城市車載網絡的路邊單元部署機制
2021-03-21 05:11:58陳瀟然唐曉嵐陳文龍柴明璐
小型微型計算機系統 2021年3期
陳瀟然，唐曉嵐，陳文龍,柴明璐
(首都師范大學 信息工程學院，北京 100048)
1 引 言
車載自組織網絡(Vehicular Ad hoc NETworks,VANETs)簡稱車載網絡，是一種專用于汽車通信領域的特殊移動自組織網絡，主要是由固定部署的路邊單元(RoadSide Units，RSUs)和安裝有車載設備的車輛節點構成[1]，其特點和挑戰體現在車輛節點移動速度快，網絡拓撲高度動態以及通信連接頻繁中斷[2]等方面.作為智能交通系統的重要構成部分，車載網絡通過具有感知和通信能力的車載單元，依據專用短程通信標準實現車輛與車輛通信(Vehicle to Vehicle,V2V)[3]以及車輛與路邊基礎設施通信(Vehicle to Infrastructure,V2I)[4]，支持交通相關數據在車輛之間傳輸，提高車輛行駛過程中的安全性[5]、可靠性[6]和道路交通的運行效率，同時減少了交通運輸對環境的污染，節約能源，提高了資源利用率[7].
V2I的通信方式改變了傳統交通系統中車輛和道路之間無法進行實時信息交互的現狀，實現了車與路的協同運行.作為VANET的路邊基礎設施，RSU具有較車載節點更為強大的計算、存儲和通信能力[8]，支持遠程無線數據傳輸和互聯網接入，在很大程度上緩解了車載網絡的拓撲分割特性，通過與行駛的車輛進行信息交互，輔助車輛獲取道路交通狀況等信息，同時加速車輛的信息發布，改善車輛節點之間的通信質量和降低通信延遲.
RSU的部署位置直接影響其對車輛通信需求的服務能力和車路通信的質量，在傳統的智能交通系統中，路邊單元的部署通常采用簡單易行的均勻或隨機部署方案，覆蓋效益低，造成資源浪費.另外，RSU部署受多方面條件約束：1)RSU部署受道路網絡的拓撲結構和地理特征的影響[9]，城市場景的路網結構復雜，沿道路部署RSU的候選部署位置多，選擇最優部署位置較為困難；2)車輛移動特性影響RSU部署，當車輛進入RSU通信覆蓋范圍內時，RSU能夠為車輛服務[10]，獲得覆蓋效益；3)RSU部署需考慮成本，大規模部署帶來較高的安裝與維護成本.因此，在復雜的二維城市路網中，如何選擇最優的路邊單元部署位置是車載網絡研究的難題.
本文提出基于路口優先級和部署均勻性的路邊單元部署機制PUD，綜合城市路網拓撲結構和車輛移動規律，依據車流密度、連接中心性和公共交通線路數，計算交叉路口的部署優先級，優先將RSU部署在車流量大、在路網拓撲中起重要作用的交叉路口，從而保證路邊單元在車載網絡中的傳輸服務質量.同時，為了降低部署成本，以均勻部署為目標制定約束規則，包括位置約束、范圍約束、優先級約束和覆蓋約束，符合約束條件的交叉路口優先部署路邊單元.使用北京市出租車軌跡數據的車載網絡實驗表明，與其他路邊單元部署機制相比，PUD機制的部署成本更低，覆蓋率更大.
本文的主要貢獻包括以下3個方面：
1)設計路網模型和覆蓋模型，將RSU部署問題轉化為對目標區域內交叉路口的覆蓋問題；
2)本文設計的部署機制以交叉路口集合作為RSU的候選部署位置，以交叉路口優先級作為部署點選擇的主要依據，優先級的計算方法綜合考慮車輛移動規律和路網拓撲；
3)兼顧部署成本和覆蓋效益兩大目標，在選擇RSU部署位置的過程中，設置4條部署約束規則，在保證RSU覆蓋效益的基礎上降低部署成本.
