喬 鈺，胡曉輝，曹 樂

（蘭州交通大學電子與信息工程學院，蘭州 730070）

0 概述

車載自組織網絡（Vehicular Ad-hoc Network，VANET）是智能交通系統(tǒng)的核心技術，旨在提供安全舒適的交通道路行駛環(huán)境，保障車輛駕駛人員和乘客的生命與財產安全，降低意外交通事故的發(fā)生概率。專用短程通信（Dedicated Short Range Communication，DSRC）是VANET 中使用的一組標準和協(xié)議［1］。VANET 包含2 個單元：路邊單元（RSU）和車載單元（OBU），這2 個單元之間形成2 種通信方式，即車對車（V2V）和車對基礎設施（V2I）［2］。近幾年研究人員開發(fā)了許多安全應用程序用于VANET，這些程序通過定期交換信標消息以縮短對事故的響應時間，保障行車的便捷性和安全性［3］。VAENT 環(huán)境中車輛節(jié)點的移動速率高從而導致網絡拓撲結構變化快，復雜的交通環(huán)境也會對通信質量造成影響，這些特點導致VANET 性能下降。尤其是在交通流密度大的環(huán)境下，信道的爭用會越來越嚴重，當節(jié)點數(shù)目到達一定程度之后，信道產生擁塞，造成傳輸延遲增大，數(shù)據包丟失，引起網絡性能急劇下降。因此，必須設計控制策略，控制車輛通信范圍內的節(jié)點數(shù)和消息傳輸速率來解決信道擁塞問題。

由于信標消息僅通過控制信道，采用“競爭”的機制進行傳輸，因此為保障消息及時可靠地傳輸，研究人員做了大量的工作以解決信道擁塞的問題。文獻［4］提出動態(tài)擁塞控制方案作為廣播安全消息的一種手段，確保將安全消息及時可靠地傳遞給網絡中的鄰居節(jié)點。該方案分為擁塞檢測和擁塞控制2 個階段，擁塞檢測階段分為基于事件驅動的檢測和基于測量的檢測，前者通過監(jiān)控事件驅動安全消息并決定在檢測到或生成事件驅動安全消息時啟動擁塞控制，后者定期監(jiān)測信道使用狀態(tài)，并將信道利用率劃分為不同的級別。擁塞控制階段通過基于消息起源的隊列凍結以及通過調整競爭窗口大小的方法控制信道擁塞。文獻［5］針對VANET 環(huán)境下的信道資源分配問題提出一種網絡效用最大化模型，構建傳輸功率固定條件下無線信道資源分配的優(yōu)化問題，并利用分布式擁塞控制算法解決該優(yōu)化問題，使網絡效用最大化，保障通信過程中平均時延較小和數(shù)據分組投遞率較高。文獻［6］對分布式擁塞控制算法進行了優(yōu)化，文中引入優(yōu)先級的思想，為MAC傳輸隊列中的信標消息賦予較高的優(yōu)先級，并利用LIMERIC 算法提高消息的傳輸速率。文獻［7］提出了一種非合作博弈模型，基于數(shù)據傳輸速率、車輛的優(yōu)先級和爭用延遲引入了效用函數(shù)，其基于車輛的發(fā)送速率、最大爭用延遲和優(yōu)先級3 個參數(shù)，使用牛頓-拉夫森法來調整消息的數(shù)據速率，從而緩解信道擁塞，這是每輛車的效用功能的一部分，以實現(xiàn)所需的公平性。文獻［8］基于給定車道上車輛的速度和密度建立了一種動態(tài)聚類模型，最大限度地降低網絡開銷，在降低車輛速度的同時確定車輛密度，這有助于避免網絡擁塞，并可以保持更好的網絡穩(wěn)定性。文獻［9］基于模糊邏輯提出了一種智能自適應信標速率控制算法，將車輛狀態(tài)作為模糊決策系統(tǒng)的輸出，以便根據交通系統(tǒng)的狀態(tài)調整信標速率。文獻［10］提出了一種基于模糊邏輯的車聯(lián)網自適應功率控制策略，該策略通過模糊邏輯推理，得到滿足90%數(shù)據包遞送率（Packet Delivery Ratio，PDR）的真實傳輸范圍，并根據與理想PDR 之間的誤差自適應調整傳輸功率。文獻［11］提出一種多度量功率控制方法，該方法基于應用程序的要求和信道狀態(tài)調整傳輸功率，在維持信道處于良好水平的狀態(tài)下，保證車輛的傳輸范圍較大。文獻［12］提出一種基于信道預測的協(xié)同數(shù)據分發(fā)調度策略，該策略采用遞歸最小二乘算法基于車輛的位置預測信道負載，有效地減少了數(shù)據分發(fā)延遲并提高了網絡吞吐量。文獻［13］采用局部密度預測的方法結合傳輸參數(shù)自適應控制擁塞，該算法依賴車輛的局部密度信息來執(zhí)行傳輸參數(shù)自適應，在保證邊際碰撞率的同時滿足大多數(shù)VANET 應用程序所需的感知水平。

