基于IEEE 802.11p的自適應主次窗口退避機制及驗證*

周興凱，竇祖芳，楊喜娟，楊喬禮

（1.蘭州交通大學自動化與電氣工程學院，蘭州 730070；2.蘭州交通大學電子與信息工程學院，蘭州 730070）

前言

車聯網（internet of vehicles，IoV）作為汽車駕駛、電子信息、交通運輸等行業深度融合的新型產業形態，越來越成為各國競相發展的重要方向。車聯網以車內網、車際網和車載移動互聯網為基礎，利用先進的人工智能、信息處理、通信傳輸、電子傳感及控制等技術，在車與X（X：車、路、人、服務平臺）間進行無線通信和信息交換，是實現智能交通、信息服務和車輛智能控制的一體化網絡［1］。

對于V2X技術，目前國際上主要有專用短程通信 技 術（dedicated short range communication，DSRC）［2］和蜂窩網絡車聯網技術（cellular vehicleto-everything，C-V2X）兩種［3］。其中，DSRC的物理層由標準IEEE 802.11p構成，可實現高速數據傳輸，帶寬可達3～27 Mb/s。IEEE 802.11p標準采用的載波偵聽多路訪問沖突避免（carrier sense multiple access with collision avoidance，CSMA/CA）機制，能很好地保證車輛在移動中的通信效率，但在高密度的場景下現有的指數退避（binary exponential backoff，BEB）算法導致網絡的數據傳輸性能急劇下降。C-V2X是一項利用和提高現有的長期演進技術（long term evolution，LTE）特點及網絡要素的信息技術［4］。同時，基于LTE的C-V2X能夠與5G、6G進行復用。LTE采用多波技術，主要支持靜態場景，對于車輛擁擠的情況可能無法提供所需的效能［5-7］。顯然，結合兩者的優勢，通過兩種技術的融合實現車聯網通信是未來研究的一個方向［8-9］。然而，在交通密集場景中，兩者都不能很好地解決高效數據傳輸。所以，本文主要探討在交通密集場景中，如何降低數據通信時延，以提高系統可靠性。

IEEE 802.11p協議 的MAC層 使用CSMA/CA機制，該機制主要基于競爭窗口（contention window，CW）的指數增長來避免節點沖突。然而，在交通密集場景下，大量的節點同時競爭信道資源時，由于CW的固定尺寸大大降低了系統性能。另外，在交通稀疏場景下，CW的指數級增長會引起信道長時間空閑，導致信道資源浪費，信息的實時性得不到保障［10］。針對不同場景的應用，學者們對IEEE 802.11p相關協議做了大量的研究工作以期提高網絡性能。Du等［11］提出了一種自適應退避算法，通過連續兩幀傳輸數據最大化單位時隙內的傳輸成功率。Karaca等［12］通過改變退避計數器的減量來增強傳統協議的性能，其中退避計數器的減量取決于信道條件和競爭節點的數量。Syed等［13］設計了競爭窗口自適應退避機制，通過網絡負載動態調整CW值，但此類方案均適用于特定場景中。針對在傳輸成功后最小化退避階段導致的沖突和短期低公平性的問題，Lee等［14］提出了一種競爭窗口自適應方案，使用單個退避階段，改善了短期的公平性和吞吐量。隨著日常應用環境中節點數量不斷增加，傳統機制的缺點變得更加明顯。為增強傳統機制的性能，Lin等［15］提出了一種動態連續波控制方案，通過沖突率來動態調整初始CW值以獲得最大吞吐量。然而，該方案沒有對沖突和信道訪問失敗的情況進行區分，忽略了在信道訪問失敗的情況下對CW值調整的策略。Kefa等［16］提出了一種退避過程和信道清晰評估（clear channel assessment，CCA）的組合機制，由此改善在高度動態的環境中網絡的性能。傳統的機制中爭用期較短，導致沖突加劇，直接影響了網絡的可靠性和傳輸時延，Pressas［17］等設計了一種基于QLearning的獎勵機制，能夠估計最優的CW值。在IEEE 802.11p協議中車輛節點通過“競爭”獲得信道資源，為保障數據及時可靠地傳輸，Bharati等［18］提出CRB機制，它是基于D-TDMA的協同MAC協議，通過主動對發端報文進行重廣播提高系統的可靠性，但由于動態拓撲和主動報文中繼的原因，造成了時間槽的浪費，增加了沖突率。IEEE 802.11p標準中缺乏中央協調器，鑒于車輛的高速移動特性，很難實現可靠的多通道協調和自適應資源預留，Cao等［19］提出了一種自適應的高吞吐量多信道MAC協議，解決了系統吞吐量急劇下降的問題。