2 相關工作
在車載網絡架構中，RSU一般被部署在路邊或者交叉路口，用來提高數據的傳輸速率和請求的響應率，進而提升網絡的連通性和整體的服務性能.RSU通常采用靜態部署，部署位置一旦確定，在整個服務期間固定不變，因此前期的部署決策尤為重要.
目前關于RSU部署的文獻可根據應用場景和部署目標進行分類.車載網絡一般有兩種典型的應用場景，即高速公路場景和城市道路場景.高速公路場景較為簡單，車輛的移動受限在一維的道路上，路邊單元一般部署在高速公路的路邊，部署側重于提高網絡性能或節約路邊單元能耗，該場景下傳統的部署方案是均勻部署.文獻[11]研究了一維高速公路場景中RSU通信范圍之間的間隔和系統參數(如數據傳輸率、更新間隔和數據大小等)之間的關系，提出一種啟發式算法，在滿足一定網絡性能指標的前提下確定RSU的部署間隔，等間隔部署RSU.文獻[12]以整體網絡吞吐量最大化為目標，考慮外界環境(無線電干擾等)和道路參數(如車輛分布、車速等)的影響，提出一種高速公路模型下的RSU部署方案，利用整數線性規劃模型求解使網絡吞吐量最大化的最少RSU部署個數.啟發式和博弈論的思想也被用于高速公路場景下RSU的部署問題上，文獻[13]綜合考慮RSU部署的成本和能耗問題，提出一種氣球優化方法，將RSU看作氣球，通信范圍為氣球邊界，利用氣球自然膨脹的動態過程找到部署位置的最佳解決方案.
在城市道路場景中，車載網絡的通信區域內存在建筑物、樹木等障礙物，且車輛的行駛路線更加多樣，使得路邊單元的部署比高速公路場景更為復雜.傳統的隨機部署和熱點部署的覆蓋效果并不理想，因此一些研究關注于二維城市場景下RSU部署策略.文獻[14]在部署成本的限制下設計RSU的完整部署方案，實現RSU之間的最大連通性，從而找到城市場景中RSU最佳部署位置使得成本最低.文獻[15]根據城市車流量的分布情況，確定城市中的流量熱點區域，在熱點區域之間沿道路部署多個RSU形成主干鏈路，以連接各個熱點區域.文獻[16]研究觀點與一般思路不同，作者認為在車流量大的區域V2V通信就可以滿足車輛的通信需求，設計與車流量成反比的參數計算來選擇部署點，在車流量相對較低的區域部署RSU，目的是以低成本獲得高效的系統發生事故時的緊急提醒服務.
根據RSU部署問題的目標不同，相關研究可以分為兩類，服務性能最大化的RSU部署和成本最小化的RSU部署.服務性能最大化的RSU部署通常預設部署的總成本，在此條件下計算服務性能最優的RSU部署方案，此類部署包括覆蓋率最大化部署，連通性最大化部署和時延最小化部署等.覆蓋率最大化部署的側重點是追求服務質量，在成本一定的情況下，覆蓋率越大，意味著車輛進入RSU覆蓋范圍的概率增大，進而使得車輛能夠最大化地被服務.連通性同樣決定著網絡的服務質量，連通性最大化部署旨在提高連通性，減少有限數量RSU的連接斷開.文獻[17]提出以最大化覆蓋率為目標函數的MCP問題，通過啟發式的算法解決該問題，在給定RSU數量的基礎上實現RSU最優化部署.文獻[18]以每個道路的交叉路口作為RSU的候選位置，以提高網絡連通性并減少斷開間隔為目標，根據每個候選位置通信范圍內所接收到的車輛報告數來選擇部署位置.文獻[19]以最小化信息傳播時延為目標，提出一種遺傳算法，能夠針對車載網絡的高度分割特性，為靜態的RSU部署找到合適的位置.
