曹 潔，郁 鑫

(蘭州理工大學計算機與通信工程學院，甘肅 蘭州 730050)

0 引言

交通信息采集在智能交通系統(tǒng)中占有很重要的地位，它是交通狀態(tài)判斷和預測、對交通流控制以及對緊急事件快速反應的依據(jù)［1］。由于無線傳感器網(wǎng)絡具備成本低，便于本地管理，易擴展等優(yōu)良特性［2］，可以為智能交通系統(tǒng)的信息采集提供一種有效手段。然而，現(xiàn)有的無線傳感網(wǎng)絡仍然存在一些待解決的問題:無線傳感網(wǎng)絡的大規(guī)模部署、多跳或多對一的傳輸方式以及突發(fā)事件導致的數(shù)據(jù)流突發(fā)等原因容易引起網(wǎng)絡擁塞，導致信息傳輸延時增大、數(shù)據(jù)丟失以及能量消耗過快，嚴重影響網(wǎng)絡的服務質(zhì)量。因此，若要提高交通信息采集監(jiān)測數(shù)據(jù)的可靠性和實時性，就必須緩解無線傳感網(wǎng)絡的擁塞，另外網(wǎng)絡能耗也是需要考慮的問題。

國內(nèi)外學者針對無線傳感器網(wǎng)絡的特點提出了多種擁塞控制算法。ESRT［3］協(xié)議是第一個基于速率調(diào)節(jié)的擁塞控制協(xié)議，它綜合考慮了網(wǎng)絡對于可靠性和能耗的要求，通過對報告速率的適當調(diào)整，達到了減輕擁塞的同時提高可靠性和節(jié)省能量的目的。但是其需要網(wǎng)關具有覆蓋整個網(wǎng)絡的通信能力，使用簡單的包數(shù)量統(tǒng)計的方式來衡量可靠性，且不區(qū)分數(shù)據(jù)源對信息逼真度的貢獻能力，對所有節(jié)點采用統(tǒng)一的調(diào)整方案。CODA［4］能夠調(diào)節(jié)局部節(jié)點造成的擁塞并采用逐跳控制信息減少能耗。但由于涉及網(wǎng)關和多個節(jié)點的反饋交互，在大規(guī)模網(wǎng)絡中閉環(huán)控制調(diào)整速度相對較慢?；诹髁空{(diào)度的ARC［5］協(xié)議通過創(chuàng)建多元路徑，增加傳送的分組精度，同時避免沖突和重傳能夠節(jié)約大量的能量。CAR［6］協(xié)議提出了和ARC協(xié)議相近的方法，較適用于存在多種不同傳輸優(yōu)先級的數(shù)據(jù)流的網(wǎng)絡中。但是它對高移動數(shù)據(jù)源支持不足和為高優(yōu)先級的數(shù)據(jù)流建立路由花費開銷較大。BGR［7］協(xié)議同樣結(jié)合了多徑路由協(xié)議。與其它協(xié)議相比其實現(xiàn)機制較為簡單，但隨機選擇的方式缺乏對鄰居節(jié)點當前狀況如能耗等的綜合考慮，另外也存在將部分流量轉(zhuǎn)發(fā)到周圍其它擁塞區(qū)域的可能性。Gulluccio L等人提出CONCERT［8］采用數(shù)據(jù)聚合的方法減少網(wǎng)絡中傳輸?shù)臄?shù)據(jù)量以減輕擁塞，達到延長網(wǎng)絡周期的目的。PREI［9］協(xié)議還引入了多級聚合的思想，對相鄰網(wǎng)格的數(shù)據(jù)進行再次聚合，以進一步減少傳輸?shù)臄?shù)據(jù)量，保證監(jiān)測數(shù)據(jù)量突增情況下的傳輸效率。近幾年，一些學者嘗試根據(jù)系統(tǒng)控制和優(yōu)化的方法，提出了適用于無線傳感器網(wǎng)絡的主動隊列管理機制［10］。主動隊列管理技術可以根據(jù)網(wǎng)絡當前的狀態(tài)預見可能出現(xiàn)的擁塞情況，并以丟棄或者標記分組的方式預先通知源端降低分組發(fā)送率，從而達到避免擁塞的目的。

基于以上分析考慮，為保證交通信息采集監(jiān)測數(shù)據(jù)的實時性和可靠性，本文提出一種高性能擁塞控制HPCC(High-PerformanceCongestionControlAlgorithm)算法。實驗表明:該算法在準確檢測擁塞的同時有效地控制網(wǎng)絡吞吐量、減少丟包數(shù)，進一步提升了交通信息采集系統(tǒng)的性能。

