張雪飛，章國安，季彥呈

（南通大學(xué)電子信息學(xué)院 南通 226019）

1 引言

智能交通系統(tǒng)（intelligent transportation system,ITS）將通信網(wǎng)絡(luò)技術(shù)、計算機信息處理、傳感器檢測和自動控制技術(shù)融合到整個交通運輸系統(tǒng)中，實現(xiàn)對交通運行環(huán)境的感知和綜合狀態(tài)的檢測[1]。而車載無線網(wǎng)絡(luò)(vehicular wireless network)作為ITS中交通信息采集、承載和傳輸平臺，依靠自身的短距離無線通信和實時計算能力實現(xiàn)車與車(vehicle-to-vehicle,V2V)、車與路邊基礎(chǔ)設(shè)施(vehicle-toinfrastructure,V2I)間的通信，能夠綜合承載多類型交通業(yè)務(wù)信息，具有移動節(jié)點持續(xù)電力供給和基于道路規(guī)劃的拓?fù)浣M網(wǎng)優(yōu)勢，正逐漸成為該領(lǐng)域的研究熱點。目前，基于車載網(wǎng)絡(luò)系統(tǒng)的智能交通在一定程度上解決了城市交通流量預(yù)警和高速不停車收費問題，但交通事故頻頻發(fā)生且尚無有效解決機制，研究如何有效降低交通事故發(fā)生率，具有減少人民生命財產(chǎn)損失、提高交通運輸效率的現(xiàn)實意義。

交通安全信息(主要包括車輛碰撞預(yù)警信息、道路濕滑檢測信息、前端車輛剎車信息)在有限地域和有限時域范圍內(nèi)有效，消息簡短、與位置相關(guān)，需要快速準(zhǔn)確地在有限范圍內(nèi)傳播，以便后續(xù)車節(jié)點及時響應(yīng)，起到安全預(yù)警作用。但是，交通安全信息常伴隨交通事故的發(fā)生（預(yù)警）而大量產(chǎn)生，形成安全信息突發(fā)流。同時，車節(jié)點也在短距離、短時間內(nèi)大量聚集，導(dǎo)致廣播風(fēng)暴，形成車節(jié)點和安全信息高密度分布狀態(tài)，造成事故域內(nèi)網(wǎng)絡(luò)資源短時匱乏，導(dǎo)致安全信息傳播產(chǎn)生極大的時延和極高的信息丟失率，但此時安全信息能直接降低交通事故的惡化。當(dāng)交通安全信息端到端傳播時延不超過200 ms，且信息丟失率不超過1%時，后端車節(jié)點才能正確解析信息內(nèi)容，并及時做出有針對性的有效響應(yīng)操作，防范交通事故的惡化。但高速移動下的強多普勒效應(yīng)和稀疏的路邊基礎(chǔ)設(shè)施使?jié)M足時延前提下的平均信息丟失率高達50%～70%，為改善信息丟失而進行的信息重傳使傳播安全信息的控制信道過載，反而惡化了安全信息傳播性能。因此，要在信道條件受限、車節(jié)點和交通信息密集的前提下快速、可靠地傳播安全信息需要新的理論研究、新的實現(xiàn)方法[2]。

2 系統(tǒng)模型

假設(shè)所構(gòu)建的車載Ad Hoc網(wǎng)絡(luò)是由移動的車輛節(jié)點和靜止的路邊單元（RSU）組成的，移動的車輛節(jié)點被分成若干組，并與最近的路邊單元組成一個簇，每個簇以簇內(nèi)的路邊單元為簇首，由簇首對簇內(nèi)和簇間的交通或娛樂信息傳播進行協(xié)調(diào)控制[3]。規(guī)定只有簇首可以向簇成員廣播交通事故預(yù)警信息，但是，攜帶原始交通事故預(yù)警信息的移動車輛節(jié)點或者發(fā)生事故的簇內(nèi)的簇成員可以向其簇首以及簇內(nèi)其他成員廣播交通事故預(yù)警信息（這樣規(guī)定可以有效緩解廣播風(fēng)暴的問題）。

得到交通事故預(yù)警信息的簇首會對各個車輛節(jié)點的信號強度的變化幅度進行線性分析，由于車載Ad Hoc網(wǎng)絡(luò)中車輛節(jié)點的高速移動性對信號的衰減影響顯著，所以在信號強度變化幅度較小的時候，簇首有理由估計預(yù)警信息是正確的，因為發(fā)生交通事故會使臨近的車輛減速從而降低了移動性。通過線性整合有關(guān)車輛節(jié)點的信號強度變化幅度（方差），作為簇首的路邊單元感知了簇成員的行駛情況并判斷是否需要向相鄰的簇首轉(zhuǎn)發(fā)預(yù)警信息。