成本最小化的RSU部署則是在達到服務質量要求的前進下，追求成本最小化.成本限制勢必導致RSU部署數量的減少進而使RSU的覆蓋范圍變小，但同時又要滿足特定的網絡服務請求.文獻[20]針對二維車載網中RSU的部署，采用整數線性規劃的方法，證明RSU的需求量和成本之間的非線性關系，提出一個RSU部署的最低成本方案，以最小化部署成本為目標進行部署.文獻[21]將部署問題轉化為一個以最小化部署成本為目標函數，以已部署RSU覆蓋有服務需求的所有區域為約束條件的二進制整數規劃問題，通過分支定界法解決這一問題，有效降低了復雜度.
為了提高車載網絡的服務性能，如何在不同場景以及不同的優化目標下選擇合適的RSU部署位置亟待深入研究.因此，本文在復雜的二維城市場景下，以降低RSU部署成本并提高網絡服務質量為目標，綜合城市路網拓撲結構和車輛移動規律，設計優化的RSU部署機制.
3 RSU部署問題分析與模型建立
本文假設所有RSU具有相同的通信半徑，RSU能夠與其通信范圍(也稱覆蓋范圍)內的車輛或其他RSU相互通信.與RSU的覆蓋范圍相比，道路的寬度可以忽略不計.為了實現更大程度地空間覆蓋，RSU通常被部署在一些具有重要空間特點的位置.Dubey B.B.提出，相比于其他位置，將交叉路口作為RSU的部署位置，RSU的覆蓋范圍將增加大約15%[22].因此，本文使用目標路網中所有的交叉路口作為RSU候選部署位置集合.
3.1 路網模型
城市道路網絡是由交叉路口和路口之間的路段組成的復雜網絡系統，本文將其抽象成網絡圖表示，記為G=(V,E).G由頂點集及其之間的邊集構成，V是網絡中交叉路口的集合，記為V={v1,v2,…,vn}，E表示交叉路口之間的位置關系，當兩個交叉路口vi和vj之間有道路直接相連時，則生成邊
圖1 城市路網示例及其路網模型Fig.1 Urban road network example and corresponding road network model
3.2 車輛軌跡模型
車輛軌跡模型由沿城市道路行駛的所有車輛節點在一段時間內的移動軌跡組成，某一車輛在目標路網中的移動過程形成該車輛的軌跡.車輛軌跡數據反應了時間和空間兩維信息，是典型的時空數據.在特定時刻的車輛位置稱為車輛的軌跡點，按時間順序排列的一系列軌跡點構成該車輛的軌跡數據，將其形式化描述為：
TS={Tp1,Tp2,Tp3,…Tpi,…}
(1)
其中，TS為某一車輛軌跡數據，Tpi={(xi,yi),τi,si,di}為該車輛在τi時刻的軌跡信息，(xi,yi)為該車輛在τi時刻的經緯度位置信息，si為該車輛在τi時刻的行駛速度，di為該車輛在τi時刻的行駛方向.
城市車輛軌跡受城市路網模型的影響，反映了車輛在時間和空間上的分布特性，且能夠用于計算路邊單元的覆蓋效益.若車輛節點位于RSU的通信覆蓋范圍內，則能夠與RSU通信.由此，位于RSU覆蓋范圍內的車輛節點個數反映了該RSU的覆蓋效益.
3.3 覆蓋模型
RSU部署問題用覆蓋模型C(CR,r,m)表示，其中CR表示路網中部署的RSU能夠覆蓋的交叉路口集合，r代表RSU通信半徑，m表示路網中部署的RSU個數.
(2)
圖2 覆蓋模型Fig.2 Coverage model
4 基于優先級和均勻性的RSU部署機制
本文提出的基于優先級和均勻性的RSU部署機制(PUD)針對城市車載網絡中的RSU部署，旨在尋找合適的RSU部署位置，使在覆蓋路網所有交叉路口的前提下最小化部署數量.該方案有兩個核心的部署原則：1)選擇高優先級的交叉路口部署；2)部署的RSU位置盡可能均勻.