1 問題描述及算法的提出

無線傳感網(wǎng)絡作為一種新型技術，部署和維護十分方便，它被廣泛用于智能交通信息采集系統(tǒng)中。如圖1所示，基于WSN的道路交通監(jiān)測系統(tǒng)具有以下特點:(1)傳感器節(jié)點被大量地部署在道路兩旁用來實時監(jiān)測交通流數(shù)據(jù);(2)節(jié)點需要將監(jiān)測到的道路交通數(shù)據(jù)例如車流量、車速等以多跳或多對一的傳輸方式快速準確地傳輸?shù)絽R聚節(jié)點;(3)傳感器節(jié)點和匯聚節(jié)點在部署后一般不發(fā)生位置的變動;(4)在突發(fā)性事件產(chǎn)生時，傳感器網(wǎng)絡中將會產(chǎn)生大量的數(shù)據(jù)。面向交通信息采集的無線傳感網(wǎng)絡與一般的監(jiān)測網(wǎng)絡有一定的區(qū)別，在交通信息采集時，一些數(shù)據(jù)相當重要，不允許降速，需要立刻傳輸?shù)奖O(jiān)測中心;同時傳感器覆蓋范圍廣，傳輸?shù)臄?shù)據(jù)流多樣，有很多冗余節(jié)點。這些特性使得一般擁塞控制難以滿足它的需求，而流量調(diào)度控制方法能夠在不降低速率的同時對進入擁塞區(qū)域的數(shù)據(jù)流進行調(diào)度，通過繞路、分流等方式緩解擁塞，從而保證原有傳輸線路的暢通。但已有的流量調(diào)度算法存在以下問題:(1)擁塞檢測方法比較單一，沒有考慮網(wǎng)絡狀態(tài)特性，對網(wǎng)絡擁塞程度估計不足;(2)分流路徑選擇時，簡單綜合各因素選擇下一跳節(jié)點，忽略了具體環(huán)境對網(wǎng)絡的影響。

圖1 無線傳感網(wǎng)絡交通信息采集系統(tǒng)

針對以上問題，本文在流量調(diào)度算法的基礎上，提出一種面向交通信息采集的高性能WSN擁塞控制算法。該算法通過引入擁塞預知狀態(tài)指數(shù)準確檢測擁塞，克服了傳統(tǒng)檢測方法的單一化、精確度不高的缺點;在產(chǎn)生擁塞時，對擁塞節(jié)點周圍建立臨時最佳路徑進行分流調(diào)節(jié)，通過加入信道接入率這一參數(shù)保證了監(jiān)測信息能夠準確及時地傳到匯聚節(jié)點，同時基于TOPSIS［11］理論思想構(gòu)建選擇模型，并將節(jié)點擁塞程度、剩余能量、距離原路徑跳數(shù)以及信道接入率作為下一跳節(jié)點選擇依據(jù)。

2HPCC算法

本算法分為擁塞檢測和分流調(diào)節(jié)2個階段。網(wǎng)絡中的每個節(jié)點維護一個鄰居節(jié)點信息表，該信息通過監(jiān)聽鄰居節(jié)點發(fā)送的RTS幀獲得。鄰居節(jié)點信息表包含該節(jié)點通信范圍內(nèi)所有鄰居節(jié)點的唯一標識號ID、擁塞程度、剩余能量、距離原路徑跳數(shù)和信道接入率。擁塞程度，即節(jié)點緩存占用率，表明節(jié)點當前的擁塞度，在選擇下一跳節(jié)點時盡量選擇擁塞程度低的節(jié)點，以避免建立新路徑后形成新的擁塞。新建路徑既不能距離原始路徑太遠也不能距原始路徑太近，太遠會增大網(wǎng)絡延時，而距離太近則可能導致更嚴重的擁塞，故將節(jié)點距離原路徑跳數(shù)作為選擇下一跳節(jié)點的依據(jù)。節(jié)點剩余能量的多少決定著節(jié)點使用周期，周期越長說明節(jié)點利用率越高。信道接入率反映了該節(jié)點無線鏈路質(zhì)量的好壞，選擇信道接入率高的節(jié)點有利于該節(jié)點快速接入信道。

