譚國平，劉如通，譚林風

（河海大學 計算機與信息學院，江蘇 南京211100）

基于車輛合作的擁塞檢測機制研究

譚國平，劉如通，譚林風

（河海大學 計算機與信息學院，江蘇 南京211100）

針對車輛自組網(wǎng)中擁塞控制的難點，采用合作擁塞檢測方法，并結(jié)合距離和擁塞等級的路徑選擇方法，提出一種基于車輛到車輛通信的簡化合作擁塞檢測機制。該機制不僅考慮個體車輛檢測到的擁塞程度，而且考慮整個擁塞隊列內(nèi)所有車輛的實時狀況，從而獲得擁塞隊列密度與長度信息，仿真表明使用該機制可對車輛擁塞進行有效地控制。其次，基于模糊數(shù)學理論，對檢測到的密度值和隊列長度進行了處理，提出采用換路概率推理值。利用該值，仿真表明車輛可有效避免錯誤的換道判斷狀況，從而降低車輛擁塞概率。

智能交通；車輛自組網(wǎng)；擁塞檢測；擁塞控制

隨著城市中車輛日益增多，交通擁堵和交通事故問題也越來越受到人們的關(guān)注。目前解決交通擁堵的主要方案多是采用車輛與公共設施的通信V2I（Vehicle-to-Infrastructure），但是，這種方案存在范圍性和開銷大的缺點。鑒于這樣的局限性，逐漸發(fā)展出了基于車輛與車輛之間通信的智能交通監(jiān)測手段。車輛通過與其他車輛及時的信息交流可以了解當前道路的狀況，并且可以及時的把信息分享給那些不在周圍的車輛。

文中受一種新穎的基于車載自組網(wǎng)通信的探測交通擁堵探測方法-CoTEC[1]（Coperative Traffic congestion detECtion）的啟發(fā)，通過簡化并且改進這種方法得到Si-CoTEC。利用Si-CoTEC，車輛可以實時的評估車輛四周的密度信息，并且利用估算的密度信息和行駛速度對當前的路況進行評級。由于是利用無線車載自組網(wǎng)的通信方式，對于地域的要求和設施的要求并不十分苛刻，也就不存在很明顯局限性。另外，合作擁塞檢測就是將同一擁堵路段的不同車輛對于交通狀況的估算綜合在一起，得到一個更全面的交通擁堵的等級數(shù)值。這種方式可以避免因為某一輛車的探測錯誤而導致對于整體擁堵的過高或過低的估計。車輛通過對周圍車輛密度和速度的評估，得出自身的擁塞等級。然后，把這些信息發(fā)給其余的車輛。這樣，靠近擁堵路段的車輛可以根據(jù)從前方車輛得到的信息，自行選擇換路避開擁堵，最后達到緩解擁堵的目的。

1　基于合作機制的車輛自組網(wǎng)擁塞檢測

文中所采用的Si-CoTEC是一種較全面、新穎的交通探測方法。主要分為車輛自身擁塞檢測和車輛合作擁塞檢測兩個方面。車輛自身擁塞檢測就是通過計算車輛周圍密度和行駛速度得到當前道路擁塞狀況。車輛合作擁塞檢測是利用基于車載自組網(wǎng)通信的方法，將不同車輛的評估結(jié)果進行匯總，得到一個綜合評估結(jié)果。整個擁塞檢測的過程都是依靠車輛之間消息的傳輸來完成的，所以先列出在車輛檢測過程中所使用的消息種類，如表1。

表1　車輛使用的消息類型

1.1車輛自身擁塞檢測

車輛自身進行擁塞檢測時主要是為了獲得車輛自身周圍的密度，密度的計算公式如下：

其中N表示在車輛通信范圍內(nèi)能檢測到的其他車輛數(shù)目，Df表示能檢測到的車輛中距離最遠且處于檢測車輛前方的車輛與檢測車輛之間的距離，Db對應檢測車輛后方距離最遠的車輛與檢測車輛之間的距離，NL則是代表當前道路上的車道數(shù)。