4.1 路口優先級的計算
PUD機制依據路口優先級選擇RSU部署位置，本節將討論路口優先級計算的3個因素：車流密度、連接中心性和公共交通線路數.
4.1.1 車流密度
交叉路口的車流密度是指單位時間內經過該交叉路口的車輛數目，路口vi的車流密度記為f(vi).在車流密度較大的交叉路口處部署路邊單元能夠獲取更多的覆蓋效益.由于我國城市道路交通規劃設計規范(GB50220-95)中規定了城市道路交叉路口的范圍為140m-180m，實驗中設置交叉路口范圍為160m.
4.1.2 連接中心性
交叉路口的連接中心性是指與其有道路直接相連的路口個數，表征路網中一個路口與其他路口的相互連接程度，連接中心性越大意味著該路口的連通性越好，交通承載力越大.因此，在連接中心性較大的路口處部署路邊單元，有益于提高路邊單元的覆蓋效益.對于一個擁有n個交叉路口頂點的網絡圖，交叉路口vi的連接中心性記為c(vi)，計算公式如下：
(3)
圖3 連接中心性的累計分布圖Fig.3 CDF of connection centrality
由于不同城市道路在種類、作用和交通功能以及沿線建筑物的服務功能上有所不同，影響著城市路網結構，對應的交叉路口也承載著不同的車流量.因此，將城市道路的等級劃分與之前的連接中心性計算方法相結合，賦予不同等級的道路以不同的權值?.
根據道路在城市道路系統的地位、性質和功能，將城市道路分為3類：主干道、次干道和支路.主干道是城市道路網的骨架，負責聯系市區各主要地區、近郊區和主要的對外出路，承擔城市主要客貨運交通，具有較大的通行能力；次干道是城市內普通的交通干路，負責聯系各區和配合主干道，分擔主干道的交通壓力；支路是次干道和街坊路的連接線，以生活性功能為主，承擔局部區域內部交通的集散和出入，分擔部分交通流量并彌補主次干道網的缺點.
改進的連接中心性由相鄰交叉路口個數和路口間道路的等級共同決定，其計算方法為：
(4)
其中，Ek為路網模型中不同等級道路的邊集合，k取1、2和3分別對應主干道、次干道和支路；?k為路口vi和vj之間道路的權值，道路為主干道、次干道和支路時權值分別為1、0.75和0.25.
4.1.3 公共交通線路數
公共交通線路數是指城市公共交通系統中經過該交叉路口的線路個數，這里的公共交通線路主要包括普通公交線、機場線、直達快車線和專線等線路.路口vi的公共交通線路數用l(vi)表示.公共交通線路的規劃與居民出行和城市空間結構密切相關，經過路口的公共交通線路數量在一定程度上反映了該交叉路口的交通熱度.因此,在該值較高的路口部署路邊單元具有更高的覆蓋效益.在本文實驗的目標區域中，包含公共線路304條，其中上行和下行線路視為兩條線路.
在使用交叉路口的車流密度、連接中心性和公共交通線路數計算路口優先級時，為了統一這3個影響因素的取值范圍使其具有可比性，對3個因素的取值進行歸一化處理，用fi、ci、li分別表示這3個影響因素歸一化后的取值.以車流密度f(vi)為例，其歸一化計算方法為：
(5)
其中，函數min()和max()分別求得所有交叉路口的車流密度的最小值和最大值.同理可得連接中心性和公共交通線路數的歸一化方法.
綜合交叉路口vi的車流密度fi、連接中心性ci和公共交通線路數li，計算該路口部署RSU的優先級，即：
pi=wf×fi+wc?×ci+wl×li,
(6)
其中，wf、wc?和wl分別是車流密度、連接中心性和公共交通線路數的權重，均取正值且wf+wc?+wf=1.由式(5)可見，這3個因素均與路口優先級正相關.