目前大部分研究都是以MAC 層的不同信息作為無線網絡擁塞的度量指標來進行相應的自適應功率或速率控制操作，從而達到控制信道負載的目的。一方面，這種方法不能提前避免擁塞，當信道發(fā)生擁塞后需要消耗一定的時間從擁塞狀態(tài)進行恢復；另一方面，所提出的方法都是對信標消息傳輸參數(shù)的單一調整，具有一定的局限性。上述局部密度預測算法僅根據接收到的信標數(shù)量判斷當前車輛鄰居節(jié)點數(shù)，但在密集網絡環(huán)境下，數(shù)據包容易丟失造成車輛無法接收到鄰居車輛的信標消息，導致局部密度的預測結果不夠精確。

針對上述研究中存在的問題，本文提出一種基于局部密度預測的傳輸參數(shù)自適應擁塞控制策略。在車輛識別來自鄰居節(jié)點的信標消息后，在車載密度計算模塊中根據單位時間內接收數(shù)據包和碰撞數(shù)據包的數(shù)量預測短期內鄰居節(jié)點的數(shù)量，并在每個監(jiān)測階段結束時對預測值與理論密度值進行比較，利用這2 個參數(shù)判斷是否啟動自適應過程。在此基礎上，通過信道忙時比率（Channel Busy Ratio，CBR）評估當前信道負載大小，并結合局部密度自適應調整信標的傳輸參數(shù)，從而達到提前避免信道擁塞的目的。

1 傳輸參數(shù)自適應算法及分析

1.1 系統(tǒng)模型

傳輸參數(shù)自適應擁塞控制策略根據網絡密度的變化動態(tài)調整信標傳輸參數(shù)。該策略在每個控制信道間隔（Control Channel Interval，CCHI）結束時根據信道狀態(tài)更新傳輸參數(shù)值，并在下一個CCHI內以該值廣播信標消息。在車輛局部密度增大的情況下，車速逐漸降低，此時為保證車輛之間能夠及時地交換消息，應提高信標的傳輸速率同時降低傳輸功率以防止信標碰撞；反之，在車流量密度稀疏的情況下，車輛速度的增加導致碰撞時間減小，此時應增大車輛的傳輸范圍。系統(tǒng)模型如圖1所示。

圖1 傳輸參數(shù)自適應系統(tǒng)模型Fig.1 Transmission parameter adaptation system model

1.2 假設條件

假設每個車輛節(jié)點都配備導航系統(tǒng)，并且具有IEEE 802.11p［14］的通信技術和運算能力。車輛周期性地廣播信標消息，其中包括ID、位置、速度、方向、當前位置鄰居節(jié)點數(shù)目等相關信息。根據文獻［15］可知，DSRC標準中定義了信標結構并且保留了空閑字段用于特殊應用，因此，可以在信標中添加額外的信息，即本文方案中目標車輛的鄰居車輛節(jié)點數(shù)目。

1.3 局部密度預測方法

局部密度預測機制從宏觀角度對交通流密度進行估計，以車輛自身對周圍環(huán)境參數(shù)的預測為基礎，對短期內目標車輛周圍的鄰居車輛密度的變化進行預測。在啟動傳輸參數(shù)自適應方案之前，需要監(jiān)測信道利用狀態(tài)并確認自適應的必要性。信道擁塞是車輛節(jié)點之間進行大量且頻繁的數(shù)據交換造成網絡負載過重的結果，因此，根據周圍節(jié)點的數(shù)量來判斷是否啟動信標自適應方案是一種簡單而有效的方法。

由于VANET 節(jié)點具有高度動態(tài)性，因此道路交通狀況變化速度快，使用預測機制的主要目的是反映網絡的實時狀態(tài)。將目標車輛干擾范圍內的鄰居節(jié)點數(shù)定義為車輛局部密度，以節(jié)點為中心執(zhí)行預測機制。VANET 環(huán)境中每個車輛節(jié)點在CCHI 結束時，基于自身所接收到的數(shù)據包數(shù)量估計當前車輛的周圍鄰居節(jié)點數(shù)。

