主動感知下的集群車輛數據交換網絡通信協議棧優化算法

摘 要：在集群車輛數據交換網絡通信協議棧的優化中，存在消息隊列相互阻礙的情況，導致通信延時較高，優化算法的自適應性需要進一步提高。為此，提出了主動感知下的集群車輛數據交換網絡通信協議棧優化算法。在主動感知下，采集關鍵周期內的數據，計算帶寬感知數據的優先級，為其分配無線帶寬，優化協議棧隊列，在此基礎上，從協議棧時間、隊列、任務關系上建立約束模型，避免出現高優先級的隊列阻礙低優先級隊列，將上述內容落實到協議棧的總體結構中，完成對協議棧總體結構的優化。實驗結果表明：提出的主動感知下的通信協議棧優化算法平均延時低、能耗低，自適應性更好。

關鍵詞：主動感知；集群車輛；數據交換；網絡通信；協議棧；智能優化

中圖分類號：TP393文獻標識碼：A

Optimization Algorithm for Communication Protocol Stack of Cluster

Vehicle Data Exchange Network UnderActive Perception

YANG Yuhao，YUAN Guolun

（Ya’an Polytechnic College， Ya’an，Sichuan 62500，China）

Abstract：In the optimization of the communication protocol stack of the trunked vehicle data exchange network， the message queue obstructs each other， leading to high communication delay， and the adaptability of the optimization algorithm needs to be further improved. To solve this problem， a protocol stack optimization algorithm based on active awareness is proposed. Under active awareness， data within the key period is collected， the priority of bandwidth awareness data is calculated， the wireless bandwidth is allocated， and the protocol stack queue is optimized. On this basis， a constraint model is established from the protocol stack time， queue and task relationship to avoid the occurrence of high priority queue blocking low priority queue. The above content is implemented into the overall structure of the protocol stack. Complete the optimization of the overall structure of protocol stack. Experimental results show that the proposed active sensing algorithm has low average delay， low energy consumption and better adaptability.

Key words：active perception; cluster vehicles; data exchange; network communication; protocol stack; intelligent optimization

集群車輛通信網絡是面向車載設備的高性能通信系統[1]，能夠遠程控制車載設備，實現對集群車輛的運行監視和控制管理。在城市交通中，通過這種管理模式可以有效解決交通壓力大的問題[2]，更好地管理城市，在車況預警、車流量監控等方面起到了關鍵作用[3]。但是集群車輛的網絡通信涉及的數據非常龐大[4]，在數據的交換和計算上需要消耗非常多的資源，這就對網絡通信協議棧提出了高要求[5]。

在過去的研究中，對集群車輛網絡通信協議棧的研究有很多，往往是依托不同的實時協議實現網絡通信[6]，在國外的研究中，有專用的控制芯片負責實現車輛數據交換網絡通信[7]。在國內研究中，對于通信協議棧優化研究，早期依靠技術引進，發展到現在，已經有很多成熟的網絡通信協議棧優化技術[8]，適用于不同的工作環境，如基于同態加密的協議棧優化算法[9]，該算法利用同態加密技術保障了通信數據的安全，增強了協議棧安全性。基于多路徑優化的協議棧優化算法[10]也是一種使用比較多的技術，能夠有效提高通信效率，但是在實際應用上，上述兩種算法存在適應性差的問題，集群車輛的網絡通信環境多數處于外界，受到外界氣候的影響，通信協議棧不夠穩定，在數據交換上存在較明顯的延遲[11]。為此，提出主動感知下的集群車輛數據交換網絡通信協議棧優化算法，解決上述協議棧優化算法中存在的問題。