4.2 路邊單元部署規則
為了避免按照優先級依次部署路邊單元造成的部署位置聚集現象，本文制定了指導RSU均勻部署的四條部署規則.為了清楚地解釋這些部署規則，首先將交叉路口的部署狀態分為四種，即已部署狀態(Deployed)、候選部署狀態(Candidate)、可替換部署狀態(Pending)和不部署狀態(Non-deployed).在部署開始之前，所有路口均處于候選部署狀態；在部署過程中，受部署規則約束，路口發生狀態轉變；在部署結束時，所有路口均為已部署狀態或不部署狀態，處于已部署狀態的路口為最終RSU的部署位置.
規則1.(位置約束)在已部署狀態的路口覆蓋范圍內的其他路口不作為路邊單元的部署位置，變為不部署狀態.
規則2.(范圍約束)在當前候選部署狀態的路口覆蓋范圍內的其他候選部署路口，狀態調整為可替換部署狀態.
規則3.(優先級約束)可替換部署狀態的路口與被替換的候選部署路口的優先級差值應在閾值λ范圍內.
規則4.(覆蓋約束)相比于當前候選部署狀態的路口，若可替換部署狀態路口的覆蓋范圍內包含更多的候選部署路口，則選擇可替換部署狀態的路口為RSU部署位置.
規則2和規則3是由候選部署狀態向可替換部署狀態轉換的約束條件.
4.3 PUD部署機制
城市道路網絡中所有的交叉路口V為路邊單元的候選部署位置集合；依據路網內真實的車輛軌跡數據，統計交叉路口的車流密度；根據構建的路網模型，計算路口的連接中心性；依據城市公共交通線路信息，統計經過路口的公共交通線路數，進而計算每個路口的部署優先級.初始化所有交叉路口的狀態為Candidate，接下來執行下面步驟.
Step 1.選擇優先級最高的Candidate路口為當前路口，依據范圍約束和優先級約束，尋找當前路口覆蓋范圍內的可替換路口，若存在，該路口狀態變為Pending，否則當前路口選為部署位置，由Candidate狀態變為Deployed狀態；
Step 2.對所有狀態為Pending的路口，依據覆蓋約束，判斷覆蓋范圍內Candidate路口數量，并與當前路口覆蓋范圍內的Candidate路口數比較；若當前路口覆蓋的Candidate路口最多，則當前路口選為部署位置，由Candidate狀態變為Deployed狀態；否則選擇覆蓋范圍內路口最多的Pending路口做為部署位置，狀態變為Deployed；若多個Pending路口覆蓋路口數最多且相同，則選擇優先級最高的Pending路口做為部署位置，狀態變為Deployed；
Step 3.依據位置約束，已部署路口覆蓋范圍內的其他路口的狀態轉變為Non-deployed；
Step 4.重復Step 1到Step 3，直至所有Candidate路口狀態轉換為Deployed或者Non-deployed.
算法1.RSU Deployment Algorithm PUD
輸入：V,P;
輸出：VR;
1. initialize:VR=?,CR=?;
2. sortVin descending order ofP;
3.whileCR≠Vdo
4. selectvi∈V-CRwith max(pi);
6.vmax=vi;
7.pmax=pi;
9.ifpi-pj≤λthen
11.if|TC|>|TCmax|or(|TC|=|TCmax|andpj>pmax)then
12.TCmax=TC;
13.vmax=vj;
14.pmax=pj;
15.endif
16.endif
17.endfor
18.VR=VR∪{vmax};
19.CR=TCmax;
20.endwhile
21.returnVR;
圖4為圖1路網模型對應的PUD機制部署過程，當前處于已部署狀態的路口為a、b、c、i和j.圖中省略了路網結構，圓點所在位置對應交叉路口，周圍的數字代表該路口的部署優先級.實心點代表已部署狀態的路口，圓代表覆蓋范圍.按照Step 1，優先級為0.65的路口e為當前路口，依據范圍約束
圖4 圖1場景中的PUD機制部署過程Fig.4 PUD deployment results for Fig.1
和優先級約束原則(假設閾值為0.1)，路口f變為可替換狀態.由于可替換路口f的覆蓋范圍內同時包含候選路口e和k，而當前路口e的覆蓋范圍內(虛線圓內)只有候選路口f，符合覆蓋約束，所以最終路口f為RSU部署位置，e和k轉變為不部署狀態.故圖1路網模型經PUD機制選擇部署位置為a、b、c、i、j、k，并實現對場景中11個路口的覆蓋.