當信道處于擁塞狀態(tài)時，數(shù)據包碰撞是不可避免的?？梢曰跀?shù)據包的接收數(shù)和碰撞數(shù)來估計鄰居節(jié)點的數(shù)量［16］。首先在每個CCHI 結束時對數(shù)據包數(shù)量進行統(tǒng)計；然后計算一個周期內接收包與碰撞包的數(shù)量之和，并結合平均信標速率與相鄰節(jié)點的數(shù)量呈反比的關系計算車輛局部密度；最后依據密度預測值與密度閾值的比較判斷是否調整傳輸參數(shù)，以防止控制信道內信標消息數(shù)量過多而導致信道負載過重。

局部密度預測機制模型如圖2 所示，其中：干擾范圍內的車輛B、C、D 均為A 車的鄰居節(jié)點；車輛B、C 在車輛A 的通信范圍內而車輛D 在車輛A 的干擾范圍內；所有車輛均周期性地廣播消息；D 車輛的消息會被A 車視為碰撞信息。

圖2 局部密度預測機制Fig.2 Local density prediction mechanism

在第i個CCHI 內，車輛可以檢測出信道內接收包的總數(shù)為Pi_rp，碰撞包的總數(shù)為Pi_cp，鄰居節(jié)點的平均信標速率定義為Vi_avg。平均信標速率可由式（1）計算［17］：

其中：C表示信道容量；Bsize表示信標消息的大小；N為當前車輛的相鄰節(jié)點數(shù)量；β是一個常數(shù)，范圍為0<β<1。

信道內的碰撞包可分為以下2 種類型：一種是接收車輛無法解碼來自干擾范圍內的數(shù)據包，將這類碰撞包的數(shù)量定義為Pi_ncp；另一種是當兩輛車位于目標車輛的通信范圍內并且同時廣播數(shù)據包，此時就會產生碰撞，將這類碰撞包的數(shù)量定義為Pi_rcp。因此，在第i個CCHI 內信道中碰撞包的總數(shù)為：

文獻［17］提出由于同一時間廣播數(shù)據包導致發(fā)生碰撞的碰撞包的數(shù)量Pi_rcp與一個周期內監(jiān)測到的碰撞包總數(shù)量Pi_cp的比例是一個常數(shù)，用ε表示，即：

因此，目標車輛干擾范圍內鄰居車輛的節(jié)點數(shù)為：

載波偵聽多路訪問/沖突檢測（Carrier Sense Multiple Access/Collision Avoidance，CSMA/CA）是IEEE 802.11p 采用的一種MAC協(xié)議［18］。以CSMA為基礎的MAC 協(xié)議采用隨機接入機制，當局部密度逐步增大時，節(jié)點很容易發(fā)生碰撞，進而引起更多次的退避。由式（4）可以看出，當接收包和碰撞包的數(shù)量增多時，意味著鄰居車輛的節(jié)點數(shù)增多。本文提出一種傳輸參數(shù)自適應擁塞控制機制，根據局部密度調整信標傳輸周期，以減少高密度場景中的信標負載，降低節(jié)點碰撞的概率。

控制信道帶寬資源受限導致一個CCHI 內能夠承載的數(shù)據量有限。由于所有信標大小是固定的，因此可以將信道容量從數(shù)據單元轉換為一個CCHI內對信道的訪問次數(shù)，將訪問次數(shù)映射到一個CCHI內“競爭”訪問信道但不會造成擁塞的最佳車輛數(shù)。VANET 環(huán)境中信標速率最低要求為10 Hz，信道的最大利用率不超過一個CCHI 的60%，且一個CCHI為48 ms［19］。因此，一個CCHI 可用時間為：48 ms×60%=28.8 ms。

每一個信標消息的大小為固定的256 Byte，在控制信道中傳輸需要1 ms［20］，則在一個CCHI 內 可以廣播消息的車輛數(shù)為，即理論最優(yōu)局部密度為28。根據車輛局部密度的預測值與最優(yōu)局部密度的比較判斷是否啟動信標傳輸參數(shù)自適應過程。

