论文之车辆传感器网络说明(2)

　　(6)网络的规模可能非常的大

　　车辆传感器网络的最大规模可以达到所有具备无线通信能力的车辆,因而系统的可扩展性是车辆传感器网络必须解决的问题之一。

　　与车辆传感器网络的密切相关的一个概念是车辆自组织网络[4],车辆自组织网络是实现车辆传感器网络的重要技术。车辆自组织网络是一种特殊类型的移动Ad Hoc网络(MANET),而与一般的MANET相比,车辆自组织网络节点具有更高的节点移动性。一般来说,MANET具有良好的网络连通性,而车辆自组织网络对连通性要求更低。给定一对节点,车辆自组织网络中可能不存在一条连通的通信路径,这使得传统的MANET路由协议在车辆自组织网络中失效。MANET是无基础设施的一类网络,而车辆自组织网络是一种混合的网络结构,可以利用路侧的基础网络设施,实现更好的系统性能。

　　3 车辆传感器网络的关键技术

　　3.1 MAC技术

　　在无线传感器网络及MANET中,已有多种不同的媒体访问控制(MAC)协议,如SMAC[5]等。而车辆传感器网络的特性对MAC协议提出了新的要求。在车辆传感器网络中,MAC的设计可以分为两大类:一类的设计场景是车辆与路侧的无线通信,另一类是车辆与车辆间的无线通信。

　　IEEE 802.11协议常被用于车辆与路侧访问点的通信,然而实验发现,IEEE 802.11协议需要13 s的时间来建立车辆与路侧访问点的连接[6]。而由于高速移动性,汽车在某个访问点的通信范围内的时间很短。这也就意味着在车辆与路侧访问点之间可能还未建立连接,车辆已驶离访问点,失去了通信的机会。文献[7]对该问题进行了深入的研究,通过在美国波士顿地区的大量实验发现,车辆与接入点(AP)间相遇的时间很短暂,99%的相遇持续时间少于250 s,平均值是10 s,而中间值更只有4 s。通过深入的分析,发现Wi-Fi产品之所以需要如此长的时间来建立连接,是因为客户端用较长的时间来扫描发现访问点,然后通过用户指定与选定的访问点建立相关联系。文章提出了QuickWi-Fi的方法来加速连接的建立。客户端自动与第一个扫描发现的AP建立相关联系,如果失败,再尝试第二个。在认证、关联、动态IP地址获取(DHCP)以及地址解析(ARP)等阶段,经常需要利用超时机制进行重试。QuickWi-Fi将重试的超时从几秒钟减小到几百毫秒,大大缩短了连接建立的时间。

　　在车辆与车辆通信的场景里面,MAC协议往往需要根据应用需求进行针对性的设计。例如,在文献[8]中,应用场景是紧急事件消息的分发,在这样的应用中,事件消息的发送应被赋予极高的优先等级,尽早发送出去,否则其他车辆可能因为没有及时收到警告消息,而发生车祸。文章提出利用一个控制信道的方法,克服隐藏终端问题,实现紧急消息的可靠传输。

　　3.2 路由技术

　　根据数据传输模式的不同,路由协议可以分成单播、多播和广播等三大类。在单播路由中,一个数据包只发送到一个目的地;在多播路由中,数据包发送给多个目的节点;而在广播路由中,数据包发送给所有的节点。不同的路由类型,适用于不同的应用场景。比如,在紧急事件广播中,需要把紧急的消息发送给所有节点,这时广播路由就非常有效。

　　由于车辆节点的高速移动性以及车辆网络的不连通性,决定了无线传感器网络与MANET的路由协议不适用于车辆传感器网络。延迟容忍网络(DTN)[9]是处理不连通网络的一种有效方法,因而车辆传感器网络可以借鉴其中的一些关键技术。它的核心思想是存储-转发策略,即在没有下一跳可以转发的情况下,暂时把数据存储起来,随节点移动。在转发机会出现的时候,再把数据转发给下一跳节点。

　　基于存储-转发的思想,文献[10]提出了一种新的路由协议(称为VDD),利用车辆的移动性来帮助数据发送。根据交通流量的固定模式以及路网的拓扑结构,车辆的运动具有一定程度的可预测性。VDD利用路段上车流量情况,选择一条延迟最短的路径,作为下一跳的转发目标。

　　文献[11]提出的路由算法有动态发现目标的能力,在发送数据之前,源节点通过广播的方法,查找目的节点。在目的节点回复给源节点的过程中,选择数据传输的路径。与一般的路由算法不同,选出的路径由若干个物理位置所确定。在数据传输过程中,数据包沿着给定的物理位置传送到目的节点。

　　3.3 车辆运动模型

　　节点的运动影响网络的整体性能,因而必须对节点的运动规律进行深入研究。特别是在对系统进行仿真评估的过程中,节点的运动模式直接影响了性能评估的准确性。在理想状况下,使用真实的车辆运动数据,能得到最真实的实验结构。然而,真实的车辆运动数据不容易取得,或者需要付出比较高的代价,因而需要研究车辆运动模型。利用贴近现实世界的运动模型,人工生成车辆运动数据,提高仿真结果的可靠性。

　　在MANET研究中,经常假设节点的运动服从简化的运动模型,如Random Walk(RW)、Randon Way Point (RWP)[12]等模型。在RW模型中,节点随机选择一个方向与速度,移动一段距离(或者一定的时间)后,再重新选择方向与速度。

　　简化的运动模型未能考虑道路的拓扑结构、交通流量等实际因素,不能刻画车辆运动的规律。基于简化模型进行的设计或性能仿真,结果是不可靠的。 　　文献[13]将现有的车辆运动模型分成四大类,即理论模型、基于交通流量模拟器的模型、基于调查的模型和基于跟踪数据的模型。利用车载的GPS接收器,可以记录车辆的运动轨迹。图3显示了上海的道路分布图,以及某辆出租车在上海市内一天的运动轨迹。基于跟踪数据的模型从大量的跟踪数据中抽取车辆运动的特征,并利用这些特征,来重新生成贴近现实世界的车辆运动数据。为了得到真实的运动模型,需要考虑多个因素,主要包括移动限制条件和流量产生器。移动限制描述了车辆运动的自由程度,如在城市内的车辆必须行驶在道路上。流量产生器生成车辆,处理车辆与车辆、车辆与环境的交互,决定车辆的运动速度等。

转载请注明来自：http://www.uuqikan.com/chelianglw/8519.html