由于車載Ad Hoc網(wǎng)絡(luò)對傳輸能耗的要求不高，假設(shè)模型中的移動車輛節(jié)點信息傳輸能耗不受限制，即可以最大功率傳輸數(shù)據(jù)。當(dāng)車輛節(jié)點得到交通事故的預(yù)警信息后，無論預(yù)警信息正確與否，在經(jīng)過局部檢測后，都會向其簇首轉(zhuǎn)發(fā)預(yù)警信息，按照前面的規(guī)定，只有簇首才可以向簇內(nèi)其他成員廣播預(yù)警信息。簇首在收到預(yù)警信息后負(fù)責(zé)對信息的正確與否進行判決。

如圖1所示，在簇B中發(fā)生了交通事故，事故車輛節(jié)點會立即向簇內(nèi)其他成員發(fā)送預(yù)警信息。接收到預(yù)警信息的車輛節(jié)點會通過局部檢測對信號強度進行分析，從而初步判斷信息的正確性。隨后簇成員車輛節(jié)點會進一步向簇首發(fā)送預(yù)警信息以及信號強度的檢測結(jié)果。簇首通過全局檢測后對交通事故預(yù)警信息的正確與否做出判決，如果判決為真，簇首會向所管轄的車輛節(jié)點以及相鄰的簇首廣播預(yù)警信息，如果判決為假，簇首會丟棄此預(yù)警信息。

圖1 交通事故預(yù)警信息廣播模型

3 基于線性協(xié)作策略的檢測算法

所提出的基于線性協(xié)作策略的檢測算法包括兩個環(huán)節(jié):局部檢測和全局檢測。局部檢測是獲得交通事故預(yù)警信息的車輛節(jié)點獨立地進行信息核實，而全局檢測是作為簇首的路邊單元整合簇成員的預(yù)警信息，然后對其正確與否作出最終的判決。

對預(yù)警信息正確與否的判決是通過假設(shè)檢驗的方式。假設(shè)檢驗分為以下兩種情況:第一種情況用D0表示，假設(shè)沒有交通事故發(fā)生，即收到的事故預(yù)警信息是錯誤的；第二種情況用D1表示，假設(shè)有交通事故發(fā)生，即收到的事故預(yù)警信息是正確的。

引入Pf表示簇首對正確的事故預(yù)警信息進行錯誤判決的概率，引入Pd表示簇首對預(yù)警信息做出正確判決的概率，即交通事故正確檢測的概率。本算法意在將誤警概率Pf控制在要求范圍內(nèi)的同時，最大化檢測概率Pd。

3.1 局部檢測

如圖2所示，當(dāng)接收到交通事故發(fā)生地點附近的車輛發(fā)送的預(yù)警信息時，車輛節(jié)點會整合預(yù)警信息的信號強度，每個車輛節(jié)點會在N個時隙的檢測周期內(nèi)計算得到信號強度的初步統(tǒng)計量xi，表示如下[4]:

其中，ui(k)表示接收到的簇內(nèi)第i個移動車輛節(jié)點的信號強度。根據(jù)兩種假設(shè)檢驗結(jié)果，將檢測周期第k個時隙接收的信號強度表示如下:

其中，s(k)表示信號強度的變化量，它的變化幅度由信道增益hi決定，在檢測周期內(nèi)信道增益被認(rèn)為是保持不變的[5]。ei(k)表示局部檢測噪聲，用一個向量 σ=[σ12,σ22,…,σM2]T表示它們的方差。不失一般性，認(rèn)為 s(k)和 ei(k)相互獨立。

由式（1）和式（2）可知xi是N個高斯隨機變量的平方和，所以xi/σi2在D0成立的條件下服從自由度為N的中心卡方分布，在D1成立的條件下服從含有參數(shù)ri、自由度為N的非中心卡方分布，其公式化表示如下:

其中，參數(shù)ri在本文模型中表示第i個移動車輛節(jié)點對應(yīng)的局部信噪比（SNR）。

根據(jù)中心極限定理，如果N的數(shù)值足夠大，檢測統(tǒng)計量{xi}會無限接近正態(tài)分布，因此可得其均值為:

令ti表示局部檢測判決門限，當(dāng)個體車輛節(jié)點進行交通事故檢測時，判決準(zhǔn)則如下:

圖2 線性協(xié)作檢測系統(tǒng)

Pd是正確的預(yù)警信息被成功檢測的概率，而Pf包括兩方面含義:一方面是收到真實的事故預(yù)警信息卻檢測為沒有事故發(fā)生，另一方面是收到錯誤的事故預(yù)警信息且檢測為有事故發(fā)生。第一方面的錯誤和漏檢有可能引起二次事故的發(fā)生，而第二方面錯誤會導(dǎo)致不必要的降速，引起交通擁擠。因此，第i個車輛節(jié)點的誤警概率和檢測概率如下:

其中，CCDF(·)表示互補累積分布函數(shù)，CDF(·)表示累積分布函數(shù)，用于計算服從零均值和單位方差的正態(tài)分布變量的尾概率。

3.2 全局檢測

信號強度統(tǒng)計量{xi}隨后會通過理想的正交控制信道發(fā)送給簇首，表示如下:

其中，x=[x1,x2,…,xM]T，信號的全局檢測噪聲{ni}是零均值且空間上無相關(guān)性的高斯變量，用n=[n1,n2,…,nM]T表示，并用向量 δ=[δ12,δ22,…,δM2]T表示它們的方差。當(dāng)所有車輛節(jié)點將相關(guān)信號強度信息發(fā)送給簇首后，簇首會以線性組合的方式計算全局的假設(shè)檢驗統(tǒng)計量yc。式（9）中的{yi}是各個車輛節(jié)點的信號強度統(tǒng)計量，用y=[y1,y2,…,yM]T表示。

全局檢測是通過若干車輛節(jié)點的相互協(xié)作完成的，由式（9）可知，當(dāng)各車輛節(jié)點經(jīng)過專用的控制信道向簇首發(fā)送檢驗統(tǒng)計量{xi}時，簇首收到的統(tǒng)計量是服從正態(tài)分布的{yi}，其均值 E(yi)=E(xi)，其方差如下[6]:

式（3）中的參數(shù)ri在本文模型中表示第i個移動車輛節(jié)點對應(yīng)的局部信噪比，滿足:

其中，Es表示檢測周期內(nèi)系統(tǒng)所傳輸?shù)男盘柲芰?，滿足:

一旦接收到 {yi}，簇首就會進行線性計算得出全局檢驗統(tǒng)計量，表示如下:

其中，w=[w1,w2,…,wM]T表示用于控制全局事故檢測的權(quán)向量。不同的權(quán)值代表著不同的簇成員節(jié)點對全局檢測判決的影響程度，而移動車輛節(jié)點對應(yīng)的權(quán)值由它進行局部檢測時相對于事故發(fā)生位置的距離決定，離事故發(fā)生車輛節(jié)點較近的簇成員會分配較大的權(quán)值。

因為{yi}是服從正態(tài)分布的隨機變量，所以它的線性組合也是服從正態(tài)分布的隨機變量，因此yc的均值為:

其中，矩陣h=[|h1|2,|h2|2,…,|hM|2]T表示局部信道增益的模平方，yc的方差為:

所以根據(jù)假設(shè)檢驗的兩種情況表示如下:

其中，diag(·)表示以給定的向量為對角線元素的方形矩陣。用矩陣形式表示diagD0和diagD1如下:

令tc表示判決門限，當(dāng)簇首通過線性協(xié)作方式進行全局檢測時，判決準(zhǔn)則如下:

因此全局檢測中交通事故預(yù)警信息的誤警概率和檢測概率表示如下:

由Pd的定義可知，(1-Pd)表示真實的交通事故預(yù)警信息沒有被成功檢測的概率，即漏檢概率，此概率升高會使車輛節(jié)點無法在事故發(fā)生地點附近及時降速或繞行。本算法的目的就是在滿足誤警概率要求的情況下最小化漏檢概率（最大化檢測概率）。

圖3表示全局線性協(xié)作檢測的判決算法，按照檢測系統(tǒng)的要求給定誤警概率Pf和檢測周期時隙數(shù)N，根據(jù)式（23）得到全局檢測的判決門限tc，將其帶入式（24）得到計算檢測概率的函數(shù)，通過如圖3的循環(huán)計算得到最大的檢測概率Pd’，如果Pd’不小于0.5則判決預(yù)警信息為真，簇首將向簇成員廣播預(yù)警信息并且轉(zhuǎn)發(fā)給相鄰簇首，否則將判決預(yù)警信息為假，丟棄預(yù)警信息。