1 主動感知下的集群車輛數據交換網絡通

信協議棧優化算法設計

1.1 計算帶寬感知數據優先級

對于主動感知下的網絡通信協議棧優化，首先面對的問題是數據收集問題，主動感知下收集的數據龐大且復雜，需要結合通信帶寬計算數據優先級[12]，制定收集策略。

從主動感知下有限的帶寬中選取關鍵時間周期上的數據進行數據收集，設給定的完整的數據集為Wpre（i，j），則集群車輛狀態矩陣表示為：

Xprei=Qpreri×riΔpreri×tjMpretj×tj（1）

式中，pre表示prefix，表示預先設定的數據，ri表示數據集中第i個數據，tj表示第j個時間周期，Q表示ri行ri列的正交矩陣，Mtj×tj表示tj行tj列的正交矩陣，Δpreri×tj表示半正定ri×tj階的對角矩陣，其對角線上的元素是矩陣Qpreri×ri的奇異值αi，αi的數據和大小決定了數據的完整性。通過矩陣分解重構更新集群車輛狀態矩陣，得到近似值。計算公式如下：

Xpre′i=Qprer1×AΔpreA×AMt preA×tj=Ppre′Dpre′（2）

Ppre′=Qprer1×AΔ1/2A×A（3）

Dpre′=Δ1/2A×AMt preA×tj（4）

式中，A表示從Δ中選擇的奇異值的個數，Ppre′和Dpre′表示的是矩陣Xprei分解結果，t表示索引變量。將Xprei矩陣中的元素替換為0，分解得到Ppre′和Dpre′，從中提取出第i行向量ppre′i和第j列向量dpre′j，將提取出的兩個向量作為元素xprei，j的估算值。計算出矩陣Xprei中元素xprei，j的優先級。計算公式為：

HS（ri，tj）=｜xi，j-p′id′tj｜xx，j（5）

如果HS（ri，tj）計算結果較大，說明xprei，j與估算值xpre′i，j之間差距較大，此時的數據ri具有較高的優先級。在確定數據的優先級后，再為其分配無線帶寬，從而達到優化協議棧隊列的目的。

1.2 建立網絡通信約束模型

網絡通信協議棧的自適應性是保證網絡通信快速穩定的關鍵[13]，隊列的優化主要面對的是數據處理問題，對于協議棧自適應性的優化，還需要從時間、資源、任務關系三個方面展開優化，建立網絡通信約束模型，能夠有效提高協議棧的自適應性。

網絡通信協議棧具有較好的實時性[14]，建立時間約束模型有助于對任務進程截止時間的檢查和計算，使得任務可以在規定時間內準確完整[15]。建立的時間約束模型如圖1所示。

圖中Rstart表示計時時間，Ttime表示分配的時間片，Rend表示計時結束，Twc表示瞬時變遷，Rmiss表示錯過截止時間。當協議棧任務分配的時間不足以滿足任務計算需求，或錯過了截止時間，則觸發瞬時變遷，開始另一個時間周期。

協議棧消息任務之間存在優先級關系，同一網段內，消息的傳遞主要基于任務的優先級。檢查任務之間的優先級約束關系是非常重要的。假設集群車輛數據交換通信發生時刻為Tgb，則建立的任務約束模型如圖2所示。

圖中RaH表示消息到達，RbufH表示準備發送或接收的緩沖隊列，Rblock表示低優先級消息的發送請求被高優先級消息阻塞，Tcomm表示信道內消息的傳輸延遲。在任務約束模型的支持下，一旦協議棧內的通信信道資源被使用，在消息執行完畢前，不會被新的任務打斷，同時約束了高優先級消息和低優先級消息互相打斷，保證了通信信息的完整性。

圖2 任務約束模型

通信網絡中的資源是有限的，協議棧在工作中會將資源首先分配給高優先級的節點，從這一角度出發，設計資源約束模型。如圖3所示。

圖3 資源約束模型

資源約束模型內，Rmi表示產生優先級為i的消息，Rpei表示優先級為i的消息計算能力，Rai表示優先級為i的消息到達，Bpi表示優先級為i的消息隊列長度。資源約束模型的設計同時達到了約束協議棧計算資源和信道資源的目的，為通信信息的傳遞提供了很大的方便。以上述約束模型作關鍵點，對通信協議棧總體結構展開優化。

