J9九游会中国车联网RSU单元下行流量的性能研究

发布日期：2024-04-01 访问量：来源：J9官网

无线局域网是指基于802.11协议,利用无线网卡、接入控制点AP等设备建立的局部互联互通的网络,使得用户能够摆脱有线的束缚.随时随地接入Internet的用户需求,推动了无线局域网技术的发展,近10多年来, IEEE相继发布IEEE 802.11a/b/g/n等系列标准,使得无线局域网在带宽或传输速率上得到了极大的提高,从最初的1Mbps~2Mbps到目前传输速率可达54Mbps,802.11n甚至可以达到300Mbps.但是对于快速移动支持、大覆盖、节能等方面的支持还有所欠缺,这些领域则成为近年来802.11协议研究领域的热点课题.802.11p协议就是在对网络节点快速移动的支持背景下提出来的,这样,人们即便在行驶的汽车里,5.850G~5.925GHz也能通过路边单元RSU(AP)接入Internet.

我们认为,基于802.11p/WAVE协议栈的无线局域网是车联网的重要组成部分.联邦通信委员会FCC将之间的75MHz频段用于基于802.11p^[]的车联网^{[, ]}的通信,其中,第1个5MHz频段预留作为安全空白边界使用,后续分为7个相邻的10MHz频段,如所示,信道依次编号为Ch172,Ch174,…,Ch184.其中,Ch178是车联网的控制信道CCH,用于控制、管理其他6个频段的业务信道SCH分配;Ch172用于交通事故避免及应急,作为安全警戒的紧急消息的传递信道使用;Ch184是高功率大范围信道,适合较远距离的公共安全信息的传输;Ch174,Ch176,Ch180,Ch182是普通业务信道,通过RSU(AP)单元用来传输传统的网络应用数据,可根据应用对带宽的需求,将相邻普通SCH合并为20MHz频段的业务信道来使用,即,可令Ch175={Ch174,Ch176},Ch181={Ch180, Ch182},此时,20MHz信道上所传递的数据优先级相对较低.

下面我们结合802.11p网络适配器的接口配置情况,对MAC层的信道复用方式作进一步讨论.802.11p标准草案中已经明确使用多个正交信道技术的发展方向,但网络适配器使用单接口多信道技术还是多接口多信道技术尚未有定论,多接口多信道产品价格贵,但单接口多信道模式中信道切换时延往往高达毫秒级,远大于传播时延,且信道存在大量浪费,多接口多信道模式对车联网更具现实意义.Ch172信道、Ch184信道用于安全信息的广播传递,信息数据量相对较少、传输实时要求高,适合于使用基于预约的时分多址复用(time divisionmultiple access,简称TDMA)协议^[].在基于预约TDMA协议中,如果一个车辆节点竞争到某时隙,只要该节点不主动放弃,则可一直占用该时隙传输数据,从而达到一定的实时要求,即,传输时延可预期.但是由于增加了预约时隙的过程,对于单接口多信道来说,其平均时延往往大于CSMA/DCF;而对于多接口多信道,则可利用CCH信道以并行流水线的方式处理预约时隙及数据传输过程,极大地缩短了时延.但是,为了保证所有车辆节点都能占有时隙发送数据,则需要预留一定的时隙数目,从而导致信道的吞吐量不高,这正好适用于数据量较少的安全信息.Ch174,Ch176,Ch180,Ch182等普通业务信道用来传输传统的网络应用数据,则存在流量突发、时延要求低、吞吐量要求高等特征,适合于使用基于竞争的CSMA/DCF协议^[].本文中,我们考虑使用CSMA/DCF技术竞争普通SCH信道时隙,占用该时隙将网络报文通过1跳或者2跳的方式传递给RSU单元,并由RSU单元将网络报文注入Internet,而从Internet发往各车辆节点的报文则由RSU单元通过竞争下行信道的时隙并通过1跳或者至多2跳的方式转发给各车辆.

