面向高速公路考慮交叉路口的VANETs中V2V的鏈路時延動態(tài)預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種鏈路時延預(yù)測方法，特別涉及一種面向高速公路考慮交叉路口的 VANETs中V2V的鏈路時延動態(tài)預(yù)測方法，屬于車載無線網(wǎng)絡(luò)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 車載無線網(wǎng)絡(luò)（Vehi州lar Ad Hoc Networks, VANETs)是無線移動自組網(wǎng) (Mobile Ad Hoc Networks, MANETs)的一個特例，它實現(xiàn)了車間通信（Intervehi州lar Communications, IVC)和道路汽車間的通信（road-vehicle communications, RVC)，參見文 獻(xiàn)[1]，與MANETs不一樣的是應(yīng)用場景受到城市和高速公路的限制，因為車輛在道路上高 速行駛，所WVANETs網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)變化快并且間歇性連通，參見文獻(xiàn)巧]，所W它也被看 作容遲網(wǎng)絡(luò)（delay tolerance network, DTN),參見文獻(xiàn)[3]。
[0003] VANETs提供了安全信息分發(fā)，參見文獻(xiàn)[4, 5]，商業(yè)應(yīng)用服務(wù)，參見文獻(xiàn)[6]，娛 樂，參見文獻(xiàn)[7]，動態(tài)的交通管理信息，參見文獻(xiàn)巧-10]和動態(tài)的路由計劃，參見文獻(xiàn)
[11]等。該些應(yīng)用為司機(jī)和乘客提供了安全和舒適的交通環(huán)境，參見文獻(xiàn)[12]。因為該些 應(yīng)用和服務(wù)要求兩車間的無線通信鏈路來維持一個完整的通信階段，因此，研究鏈路時延 的屬性是至關(guān)重要的，因為它直接影響許多性能標(biāo)準(zhǔn)，比如，端到端的延遲，包的丟失和吞 吐量，它也能夠被使用來優(yōu)化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來改善網(wǎng)絡(luò)資源利用率，最大化網(wǎng)絡(luò)性能和減 少廣播風(fēng)暴，參見文獻(xiàn)[13]。該如何預(yù)測已經(jīng)連接的任意兩車間的鏈路時延，為了預(yù)測，每 一個車輛什么信息需要實時獲得，是本領(lǐng)域的研究熱點。
[0004] 關(guān)于網(wǎng)絡(luò)性能的鏈路時延問題在DTN和MANET中被廣泛的研究，參見文獻(xiàn) [14-1引。在文獻(xiàn)[16]的仿真結(jié)果證明了鏈路時延對于VANET單播路由是最重要的QoS特 性之一。而且，兩車間的鏈路時延也影響到一個路由協(xié)議構(gòu)建多跳路徑的穩(wěn)定性，換句話 說，它決定了一個源節(jié)點到目的節(jié)點的每一次連接的吞吐量。所W有幾個通過考慮鏈路時 延，針對可靠的路由進(jìn)行的研究，參見文獻(xiàn)[17-18]。
[000引為了在VA肥Ts中的鏈路時延建模，幾個關(guān)于鏈路時延概率密度仰巧的研究已 經(jīng)被提出，參見文獻(xiàn)巧7-30]，文獻(xiàn)[41，42]針對一維高速公路場景為鏈路時延建模，文獻(xiàn) [2, 43, 44]為城市場景提出鏈路時延模型，文獻(xiàn)巧]為高速公路和城市場景提出模型，不 過，文獻(xiàn)巧，43]沒有考慮交叉口轉(zhuǎn)彎。VANETs中鏈路時延問題是很復(fù)雜的并且受許多因素 的影響包括車間距離、車速、交叉口的轉(zhuǎn)向頻率、交通燈的影響、由于路邊建筑物所導(dǎo)致的 信號衰退等因素。
[0006] 鏈路時延被被認(rèn)為是兩節(jié)點之間的鏈路可用的時間間隔，具體的定義，鏈路時延 是兩個節(jié)點停留在彼此的傳輸范圍內(nèi)的時間間隔，參見文獻(xiàn)[14]。在MNET中，鏈路時 延由一系列的隨機(jī)因素決定，比如無線信道和兩節(jié)點之間的距離等，該取決于隨時間變 化的環(huán)境和節(jié)點的移動性。Wu等人在文獻(xiàn)[19]中研究了在多跳移動網(wǎng)絡(luò)中節(jié)點移動性 對鏈路時延的影響并且提出了一個分析框架來估計鏈路時延，該個模型被使用于分析點 對點的和多跳的鏈路時延，基于現(xiàn)存的移動性模型RWP (Random Waypoint Models)，參見 文獻(xiàn) l!2〇]、RW(Random Wa化），參見文獻(xiàn)[21]、RPGM化eference Point Group Mobility、 RVGM巧eference Velocity Group Mobility Model),參見文獻(xiàn)[22-23],模型的準(zhǔn)確性被證 實。但是該些移動性模型不能被用在VAENTs中，因為汽車節(jié)點環(huán)境受道路限制并且車速很 局。