1.3 優化協議棧總體結構

通信協議棧內包括三個大模塊，分別是初始化模塊、過程數據模塊和消息數據模塊。協議棧的初始化模塊主要用于完成通信硬件初始化、總線初始化等前期工作，當啟動協議棧初始化模塊時，協議棧會根據用戶請求創建消息通信需要使用的隊列、信使任務等內容，同時也會初始化接收隊列，準備接收來自總線的數據包。

過程數據模塊主要負責實現協議站提供的兩層接口，分別是鏈路層接口和應用層接口。鏈路層接口主要用于訪問數據集，應用層接口主要用于訪問集群變量，通過這兩層接口能夠有效識別出消息主體，有助于協議棧進行資源分配工作。

消息數據模塊用于實現網絡通信內實時協議的消息服務，包括的內容有傳輸層的接收和定時器任務、應用層的定時器任務以及網絡層的路由任務和發送任務。

上述帶寬感知優先級的計算，主要針對過程數據模塊，提前計算出消息的優先級，能夠節約協議棧的工作時間和計算資源；約束模型的設計則是針對消息數據模塊，通過對任務、時間、資源的約束，實現通信網絡內應用程序之間的實時通信，使得通信協議棧能夠適應不同的計算環境，針對集群車輛的數據交換需求，提供快速穩定的通信性能。

2 主動感知下的集群車輛數據交換網絡通

信協議棧優化算法實驗研究

2.1 實驗準備

為了驗證提出的集群車輛數據交換網絡通信協議棧優化算法，在正常的通信網絡環境下進行實驗研究，并將其與幾種常規的優化算法實驗結果相比較，通過對比實驗分析綜合分析算法的自適應通信能力。為保證實驗的公平公正，為各個優化算法的運行設置相同的通信節點上行路徑，在保證其他因素一致的情況下，驗證網絡通信協議棧優化算法的實際效果。實驗節點上行路徑如圖4所示。

利用MATLAB軟件隨機輸出數據流周期和大小，變化范圍為表中設置的參數，以便能遍歷網絡通信各種情況。實驗中，采用的優化算法分別是基于同態加密的優化算法、基于多路徑優化的協議棧優化算法。

2.2 高低溫實驗結果及分析

集群車輛數據交換通信環境多數處于室外，因此高低溫特性是衡量協議棧優化算法性能的重要指標，參考相關國家標準要求，針對主動感知下的網絡通信協議棧優化算法的高低溫特性展開實驗驗證。首先將算法部署到目標計算機上，運行測試程序，將主要硬件置于高低溫實驗箱，設置網關地址，向網關發送數據，直到收到停止指令，在此過程中，逐漸改變高低溫實驗箱的穩定性，統計出不同優化算法在高低溫條件下的通信數據的丟包率和平均延時。實驗結果如表2所示。

觀察表中數據，在高溫和低溫的作用下，基于同態加密的優化算法和基于多路徑優化算法的優化算法在運行過程中有較高的延時，同時也存在一定丟包率，相比之下，提出的協議棧優化算法丟包率為0，平均延時比較低，在標準范圍內，對數據通信影響小。由此可知，提出的協議棧優化算法通信性能更好，能夠適應復雜的工作環境。

2.3 能耗實驗結果及分析

在能耗實驗研究過程中，默認每個節點只有在數據傳輸時才處于活動狀態，其余時間處于睡眠狀態，按照設置的實驗參數，不斷增加通信網絡內數據流數目，驗證3種優化算法的實際能耗。為了便于對比分析，能耗實驗以整個信標周期內信標幀的占比作為能耗指標，比值越大說明算法能耗越高。計算公式為：

Q=NJ×2S16×2B（6）

式中，Q表示能耗，S表示超幀序號，B表示信標序號，NJ表示通信網絡內活動信標數目。由于提出的優化算法是在主動感知下，為此，以感知周期作為變量，分別在感知周期為0.1 s、0.2 s、0.5 s條件下進行能耗實驗。實驗結果如圖5所示。

