楊 戈 ，朱永豪

(1.北京師范大學珠海分校 智能多媒體技術重點實驗室，廣東 珠海 519087；2.北京師范大學自然科學高等研究院，廣東 珠海 519087)

0 引言

近年來我國汽車總量持續(xù)增加，社會急需建立基于車聯(lián)網的新型智能交通管理系統(tǒng)。智能交通管理系統(tǒng)能夠對當前道路交通狀況進行實時監(jiān)控，對道路車輛進行交通疏導，保證車輛駕駛員的行車安全。

目前，5G 網絡基本實現了全面部署，VANET(Vehicle Ad hoc Network)車聯(lián)網成為了各國家重點發(fā)展方向。2020 年，歐盟、美國、俄羅斯等都將車聯(lián)網發(fā)展作為國家重點扶持項目，將車聯(lián)網全面部署作為國家重大目標。同樣地，我國也已經將車聯(lián)網作為國家重點發(fā)展項目進行研究和推進，正在重點發(fā)展車聯(lián)網的自動駕駛技術和輔助駕駛技術產業(yè)化的研究[1-7]。

1 C2SLP 功率控制策略設計與實現

本文提出一種基于信道負載預測的車聯(lián)網功率控制策略(Congestion Control Strategy based on Channel Load Prediction，C2SLP)，通過控制車聯(lián)網數據包傳輸功率來提前避免信道擁塞的發(fā)生。首先進行當前信道負載值的評估，然后將所得當前時刻的信道負載評估值代入差分自回歸移動平均模型(Auto Regressive Integrated Moving Average，ARIMA)[8]，預測下一時刻的信道負載值，得到預測值后，將其代入功率控制算法。算法將控制傳輸功率的問題等價替換為調整傳輸距離的問題，根據預測值調整傳輸距離，實現信道擁塞控制。整個擁塞控制策略可分為3 個模塊：信道負載評估模塊、基于ARIMA 模型的信道負載預測模塊、基于負載預測的功率控制調整模塊。

1.1 信道負載評估模塊

在信道負載評估模塊，本文使用帶沖突避免的載波偵聽多址訪問協(xié)議的信道檢測功能對信道進行感知，根據所得結果計算信道繁忙時間所占比例大小，設KP 值為信道繁忙時間占比，以此來判斷當前時刻的信道狀態(tài)。據相關研究表明[9-15]，KP 值不會因地理環(huán)境、車輛密度或數據包大小等參數的不同而出現不同取值，所以KP值可作為一個穩(wěn)定可靠的評判標準來反映信道負載的評估結果，研究結果表示，當信道繁忙占比值為0.5～0.8時，信道利用率最高，網絡資源浪費最少。

繁忙檢測過后，協(xié)議的信道繁忙檢測功能會返回信道繁忙指示值ωi，忙時值為1，閑時值為0，將檢測時間段T 內的檢測結果代入式(1)：

其中，ωi表示信道繁忙指示值，忙時值為1，閑時值為0；T 為信道檢測總時長，t 表示檢測間隔時間，取值為1 s，則時間間隔T 內的檢測次數為T/t。由式(1)可知，值KP表示在T 內進行T/t 次檢測后計算出的信道繁忙時長所占的比例，KP 值越大，信道繁忙時長占比越高，負載越大；反之信道繁忙時長占比越小，負載越小。

1.2 基于ARIMA 的信道負載預測模塊

信道負載預測部分基于1.1 節(jié)所得信道負載評估KP 值序列，將該序列值代入模型中對下一時刻信道負載值進行預測。ARIMA 模型是典型的時間序列預測模型，其對于短時間內網絡流量的預測準確性高，適應環(huán)境轉變迅速，算法復雜度低。

ARIMA 模型可分為三部分，其中AR 指自回歸部分，I 指差分的階數，MA 指移動平均部分。本文輸入當前時刻負載評估數列值，經過模型公式計算后得到下一時刻的預測時間序列值。

AR 自回歸模型用于描述當前信道負載值與歷史負載值之間的關系，主要用于實現預測部分功能，p 為模型參數，P 階的自回歸過程如式(2)所示：

其 中，Xt是當前時刻KP 值序列，γ 是自相關系數，σ 是時刻t 的誤差值，μ 是常數項。MA 移動平均模型主要用于實現誤差消去功能，能夠有效地消除自回歸預測中出現的誤差與波動，q 階移的動平均過程如式(3)所示：

I 為d 階差分，因為車聯(lián)網的信道負載序列因地理環(huán)境、車輛密度或數據包的大小等參數的不同而具有不穩(wěn)定性，而該模型的參數數據對穩(wěn)定性的要求較高，所以需首先通過式(4)進行d 次差分的到平穩(wěn)的新序列Yt。

根據其線性回歸的特有性質，可得到模型公式如式(5)所示，以歷史序列KP 值為參數，將Yt代入式(5)中得到下一時刻信道負載預測值。

其 中，c 為初始KP 值，α 序列為AR 模型參 數，θ 序列為MA 模型參數，σ 序列為誤差值。

1.3 基于負載預測的功率控制模塊

得到信道負載預測值后，根據下一時刻的負載預測值進行傳輸功率控制，由于傳輸功率與傳輸距離線性相關，傳輸功率越高則傳輸距離越遠，傳輸功率越低則傳輸距離越近。本文根據傳輸功率的這一特質提出了C2SLP 算法，將調整傳輸功率的問題等價轉換為調整消息傳輸距離問題，傳輸距離控制公式如式(6)所示，主要參數求取過程如式(7)～式(9)所示。

其中，Si(t)為計算所得的最佳傳輸距離，η 為調整因子，需由式(7)求得；dsafe為最小安全傳輸距離，需由式(8)、式(9)求得；D 為最大安全傳輸距離，根據仿真實驗要求取600 m。