[0007] 雖然節(jié)點移動性的一些因素（比如節(jié)點的速度，兩節(jié)點之間的距離和節(jié)點的移 動方向等）對鏈路時延有極大的影響，鏈路時延或者路徑時延在MANET中服從什么分布， 文獻(xiàn)巧4-26]表明鏈路時延能夠被有效地用指數(shù)分布近似。鏈路時延的指數(shù)分布不能用 在VANET中，在文獻(xiàn)巧7-28]，研究人員提出了指數(shù)分布是鏈路時延很好的近似，不過，文獻(xiàn) 巧9]提出在自由流不擁堵的情況下，鏈路時延的概率密度函數(shù)能夠用帶有合適的參數(shù)的對 數(shù)正態(tài)分布近似。Yan等人指出VAENT中的鏈路時延也能用對數(shù)正態(tài)分布近似，條件是遵循 下列假設(shè)：車間行進(jìn)的距離的概率密度函數(shù)為對數(shù)正態(tài)分布并且車速是確定的。不過，該種 分析不適用于自由流的狀態(tài)。
[0008] 考慮鏈路時延對于MANET是很重要的，一些文獻(xiàn)注重研究預(yù)測鏈路時延，鏈路時 延通過兩節(jié)點間的相對速度和相對距離決定，假設(shè)節(jié)點移動遵循RWP模型，參見文獻(xiàn)巧0]， 不過，已經(jīng)被證明的是RWP模型不能提供一個穩(wěn)定狀態(tài)，也就是節(jié)點的平均速度隨著時間 持續(xù)下降，參見文獻(xiàn)巧1]。不過，在無線自組網(wǎng)中，不同的移動性模型對鏈路穩(wěn)定性有不同 的影響，參見文獻(xiàn)巧2]?；痑等人在不同的移動性模型下研究了幾種路徑選擇算法，參見文 獻(xiàn)巧3]，不過，它們不能準(zhǔn)確預(yù)測鏈路時延。一些鏈路時延預(yù)測算法在W前的工作中被研 究，參見文獻(xiàn)巧4-36]。
[0009] 化SS等人在文獻(xiàn)巧句中提出移動投影的軌跡的算法估計剩余鏈路壽命 (Resi化al Link Lifetime,化L).在文獻(xiàn)巧引中Korsness等人使用鏈路的壽命（比如鏈路 已經(jīng)連接了多久）作為參數(shù)來估計鏈路的剩余的時間化L?；痑等人在文獻(xiàn)巧6]提出了一 個新的化心預(yù)測算法來預(yù)測鏈路的壽命，他們使用的是卡爾曼濾波法扣nscented Kalman Filter, UKF)。雖然文獻(xiàn)巧引提出鏈路的剩余的壽命和兩節(jié)點之間的相對速度相關(guān)，在移 動自組網(wǎng)里解決鏈路壽命預(yù)測的方法不能用在VANET中，因為VANET中的汽車移動性不遵 循MNET中移動性模型。
[0010] 文獻(xiàn)巧7-30]中的研究分析了鏈路時延的概率密度函數(shù)，化elly等人在，參見文 獻(xiàn)巧7]中研究了 VANET的鏈路時延，他們假設(shè)自由的狀態(tài)和車速的正態(tài)分布W及傳輸范 圍。Nekovee研究了 VAENT中鏈路時延的概率，參見文獻(xiàn)巧7]，假設(shè)車間的相對距離是恒定 的并且忽略了汽車的移動性模型。然后他假設(shè)汽車的速度服從正態(tài)分布擴(kuò)展了該個研究， 參見文獻(xiàn)巧引。假設(shè)均等的空間節(jié)點和正態(tài)的車速分布，Sun等人在文獻(xiàn)巧9]中為鏈路壽 命的概率密度函數(shù)提出了 一個分析模型，不過，第一個假設(shè)是不合理的，因為車間的間隔是 隨機(jī)的。在文獻(xiàn)[40]中，一個VANET中為單跳連接性時延的簡單框架被提出。但是該如 何預(yù)測城市場景和高速公路場景下的多跳鏈路時延。Boban等人在文獻(xiàn)[16]中研究了高速 公路場景和城市場景的單播通信的連接性時延。在文獻(xiàn)[41-42]中，研究提出了一維高速 公路場景中的鏈路時延和連接性時延。文獻(xiàn)[13]提出鏈路時延屬性被汽車移動性和信道 隨機(jī)性的影響。由于城市道路的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和交通燈影響，該些鏈路時延的分析模型不 能被擴(kuò)展為城市場景所需要的。