根據(jù)CoTEC中的劃分標準將密度和速度均分為四種不同狀態(tài)，劃分標準如表2和3。

表2　密度劃分表

表3　速度劃分表

從表3中可以看出，速度劃分的多個區(qū)間發(fā)生重疊現(xiàn)象，因此采用模糊數(shù)學理論處理擁塞判斷是非常必要的[2]。為了方便對車輛檢測得到的擁塞程度給出定性的分析，將擁塞程度劃分為幾個不同階段并且對每個擁塞階段給定一個具體的數(shù)值。Skycomp提出的服務等級LOS（level of service）可以將道路狀態(tài)分為6種[3]，它相對于公路容量計算手冊HCM（Highway Capacity Manual）[4]將擁塞狀態(tài)繼續(xù)劃分為了不同的程度。文中便是根據(jù)LOS將擁塞程度分為四個等級：自由行駛、輕微擁塞、中度擁塞和嚴重擁塞，對應這四個狀態(tài)分別為其設定數(shù)值0、1/3、2/3、1。根據(jù)之前得出的速度和密度值的劃分可以指定如下模糊規(guī)則，如表4。

表4　計算擁塞程度的模糊規(guī)則

車輛通過接收四周車輛發(fā)送來的Beacon信息，通過消息中的位置信息估算自身四周的車輛密度。然后根據(jù)密度和速度所處的狀態(tài)通過對應模糊規(guī)則自動得出車輛擁塞程度。文中采用歸屬度函數(shù)進行仿真計算[5]，得到的結(jié)果是0到1之間的數(shù)，根據(jù)擁塞程度設定的數(shù)值便可以判斷出車輛到底屬于哪個擁塞程度。通過檢測仿真輸出的單個車輛擁塞程度的計算數(shù)值輸出，若是檢測到了擁塞，此時車輛便要開始考慮合作擁塞檢測。車輛主要是通過發(fā)送消息來實現(xiàn)合作擁塞檢測，但是消息的傳輸會帶來能量的損耗，若是不分狀況隨意傳輸合作檢測的消息會帶來不必要的消耗，因此設定只有在檢測到擁塞的情況下才允許進行合作擁塞檢測。因為事先已經(jīng)將擁塞程度量化為具體的數(shù)值，所以只需要設定一個閾值為Cth（本文閾值為0.2），當檢測到的擁塞程度達到或者超過該閾值時便可以發(fā)出Data消息開始合作擁塞檢測。

1.2車輛合作擁塞檢測

合作擁塞檢測是利用Data消息的多跳傳遞來實現(xiàn)的[6]，具體的方法是：在傳遞Data消息的過程中，會收集擁堵隊列中的不同車輛對于自身四周的交通擁堵等級的評估，并且，Si-CoTEC可以提供當前擁堵的特征信息——擁堵隊列長度，因此，處于擁堵隊列開始位置的車輛會負責周期性的產(chǎn)生和發(fā)送Data信息。文中將采用簡化的方法選擇擁堵隊列中的最前端車輛：第一種是剛離開擁塞隊列的最前端車輛；第二種是指完全靜止的車輛且鄰接表里90%的車輛處于其后方的車輛。這個簡化的方法通過仿真驗證可以成功的判斷出最前端車輛。

當車輛接收到Data信息，先記錄該消息，然后判斷自身擁塞狀況，當檢測到擁塞時則進行合作擁塞檢測。合作擁塞檢測并不是將接收到的Data消息直接向后轉(zhuǎn)發(fā)，而是將自身檢測到的擁塞程度與Data消息中的擁塞程度結(jié)合，車輛在接收到Data消息后，會將其中的擁塞程度值與自身檢測到的擁塞程度值進行平均，之后再重新寫回Data消息。同時，車輛還會將自己的位置信息寫入到Data消息中然后進行后續(xù)處理。之后根據(jù)坐標計算出自身與發(fā)送Data消息車輛之間的距離，這個距離用來設計轉(zhuǎn)發(fā)Data消息定時器，如圖1所示。

