34、车联网中的交通拥堵控制与规避技术解析-优快云博客

本文链接：https://blog.youkuaiyun.com/tech5/article/details/152205166

车联网中的交通拥堵控制与规避技术解析

1. 研究背景与目标

在车联网（VANET）环境下，交通拥堵是一个亟待解决的重要问题。研究的主要目标是识别超速车辆并降低其速度，规避拥堵情况，在出现车辆拥堵时进行路线分流，从而为通勤者减少出行时间。物联网（IoT）技术的发展为VANET带来了新的机遇，它能让车辆、人员和物体实时了解交通流量，并自动做出避免拥堵的决策，使通勤者可以提前规划出行路线和时间。

2. 参与VANET_IoT网络的车辆要求

为了参与VANET_IoT网络的通信，每辆车需要具备以下条件：
- 互联网连接
- 传感器
- 车载存储设备
- 执行器

这些关联车辆能够与不同车辆和路侧单元（RSUs）进行交互，并及时更新周边区域的信息。

3. 性能评估指标

为了评估所提出的模型，采用了以下性能指标：
|指标|含义|计算公式|
| ---- | ---- | ---- |
|Packet Delivery Ratio (PDR)|信息传输到目标的绝对数量与车辆发送的所有信息的比例|$PDR = \frac{\sum_{i = 1}^{n}Received Packets}{\sum_{i = 1}^{n}Sent Packets} \times 100$|
|Dropped Packets|未成功送达目的地的数据包数量|$Dropped Packets = \sum_{i = 1}^{n}Sent Packets - \sum_{i = 1}^{n}Received Packets$|
|Delay|数据包到达目的地所需的时间|$Delay (ms) = \frac{\sum_{i = 1}^{n}(Receiving time of the packet - Sent time of the packet)}{Total Packets Generated}$|
|Routing Overhead|模拟期间创建的数据包数量与接收的数据包数量之比|$Routing Overhead = \frac{\sum_{i = 1}^{n}Routing Packets Generated}{\sum_{i = 1}^{n}Packets Received}$|
|Throughput|目的地接收的数据量，以比特每秒或单位时间内的数据包数衡量|$Throughput (Kbps) = \frac{Number of received bits}{Time taken by the packet to reach the destination}$|

4. 模型的初步评估

使用NS2模拟器进行评估，测试系统参数如下表所示：
|参数|值|
| ---- | ---- |
|Test System|NS - 2|
|Duration|150 s|
|Vehicles|15, 20, 25, 30, 35, 40, 45|
|Connections|5, 10, 15, 20, 25, 30, 35, 40|
|Vehicle Speed (m/sec)|50|
|Packet - Size|512KB|
|Rate of Transmission|0.064Mbps|
|Protocol|AODV(Reactive)|
|Study Area(m)|1000 × 1000|
|Transmitter|Omnidirectional Antenna|

在对常用的AODV和DSDV协议进行研究和分析后发现，虽然两者都适用于VANET，但反应式协议AODV在性能上始终优于主动式协议DSDV，因此本研究选用AODV协议。

通过改变1000 × 1000平方米区域内的车辆数量和最大连接数，对模型进行了初步评估。假设车辆以50米/秒的匀速行驶，使用PDR、丢包率、延迟、开销和吞吐量等指标对模型进行分析。结果表明，当连接数少于30时，增加连接数会逐渐提高PDR，降低丢包率，实现最大吞吐量、最小延迟和最小路由开销，之后模拟值不稳定。

在初始研究中，无论车辆数量如何，当连接数为20时，模型表现出可接受的性能。当车辆数量为25和35时，PDR值最大；当车辆数量为35时，延迟较小。因此，后续研究将最大连接数的恒定比特率（CBR）设为20。

5. 避免拥堵模型的实现

提出了一种名为Congestion Avoidance in VANET (CAV - AODV)的模型，用于协助驾驶员避免车辆间的拥堵，提高道路安全性。该模型考虑了车辆速度、车辆间距离和车辆行驶方向，并对反应式路由协议AODV进行了适当修改。

CAV - AODV使用以下两个程序来避免车辆间的拥堵：
- vehicles_speed() ：识别车辆的速度。
- vehicles_distance() ：计算车辆之间的距离。

下面是这两个程序的算法实现：

识别车辆速度的算法

1:  ALGORITHM: TO CALCULATE THE SPEED OF THE VEHICLES
1:  // in forward( ) procedure
2:  // cspeed represent the current speed of the vehicle
3:  vehicles_speed( ){
4:  do {
5:  MobileNode * Vehicles =(MobileNode*) (Node::get_node_by_address(i));
6:  cspeed = ((MobileNode *) Vehicles)→speed();
7:  while (cspeed>speed_threshold) then {
8:  Vehicles→min_speed = speed_threshold;
9:  }
10: i=i+1;
11: } while (i<=n);

计算车辆间距离的算法

1:  ALGORITHM: TO CALCULATE THE DISTANCE BETWEEN THE VEHICLES
1:  vehicle_distance()
2:  do {
3:  for every neighboring vehicle i and j{
4:  (MobileNode *) Vehicles(i)→getLoc(xpos,ypos,zpos);
5:  (MobileNode *) Vehicles(j)→getLoc(xpos,ypos,zpos);
6:  int x1=Vehicles(i)→xpos;
7:  int y1= Vehicles(i)→ypos;
8:  int x2= Vehicles(j)→xpos;
9:  int y2= Vehicles(j)→ypos;
10: distance =sqrt(power((x2 - x1),2) + power((y2 - y1),2));
11: if (distance <dist_threshold)
12: //Identify the direction of the vehicles
13: //Instruct the rear vehicle to lessen the speed with the intention of maintain the distance
14: vehicles→speed - - ; }
15: }while (i<=n);