4 仿真分析

將交通事故預(yù)警信息的線性協(xié)作檢測算法進行仿真，仿真背景和系統(tǒng)模型中描述的一樣，車載Ad Hoc網(wǎng)絡(luò)是由移動的車輛節(jié)點和靜止的路邊單元組成，移動的車輛節(jié)點被分成若干組，并與最近的路邊單元組成一個簇，每個簇以簇內(nèi)的路邊單元為簇首，假設(shè)其中某個簇內(nèi)發(fā)生交通事故，發(fā)生事故車輛節(jié)點向包括簇首在內(nèi)的簇成員廣播預(yù)警信息，各個車輛節(jié)點獨立接收事故車輛信息并參與線性協(xié)作檢測系統(tǒng)。

圖3 全局線性協(xié)作檢測判決算法

圖4 M=2、4、6時漏檢率與誤警率的比較

圖4和圖5是在固定信道噪聲σ2=1，δ2=1，各移動車輛節(jié)點對應(yīng)局部信噪比和信號強度由系統(tǒng)隨機分配的前提下，設(shè)定誤警概率Pf為不同取值時，交通事故預(yù)警信息漏檢概率(1-Pd)的統(tǒng)計結(jié)果。

圖5 M=4、6,N=5、10、15時漏檢率與誤警率的比較

圖4反映了在檢測周期的時隙數(shù)N=5的情況下，參與全局檢測的移動車輛節(jié)點（簇成員）數(shù)量M分別為2、4、6時的仿真曲線，由圖4可知，在移動車輛節(jié)點數(shù)M由2增加到4的過程中，對應(yīng)要求下漏檢概率降低，檢測系統(tǒng)性能明顯提高，但是當(dāng)M由4增加到6時，檢測系統(tǒng)性能下降，可能原因是過多數(shù)量的簇成員的參與增加了局部錯誤檢測信息的概率，引起了簇首錯誤的全局判決。

由圖5可知，隨著N的增加，系統(tǒng)檢測性能呈下降趨勢，可能的原因是時延問題導(dǎo)致簇首接收到不準(zhǔn)確的信號強度信息。此外，M=4時系統(tǒng)檢測性能普遍優(yōu)于M=6的時候，可能的原因是簇成員數(shù)量過多時，簇首精確分配參與檢測的簇成員權(quán)值的難度提高，導(dǎo)致整個檢測系統(tǒng)的性能下降。

由圖4和圖5中最優(yōu)的（最下方）仿真曲線可知在簇成員個數(shù)和檢測周期時隙數(shù)以及傳輸信噪比都相對較優(yōu)時，使用本算法可以在誤警概率較低的情況下達到很高的檢測概率（很低的漏檢概率）。

5 結(jié)束語

本文提出了一種車載Ad Hoc網(wǎng)絡(luò)中基于線性協(xié)作策略的交通事故預(yù)警信息檢測技術(shù)，它主要由兩步算法組成:局部檢測和全局檢測。簇首得到移動車輛節(jié)點局部檢測后的信號強度的統(tǒng)計量，進行全局線性組合，做出最終的判決，數(shù)值仿真結(jié)果表明所提出的策略能在誤警概率要求范圍內(nèi)有效提高檢測概率，在未來的研究中需要進一步提高算法復(fù)雜度來估算最優(yōu)化權(quán)值分配和最優(yōu)化參與車輛節(jié)點數(shù)量。

1 常促宇，向勇，史美林.車載自組網(wǎng)的現(xiàn)狀與發(fā)展.通信學(xué)報，2007，28(11):116～126

2 王昭然，謝顯中，趙鼎新.車載自組織網(wǎng)絡(luò)關(guān)鍵技術(shù).電信科學(xué)， 2011,27(1):44～51

3 王藝，鄧佳佳，林毅.適用于車聯(lián)網(wǎng)應(yīng)用的移動通信網(wǎng)絡(luò).電信科學(xué)， 2012,28(6):1～6

4 Wang C X，Hong X M，Ge X H，et al.Cooperative MIMO channel models:a survey.IEEE Communications Magazine，2010，48(2):80～87

5 Kawadia V,Kumar P R.Principles and protocols for power control in wireless Ad Hoc networks.IEEE Journal on Selected Areas in Communications,2005,23(1):76～88

6 Julius H M,Ali-Akber D M,Oksamc.Maximizing the effective lifetime of mobile AdHoc networks.EICE Trans on Communications,2010,91(9):2818～2827