加拿大Pan课题组的Zhuang等人^[]对RSU单元的上行流量进行了建模.文献^[]对通过RSU接入Internet的车辆节点的下行流量进行了建模,但没有考虑节点占用信道时隙竞争时的相互影响.Trullols-Cruces等人^[]提出了一种协助下载以增强下行能的框架,但没有具体的算法实现.文献^[]给出了一种在VANET网络中通过对向行驶的车辆节点帮助同向车辆传递信息的方案.国内的中国科学院计算技术研究所课题组^[]延续了通过对向行驶的车辆辅助下载Internet数据的研究思路,并对车速变化带来的下载效率的影响进行了深入的分析.文献^[]中提出了一种通过车间中继延伸AP通信范围的方法,以便于车辆有更大的机会通过AP接入Internet.

基于802.11p的局域网中上行信道时隙竞争的特征是:RSU不参与上行流量信道的时隙竞争,充当AP,负责将上行流量转发至Internet.而RSU在转发下行流量时,RSU具有下行流量的信息,但局域网内部的车辆节点之间也会有流量发生,所以RSU在转发下行流量时需要与车辆节点竞争信道的使用.本文的切入点即是对车联网RSU单元的下行流量的能及其能提升方案进行研究.

802.11p协议目前支持的最大传输距离为1 000m,可满足行驶速度均值为33m/s(约为120km/h)的车辆(OBU单元)之间以及车辆与路边单元(RSU单元)之间的通信.受天线发射功率的限制,设RSU最大传输半径R_r=1000m,OBU之间的传输半径为R_o∈[50m,300m].

给出了一种高速公路交通场景下的车联网网络拓扑模型,假设高速公路上某路段长度为x,车辆密度为ρ(vehicularnumbers per meter),则该路段内的车辆数目满足λ=ρx的泊松分布^{[, ]},该路段存在n辆车的概率质量函数为$p(n) = frac{{{lambda ^n}{{ m{e}}^{ - lambda }}}}{{n!}}.$上述模型中的泊松过程对应于一则计数过程,即,某时刻x路段的车辆的总数目N(x)为符合泊松过程的计数过程.根据泊松分布函数的质,x路段车辆总数目的N(x)期望与方差均为λ,有:

$p(n) = frac{{{lambda ^n}{{ m{e}}^{ - lambda }}}}{{n!}} = frac{{{{( ho x)}^n}{{ m{e}}^{ - ho x}}}}{{n!}},$即$p(n,x) = frac{{{{( ho x)}^n}{{ m{e}}^{ - ho x}}}}{{n!}}$

(1)

则中AP₁通信覆盖范围内的车辆节点数目的概率质量函数为

$p(n) = frac{{{lambda ^n}{{ m{e}}^{ - lambda }}}}{{n!}} = frac{{{{( ho cdot 2{R_r})}^n}{{ m{e}}^{ - ho cdot 2{R_r}}}}}{{n!}}$

(2)

其中,E[N]=λ=ρ×2R_r,D[N]=E[N²]-(E[N])²=λ=ρ×2R_r.

下面我们基于经典的CSMA/DCF协议原理^[]来分析802.11p中MAC层车辆节点通过RSU(AP)设备访问Internet的信道竞争情形,并在此基础上分析RSU上行及下行流量的能模型.

给出了两个车辆节点利用CSMA/DCF竞争信道发送数据的示意图,车辆节点侦听SCH信道连续空闲时长达到DIFS后,节点认为信道处于空闲状态,则可以向目标节点RSU发送数据.为了增强在MAC层传输的可靠,RSU检验所收到的数据帧的循环冗余校验码CRC:若校验码正确,则在等待SIFS时长间隔后向发送节点发送一个ACK;否则,等同于数据帧传输失败,发送节点需要重传该数据.为了避免发送数据时产生的冲突,在发送数据帧前增加了一个退避(backoff slot)过程,首先产生一个随机的退避时间BackoffTime,如果一个节点在退避过程中,侦听到的信道的空闲时间达到1个时隙,则将退避时间减1;若信道忙,则退避时间变量不发生变化.直至退避时间减为0,节点再发送数据.BackoffTime=Random(×)×CW×aSlotTime,其中,CW为竞争窗口参数,为一正整数; Random(×)为0~1的随机数;aSlotTime为一个竞争时隙的长度;BackoffTime为取整后的值.设最小竞争窗口为CW_min,最大竞争窗口为CW_max,有CW初始值为CW_min,当一个车辆节点发送数据失败时,即可判定当前网络流量较大,则将CW窗口增加1倍,有$CW = {2^m} cdot frac{{C{W_{min }}}}{2}$,其中,m为重传次数.这里的m也被称为退避阶段参数,当CW值增加为CW_max时,CW值保持不变,直至该节点发送数据成功,或者达到了最大重传次数m',CW被重置成CW_min,一般可设m'=m.