圖1　Data消息處理流程圖

要實現(xiàn)圖1過程，需要采用一個競爭機制，這種競爭機制類似于CBF（Contension Based Forwarding）[7]，利用車輛之間的距離遠近來限制轉(zhuǎn)發(fā)消息的時間。車輛在接收到Data消息時會啟動一個定時器，當定時器時間結(jié)束時就可以轉(zhuǎn)發(fā)Data消息。設定消息的調(diào)度時間計算方式如式（2），其中TMax表示最大的轉(zhuǎn)發(fā)延時，dis則表示接收到Data消息車輛與發(fā)送Data消息車輛之間的距離，這個距離是在圖1的流程中計算出來的。

為了選擇擁堵隊列第一輛車作為產(chǎn)生并且發(fā)送Data信息的車輛。文中將采用簡化的方法選擇擁堵隊列的第一輛車：第一種是剛離開擁塞隊列的最前端車輛；第二種是指完全靜止的車輛且鄰接表里90%的車輛處于其后方的車輛。這個簡化的方法通過仿真驗證可以成功的判斷出剛剛離開擁堵隊列的車輛，并且該車輛會負責周期性產(chǎn)生Data信息。

合作擁塞檢測完成時，車輛會向后轉(zhuǎn)發(fā)TJC消息給其余的車輛。對于同一個TJC消息，也不是所有接收到的車輛都需要轉(zhuǎn)發(fā)，同樣采取競爭機制，使得距離發(fā)送TJC消息最遠的車輛轉(zhuǎn)發(fā)該消息，通過調(diào)度設定定時器，定義方式如公式（2），此時設定的最大轉(zhuǎn)發(fā)時間為TTMAX。之所以需要繼續(xù)傳輸TJC消息是為了在仿真中通知后方車輛擁塞發(fā)生的位置是否超過岔路口，通過TJC消息，所有的車輛都可以知道前方在哪里發(fā)生了擁塞，擁塞的程度如何以及目前擁塞的隊列已經(jīng)有多長，這些信息可以為駕駛者選擇行駛道路做出參考。

2　仿真環(huán)境

仿真是利用 SUMO（Simulation of Urban MObility）[8]、OMNeT++[9]（Objective Modular Network Testbed in C++）和Veins[10]共同實現(xiàn)的。SUMO主要負責仿真地圖以及車輛的可視化，它不僅可以直觀的顯示車輛在仿真地圖中的行駛情況，而且可以設置車輛的行駛速度、停止的位置等一系列的參數(shù)。OMNeT++主要負責模擬車輛間的通信，例如Beacon、Data等一系列的信息。Veins是將這兩個軟件（SUMO和OMNeT++）連接起來的橋梁。Veins是一個由道路交通仿真和網(wǎng)絡仿真組成的用于車輛之間通信IVC（Inter-Vehicular Communication）的開源仿真框架，它需要SUMO和OMNeT++的共同支撐。為了對車輛間通信進行評估，SUMO和OMNeT++需要平行運行，它們通過TCP socket協(xié)議進行連接。為了實現(xiàn)車輛間通信，該協(xié)議已經(jīng)被標準化為交通控制接口 TraCI（Traffic Control Interface）。圖2中MIXIM是OMNeT++中用于無線網(wǎng)絡的通信網(wǎng)絡仿真包，Veins在MIXIM的基礎(chǔ)上可以在OMNeT++中對車輛節(jié)點之間的通信進行仿真。