2.1 擁塞檢測

有效的擁塞檢測是網(wǎng)絡擁塞控制機制的一個關鍵部分。傳統(tǒng)的擁塞檢測方法均采用單一狀態(tài)檢測，沒有考慮網(wǎng)絡狀態(tài)特性，這顯然不符合實際情況。因此需要設計一種更為合理的擁塞檢測方法。本文綜合考慮了擁塞檢測的精確性和實效性，定義擁塞預知狀態(tài)指數(shù)(Congestion Predict State Index，CPSI)，利用隊列緩存占有率與擁塞持續(xù)時間相結(jié)合的方法更新CPSI，預測網(wǎng)絡擁塞發(fā)生趨勢。C為擁塞預測狀態(tài)指數(shù)且 C∈{0，1，2}，設隊列緩沖區(qū)占有率為 r，2 個門限值為Rmin和Rmax，Th作為擁塞狀態(tài)持續(xù)時間，門限值為Tc。表1為擁塞預知狀態(tài)指數(shù)表。

表1 擁塞預知狀態(tài)指數(shù)表

在HPCC算法中，具體的檢測規(guī)則如下:

規(guī)則1 當r＜Rmin且Th=0時，C=0。說明節(jié)點的傳輸速率過低，導致節(jié)點緩存利用率過低，緩存資源利用不足，出現(xiàn)緩存空閑狀況。

規(guī)則2 當 Rmin＜r＜Rmax且 Th＜Tc時，C=1。說明節(jié)點處于正常傳輸狀態(tài)，無需改變當前傳輸狀態(tài)。

規(guī)則3 當 r≥Rmax或 Rmin＜r＜Rmax且 Th＞Tc時，C=2。說明節(jié)點的傳輸速率過高，導致緩存利用率過高，本節(jié)點處將發(fā)生擁塞，緩存隊列出現(xiàn)溢出狀況，擁塞會導致最優(yōu)路徑失效，造成網(wǎng)絡癱瘓。

2.2 分流調(diào)節(jié)

為了避免最優(yōu)路徑失效，當檢測到擁塞時，本文將原始路徑擁塞區(qū)域上游第一個非擁塞節(jié)點作為發(fā)起者(即為流量調(diào)度器)開始創(chuàng)建分流路徑。為了選擇最佳下一跳節(jié)點，HPCC基于TOPSIS理論構(gòu)建選擇模型，建立分流路徑。TOPSIS思想是以靠近理想解和遠離負理想解的程度作為評價指標。

2.2.1 節(jié)點屬性歸一化

定義節(jié)點 i的狀態(tài)為 Di={xi1，xi2，xi3，xi4}分別代表節(jié)點的i的擁塞程度、剩余能量、跳數(shù)和信道接入率。發(fā)起節(jié)點首先在n個鄰居節(jié)點中排除擁塞節(jié)點，從而將無擁塞節(jié)點作為備選節(jié)點，設備選節(jié)點有m個。在計算備選節(jié)點距離原路徑跳數(shù)時，新建路徑既不能距離原始路徑太遠也不能距原始路徑太近，所以把備選節(jié)點距離原路徑跳數(shù)的絕對偏差作為衡量節(jié)點屬性的狀態(tài)值，即每個備選節(jié)點距離原路徑跳數(shù)與平均跳數(shù)的差值。由于備選節(jié)點的4個屬性度量單位不一致，故采用歸一化處理，生成備選節(jié)點規(guī)范矩陣如(1)式所示:

式(1)中vij為節(jié)點屬性的歸一化值，歸一化過程如(2)式所示:

在備選節(jié)點的4個屬性中，擁塞程度和距離原路徑跳數(shù)絕對偏差是越小越好，為成本型指標;剩余能量和信道接入率是越大越好，屬于效益型指標，根據(jù)式(3)和式(4)選出理想最優(yōu)節(jié)點f*i和理想最差節(jié)點f'i，理想最優(yōu)節(jié)點是成本效益指標最小和效益指標最大的節(jié)點;理想最差節(jié)點是成本效益指標最大和效益指標最小的節(jié)點。

理想最優(yōu)節(jié)點:

理想最差節(jié)點:

其中，J*為效益型指標，J'為成本型指標，(fij)為參考節(jié)點加權判斷矩陣。

2.2.2 節(jié)點屬性度量

在選取下一跳節(jié)點時，希望所選取的備選節(jié)點的屬性均是各屬性最優(yōu)的，即成本指標是最小而效益指標是最大的，但在實際中，這樣的節(jié)點存在的可能性很小。在基于TOPSIS思想的選擇模型中，為了綜合考慮節(jié)點的各個屬性，對所有屬性進行加權處理。權向量的選擇根據(jù)序關系分析法，在文獻［7］中分析研究了節(jié)點的各個屬性重要性，認為擁塞程度更為關鍵。本文同樣基于該思想，認為節(jié)點擁塞水平更重要，所以權向量(w1，w2，w3，w4)可以選擇為(0.4，0.2，0.2，0.2)，確定權向量后可以生成加權判斷矩陣Z，綜合度量節(jié)點屬性信息，加權矩陣如式(5)所示:

2.2.3 節(jié)點綜合貼近度

在實際選擇中如果效益指標(剩余能量、信道接入率)比較高，成本(擁塞度、距離原路徑跳數(shù))也相對較高，就不屬于最優(yōu)的節(jié)點，或者成本和效益都比較低也不屬于最優(yōu)節(jié)點。在綜合考慮成本指標和效益指標時，采用度量歐式距離的方法，即計算備選節(jié)點與理想最優(yōu)和理想最差節(jié)點的歐式距離，再綜合考慮節(jié)點貼近度，選擇出貼近度最大節(jié)點即為最優(yōu)節(jié)點。

備選節(jié)點離理想最優(yōu)節(jié)點的距離:

備選節(jié)點離理想最差節(jié)點的距離:

備選節(jié)點貼近度的計算:

根據(jù)備選節(jié)點貼近度的大小對其進行排列，貼近度最大的節(jié)點就是需要查找的下一個節(jié)點。從此節(jié)點開始采用同樣的方法繼續(xù)尋找下一跳節(jié)點，直到新路徑創(chuàng)建完成。

3 仿真實驗與分析

為了驗證算法的有效性，本文設計了基于NS2的仿真實驗對算法性能進行分析與評價。設仿真場景部署在500 m×500 m的監(jiān)測區(qū)域內(nèi)，節(jié)點通信半徑為50 m。MAC協(xié)議為802.11DCF，所有節(jié)點初始能量為1J，緩存大小為80個數(shù)據(jù)包，擁塞閾值為0.8，數(shù)據(jù)包大小為512 bytes。

數(shù)據(jù)傳輸?shù)膶崟r性和可靠性是WSN的重要性能評價指標，吞吐量反映網(wǎng)絡的可靠性程度。端到端時延則反應了網(wǎng)絡的實時性。圖2對CODA、CAR和HPCC的網(wǎng)絡吞吐量進行對比。從圖中可以看出，0～30 s內(nèi)，三者吞吐量基本一致，這是由于源速率比較低，網(wǎng)絡中原路徑能夠承載此時的數(shù)據(jù)流量，因此，沒有擁塞發(fā)生。30 s之后，增大源節(jié)點發(fā)包速率，源通信量增多，網(wǎng)絡中發(fā)生擁塞，此時，HPCC和CAR迅速調(diào)整資源供應，建立新路徑，為原始路徑分擔流量，吞吐量得到提升。而CODA通過調(diào)整上游節(jié)點和源節(jié)點速率緩解擁塞，從而使其吞吐量沒有隨著源數(shù)據(jù)量的增加而升高。HPCC的吞吐量高于CAR，這是由于本文算法添加信道接入率作為選擇下一跳節(jié)點的依據(jù)，同時通過TOPSIS多屬性決策模型進行選擇最佳下一跳節(jié)點，所以，創(chuàng)建的新路徑優(yōu)于CAR所建路徑，故吞吐量性能得到了提升。

圖2 CODA、CAR和HPCC的網(wǎng)絡吞吐量對比

圖3 CODA、CAR和HPCC的平均端到端時延對比

圖3為CODA、CAR和HPCC的平均端到端時延對比圖。開始階段，緩存器內(nèi)數(shù)據(jù)包不斷累積導致數(shù)據(jù)包排隊等待時間增加，所以3種算法的延時均迅速增大。CAR和HPCC在擁塞后，均創(chuàng)建一條新路徑為原始路徑分擔流量，降低節(jié)點緩存隊列長度，從而減少了數(shù)據(jù)包在節(jié)點隊列中的排隊等候時間。而CODA通過抑制上游節(jié)點轉(zhuǎn)發(fā)速率，雖然縮短了擁塞節(jié)點的隊列長度，但上游節(jié)點中數(shù)據(jù)包傳輸延時增大，所以，其平均端到端延時變大，延時高于CAR和HPCC。在50 s后，延時趨于穩(wěn)定，這是由于源通信量穩(wěn)定，新路徑建立后為原始路徑分擔流量使網(wǎng)絡負載狀態(tài)趨于穩(wěn)定。圖中HPCC的延時較CAR降低了20%左右，因為采用了擁塞預知狀態(tài)指數(shù)來快速準確判斷網(wǎng)絡狀態(tài)，所以HPCC延時性能優(yōu)于CAR。