綜合上述文獻，目前大多數設計的協議都提出了不同的性能增強機制，通過信息重傳、改進競爭窗口、優先級、引入CCA機制等方法來提高信道利用率。然而提出的方法只適用于特定的應用，很難應對通用車聯網所面臨的挑戰，同時探討交通密集場景下IEEE 802.11p協議的成果極少。

因此，針對交通密集場景，本文提出一種基于IEEE 802.11p的自適應主次窗口退避機制，將退避過程劃分為主次窗口，并依據通信狀況動態地調整窗口劃分，達到提高系統的傳輸成功率，減少沖突的發生和降低傳輸時延的目標。仿真結果顯示改進后的機制均能夠滿足交通稀疏和密集環境下數據傳輸需求。本文的主要貢獻總結如下：

（1）主次窗口的劃分能夠大幅降低數據傳輸時延。在傳統機制中，退避窗口的尺寸根據BEB算法實現。當節點沖突后，退避窗口呈指數級增長，退避時間大幅增加。本文首先通過主次窗口的劃分將一個退避過程分為主次退避兩個階段，主退避結束后節點嘗試傳輸數據，沖突后再進入次退避階段，通過增加一次傳輸降低系統時延。

（2）自適應窗口劃分技術能保證系統可靠性。本文中主次退避階段的劃分占比由參數BP進行控制，BP的取值隨著沖突的增加而增加，實現根據沖突狀況動態調整主次退避階段的劃分。同時，BEB退避機制改進后為不規則退避，即退避窗口尺寸由常量改進為變量，大大降低了節點沖突的概率，保證了系統的可靠性。

（3）獲得車輛密度與系統性能指標的解析關系。以簇內車輛個數及簇頭個數為主要參數，建立二維馬爾科夫鏈模型，對提出的基于自適應主次窗口劃分的IEEE 802.11p協議進行分析，并獲得車輛密度與系統時延、可靠性等各項性能指標的解析關系式。

1 車聯網網絡架構

本文使用的車聯網拓撲如圖1所示。該網絡中主要包含兩個基礎模塊：車載單元（on board unit，OBU）模塊和路邊單元（road side unit，RSU）模塊。OBU由車輛配備的全球定位系統（global positioning system，GPS）和車載傳感器等組成，負責獲取本車及附近交通信息。RSU與外部公共網絡連接，實現接入互聯網的功能，在車輛和外部公共網絡之間起到中轉作用。車輛間可以通過OBU進行實時的交通信息共享，采用C-V2V技術。

圖1 車聯網的網絡架構

車輛通過RSU將信息上傳至智能交通系統云端，實現車輛與外部公共網絡之間的信息共享。如果采用C-V2I技術，即每個車輛向RSU預約固定的時間及頻帶，但車輛的移動性導致其與RSU間通信時長很短，預約機制在浪費較多網絡資源的同時也存在資源碰撞。所以在本文中，車輛與RSU間采用IEEE 802.11p標準，即車輛間通過競爭機制與RSU傳遞信息。

2 基于IEEE 802.11p的自適應主次窗口退避機制

2.1 經典的IEEE 802.11p機制

圖2描述了經典的IEEE 802.11p機制的基本流程圖。經典的IEEE 802.11p協議較好地緩解了由車輛移動帶來的網絡拓撲結構多變造成信息傳遞效率低的問題。但在交通密集場景下，大量車輛節點參與競爭，導致沖突發生的概率增加，退避次數增加，且退避時延呈指數級增長，即車輛節點在退避階段花費大量時間，使通信資源造成極大的浪費，同時通信效率急劇下降［20］。所以經典的IEEE 802.11p協議不適用于交通密集場景，有必要設計專用于交通密集場景下的V2I數據傳輸機制。

圖2 經典的IEEE 802.11p機制

2.2 基于IEEE 802.11p的自適應主次窗口退避機制的設計

為了提高交通密集場景下車聯網的通信性能，本文提出了一種基于IEEE 802.11p的自適應主次窗口退避機制。通過劃分退避窗口將退避階段分為兩部分，即主退避階段（main backoff，MB）和次退避階段（secondary backoff，SB）。

圖3描述了基于自適應主次窗口劃分的IEEE 802.11p機制的基本流程，其具體步驟如下。

圖3 改進后的IEEE 802.11p機制

步驟1當節點有數據發送時，初始化參數為NB=0，Backoff=2macMaxBE-1。節點執行CCA來持續偵聽信道，當偵聽到信道空閑時隨機選取BP后執行步驟2。