在AP覆盖范围内的n个车辆节点中,假设任一车辆节点i在一个随机时隙内发送一个数据帧的概率为τ,则该数据帧与其他节点发出的数据帧发生碰撞的概率为η,在n值一定时,η始终独立且保持恒定,有如下关系式:

η=1-(1-τ)ⁿ^-1

(3)

即:

$ au = 1 - {(1 - eta )^{frac{1}{{n - 1}}}}$

(4)

Bianchi利用马尔可夫链对所示的退避过程进行了建模和分析.令W=CW_min,则CW_max=2^m^-1×W,设中的AP₁覆盖范围内有n个车辆节点竞争该区域的无线信道的使用.我们知道,t与h两个变量都是未知的,利用马尔可夫链分析退避过程,可推出:

$ au (eta ) = frac{2}{{1 + W + eta Wsumlimits_{i = 0}^{m - 1} {{{(2eta )}^i}} }}$

(5)

由公式(4)、公式(5)^[]联立可得非线方程的数值解,由此可以得到后文仿真实验部分中所示车辆数据发送碰撞概率与车辆密度关系图的理论分析曲线.t与h均只与初始竞争窗口W=CW_min及最大重传次数m有关,与车辆节点的传输帧长等无关.接下来,我们将Bianchi的结论应用于RSU流量模型的分析中.

假设在一个时隙中至少有一个帧在传输的概率为P_tr,有且仅有一个帧传输成功的概率为P_s,有:

${P_{tr}} = 1 - {(1 - au )^n},{P_s} = frac{{n au {{(1 - au )}^{n - 1}}}}{{{P_{tr}}}} = frac{{n au {{(1 - au )}^{n - 1}}}}{{1 - {{(1 - au )}^n}}}.$

下面我们来计算802.11p某一帧的帧时长.若某车辆节点成功传输1帧,则对于其他节点来说是信道忙,这段过程的概率为Succ_n=P_sP_tr,平均时间为TSucc_n;节点侦听信道为闲时,同时占用信道发送数据从而导致竞争冲突这一过程的概率为Coll_n=P_tr×(1-P_s),平均时间为TColl_n;整个时隙的信道空闲概率为Idle_n=1-P_tr,信道空闲的平均时间为T_σ.其中,TSucc_n=T_DIFS+T_DATA+T_SIFS+T_ACK,TColl_n=T_DIFS+$T_{DAT{A_{max }}}^* + {T_{SIFS}} + {T_{ACK}}$;T_DATA为一帧中的数据传输时长,$T_{DAT{A_{max }}}^*$为每次冲突发生时的最大数据帧长.假设所有数据帧的帧长都是一样的,有TColl_n=TSucc_n,则一个系统时隙的累积平均时长T_SLOT为

$begin{array}{l}

{T_{SLOT}} = Idl{e_n} cdot {T_sigma } + Suc{c_n} cdot TSuc{c_n} + Col{l_n} cdot TCol{l_n}\

end{array}$

(6)

802.11pDCF协议对于上层应用数据的传输效率Ψ_DCF为

$begin{array}{l}

{psi _{DCF}}(n) = frac{{{P_s}{P_{tr}} cdot {T_{DATA}}}}{{Idl{e_n} cdot {T_sigma } + Suc{c_n} cdot TSuc{c_n} + Col{l_n} cdot TCol{l_n}}}\

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = frac{{{P_s}{P_{tr}} cdot {T_{DATA}}}}{{(1 - {P_{tr}}) cdot {T_sigma } + {P_s}{P_{tr}} cdot TSuc{c_n} + {P_{tr}} cdot (1 - {P_s}) cdot TCol{l_n}}}\