圖2　仿真平臺之間的邏輯結(jié)構(gòu)關(guān)系

圖3　仿真采用的地圖

仿真采用的地圖是南京市珠江路附近的一個十字路口，如圖3所示，每條道路設定四條車道，速度限制在130km/h。地圖和行駛的車流的設定均在SUMO中完成，車流最大行駛速度不超過主干道限定的速度，車流中的車輛采用均勻分布的發(fā)車頻率，即車輛之間的發(fā)車間隔時間是相同的。

仿真參數(shù)如表5，車輛參數(shù)的設定是參考經(jīng)典案例而設，之所以將Tout設定為3 s是考慮到Beacon消息傳輸過程中因為延時等原因最晚3 s才能夠到達。其中SendBeaconEvt、SendDataEvt、CalculateDensity、outBeacon分別表示周期發(fā)送Beacon消息、周期發(fā)送Data消息、周期計算車輛密度、處理過時Beacon消息。

表5　參數(shù)設置

3　仿真結(jié)果

由于采用基于車載自組織網(wǎng)絡的交通擁堵探測最基本的能力就是能夠提供一個盡量接近實際情況的估算值，只有車輛能夠在行駛中盡量準確地估算四周的車輛密度，提供準確的關(guān)于擁堵的相關(guān)信息，這種擁堵檢測方法才具有實用價值。所以本文通過三方面來評估Si-CoTEC的準確性以及可行性：密度估算誤差、擁堵隊列長度估算誤差以及換路情況。

3.1密度估算誤差對比

密度的估算誤差是指利用Si-CoTEC機制得到的密度估計值與實際的車輛密度的誤差，通過將這個密度估算誤差與利用閉路攝像機得到的密度估算誤差進行比較，可以直觀地評價這個基于車輛間通信的交通擁堵探測機制是否可以提供與傳統(tǒng)的交通監(jiān)測技術(shù)提供相同準確度的密度估算值。SUMO中設定磁感應線圈模擬傳統(tǒng)智能交通中閉路電視進行交通監(jiān)測的行為，在仿真地圖中從出發(fā)點開始，每條車道上設定每隔100 m安裝一個磁感應線圈，每個磁感應線圈會生成一個文檔，記錄下規(guī)定時間內(nèi)通過該線圈的車輛數(shù)目、車流和平均速度，現(xiàn)設定磁感應線圈每隔10 s進行一次統(tǒng)計，進行計算、求解均值得到傳統(tǒng)智能交通檢測方法的車輛密度值。經(jīng)過前面的研究，設置最佳參數(shù)，將合作擁塞檢測密度誤差與傳統(tǒng)智能交通檢測密度誤差進行對比，采用分析計算密度定時器時間的仿真場景，結(jié)果圖4。

圖4　密度誤差對比

如圖4所示，檢測所得的車輛密度誤差控制在0.05左右，當仿真時間到達到40 s，車輛密度達到了80veh/km/lane時，此時密度誤差有所增大但仍屬于小誤差。通過對比可以發(fā)現(xiàn)，采用合作檢測相比于傳統(tǒng)的智能方式檢測到的車輛密度更為準確且相對實際密度差值很小。

3.2擁堵隊列長度估算對比

合作擁塞檢測不僅僅可以檢測到整體的擁塞狀況，還可以檢測到擁塞隊列的長度。擁塞隊列長度對于駕駛者是否需要換道是很重要的依據(jù)，因此需要得到準確的擁塞隊列長度值。合作檢測中可以根據(jù)Data消息中的兩個車輛位置信息計算出擁塞隊列的長度，而通過SUMO可以計算出實際擁塞隊列長度，計算兩者之間的差值。本文模擬兩種不同的場景：場景Y，車輛遇到問題逐漸減速為0；場景H，車輛開始加速駛出擁塞。每個車道上最多通過一百輛車。分別在場景Y和場景H下研究長度誤差，仿真參數(shù)設定為最優(yōu)參數(shù)。