步驟2節點在(0，W0)范圍內選擇一個隨機數作為退避計時器的初值。若信道空閑，則進行一次倒數，計時器減1，若信道被占用，計時器保持不變，不進行倒數。

步驟3當退避計時器下降為0時，節點執行CCA。若信道空閑，則節點可以傳輸數據包。若信道處于占用狀態，表示主退避階段信道訪問失敗。進入次退避階段，執行步驟4。

步驟4節點在(0，W1)范圍內選擇一個隨機數作為退避計時器的初值。若信道空閑，則進行一次倒數，計時器減1。若信道被占用，計時器保持不變，不進行倒數。

步驟5當計時器下降為0時，節點執行CCA。若信道空閑，則節點可以傳輸數據包。若信道處于占用狀態，表示次退避階段信道訪問失敗，則進行下一級退避，對BP和NB分別加1，執行步驟6。

步驟6若NB

步驟7當節點成功收到ACK反饋，表示傳輸成功，結束流程。

其中，參數BP是主退避窗口尺寸與整個退避窗口尺寸之比，表示主窗口的占比。為了有效降低節點的退避時延，通常取較小的主窗口尺寸，即BP的值可以取1，2，3，4，5。用Backoff、W0和W1分別表示整個退避窗口、主窗口和次窗口的尺寸，三者的關系式如式（1）～式（3）。

改進后的機制有以下優點：

（1）通過主次窗口的劃分提高數據傳輸率，降低退避時延。本文通過主次窗口的劃分將一個退避過程分為主次退避兩個階段，主退避結束后節點嘗試傳輸數據，沖突后進入次退避階段，通過增加一次傳輸提高數據傳輸率，同時降低系統時延。

（2）主次窗口的線性劃分有效降低節點間的沖突。在傳統機制中，相同退避階段節點的退避窗口大小為定量，會出現選擇同一退避計時器值的可能。但本文所提出的機制中隨機選取主次窗口的劃分比例參數BP的初值，導致相同退避階段節點的主退避窗口大小為變量，極大地降低了節點選擇同一退避計時器值的可能性，有效降低節點間的沖突。

（3）自適應主次窗口劃分實現機制的動態調整。由于信道沖突或信道占用導致節點退避失敗時，在下一級退避中，BP值會增加1個單位來增大主退避階段的競爭窗口尺寸，進而提高傳輸成功率。若此后退避失敗，則以此類推。通過控制BP值來選擇合適的競爭窗口尺寸，進而提高系統性能。也就是說，所提出的機制是依據節點密度動態調整主次窗口的比例，在節點密度較大時增加主窗口，進而降低沖突，節點密度較小時減小主窗口，由此有效地降低退避時延并保持系統的可靠性。

通過以上分析，所提出的機制通過自適應窗口劃分方法有效減少節點退避時延，降低節點沖突，提高數據傳輸率，保證系統可靠性。為了驗證所提出機制的有效性，在下一部分中開展了對所提出機制的建模分析。

3 基于IEEE 802.11p的自適應主次窗口退避機制的建模分析

3.1 改進IEEE 802.11p機制的數學建模

為了簡化多級退避過程建模，考慮到節點退避，執行CCA以及傳輸數據成對出現，將這3部分組合為一個Block，記為Block B(i，j)，其中在二維Markov狀態Block B(i，j)中，j(j=0，1，2，???，m)表示節點的退避級數，i(i=0，1)表示主次退避階段，i=0表示節點處于主退避階段。

圖4（a）為本文提出的基于IEEE 802.11p的自適應主次窗口退避機制的馬爾可夫鏈模型［21-23］，圖4（b）為 圖4（a）中 的B塊。將Block B(i，j)簡 記 為B(i，j)，其包含3部分：退避過程、CCA和傳輸數據。其中Wi表示主次退避階段的競爭窗口尺寸。本文中，假設網絡中的N個車輛總有數據傳輸需求，即討論飽和網絡下的系統模型分析。本文所使用的符號如表1所示。

表1 本文所使用的符號

節點處于Block B(i，j)的穩態概率用PB(i，j)表示，由圖4（a）可得各Block B(i，j)的狀態轉移概率：

在備案審查主體方面，要進一步暢通政府規章審查渠道，一是從備案審查機構著手，提升備案審查主體的獨立性和權威性，從而提升備案審查工作的整體效能。二是賦予公民參與更大的權重，賦予審查建議和審查要求同等待遇，從而提高公眾參與和提起審查建議的積極性，通過外力助推審查工作。三是探索擴大行政復議規范性文件審查范圍，將政府規章逐步納入行政復議受理范圍。四是探索規章備案審查與司法機關監督的有效銜接，逐步完善法院有效參與的法律監督體制。