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = frac{{n au {{(1 - au )}^{n - 1}} cdot {T_{DATA}}}}{{{{(1 - au )}^n} cdot {T_sigma } + (1 - {{(1 - au )}^n}) cdot ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}}

end{array}$

(7)

对于一个车辆节点来说,假设数据链路层的上层所需传输的数据为一个帧中可传的数据DATA,其数据量为D_DATA,利用某一帧成功发送的数据量${D^ circ }_{DATA}$为

${D^ circ }_{DATA} = {psi _{DCF}}(n) cdot {D_{DATA}}$

(8)

之前提到的T_DATA为一帧中的数据传输时长,802.11p规范中定义的一帧中所传的数据量D_DATA一般为1KB (1 024字节),在802.11p规范中定义T_DATA=2949ms,且802.11p规范中标称的数据速率w约为3Mbit/s,有:

$frac{{1024 imes 8}}{{2.949 imes {{10}^{ - 3}}}} approx 3 imes {10^6}{ m{bit/s}}{ m{.}}$

即:

$omega approx frac{{{D_{DATA}}}}{{{T_{DATA}}}}$

(9)

则对于一个车辆节点来说,设数据链路层的上层所需传输的数据为DATA_ULayer,将该数据按照长度切分成多个DATA,则考虑多帧的数据量情况与单帧的数据量情况是一致的.这里的吞吐量指的是上层用户的净数据吞吐量.考虑将公式(2)中的AP通信范围内的车辆节点数目的概率质量函数,纳入到一个车辆节点的网络吞吐量g的计算中来,则有:

$begin{gathered}

E[gamma ] = Eleft[ {sum

olimits_{n = 0}^infty {left( {p(n) cdot {D^ circ }_{DATA} cdot frac{omega }{n} cdot frac{1}{{{D_{DATA}}}}} ight)} } ight] hfill \

olimits_{n = 0}^infty {frac{{{{( ho cdot 2{R_r})}^n}{{ ext{e}}^{ - ho cdot 2{R_r}}}}}{{n!}}} cdot {psi _{DCF}}(n) cdot {D_{DATA}} cdot frac{omega }{n} cdot frac{1}{{{D_{DATA}}}}} ight] hfill \

olimits_{n = 0}^infty {frac{{{{( ho cdot 2{R_r})}^n}{{ ext{e}}^{ - ho cdot 2{R_r}}}}}{{n cdot n!}}} cdot {psi _{DCF}}(n)} ight] cdot omega hfill \

end{gathered} $

(10)

同样,考虑整个AP范围内n辆车的网络吞吐量Γ,有:

$begin{gathered}

E[Gamma ] = Eleft[ {sum

olimits_{n = 0}^infty {left( {n cdot p(n) cdot {D^ circ }{D_{DATA}} cdot frac{omega }{n} cdot frac{1}{{{D_{DATA}}}}} ight)} } ight] hfill \

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} { ext{ }}{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = Eleft[ {sum

olimits_{n = 0}^infty {n cdot frac{{{{( ho cdot 2{R_r})}^n}{{ ext{e}}^{ - ho cdot 2{R_r}}}}}{{n!}}} cdot {psi _{DCF}}(n) cdot {D_{DATA}} cdot frac{omega }{n} cdot frac{1}{{{D_{DATA}}}}} ight] hfill \

olimits_{n = 0}^infty {frac{{{{( ho cdot 2{R_r})}^n}{{ ext{e}}^{ - ho cdot 2{R_r}}}}}{{n!}}} cdot {psi _{DCF}}(n)} ight] cdot omega hfill \

end{gathered} $

(11)

在车联网网络吞吐量分析的基础上,接下来对作为AP功能使用的RSU的上行及下行流量能进行讨论.