1.4 傳輸參數(shù)自適應調整

VANET 環(huán)境中安全應用程序的運行依賴于每個車輛節(jié)點向鄰居車輛廣播信標消息，這些信標消息均通過控制信道進行傳輸。因此，每個節(jié)點只有通過“競爭”才能訪問控制信道廣播信標消息。目前，VANET 中的擁塞控制主要通過調整傳輸速率、傳輸功率和競爭窗口3 個參數(shù)?？刂葡鬏斔俾实闹饕椒ň褪强刂葡脑垂?jié)點處的產生速率，消息的傳輸速率越高，車輛節(jié)點對周圍的環(huán)境感知越精確。傳輸功率的控制主要通過增加消息的傳輸距離，擴大通信覆蓋范圍，從而改善發(fā)送節(jié)點與附近節(jié)點的通信質量?；诟偁幋翱诳刂频膿砣刂茩C制主要根據傳輸?shù)男艠讼⒌膬?yōu)先級設置初始最小競爭窗口，在消息傳輸過程中，節(jié)點根據收到的信標消息維護好鄰居節(jié)點列表。在一個CCHI 結束時，節(jié)點會更新鄰居節(jié)點列表計算鄰居節(jié)點個數(shù)，并根據其與最小競爭窗口之間的關系，調整最小競爭窗口值。因此，競爭窗口的調整會受到更多的限制，并且VANET 中消息的傳輸速率和功率是與安全應用運行性能密切相關的2 個參數(shù)，所以，多數(shù)研究都注重于調整這2 個參數(shù)。

1.4.1 算法總體流程

本文提出一種基于局部密度預測的傳輸參數(shù)自適應擁塞控制策略算法LDP-TPA。該算法主要是由局部密度預測方法和自適應調整方法2 個部分組成。首先將網絡中所有節(jié)點初始化傳輸速率R和傳輸功率P發(fā)送周期性信標消息；然后調用1.3 節(jié)局部密度預測方法，預測下一周期車輛干擾范圍內的局部密度；最后調用1.4.2 節(jié)傳輸參數(shù)自適應算法，根據當前時刻信道忙時比率及局部密度動態(tài)調整信標的傳輸速率和功率。

1.4.2 傳輸參數(shù)自適應算法

本文采用目前與VANET 信道擁塞相關的研究中廣泛使用的，直接反映信道負載大小的評價指標——信道忙時比率（CBR）。信道忙時比率定義為在一個監(jiān)測時間間隔T內，車輛感知信道處于繁忙狀態(tài)的時間與總時間的比值，即：

其中：T為一個時間間隔；信道在每個時隙i內被測量一次，T/i為一個時間間隔內的監(jiān)測次數(shù)；ω為信道繁忙指示，當信道繁忙時值為1，反之為0。當CBR 值為0.5～0.8 時，無線網絡性能達到最優(yōu)［21］。本文設置CBR的閾值為0.6。

在速率控制方面，不同速率之間數(shù)據包遞送率性能差異很大：采用高傳輸速率能夠縮短數(shù)據包傳輸時間，但是數(shù)據包遞送率低；而采用低傳輸速率傳輸時間過長容易造成信道擁塞。所以，應根據當前時刻信道負載大小自適應調整傳輸速率。

將當前時刻CBR 與當前時刻信標傳輸速率作為速率自適應算法的輸入，在速率調整中采用線性消息速率集成控制方法［22］，通過降低速率保持CBR低于預設閾值。車輛節(jié)點i在某一次控制過程中的傳輸速率控制公式為：

第三起：南部某市有一只波斯貓因為地震從陽臺上摔下來，瘸了右前腿，成了一只殘疾貓。這是本次地震造成的最嚴重損失。

其中：Rc是信標速率；Rg為滿足CBR 閾值的信標速率；α與β為收斂因子，且0<α<1，β>0。

在功率控制方面，由于VANET 環(huán)境中傳輸范圍與傳輸功率一一對應，因此根據車流量密度的不同，應對傳輸范圍自適應調整以保證信標消息能夠傳遞給鄰居車輛。同時，在保證大多數(shù)車輛能夠接收到信標消息的情況下，為避免信道擁塞，應將CBR 維持在閾值之下。

針對上述問題，本文基于局部密度變化和信道忙時比率自適應調整傳輸功率，由此改善實際的信道負載，提高傳輸?shù)目煽啃院蛯崟r性。車輛節(jié)點i在某一次控制過程中同樣采用線性控制的方式調整傳輸功率：

