車輛行駛速度較快，車輛密度較為稀疏，網絡拓撲結構變化較快；而與之形成鮮明對比的是交叉路口移動場景下，車輛行駛速度較慢，車輛密度較密集，網絡拓撲結構變化較慢；對應上述宏觀描述的微觀參數設定見表1和表2，交叉路口及雙向快速四車道移動場景模型如圖1、圖2所示.其中舒適減速度指的是當前車輛以某一固定的減速度(m/s2)從當前速度開始減速直至車輛停止，減速過程符合到停車點位置的距離約束，且減速停車的過程緩和，未出現急剎車等影響駕乘體驗的減速行為，即整個過程即滿足環境和交通約束，也使得車內人員有良好的駕乘體驗.

表1 交叉路口移動場景仿真參數設定

表2 雙向快速四車道移動場景仿真參數設定

圖1 交叉路口移動場景某時刻狀態仿真圖

圖2 雙向快速四車道移動場景某時刻狀態仿真圖

本文對于交叉路口和雙向快速四車道的舒適減速度的設定均是通過采集現實場景中對應場景下的大量實體車輛并作均值計算而設定的.

3 仿真結果與分析

為了模擬車輛節點間的網絡數據通信，本文采用NS-2 針對網絡通信過程進行仿真.通過向NS-2 中引入VanetMobiSim 仿真器產生的車輛節點行車軌跡數據，實現逼真交通移動場景下的車輛通信聯合仿真實驗.NS2 仿真器的相關參數設置如表3所示，同時采用時延、開銷、抖動率和丟包率4 個常用指標評價協議的性能.

表3 NS2 中移動節點參數設置

3.1 交叉路口場景協議仿真對比

車載自組織網絡仿真范圍設定為1000 m×1000 m，仿真時間為60 s，交叉口附近的車輛數設定為40 輛，駛入或駛離交叉口的速度維持在15 km/h-35 km/h.

① 端到端時延對比

通過圖3和圖4兩種路由在交叉路口處的端到端時延的表現對比可以發現，AODV 協議的時延區間維持在(0，0.17 s)，而DSDV 協議的時延區間維持在(0，0.04 s)，且DSDV 協議運行過程中的大部分時間節點處的延遲均比相同時間節點處使用AODV 協議傳輸的延遲短.

② 協議開銷對比

通過圖5中兩種路由協議在交叉路口處的控制包開銷對比可以發現，DSDV 的協議開銷高于AODV 的協議開銷，且二者皆有增長的趨勢，即隨著時間增長，DSDV 的協議開銷將會遠遠高于AODV 的協議開銷.

圖3 交叉路口場景下時使用AODV 協議的端到端時延

圖4 交叉路口場景下時使用DSDV 協議的端到端時延

圖5 交叉路口場景下協議開銷對比

③ 抖動率對比

圖6和圖7表明，AODV 協議的抖動率區間在(-1，0.7)，而DSDV 協議的抖動率區間在(-0.15，0.15)，且DSDV 協議運行過程中的大部分時間節點處的抖動率比相同時間節點處使用AODV 協議傳輸的抖動率小.

圖6 交叉路口場景下時使用AODV 協議的抖動率

圖7 交叉路口場景下時使用DSDV 協議的抖動率

④ 丟包率對比

圖8表明，在交叉路口場景下AODV 協議的丟包情況比DSDV 嚴重，但隨著時間的推移，兩種協議下的丟包情況均趨向緩和，且有逐漸穩定的趨勢.

圖8 交叉路口場景下協議丟包率對比

3.2 雙向快速四車道場景協議仿真對比

仿真范圍設定為2000 m×20 m，仿真時間設定為160 s，四車道車輛數為40 輛，車輛行駛速度維持在40 km/h-70 km/h.

① 端到端時延對比

圖9和圖10表明，隨著仿真時間推移，DSDV 端到端時遲有增大的趨勢，而AODV 時遲增大趨勢較緩.

圖9 雙向快速四車道場景下時使用AODV 協議的端到端時延

圖10 雙向快速四車道場景下時使用DSDV 協議的端到端時延

② 協議開銷對比

圖11表明，DSDV 的協議開銷高于AODV 的協議開銷，且二者皆有增長的趨勢，即隨著時間增長，DSDV的協議開銷將遠遠高于AODV 的協議開銷.

③ 抖動率對比

圖12和圖13表明，AODV 和 DSDV 二者在抖動率整體趨勢上沒有明顯差別，但通過對比發現運行AODV 協議的網絡的平均抖動率相較于運行DSDV協議的網絡平均抖動率小很多.