与之前的802.11系列协议相比,802.11p为了降低由于多径传播时延加上多普勒频移效应引起的相互干扰带来的影响,将OFDM参数在时域内的值扩大了1倍,从而使得802.11p不仅支持节点的高速移动,而且使得通信范围达到1 000m,与802.11b/n系列的数据传输速率6~54Mbit/s相比,802.11p在10MHz SCH频段通常的传输速率为3Mbit/s,支持的最高传输速率则降为27Mbit/s^[].以下我们将结合两种不同的RSU上下行信道分配方案对RSU的流量进行分析.

方案1. 上下行等分信道频谱.

基于802.11p的局域网内上行信道时隙竞争的特征是RSU不参与上行流量信道的时隙竞争,充当AP,负责将上行流量转发至Internet,流量分析模型中暂不考虑RSU范围之内的节点内部之间的信息传输.根据当前Internet网络应用对带宽需求的特征,可以考虑将10MHz频谱等分为上行专用频谱5MHz及下行专用频谱5MHz,则此时AP范围内的n辆车利用CSMA/DCF方案竞争5MHz上行信道的使用,上行流量等同于公式(11)所对应的车联网网络吞吐量.而RSU在转发下行流量时,因为RSU是知道所有由其转发的下行数据发送的具体要求,所以可以最大化地利用下行信道带宽.

方案2. RSU参与信道竞争.

RSU在转发下行流量时,需要与车辆节点竞争信道的使用,但我们必须要考虑的事实是:从数据量的角度来看,n辆车辆节点发往RSU进而访问Internet的上行数据量与从RSU中转Internet发往n辆车辆节点的下行数据量是相对持平的,若假设任一个车辆节点i在一个随机时隙内发送一数据帧的概率为τ,则RSU发送一个数据帧的概率为nτ.

我们可以将RSU看成一个超级节点,这个超级节点内有n个i_rsu子节点,其中,i_rsu与n辆车中的任一车辆节点i是一一对应的,则流量分析模型中可看成是2n个节点竞争信道的使用,关于车辆数目n的讨论,我们说在车辆密度ρ很大时,n将有可能取一个比较大的值C,有:

$Eleft[ {sum

olimits_{n = 0}^C {p(n)} } ight] approx 1$

(12)

结合公式(10)、公式(11),则有:

$begin{gathered}

E[{Gamma _{DownLink}}] = Eleft[ {sum

olimits_{n = 0}^C {left( {n cdot p(2n) cdot {D^ circ }_{DATA} cdot frac{w}{{2n}} cdot frac{1}{{{D_{DATA}}}}} ight)} } ight]/Eleft[ {sum

olimits_{n = 0}^C {p(n)} } ight] hfill \

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} { ext{ }}{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} approx Eleft[ {sum

olimits_{n = 0}^C {left( {n cdot p(2n) cdot {psi _{DCF}}(2n) cdot {D_{DATA}} cdot frac{w}{{2n}} cdot frac{1}{{{D_{DATA}}}}} ight)} } ight] hfill \

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} { ext{ }}{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = Eleft[ {sum

olimits_{n = 0}^C {frac{{{{( ho cdot 2{R_r})}^{2n}}{{ ext{e}}^{ - ho cdot 2{R_r}}}}}{{2 cdot (2n)!}}} cdot {psi _{DCF}}(2n)} ight] cdot omega hfill \

hfill \

end{gathered} $

(13)

$E[{Gamma _{UpLink}}] = Eleft[ {sum

olimits_{n = 0}^C {left( {n cdot p(2n) cdot {D^ circ }_{DATA} cdot frac{w}{{2n}} cdot frac{1}{{{D_{DATA}}}}} ight)} } ight]/{kern 1pt} {kern 1pt} = E({Gamma _{DownLink}})$

(14)

我们在第2节使用方案2的信道分配方案,公式(13)给出了RSU单元下行流量的能解析式.