其中：α 為調整因子，根據當前時刻CBR 和CBR 閾值計算；C是一個常量，根據消息的類型決定；Pmax和Pmin分別對應最大和最小傳輸距離。利用反饋調整的方式來控制在實際信道狀態(tài)條件下，符合實際情況的功率變化。

車輛之間周期性地交換信標消息的目的是使駕駛員能夠增強對行駛環(huán)境的認知，縮短對事故的響應時間。為此，LDP-TPA 使用傳輸功率自適應調整來控制車輛的傳輸范圍。同時，使用傳輸速率自適應調整來維持信道負載低于閾值，以保證數(shù)據包遞送率。當局部密度增大時，車輛速度降低導致車間距離縮小。在速率控制模塊中，為保障車輛對周圍環(huán)境的感知處于良好水平，應增大傳輸速率。在功率控制模塊中，根據當前時刻的信道狀態(tài)調節(jié)傳輸功率，以確保信標消息能夠及時傳遞到鄰近的車輛。當局部密度減小時，道路上的車輛均以較高的速度行駛，此時碰撞時間減少。為保障道路交通安全，車輛應以較高的功率傳輸信標消息，以使信標消息能夠盡量傳遞到較遠處的車輛。局部密度減少說明交通流密度稀疏，意味著發(fā)送消息的車輛數(shù)量減少。因此，通過自適應傳輸速率控制，在充分利用信道資源的同時維持信道利用處于良好的水平。傳輸參數(shù)自適應算法描述如下：

算法1傳輸參數(shù)自適應算法

2 仿真結果與分析

2.1 仿真參數(shù)和環(huán)境

表1 仿真參數(shù)Table 1 Simulation parameters

將本文提出的LDP-TPA 算法與文獻［6］中提出的速率自適應控制算法和文獻［13］中提出的基于利他預測的自適應（P& A-A）算法進行對比，仿真結果基于數(shù)據包遞送率、消息傳輸延遲和信道占有率這3 個性能指標。其中：數(shù)據包遞送率是數(shù)據包傳輸總數(shù)與到達目標節(jié)點的數(shù)據包總數(shù)之比；消息傳輸延遲是將所有數(shù)據分組傳輸?shù)侥繕斯?jié)點所需的時間；信道占有率是在一個傳輸周期內，信道被占用的時間與總時間之比。

當車流量密度發(fā)生變化時對提出的基于局部密度預測的傳輸參數(shù)自適應擁塞控制策略進行驗證。當車流量密度增大時，控制信道中的信標消息數(shù)量增加從而導致信道擁塞，造成數(shù)據包丟失，傳輸延遲較高。針對上述問題，實驗設計中應用車輛自身檢測到的接收包與碰撞包的數(shù)量估計局部密度，根據局部密度預測值判斷是否啟動傳輸參數(shù)自適應過程，重新調整信標傳輸參數(shù)以降低信道負載。對上述過程進行迭代可以降低信道擁塞程度，從而保障通信過程中數(shù)據的可靠傳輸，同時滿足大多數(shù)應用所需的感知水平。通過對局部密度的預測調整傳輸參數(shù)，可以預防信道負載過大。

2.2 實驗結果及分析

2.2.1 數(shù)據包遞送率

從圖3 可以看出，本文提出的LDP-TPA 算法與速率自適應控制和P& A-A 2 種算法在仿真過程中PDR 隨節(jié)點密度的變化。在此過程中，3 種算法的PDR 逐漸降低。速率自適應控制算法由于未采用節(jié)點密度預測機制，只有檢測到網絡已經產生擁塞時才進行速率自適應控制，因此該算法的PDR 下降最快。同時可以看出LDP-TPA 算法的PDR 略高于P& A-A 算法，這是因為P& A-A 算法根據車輛所接收到來自鄰居節(jié)點消息的數(shù)量估算局部密度，當通信范圍內節(jié)點數(shù)量較多時，數(shù)據包在傳輸過程中會發(fā)生碰撞導致局部密度預測不夠準確。LDP-TPA 算法維持PDR 在90%以上，能夠保證數(shù)據分組的可靠發(fā)送，確保了信標消息實時地傳輸給鄰居車輛，從而滿足車輛的安全需求，保障交通道路的安全。

圖3 不同算法的數(shù)據包遞送率Fig.3 Packet delivery rate of different algorithms

2.2.2 消息傳輸延遲

在密集網絡環(huán)境中，發(fā)送信標消息的車輛數(shù)增加導致消息傳輸延遲增大。將LDP-TPA 算法與速率自適應控制算法和P& A-A 算法進行對比，觀察消息傳輸延遲隨車流量密度的變化。實驗結果如圖4所示。