通過圖中顯示的能耗實驗結果可以看出，協議棧優化算法的能耗隨著數據流的增加而增加，同時，感知周期越短能耗增加越明顯。對比觀察各個優化算法實驗結果，基于同態加密的優化算法和基于多路徑優化的優化算法實驗結果能耗增加幅度大，上升趨勢明顯，而提出的優化算法實驗結果中能耗幅度變化小，能耗百分比在5%以下，有很大的提高，在正常通信情況下，能夠使更多的節點處于睡眠狀態，在一定程度上增加了通信節點的使用壽命。結合高低溫實驗結果綜合分析，提出的主動感知下的集群車輛數據交換網絡通信協議棧優化算法能耗低、耐高溫，能夠很好地適應外界環境的變化，整體自適應性優于常規的協議棧優化算法。

（a）基于同態加密的優化算法實驗結果

（b）基于多路徑優化的優化算法實驗結果

（c）提出的優化算法實驗結果

圖5 不同優化算法的能耗實驗結果

3 結 論

隨著通信技術的不斷發展與革新，網絡通信技術已經應用到越來越多的領域中，在集群車輛的通信中，相關網絡通信技術已經比較成熟，但是還有進步的空間。本文以主動感知下的集群車輛數據交換網絡通信協議棧作為研究對象，提出優化算法的設計，從多個方面優化通信協議棧，強化協議棧的自適應性。在算法優化設計完成后，又展開了大量實驗分析，證明了設計的協議棧優化算法的可靠性。但是，受到時間的限制，本文研究內容還不夠全面，集群車輛網絡通信的設計還有一些問題需要深入研究。未來會從引入智能優化算法，完善網關硬件設計等方面展開研究。

參考文獻

［１］ 呂曉慧，王能民，楊臻.完全信息共享下三層級配送網絡協同路徑優化模型及算法設計[J].運籌與管理，2023，32（3）：78-84+130.

[2] 滕碧紅，孫海信.混合人工蜂群算法在船舶通信網絡優化中的應用[J].艦船科學技術，2023，45（6）：154-157.

[3] 孟蕓，牛永豪，王萍，等.車路協同網絡中服務功能鏈可行時長優化映射算法[J].交通運輸系統工程與信息，2023，23（1）：114-122.

[4] 郭偉，范文奕，楊書強，等.面向分布式一致性算法的通信網絡優化設計[J].電力系統保護與控制，2022，50（23）：151-160.

[5] 徐勇軍，楊浩克，李國軍，等.多標簽無線供電反向散射通信網絡能效優化算法[J].電子與信息學報，2022，44（10）：3492-3498.

[6] 向征.基于改進拉格朗日松弛算法的電力通信網絡負載均衡優化策略研究[J].電測與儀表，2023，60（4）：85-91.

[7] 張然，高瑩雪，丁元明.無人機集群網絡分簇優化算法[J].計算機工程與設計，2022，43（7）：1848-1855.

[8] 田真真，蔣維，鄭炳旭，等.基于服務器集群的負載均衡優化調度算法[J].計算機科學，2022，49（S1）：639-644.

[9] 王凌宇，傅宏，馬創，等.基于同態加密的電網隱私數據多維聚合優化算法[J].重慶郵電大學學報（自然科學版），2023，35（2）：352-359.

[10]李向農，范丁元.基于多路徑優化算法的鐵路網絡分析系統開發[J].鐵道標準設計，2022，66（4）：21-24+29.

[11]李守玉，何慶，陳俊.改進平衡優化器算法在約束優化問題中的應用[J].計算機科學與探索，2023，17（5）：1075-1088.

[12]孫繼澤，杜金其，王偉，等.電力光纖通信網絡實時安全風險量化參數優化算法[J].激光雜志，2021，42（12）：176-180.

[13]楊芷柔，張虎，劉靜，等.節點攻擊策略下的軍事通信網絡結構優化算法[J].系統工程與電子技術，2021，43（7）：1848-1855.

[14]李俊松，王雷，張靳予，等.基于改進VECMP的電力通信網絡路由優化算法研究[J].電測與儀表，2021，58（7）：136-142.

[15]周華嫣然，周羿宏，胡俊杰，等.人工智能技術支撐的集群電動汽車實時優化調度策略[J].電網技術，2021，45（4）：1446-1459.