Artimy等人分析了在二維城市場景中的網(wǎng)絡(luò)連接性并且在 街道中間放置了交叉口，參見文獻(xiàn)[43]。Viriyasitavat等人基于為移動性設(shè)計的元胞自 動機(jī)模型（Cellular Automata Model)提出了一個復(fù)雜的城市VANET的網(wǎng)絡(luò)連接性的分析 框架，參見文獻(xiàn)巧]，轉(zhuǎn)向頻率和交通燈兩種因素被考慮并且它們認(rèn)為兩個連續(xù)的汽車遇 上交通燈的組合事實是獨立，該也許和實際情況不相符。化等人在文獻(xiàn)[44]中通過考慮車 間距離、車速、在交叉口的轉(zhuǎn)向頻率和交通燈因素提出了一個具體的基于過程的馬爾科夫 鏈模型。在文獻(xiàn)巧]中，wang等人提出了 LDP (Link Duration Prediction)模型，獲得了 城市場景和高速公路場景的任意兩節(jié)點間的實時鏈路時延的預(yù)測，相對速度、交通燈和兩 車之間相對距離被考慮，不過，該個研究只注重直行的公路，所W他們沒有考慮汽車在交叉 口轉(zhuǎn)向。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的是提出面向高速公路考慮交叉路口的VANETs中V2V的鏈路時延動 態(tài)預(yù)測方法，W解決針對現(xiàn)有的鏈路時延預(yù)測方法沒有考慮真實的高速公場景和城市場 景，不能準(zhǔn)確預(yù)測鏈路時延的問題。
[0012] 本發(fā)明為解決上述技術(shù)問題所采用的技術(shù)方案是：
[0013] 本發(fā)明所述的面向高速公路考慮交叉路口的VANETs中V2V的鏈路時延動態(tài)預(yù) 測方法，是按照W下步驟實現(xiàn)的；步驟一、計算鏈路斷開時兩車的相對距離；步驟二、估計 兩車的相對速度分布；步驟H、基于步驟一與步驟二預(yù)測兩車的鏈路時延，具體如下；步驟 H -、計算兩車鏈路時延所需的相關(guān)因素，包括兩車的相對速度V，兩車之間的初始距離山 兩車的行駛方向；步驟H二、在步驟H-的基礎(chǔ)上，計算兩車的鏈路時延。
[0014] 本發(fā)明的有益效果如下：
[0015] 一，本發(fā)明擴(kuò)展了LDP(Link Duration Prediction)模型，使其適用于高動態(tài)的和 分布式的VANETs,目的是每一輛汽車能夠?qū)崟r地預(yù)測高速公場景和城市場景的鏈路時延；
[0016] 二，基于本發(fā)明的ELDP模型，能夠自動地采集車速樣本和精確地估計車速的分 布；
[0017] H，本發(fā)明的ELDP模型沒有假設(shè)兩個連續(xù)的汽車遇上的交通燈事實獨立的，該在 W前的研究中是個普遍的假設(shè)；
[001引四，本發(fā)明證明了 ELDP的有效性并且用仿真驗證給出了性能評價，仿真結(jié)果表明 ELDP模型能夠準(zhǔn)確地預(yù)測VANETs中高速公路場景和城市場景的兩車的鏈路時延。
【附圖說明】
[0019] 圖1為汽車在帶有交叉口的高速公路行駛情況圖；
[0020] 圖巧分析轉(zhuǎn)向?qū)︽溌窌r延的影響圖，其中（a)為兩車都直行情況，化）為兩車右 轉(zhuǎn)和左傳情況，（C)為右轉(zhuǎn)和直行情況，（d)為兩車都左轉(zhuǎn)情況，（e)為兩車都右轉(zhuǎn)情況，圖 中V。V2, V3, di，d2, r分別代表汽車1、汽車2、汽車3,兩車之間初始距離，兩車之間鏈路斷開 時的距離，無線傳輸半徑；
[0021] 圖3為分析兩車的相對速度圖，其中，（a)為一個汽車移動的方向，化）為求解兩車 相對速度；
[0022] 圖4為圖3中化）的向量卽勺方向；
[0023] 圖5為平移坐標(biāo)系的過程圖；
[0024] 圖6為點D的不同位置圖，其中（a)為點D在E的前面的情況，化）為點D在E后 面的情況；
[0025] 圖7為點D在點E的前面或后面，其中（a)為點D在點E前面，化）為D在E的后 面；
[002引圖8為點D在點E的前面或后面，其中（a)為點D在點E前，化）為點D在點E后 面；
[0027] 圖9為點D在點E的前面或后面，其中（a)為點D在點E前面，化）為點D在點E 后面；
[0028] 圖10為鏈路時延計算程序流程圖；
[0029] 圖11為同向行駛汽車的鏈路時延預(yù)測誤差和相關(guān)因素的分析結(jié)果圖，其中（a)為 兩節(jié)點的平均速度，化）為兩節(jié)點相對速度的標(biāo)準(zhǔn)差，（C)為兩個隨機(jī)選擇的節(jié)點的鏈路時 延，（d)高速公路場景的鏈路時延預(yù)測誤差分布函數(shù)，（e)為10對隨機(jī)選擇的節(jié)點的平