圖4 不同算法的消息傳輸延遲Fig.4 Message transmission delay of different algorithms

如圖4（a）所示，在仿真初期由于車流量密度不是很大，3 種算法的消息傳輸延遲均在10 ms～13 ms。當車流量密度達到30 vehicle/km 時，3 種算法的消息傳輸延遲均有所增加。隨著車流量密度的增加，速率自適應控制算法的消息傳輸延遲超過了LDP-TPA算法和P& A-A 算法。這是由于速率自適應控制算法速率控制具有滯后性，網絡已經產生擁塞之后才進行調控，所以消息傳輸延遲最高。當車輛密度達到65 vehicle/km 時，速率自適應控制算法的消息傳輸延遲超過了30 ms，而LDP-TPA 算法在整個仿真過程中將消息傳輸延遲控制在40 ms 以下且略優(yōu)于P& A-A 算法。

如圖4（b）所示，在前20 s，車流量密度為20 vehicle/km，3 種算法的傳輸延遲均維持在10 ms～20 ms。在第20 s 時，車流量密度由20 vehicle/km 增加到100 vehicle/km，3 種算法的消息傳輸延遲均呈現(xiàn)上升趨勢。其中，速率自適應控制算法的消息傳輸延遲最大，而LDP-TPA 算法在車流量密度增加之后，消息傳輸延遲依然維持在40 ms 以下。

2.2.3 信道占有率

控制信道中消息的數(shù)量增多時意味著信道占有率也會相應增加，將LDP-TPA 算法與其余2 種算法在信道占有率方面進行對比，觀察3 種算法在通信過程中是否充分利用信道資源。實驗結果如圖5 所示。

圖5 不同算法的信道占有率Fig.5 Channel occupancy of different algorithms

如圖5（a）所示，當節(jié)點密度增大時，上述3 種算法的信道占有率均有所增加。速率自適應控制算法在整個模擬過程中信道占有率始終較低。但是在車流量密集的區(qū)域內，車輛需要更頻繁地向鄰居節(jié)點發(fā)送信標消息以保障道路交通安全，較低的傳輸速率無法滿足安全應用程序嚴格的信標要求，傳輸速率過低會導致位于通信范圍內的鄰居車輛無法及時接收到信標消息，且較低的信道占用率表明通信過程中并未充分利用信道資源。LDP-TPA 算法和P& A-A 算法的信道占有率均呈現(xiàn)上升趨勢，且高于速率自適應控制算法。但P& A-A 算法對于傳輸參數(shù)的調整并未結合當前時刻的CBR，僅是采用二進制搜索算法的思想，在Tx min 和Tx max 之間尋找“最優(yōu)”的傳輸參數(shù)，以使信道達到最優(yōu)負載狀態(tài)。因此，在這個模擬過程中P& A-A 算法的信道占有率始終低于LDP-TPA 算法。由于LDP-TPA 算法是基于閾值的控制機制，所以信道占有率上升到一定程度后便保持平穩(wěn)。

如圖5（b）所示，在前20 s，由于車流量密度較低，因此LDP-TPA 算法和P& A-A 算法的信道占有率均較低。在第20 s 時，由于車流量密度的增加，信道占有率迅速增長，在算法的調節(jié)下，信道占有率有所下降。但LDR-TRA 算法的信道占有率始終優(yōu)于P& A-A 算法，對信道資源的利用更充分。

3 結束語

在城市環(huán)境車流量密集的區(qū)域內，車輛之間頻繁地交換信標消息會造成信道擁塞，而現(xiàn)有研究大多只是針對單一參數(shù)調整。針對上述問題，本文提出一種基于局部密度預測機制的傳輸參數(shù)自適應擁塞控制策略。通過估算短期內車輛局部密度的變化實時測量信道忙時比率，以評估當前時刻信道負載大小，自適應調整傳輸速率和功率，在緩解信道擁塞狀態(tài)的同時考慮滿足安全應用最低感知水平。實驗結果表明，本文策略能夠在保證數(shù)據包遞送率和傳輸延遲性能的前提下，提高信道占有率并最大化利用信道資源。然而，在真實的交通環(huán)境中，不同場景下每輛車的安全需求并不相同，本文設計的策略只針對信道利用水平，使用時無法做到信道資源按需分配。因此，根據車輛安全需求按需分配信道資源將是下一步的研究方向。