考慮節(jié)點能量受限是WSN的最大特點，在保證數(shù)據(jù)傳輸可靠性的前提下盡可能減小通信路徑上的能量消耗，將有利于提高能量利用率，最大化網(wǎng)絡生命期。由圖4可以看出HPCC消耗能量的速率慢于CODA和CAR。這主要是由于CODA涉及網(wǎng)關和多個節(jié)點的反饋交互，消耗的能量較大，CAR建立分流路徑消耗了大量的能量，而HPCC通過TOPSIS模型選擇快速分流的同時周期性掃描緩存隊列，消耗的能量相對較小。網(wǎng)絡資源能夠有效利用，表現(xiàn)出更好的節(jié)能性。

圖4 CODA、CAR和HPCC的能耗對比

4 結(jié)束語

結(jié)合面向交通信息采集的無線傳感器網(wǎng)絡特點，針對已有流量調(diào)度算法的不足，本文提出了一種基于流量調(diào)度的HPCC擁塞控制算法。本算法通過準確有效的擁塞檢測對網(wǎng)絡擁塞狀態(tài)進行預測。在分流調(diào)節(jié)時，將節(jié)點擁塞程度、剩余能量、距離原路徑跳數(shù)以及信道接入率作為下一條節(jié)點選取依據(jù)，根據(jù)TOPSIS模型來合理選擇下一跳節(jié)點，從而創(chuàng)建分流路徑為原始路徑分擔流量。實驗表明:本算法能保證網(wǎng)絡吞吐量，降低延遲，減小網(wǎng)絡能耗。

:

［1］齊楠，韓波，李平.智能交通系統(tǒng)中無線傳感器網(wǎng)絡的應用［J］.機電工程，2007，24(10):225-234.

［2］張玉鵬，劉凱，王廣學，等.基于無線傳感器網(wǎng)絡的跨層擁塞控制協(xié)議［J］.電子學報，2011，39(10):2258-2262.

［3］Sankaasubramaniam Y，Akan B，Akyidiz O.Event-to-sink reliable transport in wireless sensor networks［C］//Proc.of the 4th ACM Int’l Symp.on Mobile Ad Hoc Networking and Computing.2003:177-188.

［4］Wan C，Eisenman S，Campbell A.CODA:Congestion detection and avoidance in sensor networks［C］//Proc.of the 1st Int’l Conf.on Embedded Networked Sensor Systems.2003:266-279.

［5］Kang J，Zhang Y，Nath B.Adaptive resource control scheme to alleviate congestion in sensor networks［C］//Proc.of 1st Workshop on Broadband Advanced Sensor Networks(BASENETS).2004.

［6］Kumar R，Rowaihy H，Cao G H，et al.Congestion Aware Routing in Sensor Networks［R］.PSU Technical Report，2006.

［7］Popl L，Raiciu C，Stoica I，et al.Reducing congestion effects in wireless networks by multipath routing［C］//Proc.of the 14th IEEE Int’l Conf.on Network Protocols(ICNP).2006:96-105.

［8］Gulluccio L，Campbell A T，Palozzo S.CONCERT:Aggregation-based congestion control forsensornetworks［C］//Proc.of the 3rd ACM Conf.on Embedded Networked Sensor Systems(SenSys).2005:274-275.

［9］Ngai E，Zhou Y F，Lyu M R，et al.Reliable reporting of delay-sensitive events in wireless sensor actuator networks［C］//Proc.of the 3rd IEEE Int’l Conf.on Mobile Adhoc and Sensor Systems(MASS).2006:101-108.

［10］Lachlanl H，Sthphen V，Rami G.Active queue management for fair resource allocation in wireless networks［J］.IEEE Transactions on Mobile Computing，2008，7(2):231-246.

［11］梁昌勇，戚筱雯.一種基于TOPSIS的混合多屬性群決策方法［J］.中國管理科學，2012，20(8):109-117.