5 實驗結果與分析
5.1 實驗環境設置
為了構建二維的城市車載網絡場景，本文選取北京市內東經116°18′～116°23′52″、北緯39°51′42″～39°57′2″之間大約9.05×10km2的矩形區域作為目標區域，該區域內包含1325個交叉路口.圖5展示了目標區域的電子地圖和道路網絡圖.
圖5 目標區域的電子地圖和道路網絡圖Fig.5 Electronic map and road network map of the target area
本文采用的車輛軌跡數據是2015年5月1日-31日期間北京市34,040輛出租車的車輛軌跡數據，每個軌跡點包括車輛的ID、位置、速度、時間戳和行駛方向等信息，數據收集頻率為60秒.本文使用的仿真平臺基于Python設計和實現，網絡的具體配置參數見表1.
表1 實驗參數配置Table 1 Experimental parameter configuration
為了評估部署機制的性能，選擇均勻部署方案UDA(Uniform-based Deployment Approach)[24]和基于中心性的部署方案CDA(Centrality-based Deployment Approach)[25]作為對比方法.對于PUD，分別采用連接中心性和改進的連接中心性作為路口優先級的計算指標，對應的兩種部署方法分別表示為PUD-c和PUD.實驗評估了3個指標：部署個數、覆蓋率和覆蓋時間比例.路邊單元的部署個數反映了部署所需的成本，需要部署的路邊單元個數越多，成本越高.部署效益反映了已部署路邊單元集合的服務性能，通常用覆蓋率表示，覆蓋率是指位于路邊單元覆蓋范圍內的車輛節點占所有車輛節點的比例.覆蓋率越高，車輛與RSU的通信機會越大，RSU能夠更好地為車輛提供有效及時的服務.覆蓋時間比例是車輛節點在移動過程中覆蓋連續性的體現，指的是車輛在運動過程中位于路邊單元覆蓋范圍的時間占比.較高的覆蓋時間比例表明在更多時間里RSU能夠提供V2I傳輸服務，因此部署性能較好.
5.2 實驗結果
4種方法(UDA、CDA、PUD-c、PUD)的對比實驗在同一場景中進行，路邊單元的通信半徑由200m到600m變化，車輛節點的數量不變，其中PUD-c和PUD方法的參數為wf/wc(wc?)/wl=0.4/0.3/0.3和λ=0.15，實驗結果如圖6所示.
隨著路邊單元通信半徑的增加，4個方法的部署個數都減少、覆蓋率增加，相比于UDA和CDA，PUD的部署個數相對較少并且覆蓋率較高.另外，PUD的部署個數和覆蓋率也明顯好于PUD-c.UDA的部署個數和部署間隔有關，因此部署個數均勻減少；其部署位置較為均勻地分散在目標區域中，一些部署位置是車流量極少的偏僻路口，因此對車輛節點的覆蓋有限.CDA所需部署個數最多，這是因為CDA基于度中心性選擇部署位置，選擇指標單一且有局限性，且其部署位置分布不均勻，存在多個小區域內選取眾多部署位置的現象，覆蓋區域間重疊造成一定程度的覆蓋資源浪費.PUD和PUD-c部署位置的選擇解決了CDA和UDA的問題，考慮了部署位置之間的重疊和部署的覆蓋效益，有效避免了部署位置密集的現象.并且隨著路邊單元通信半徑的增加，其覆蓋范圍更大，使得部署的RSU個數下降.隨通信半徑每增加100m，PUD機制部署的路邊單元個數占全部路口數的比例分別是39%、24%、16%、12%、8%，且PUD的平均覆蓋率高于PUD-c約4.2%，證明路口的連接中心性的改進計算是有效的.此外，PUD機制對車輛的覆蓋連續性更好.在CDA方法中，若車輛行駛于中心性較高的區域，則處于RSU通信范圍內的概率較大，而一旦駛離這些區域后，就與RSU斷開連接，導致覆蓋連續性不強.而UDA采用均勻部署機制，車輛的移動特性對覆蓋連續性的影響相對較小.PUD由于部署位置不僅與車流密度有關，而且結合道路網絡拓撲結構，因此PUD對車輛的覆蓋時間比例相對較高.