圖4 馬爾科夫鏈模型

用Pback(i，j)表示節點處于Block B(i，j)中退避狀態的穩態概率，其表達式如下：

式中Wi表示退避階段的競爭窗口尺寸。

節點處于Block B(i，j)中CCA狀態的穩態概率等于對應退避狀態B(i，j)的穩態概率，因為退避狀態后就執行CCA檢查信道。所以CCA過程的概率可以表示為

這里用tb-slot表示倒計時器的單位時間1。為了方便計算，將數據包的傳輸時延換算成計時器的時間長度L。假設tb-slot等于320 μs，數據包的長度為120 bytes，傳輸數據包的速率為250 kbps，則發送的持續時間為3.84 ms。數據包的等效傳輸時延等于384 ms/320 μs，結果為12個單位時間。

節點處于Block B(i，j)的穩態概率之和PSPB(i，j)由3部分求和得到，其表達式為

根據式（10）和歸一化原理，得到所有Block B(i，j)的穩態概率和為1，如式（11）和式（12）所示。

3.2 改進機制的系統性能評估

3.2.1 沖突率

沖突率［21］定義為信道內節點傳輸發生碰撞的概率，由PC表示。碰撞發生表示至少有兩個節點向RSU發送數據包，其表達式為

3.2.2 信道占用率

信道占用率表示當節點準備傳輸數據包時發現信道處于占用狀態的概率，由α表示。也就是，當沒有節點向信道發送數據包時，信道是空閑的。其表達式為

3.2.3 平均傳輸時延

平均傳輸時延表示數據包從退避過程開始執行CCA到數據包傳輸成功總共花費的平均時間。退避過程的時延定義為節點經歷所有主次退避過程花費的時間之和，用DBack表示；CCA的時延定義為節點執行所有CCA所需的時間之和，用DCCA表示；數據傳輸的時延定義為節點發送數據所花費的時間，用Dtrans表示。

那么總時延D的表達式為

3.2.4 傳輸成功率

傳輸成功率（packet delivery ratio，PDR）定義為節點成功發送數據包的概率，表示所有Block B(i，j)中成功傳輸的概率之和［25］，它的表達式如下：

4 仿真驗證

為了驗證所提出機制的有效性，本節對所提出機制進行了MATLAB仿真性能評估，并對改進后的機制與經典機制進行了性能比較。同時，用RSU內的車輛節點個數表征車輛密度，分析了車輛密度和BP值與系統傳輸延遲、傳輸成功率之間的關系。

仿真場景如圖5，設置一段長1 km的雙車道公路為一個單位區域，RSU位于道路中部。假設單位區域內車輛數不變，所有車輛均在RSU通信范圍內且傳輸速率相同。車輛配備的OBU設備采用相同的物理層參數和MAC層參數，不存在隱終端問題和捕獲效應。具體仿真參數設定如表2所示。

圖5 仿真場景

表2 仿真參數

4.1 沖突率和信道占用率

圖6中對經典機制與改進機制下的沖突率進行了比較。從圖中可以看出，在交通稀疏和交通密集場景下，改進機制其沖突率都低于經典機制。同時，沖突率隨著節點個數的增加而增加。在飽和網絡中，參與競爭的車輛越多，碰撞的概率越大，沖突率越高。由圖6可知，當節點個數不變時，BP初值設定越大，沖突率就越小。這是因為在改進機制中，傳輸失敗后將BP值增加1個單位，通過增加下一級主退避窗口尺寸降低沖突，即主退避窗口占比越大，沖突率越小。

圖7中對經典機制和改進機制下的信道占用率進行了比較。從圖中可以看出，在交通稀疏和密集場景中，改進機制下的信道占用率都小于經典機制。這是因為改進后的機制采用了動態退避窗口尺寸，有效地降低了沖突發生的概率。同時可以看出，兩種機制下的占用率與節點密度呈正比。由圖7可知，當節點個數不變時，BP初值設定越大，沖突率就越小，原理與圖6相同。