在本文中,我们考虑面向单用户下载请求的应用场景.高速公路中的车辆行驶路线易被预测,假设某车辆I进入所示AP₁的覆盖范围,车速为${vec v_i}$,应用场景考虑只有车辆i有从Internet下载数据的请求.在AP₁范围内,车辆i的下载时长为$Delta t = frac{{2{R_r}}}{{|{{vec v}_i}|}} = frac{{2{R_r}}}{{{v_i}}}.$在这段时间内,仅有1个用户(RSU)竞争信道发送数据,即,该数据帧与其他节点发出的数据帧发生碰撞的概率η=0,由公式(3)得$ au (0) = frac{2}{{1 + W}}.$此时,在AP₁覆盖范围内,必须至少存在1辆车,即,车辆i是存在的,其概率为$1 - {{ m{e}}^{ - ho cdot 2{R_r}}}.$结合公式(13),有:

$begin{array}{l}

E[{Gamma _{DownLink}}]{kern 1pt} {kern 1pt} approx 1 cdot (1 - {{ m{e}}^{ - ho cdot 2{R_r}}}) cdot {psi _{DCF}}(1) cdot omega \

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = (1 - {{ m{e}}^{ - ho cdot 2{R_r}}}) cdot frac{{ au cdot {T_{DATA}}}}{{(1 - au ) cdot {T_sigma } + au cdot ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}} cdot omega \

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = frac{{(1 - {{ m{e}}^{ - ho cdot 2{R_r}}}) cdot omega cdot {T_{DATA}}}}{{left( {frac{{2W - 1}}{2}} ight) cdot {T_sigma } + ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}}

end{array}$

(15)

则车辆i在AP₁覆盖范围内的经由RSU直接数据下载(1跳方式)的总流量为

$E[W] = E[{Gamma _{DownLink}} cdot Delta t] approx frac{{(1 - {{ m{e}}^{ - ho cdot 2{R_r}}}) cdot omega cdot {T_{DATA}}}}{{left( {frac{{2W - 1}}{2}} ight) cdot {T_sigma } + ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}} cdot frac{{2{R_r}}}{{{v_i}}}$

(16)

若是下载任务数据总流量较大,可能需要经过多个RSU覆盖区域才能完成数据下载.

当车辆i自左向右驶入所示的盲区左侧R_o范围区间内时,因为超出AP₁的覆盖范围,无法直接从RSU下载数据,我们考虑利用尚在AP₁覆盖范围内的与车辆i同向行驶的车辆中选择一辆车j来帮助i完成下载任务,我们把这种车联网协作下载方案称为VCoDS(VANET cooperative downloading scheme).

选择同向行驶车辆协助下载较之于对向车辆协助下载的优势分析如下:高速公路上对向行驶的车辆,相对行驶速度达到240km/h以上,倘若建立连接,则连接保持时间短、信道衰落快,且多普勒效应显著增大;而同向行驶的车辆之间构建1跳连接协助数据下载则更为合理,其信道衰落慢,且连接保持时间长.从简化模型及实用方面考虑,模型中目前仅考虑数据的1跳协助数据转发.

车辆j的选择策略讨论:RSU单元易于获得车辆i及当前覆盖范围内所有车辆位置及行驶速度信息.假设车辆j与i可进行协助的最长通信距离为R_o,则RSU在车辆i的后方邻居节点集中选择距离相对较远的车辆担当车辆j的角色完成协助下载,而不是直接相邻的邻居节点,当车辆密度较大时,易造成频繁地断开连接,重新选择新的协助车辆j,继而再建立数据连接的情形.在协助下载过程中,只要车辆i未进入盲区,RSU可重新选择车辆担当车辆j的协助下载角色.

由公式(1)可知,在x范围内至少有1辆车的概率:${Pr _{(x)}}{ k ge 1} = 1 - {Pr _{(x)}}{ k = 0} = 1 - {{ m{e}}^{ - ho x}},x = {R_o} - {v_i} cdot t.$

${Pr _{(x)}}{ k ge 1} = 1 - {{ m{e}}^{ - ho cdot ({R_o} - {v_i} cdot t)}}$

(17)

AP₁覆盖范围内信道竞争使用情况如下:① RSU占用信道将下载数据发往车辆j;② 车辆j占用信道将下载数据转发给车辆i,在这段时间内,有2个用户竞争信道发送数据,即,该数据帧与其他节点发出的数据帧发生碰撞的概率为η_(n=2).由公式(4)、公式(5)联立方程解得τ_(n=2),则:

$begin{array}{l}

{{Gamma '}_{DownLink}} approx 1 cdot (1 - {{ m{e}}^{ - ho cdot ({R_o} - v cdot t)}}) cdot {psi _{DCF}}(2) cdot frac{omega }{2}\

{kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} {kern 1pt} = (1 - {{ m{e}}^{ - ho cdot ({R_o} - v cdot t)}}) cdot frac{{2 au (1 - au ) cdot {T_{DATA}}}}{{{{(1 - au )}^2} cdot {T_sigma } + (1 - {{(1 - au )}^2}) cdot ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}} cdot frac{omega }{2}

end{array}$

(18)

令$B = frac{{ au (1 - au ) cdot {T_{DATA}}}}{{{{(1 - au )}^2} cdot {T_sigma } + (1 - {{(1 - au )}^2}) cdot ({T_{DIFS}} + {T_{DATA}} + {T_{SIFS}} + {T_{ACK}})}} cdot omega {kern 1pt} ,{kern 1pt} $其中，$ au = { au _{(n = 2)}}:$

$E[{W_{extra}}] = int_{{ m{ }}t = 0}^{{ m{ }}frac{{{R_o}}}{{{v_i}}}} {{{Gamma '}_{DownLink}} cdot { m{d}}t{kern 1pt} } = B cdot int_{{ m{ }}t = 0}^{{ m{ }}frac{{{R_o}}}{{{v_i}}}} {(1 - {{ m{e}}^{ - ho cdot ({R_o} - {v_i} cdot t)}}) cdot { m{d}}t{kern 1pt} } = frac{B}{{{v_i}}} cdot left( {{R_o} - frac{1}{ ho }(1 - {{ m{e}}^{ - ho cdot {R_o}}})} ight)$

(19)

则车辆i在经过AP₁区域时,经由车辆j协助,目前的数据下载总流量为

E[W']=E[W]+E[W_extra]

(20)

若下载任务数据总流量较大,可能需要经过多个RSU覆盖区域才能完成下载.考虑到AP₁及后续AP_i都是连入Internet的,即互联互通的,则车辆i可以通过定时发送询问报文及后续AP_i根据车辆速度计算的方式完成即将进入覆盖区域的协助下载方案.在进入新的覆盖区域时,通过前方的车辆节点中继协助下载数据.那么在后续某一AP_i的覆盖范围里的数据下载总流量为E[W']=E[W]+2E[W_extra].

考虑当前IP网络中任一款要求可靠的应用都需要在端到端的传输层(TCP)完成数据的确认(ACK)工作,若采用我们的方案,也是能够满足需求的.而在利用对向行驶车辆协助下载方案的过程中,由于数据传输时延的固有限制,不适合于可靠保证的应用数据传输.对于数据传输中无需可靠保证,比如视频点播网络应用,则可考虑在中的盲区增加利用对向车辆中继转发UDP报文,从而增加整个过程的下载数据量.但视频点播应用中一般会考虑带有时间戳字段的媒体传输协议,如RTP,因为盲区对向行驶的车辆间存在相互超车的情况,所以接收端上层协议栈的缓存大小及对应漏桶的算法设计将面临较大的困难.

NS2仿真环境中,802.11p的MAC层的重要参数设置见.车辆节点的移动仿真过程如下:利用MATLAB生成符合泊松过程的多条序列,每条序列的长度为12 000,存放在一维数组中,数组下标可当成所示坐标系中对应x轴的值,即车辆位置坐标,若某下标对应的数组变量对应的值为1,说明在该位置有1辆车.利用MATLAB生成多组满足均值μ=30m/s,标准差σ=5m/s的正态分布数据,将这些数据赋值给上述泊松过程中的每一辆车,即车辆行进速度为Speed_i,从而完成所示交通流的模拟,进入仿真实验.

给出了某RSU(AP)覆盖范围内行驶的车辆在数据发送时的碰撞概率与车辆密度的关系图.随着车辆密度的增加,同一AP下的车辆在发送数据时的碰撞概率增大,较大的CW_min初始值可有效降低碰撞概率.在文献^[]中推导出${W_{opt}} approx n cdot sqrt {2 cdot TCol{l_n}} ,$可知${W_{opt}} approx E[n] cdot sqrt {2 cdot TCol{l_n}} approx ho cdot 2{R_r} cdot sqrt {2 cdot TCol{l_n}} = ho cdot {C_{const}},$最优的W=CW_min取值是与车辆的密度密切相关的.当车辆密度较大时,CW_max决定了曲线的收敛值.