圖11 雙向快速四車道場景下協議開銷對比

圖12 雙向快速四車道場景下時使用AODV 協議的抖動率

圖13 雙向快速四車道場景下時使用DSDV 協議的抖動率

④ 丟包率對比

圖14表明，AODV 協議的丟包情況比DSDV 嚴重，但隨著時間的推移，兩種協議下的丟包情況均有緩和，且均有下降的趨勢.但可以看出AODV 協議丟包率下降趨勢明顯較快.

通過上述時延仿真結果分析發現，AODV 路由協議可以較好地適應雙向快速四車道這樣的網絡拓撲結構變化較為頻繁的環境.一旦節點發生移動，只需要更新有發送數據需求的相關路徑的路由信息即可，相較于DSDV 這類的先驗式路由協議，其自身沒有大量的控制消息，所以協議開銷較小.對于復雜多變的場景，AODV 表現出較強的適應性和較好的穩定性，在保證時延處于可接受范圍內的同時，開銷也相對低一些.但由于AODV 缺少路由表進而導致在面對類似交叉路口這類的擁塞場景時，數據傳輸過程存在較大延遲，且網絡傳輸不太穩定，初始時的丟包率也偏高.而在使用DSDV 協議的過程中，一旦源節點需要發送報文，就可以立即得到到達目的節點的路由，因此該路由的時延較小，但在面對雙向多車道這樣的網絡規模龐大、網絡拓撲結構變化較快的場景時，由于存在大量控制報文導致協議開銷較大，進而造成傳輸效率偏低.

圖14 雙向快速四車道場景下協議丟包率對比

仿真實驗結果表明，在面對復雜多變的交通場景時，AODV 這類的反應式路由協議表現出較好的適應性.通過端到端時延和開銷的綜合分析評價，可以看出相比于DSDV 這類的先驗式路由協議，其在傳輸效率上有著較為明顯的優勢.而結合抖動率和丟包率的表現情況來看，AODV 這類的反應式路由協議在消息安全和完整投遞方面則受多種環境因素影響，盡管整體趨勢逐漸變優，但初期表現不理想且后期效果存在波動.

3.3 環境因子對AODV 協議影響分析

為了進一步研究影響AODV 性能的環境因素，本文決定從網絡通信量和拓撲結構變化及復雜程度兩大方面入手，以帶有交叉口的雙向快速四車道的環境為仿真場景，其中網絡通信量以車輛節點最大聯機數(即產生的數據流數目)和車輛節點發包率(每秒送出的封包數)為變化因子；拓撲結構變化及復雜程度以車輛節點的速度和密度為變化因子，以丟包率為評價標準，對AODV 協議的安全穩定性受影響因素進行分析.

通過圖15和圖16三維圖像的對比可以發現，在維持其他影響因素不變的情況下AODV 協議的安全穩定性受網絡拓撲結構變化和復雜性影響程度遠遠高于受網絡通信量影響.因此為了提升AODV 這類的反應式路由協議的安全穩定性，需著眼于網絡拓撲變化及復雜程度，通過引入地理位置等信息輔佐路由建立和數據傳輸，從而提高該協議的性能.

圖15 AODV 協議下丟包率隨拓撲結構變化快慢及復雜程度變化曲面

圖16 AODV 協議下丟包率隨拓撲結構變化快慢及復雜程度變化曲面

4 總結和展望

目前，大多數的路由協議仿真都是基于傳統的RWP、RDM 和RWM 等移動模型場景，這種隨機移動模型場景不能真實客觀地反映真實交通流的移動特性.而本文所構建的交叉路口和雙向快速四車道移動的兩種模型是典型的群組模型應用，均包含了關于車輛速度和加速度、對車輛隊列管理和擁塞管理等因素的描述.其中，交叉路口模型側重交叉口車輛管理，雙向快速四車道集成了一個超車模型以及加減速度管理.在本文的仿真試驗中，針對交叉路口采用的是管理智能駕駛模型，分別從端到端時延、協議包開銷、抖動率、丟包率4 個方面仿真了AODV 和DSDV 這兩種路由協議在不同場景下的性能效果.實驗結果表明DSDV 在簡單穩定的交通場景下表現出較高的傳輸效率和穩定性，而AODV 在復雜多變交通場景下表現出良好的適應性.為了分析AODV 受何種因素影響較大，本文再次針對AODV 做了詳細分析，發現網絡拓撲結構變化頻率和復雜程度對AODV 協議的穩定性和安全性影響較大.本文提出的模型，相較于傳統的random waypoint 等模型更能貼近實際地描述車輛群體間的協作和共生狀態，具有較高的真實性和可信度.

為了實現高效穩定的數據傳輸，后期作者準備引入地理位置信息，用以輔助合適的協議選擇，形成自適應的協議決策推薦系統，并根據周邊交通流狀況適時調整路由選擇和數據傳輸等動作，以達到不同路段協議適配最優，協議使用過程中建立高效路由并實現數據的穩定傳輸.