圖5　擁塞隊列長度誤差

如圖5所示，仿真所用場景與研究傳輸功率時一致，在場景Y下，確定擁塞隊列前端車輛是通過車輛發(fā)送的Beacon消息來判定的，此時的擁塞隊列最前端車輛并非是真正的最前端車輛，只是擁塞隊列前部的某輛車，通過這輛車的位置信息計算擁塞隊列長度時，因為其位置靠后，會低估隊列長度。開始時由于后方車輛之間的間距較大，且擁堵的長度不是很大，車輛轉(zhuǎn)發(fā)一次便可以將消息傳輸?shù)轿捕?，判定的尾端車輛過于靠后，高估隊列長度，最終得到的隊列長度誤差較小。隨著仿真時間增加，車輛之間的間距逐漸減小，且擁塞的車輛數(shù)目變多，車輛轉(zhuǎn)發(fā)后判定的擁塞隊列尾端車輛也越來越準確，最終檢測到的擁塞隊列長度因為擁塞隊列最前端車輛判斷不準維持在比實際隊列長度小10 m左右的水平。場景H下，擁塞隊列前端車輛的判定是通過行駛狀態(tài)來確定的，剛開始時，第一輛駛出擁塞隊列的車輛需要開出去較遠的距離才能檢測到自由行使的狀態(tài)，此時判定的擁塞隊列最前端車輛離開擁塞隊列較遠，會造成隊列長度的高估。而對于擁塞隊列尾端的判定由于車輛行駛狀態(tài)穩(wěn)態(tài)，間距小，判定準確。此時得到的擁塞隊列長度比實際計算得到的長，隨著仿真時間增加，車輛的速度越來越快，駛出擁塞隊列的車輛與其后方車輛之間的間距減小，判定的擁塞隊列最前端車輛也越來越準確，并且隨著密度的減小，后方車輛擁塞狀態(tài)與自由行駛車輛之間的間距減小，隊列長度計算較準確，最終保持隊列長度誤差10 m左右，這種誤差是可以接受的。

3.3換路概率

擁塞檢測的目的是為了給駕駛者提供駕駛參考，為了檢驗合作擁塞檢測對于車輛換路的影響，提出一個換路概率的想法。換路概率是指在前方檢測到擁塞的情況下，后方靠近車輛選擇換路的數(shù)目與總數(shù)目的比值，此時的換路依據(jù)是檢測到的擁塞程度，設定擁塞隊列擁塞程度大于0.4時選擇換路。模擬三種不同的車輛密度:A:20veh/km/lane，B：40veh/km/lane，C:60veh/km/lane，通過改變車輛之間的間距來實現(xiàn)不同的密度狀況，設定車輛行駛過程中停止30 s，在三種場景下從車輛檢測到擁塞開始，統(tǒng)計車輛數(shù)目，直到檢測不到擁塞時停止統(tǒng)計，計算這段時間內(nèi)的換路車輛數(shù)目與總數(shù)目的比值。

圖6所示，當車輛密度較小時，只有車輛行駛速度很小的情況下才檢測到擁塞，一旦擁塞緩解，整個車流前端的車輛大多能夠離開隊列，只有當后方靠近車輛過多且速度受限時才檢測到擁塞，因此大多數(shù)車輛可以直接行駛，無需換路；隨著車輛密度變大，車輛停止時進入擁塞隊列的車輛數(shù)目變多，擁塞緩解時能夠駛出擁塞隊列的車輛減少，并且需要達到一定的速度才能算是處于自由行使狀態(tài)，此時后方靠近車輛大多需要換路行駛；當?shù)竭_情況C的嚴重擁塞狀況時，幾乎所有的車輛都選擇了換路行駛，這樣能夠減緩擁塞路段的擁塞程度。