圖7 信道占用率隨車輛密度的變化

4.2 平均傳輸延遲（Delay）

圖8中對經典機制和改進機制下的傳輸時延進行了比較。從圖中可以看出，在交通稀疏和密集場景下，改進后的機制其時延遠遠小于前者的時延，相比經典機制，改進后的機制其傳輸延遲平均降低了49.3%。改進機制降低了占用率及沖突率，進而降低傳輸時延。顯然，二者的傳輸時延隨著節點個數的增加而增加。在改進機制中，節點稀疏場景下，隨著節點個數的增加，平均傳輸延遲的值增速緩慢。但在節點密集場景下，隨著參與競爭的節點個數增加，平均傳輸延遲的增速變大。具體來說，節點個數N的增加增大了節點之間的沖突率，導致信道占用率增加，節點退避級數增加進而增大退避時延，導致傳輸延遲增加。同時，隨著BP初值的增加，平均傳輸時延也隨之增加。因為BP初值的增大意味著更大的競爭窗口，節點的退避時間增加，最終平均傳輸時延增加。這與圖7形成相互驗證，BP值越大，競爭窗口尺寸越大，節點沖突率下降，信道占用率降低，但退避時延增加。

圖8 傳輸延遲對比

4.3 傳輸成功率（PDR）

圖9表示在經典機制和改進機制下對傳輸率進行比較的結果。從圖中可以看出，在交通稀疏和密集場景下，改進后的機制其成功率遠大于經典機制的時延，相比經典機制，改進后的機制其傳輸延遲平均提高了26.7%。改進機制降低了占用率和沖突率，同時每級退避增加一次傳輸，進而提高了傳輸率。顯然，二者的傳輸率隨著節點個數的增加而降低。因為節點個數N增大，意味著更多節點參與競爭，信道占用率和沖突率增大，最終導致傳輸成功率降低。在改進后的機制中，傳輸成功率與BP初值呈反比例。因為BP初值越大代表主退避窗口尺寸越大，退避時延越大，沖突概率越低，成功傳輸率就越大。

圖9 傳輸成功率對比

5 改進機制的優化

仿真結果展示BP初值的設定得到的時延和可靠性是相互矛盾。從圖8和圖9中可以看出，較大的BP初值可以得到理想的系統傳輸率，但傳輸時延最差，而較小的BP初值可以獲得理想的傳輸時延，但傳輸率最差。所以，在網絡系統性能中時延和傳輸成功率是相互矛盾的。為了獲得均衡的系統綜合性能，本文以節點密度為主要參數，建立時延最小傳輸率最大的多目標優化模型，通過遺傳算法（genetic algorithm，GA）求解，得到依據節點個數動態變化的最優BP初值。多目標優化模型如式（21）所示。

圖10為車輛密度與目標函數的關系，目標函數值越小說明系統綜合性能越理想。在圖中，當車輛密度為3與5、BP初值為1時，目標函數值最小；當車輛密度為7與9、BP初值為2時，目標函數值最小；當車輛密度為13與18、BP初值為3時，目標函數值最小；當車輛密度為23與27、BP初值為4時，目標函數值最小；當車輛密度為32與36、BP初值為5時，目標函數值最小。

圖10 Delay/PDR隨車輛密度的變化

因此，在交通稀疏網絡中，選擇較小的BP初值系統的綜合性能更優。例如車輛密度為3、5時，改進后的機制下主退避階段初值占比為10%后續增長至60%時，系統獲得均衡的時延和傳輸率。顯然，車輛密度較小時，較小的主退避窗口可以降低傳輸時延同時保證了傳輸可靠性，這正是改進機制所要達到的目標。

同理，在交通密集網絡中，選擇較大的BP初值系統的綜合性能更優。例如車輛密度為32、36時，改進機制下主退避階段初值占比為50%后續增長至100%時，系統獲得均衡的時延和傳輸率。顯然，車輛密度較大時，較大的主退避過程可以降低沖突率進而保證傳輸可靠性，以犧牲時延為代價獲得網絡的均衡性能。

6 結論

為解決交通密集場景中V2I通信效率差的問題，本文提出了基于IEEE 802.11p的自適應主次窗口退避機制方案，通過退避窗口尺寸的動態變化及傳輸次數的增加，降低沖突率增加數據傳輸率。在此基礎上，以節點密度為主要參數，通過建立二維Markov模型對改進機制進行理論分析，獲得信道占用率、節點沖突率、傳輸時延和傳輸率PDR4個性能指標的解析式。仿真結果表明，與經典機制相比，在交通稀疏和密集場景中，改進機制都能獲得更低的系統時延、信道占用率、節點沖突率和更高的數據傳輸率。為了得到均衡的系統性能，建立多目標優化模型，求解得到最優的BP初值設定并進行仿真驗證。然而，改進機制僅考慮有限的退避，沒有區分新數據和重傳數據，在未來的工作中帶有重傳策略的自適應窗口劃分IEEE 802.11p機制是我們的研究方向。