随着车辆密度的增加,车辆在一个随机时隙里传输数据帧的概率τ逐渐减小,当W=CW_min的初始值较大时,τ也相对较大,如所示.从图中也可以看出,τ与η的值只与道路上的车辆密度、初始竞争窗口CW_min、最大重传次数m有关.

RSU覆盖范围内每辆车辆节点的饱和吞吐量如所示,其中,802.11p数据速率ω为3Mbit/s.可以看出:随着车辆密度的增加,每辆车辆节点在数据传输时的饱和吞吐量也随之降低.给出了整个RSU范围内网络饱和吞吐量随着道路车辆密度变化的情形,随着车辆密度的增大,整个网络的饱和吞吐量因为车辆发送数据产生的协议固有冲突逐渐降低;但是因为退避窗口机制的实施,随着车辆密度的进一步增大,网络吞吐量基本保持稳定,如中横坐标从0.06开始,曲线基本保持稳定. J9九游会

以某辆车经由RSU单元从Internet下载数据为例,考察RSU下行流量的能.仿真实验场景及参数设置如下:高速公路上AP(RSU)单元的通信范围是1 000m,车辆OBU之间的通信范围分别为50m,150m,300m,500m,高速公路上这一路段的车辆密度为0.025,路段总长度为12 000m,该路段共部署3个RSU,间隔距离为5 000m,其中某一辆车进入该路段开始下载400M的电影文件.考虑高速公路上车辆速度的变化并不大,设在仿真环境中一旦车辆速度确定,则在某一路段内车速不发生变化,车辆速度是满足均值μ=30m/s,标准差σ=5m/s的正态分布.

中,Origin_downlink表示不采用任何车辆协助经由RSU单元下载的流量情形,Origin_downlink的理论曲线由公式(15)、公式(16)联立推出.此时,车辆在驶入该路段360s前后,经由3个RSU单元完成下载任务.如果所示盲区与所示盲区的不重合范围内利用同向行驶的车辆完成1跳的辅助下载,则可利用公式(19)、公式(20)得出VCoDS_downlink的下载情形.可以发现:只要经过2个RSU单元,即可完成下载任务.实际的仿真测试中,因为考虑到车速的变化带来的影响,所以下载所花费的时间皆长于理论曲线.结果表明:利用同向行驶的车辆进行协助下载,从而在车辆驶入盲区时也能增加RSU单元的下行流量,其方案是切实有效的.

给出了OBU之间的通信范围分别为50m,150m,300m,500m时,VCoDS协助方案的下行流量情况.可以看出:随着R_o范围的增加,通过VCoDS协助下载以增加RSU单元下行流量的效果愈加明显.为验证VCoDS方案的有效,目前实验仿真场景参数设置中,RSU间的盲区长度远大于车辆之间的最大通信距离.而实际上,随着802.11p技术的发展、RSU单元成本的降低,RSU的部署也将会基本全覆盖高速公路网络.在演进过程中,盲区的长度会逐渐缩短,我们的VCoDS方案在整个演进过程中的实用也愈发明显.

本文应用交通流里的车辆分布理论,结合经典的CSMA/DCF协议原理分析802.11p中MAC层信道竞争的情形,通过将RSU通信范围内的车辆密度概率质量函数纳入到网络吞吐量的计算中来,对作为AP功能使用的RSU单元的流量能进行讨论,并针对相邻RSU单元之间可能存在盲区的问题,以高速公路单用户下载数据应用场景为例,提出了利用同向行驶的车辆1跳协助数据下载的VCoDS方案,以达到提高某时间段RSU的下行流量能的目标.另外,若是利用P2P的思想在车辆之间进行Internet数据协助下载,本文的研究成果也可以应用进来.

车联网RSU单元下行流量的性能研究