圖6　不同車輛密度的換路概率

4　結(jié)束語

文中主要介紹了基于合作機制的車輛自組網(wǎng)擁塞檢測的具體實現(xiàn)過程，首先介紹了車輛自身擁塞檢測，之后通過消息的傳送實現(xiàn)了車輛合作擁塞檢測，確定了整個擁塞隊列的擁塞程度和擁塞隊列長度，最后通過仿真表明該機制可以對車輛擁塞進行有效的控制，并且利用換路概率可以有效的降低車輛擁塞程度，在遇到交通擁塞時，能及時的給駕駛者提供參考，方便其做出選擇，及時避免交通擁塞。

[1]R.Bauza；J.Gozalvez.Traffic congestion detection in largescale scenarios using vehicle-to-vehicle communications[J]. Journal of Network and Computer Applications，2013，36（5）:1295-1307.

[2]Venkata Subba Reddy，P..Generalized fuzzy logic for incomplete information[C].Fuzzy Systems（FUZZ），2013 IEEE International Conference on，2013:1-6.

[3]Major highway performance ratings and bottleneck inventory，State of Maryland[C]//Spring 2008.Skycomp，Inc.in association with Whitney，Bailey，Cox and Magnani，LLC；November，2009.

[4]Highway capacity manual-HCM 2000.Transportation Research Board[C]//National Research Council；2000.

[5]Schuh C H.Fuzzy sets and their application in medicine[C]. Fuzzy Information Processing Society，NAFIPS 2005，Annual Meeting of the North American，IEEE，2005:86-91.

[6]Song Yi，Xie Jiang.A distributed broadcast protocol in multihop cognitive radio ad hoc networks with collision avoidance[J].IEEE Transactions on Mobile Computing.2015，14（3）: 509-524.

[7]Fussler H et al..Contention-based forwarding for mobile ad hoc networks[J].Ad Hoc Networks，2003；1（4）:351-369.

[8]Daniel Krajzewicz，Jakob Erdmann，Michael Behrisch，and Laura Bieker.Recent Development and Applications of SUMOSimulation of Urban Mobility[C].International Journal On AdvancesinSystemsandMeasurements，2012；5（3&4）:128-138.

[9]Musaddiq，A.；Hashim，F(xiàn).，"Multi-hop wireless network modelling using OMNET++simulator，"in Computer，Communications，and Control Technology（I4CT）[C]//2015 International Conference on，2015：559-564，21-23.

[10]Arellano W，Mahgoub I.TrafficModeler extensions:A case for rapid VANET simulation using，OMNET++，SUMO，and VEINS[C]//2013 10th Interna-tional Conference on High CapacityOpticalNetworksandEnablingTechnologies（HONET-CNS），2013：109-115.

Research on congestion detection mechanism based on vehicle cooperation

TAN Guo-ping，LIU Ru-tong，TAN Lin-feng
（College of Computer and Information，Hohai University，Nanjing 211100，China）

Aiming at the difficulty of the vehicle congestion control in ad hoc network，this paper adopts the cooperative congestion detection and the path selection method combing distance with congestion to propose the Si-CoTEC（Simplified Coperative Traffic congestion detECtion），it is based on Vehicle-to-Vehicle communications.This mechanism not only considers the congestion degree detected by individual vehicle，but also considers all vehicles within the congestion queue when detects congestion.The mechanism can obtain the density and the length of entire congestion queue，simulation showed that the mechanism can effectively control the congestion of vehicles.In this paper，the detected density and length of congestion queue also being processed，a recommending value of changing road based on fuzzy mathematic theory is proposed. According to the value，simulation showed that vehicle can avoid making mistaken decisions of change road when there is no need to choose another way effectively，thereby reduce the probability of vehicle congestion.

ITS；vehicle ad hoc network；congestion detection；congestion control

TN929.5

A

1674－6236（2016）21-0118-04

2015-10-31稿件編號：201510239

譚國平（1975—），男，湖南澧縣人，博士，副教授。研究方向：移動自組網(wǎng)，無線通信信號處理，隨機網(wǎng)絡優(yōu)化與控制和網(wǎng)絡信息論。