首先，通過式(7)求得調整因子，其中，KP*為預設信道擁塞標準值[9]，取值為0.7；KPi為預測信道負載大小。

若預測值小于標準值，η 根據預測KP 值大小進行取值。KP 值越高說明擁塞程度越高，則調整因子取較小值；KP 值低說明擁塞程度低，則調整因子取較大值；若預測值大于標準值，說明已經發(fā)生信道擁塞，直接將調整因子置為0。

車輛最小安全傳輸距離dsafe的求取中，本文考慮了現實中最常見的兩種場景，分別是車輛同向行駛場景和車輛對向行駛場景。

(1)車輛同向行駛場景

該場景下，車輛同方向行駛，如圖1 所示，后車為A車，前車為B 車。θA和θB分別為A 車和B 車的行駛角度，角度相減取絕對值|θA-θB|=μ，若μ 值足夠小，則可判定兩車同向行駛。該場景最小車距dsafe求得過程如式(8)所示：

圖1 車輛同向行駛[12]

其中，dmin為最小可接受車距，根據仿真實驗要求取值為10 m；tr為司機反應時間；vA和vB為車輛A 和B 的速度；aA和aB為兩車的最大加速度。

(2)車輛對向行駛場景

該場景下，兩車輛對向行駛，如圖2 所示，θA和θB分別 為A 車和B 車的行駛角度，通過||θA-θB|-π|=μ 來判斷兩車輛所處場景是否屬于該場景，若μ 的值足夠小，則說明兩車為對向行駛，該場景最小車距dsafe求得過程如式(9)所示：

圖2 車輛對向行駛[12]

其中，dmin為最小可接受車距，根據仿真實驗要求取值為10 m；tr為司機反應時間；vA和vB為車輛A 和B 的速度；aA和aB為兩車的最大加速度。

由式(7)～式(9)求得主要參數后，代入式(6)求得最佳傳輸距離，通過調整傳輸距離為Si(t)來實現提前調整車輛節(jié)點傳輸功率，以達到提前避免信道擁塞的效果。

2 仿真實驗與結果分析

本節(jié)通過對比C2SLP 策略和UBRCC 策略的實驗結果進行分析，分別從傳輸時延、信道占用率兩方面驗證算法性能。

2.1 實驗環(huán)境

實驗硬件環(huán)境：處理器Intel?CoreTMi7-6700HQ 2.60 GHz，8 GB 內存，硬盤為Samsung SSD 850 EVO M.2 250 GB，顯卡為NVIDIA GeForce 960M。

實驗軟件環(huán)境：操作系統(tǒng)Microsoft Windows 10 64 位，集成開發(fā)環(huán)境MATLAB，開發(fā)語言為C 語言，任務圖生成器tgff-3.5。

本文使用面向對象的網絡仿真器NS2 對算法性能進行檢驗，使用SUMO(Simulation of Urban Mobility)交通仿真模擬軟件構建道路模型[10]。本文利用SUMO 交通仿真器構建了如圖3 所示的街區(qū)仿真拓撲圖，在NS2 中搭建車聯(lián)網協(xié)議架構，在應用層對每個車輛節(jié)點添加數據分組發(fā)送器和接收器；運輸層使用UDP 用戶數據包傳輸協(xié)議；在網絡層使用洪泛協(xié)議實現數據包周期性發(fā)送；在數據鏈路層選擇傳輸速率為6 Mb/s的IEEE802.11P 協(xié)議。將功率控制周期設置為1 s。仿真實驗會將C2SLP 擁塞控制策略與UBRCC 擁塞控制策略在傳輸時延和信道占用率兩方面進行對比和分析。

圖3 仿真拓撲圖

2.2 實驗結果分析

基于表1 和表2 所列仿真參數，使用網絡仿真器和交通仿真模擬軟件對C2SLP 控制策略和UBRCC 算法進行仿真實驗，通過對比實驗結果以驗證算法性能。

表1 仿真參數

表2 算法參數

信道占用率的收斂過程如圖4 所示，兩種算法均可有效地控制信道擁塞。在仿真實驗初期，信道占用率隨著車流平均密度的增加開始穩(wěn)步上升穩(wěn)定至0.6 左右，此時信道資源得到了充分利用。在20 s 時車輛密度上升，UBRCC 算法雖然有效控制了信道擁塞，但信道占用率在20 s 時升至了0.9，發(fā)生了信道擁塞，而C2SLP 算法通過信道負載預測提前調整傳輸功率，成功避免了信道擁塞的產生。從圖4 可以看出，C2SLP 控制策略的穩(wěn)定性優(yōu)于UBRCC 算法，信道資源得到了更充分的利用。

圖4 信道占用率

圖5 描述了車輛密度增加時C2SLP、UBRCC、固定傳輸功率的平均消息傳輸時延。20 s 時車輛密度增加，車聯(lián)網中的車輛的平均傳輸時延增加。固定功率的情況下傳輸時延急劇上升，甚至達到了160 ms，有功率控制的情況下，C2SLP 的平均傳輸時延穩(wěn)定在30 ms，始終低于UBRCC，可看出C2SLP 能夠確保數據分組的可靠發(fā)送和及時傳輸，滿足了車輛的安全需求。

圖5 平均傳輸時延

3 結論

本文提出了C2SLP 算法，針對現有可知的準確信道負載值，來預測下一時刻的車聯(lián)網信道負載概率，根據預測值使用C2SLP 擁塞控制策略自適應調整傳輸功率，消除了現有擁塞控制算法相對被動且具有滯后性的缺點，提前避免了信道擁塞，滿足了車聯(lián)網安全應用的需要。在保證車輛之間安全距離的同時通過調整傳輸距離來避免信道資源的緊缺和信道的擁塞。