圖6 RSU部署機制的實驗結果Fig.6 Experimental results of RSU deployment schemes
綜上所述，與UDA和CDA相比，PUD實現了較少的部署個數和較高的部署覆蓋率，同時保證了較高的覆蓋時間比例，完成部署成本低和覆蓋效益高兩大目標.很明顯在復雜的城市車載場景中，PUD優勢更顯著，部署結果更合理.
5.3 參數分析
考慮到式(5)中影響因素權重和算法1中優先級閾值影響著PUD和PUD-c的性能，本節分析了這些參數對部署個數和覆蓋率兩項主要指標的影響.在實驗中，RSU的通信半徑設置為500m，影響因素權重wf/wc?/wl分別設置為0/0.5/0.5、0.2/0.4/0.4、0.4/0.3/0.3、0.6/0.2/0.2、0.8/0.1/0.1和1/0/0，優先級閾值λ設置為0.15，結果如圖7(a)、圖7(b)所示.設置優先級閾值λ從0.05、0.10、0.15、0.20到0.25變化，并且影響因素權重wf/wc?/wl設置為0.4/0.3/0.3，結果如圖7(c)、圖7(d)所示.
當wf的值取0時，f在優先級的計算中不起作用，由于影響因素l的計算方式相同，所以連接中心性c在影響因素中起決定性作用，PUD-c部署的RSU個數多于PUD.當wf取1時，優先級的計算完全由路口車流密度決定，因此PUD和PUD-c的部署完全相同，且部署個數與CDA接近.wf=0.4是兩個指標的極值點，總體而言，改進后的c?要比c計算方式更加合理，0.4/0.3/0.3是PUD影響因子的權重wf/wc?/wl的理想選擇.
隨著優先級閾值λ的增大，部署個數逐漸減少，原因是λ取值對Pending路口的選取有很大影響，閾值越大，可供選擇的Pending路口越多.但λ越大、部署個數越少，并不意味著部署效果越好，從圖中可以看出，λ在取0.15時覆蓋率最高，覆蓋效果最好.比較PUD和PUD-c可知，隨著λ的增加，PUD部署個數平均減少的幅度小于PUD-c，這說明PUD-c的部署受閾值λ的影響較大.進一步說明，PUD在優先級閾值的選取上穩定性更高，性能更好.
圖7 不同參數影響下的實驗結果Fig.7 Experimental results with different weights and different λ
總而言之，適當的影響因素權重和合適的優先級閾值會提升PUD的整體性能.在本章的實驗中，PUD的性能在wf/wc?/wl為0.4/0.3/0.3，λ為0.15時達到峰值，在實際情況下，可以在初步研究階段通過樣本分析來選擇合適的參數取值.
6 總 結
為了提高車載網絡中路邊單元的部署效益和減少部署成本，本章提出了基于路口優先級和部署均勻性的路邊單元部署機制PUD，綜合考慮道路網絡拓撲和車輛移動規律，選擇合適的交叉路口部署路邊單元.首先利用車流密度、連接中心性和公共交通線路數計算路口的優先級，為保證較高的覆蓋率，優先級較高的路口優先部署路邊單元.同時，在部署過程中執行四條約束規則，即位置約束、范圍約束、優先級約束和覆蓋約束，使部署位置盡可能均勻，從而減少路邊單元覆蓋范圍之間的重疊，進而減少部署個數.實驗表明，相較其他方法，PUD具有更低的部署成本、更高的覆蓋率和車輛覆蓋時間比例.