6. 无线接入标准的应用

VANET是一个依赖直接V2V通信的自发网络，由于道路上车辆的高移动性，其拓扑结构经常变化。为了实现VANET的各种应用，IEEE提出了无线接入车辆环境（WAVE）标准家族。本研究采用IEEE 802.11p标准来分析CAV - AODV模型的性能，并与802.11进行比较。

物理和MAC层模拟参数如下表所示：
|物理层参数|值|MAC层参数|值|
| ---- | ---- | ---- | ---- |
|Carrier Sensing Threshold|3.981e - 13|CWMin|15|
|Transmission Power|0.01|CWMax|1023|
|Frequency|5.9e + 9|SlotTime|0.000013|
|Noise_floor|1.26e - 13|SIFS|0.000032|
|L|1.0|ShortRetryLimit|7|
|Power Monitor Thresh|3.981e - 18|LongRetryLimit|4|
|Header Duration|0.0000400|HeaderDuration|0.000040|
|Preamble Capture Switch|1|SymbolDuration|0.000008|
|SINR_Preamble Capture|3.1623|RTSThreshold|2346|
|SINR_Data Capture|10.0|||
|Trace_dist|1e6|||

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px;

    A([开始]):::startend --> B(设置车辆和连接参数):::process
    B --> C(选择AODV协议):::process
    C --> D(进行初步评估):::process
    D --> E{连接数 < 30?}:::decision
    E -- 是 --> F(增加连接数，优化性能指标):::process
    E -- 否 --> G(模拟值不稳定):::process
    F --> H(确定连接数为20进行后续研究):::process
    H --> I(实现CAV - AODV模型):::process
    I --> J(应用IEEE 802.11p标准):::process
    J --> K([结束]):::startend

车联网中的交通拥堵控制与规避技术解析（续）

7. 实验结果观察与讨论

在实现CAV - AODV模型后，对其进行了性能测试，并与AODV协议进行对比，以下是各项性能指标的详细分析：
|车辆数量|AODV - PDR (%)|CAV - AODV - PDR (%)|AODV - 丢包率 (%)|CAV - AODV - 丢包率 (%)|AODV - 延迟 (ms)|CAV - AODV - 延迟 (ms)|AODV - 路由开销|CAV - AODV - 路由开销|AODV - 吞吐量|CAV - AODV - 吞吐量|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|15|68.07|98.03|31.93|1.97|3.67|7.81|2.37|1.3|43.77|64.99|
|20|82.06|98.58|17.94|1.42|7.67|8.92|2.34|1.64|76.75|90.48|
|25|95.13|99.49|4.87|0.51|2.56|7.71|2.75|1.28|86.9|91.37|
|30|89.11|99.03|10.89|0.97|1.95|16.73|3.41|1.43|80.73|90.57|
|35|91.9|98.99|8.1|1.01|0.98|30.33|2.74|1.32|84.17|90.48|
|40|89.38|98.85|11.23|1.15|0.92|17.73|3.12|1.38|81.75|90.82|
|45|87.85|98.49|9.55|1.51|1.66|28.73|3.03|1.46|82.6|89.02|

Packet Delivery Ratio (PDR) ：从图中可以看出，CAV - AODV表现出色，当车辆数量为25时，PDR达到最大值99.49%。这表明CAV - AODV在信息传输的完整性上具有明显优势，能够更有效地将数据包送达目的地。
Dropped Packets ：CAV - AODV的丢包率无论在何种车辆数量下都相对较低，尤其是当车辆数量为25时，丢包率极低。这意味着该模型在数据包传输过程中能够更好地避免丢失，提高了数据传输的可靠性。
Delay ：在车辆数量少于20时，CAV - AODV的延迟较小，但随着车辆密度的增加，其延迟逐渐增大，且比AODV的延迟更大。这可能是由于模型在处理更多车辆信息时需要更多的计算和协调时间。
Routing Overhead ：CAV - AODV的路由开销明显低于AODV，特别是当车辆数量为25时，路由开销最小。这说明CAV - AODV在路由过程中能够更高效地利用资源，减少不必要的开销。
Throughput ：CAV - AODV的吞吐量表现良好，当车辆数量为25时，吞吐量达到最大值91.37。这表明该模型在数据传输速率方面具有优势，能够更快地传输数据。

综合来看，CAV - AODV在避免车辆碰撞方面表现出色，通过维持车辆速度和间距，实现了更高的PDR、更低的丢包率、更低的路由开销和更高的吞吐量，但延迟有所增加。当车辆数量为25时，与AODV相比，CAV - AODV的PDR提高了4.58%，丢包率降低了89.5%，路由开销降低了53.45%，吞吐量提高了5.14%，但延迟增加了66.79%。

8. 改进的CAV - AODV模型

在VANET环境中，及时传递交通拥堵和碰撞信息至关重要，因此需要尽量减少延迟。由于CAV - AODV在延迟方面表现不佳，所以提出了改进的CAV - AODV（ICAV - AODV）模型。

ICAV - AODV通过引入MCMI方法并修改直接序列扩频（DSSS）参数值来减少网络延迟。以下是MCMI和DSSS的相关参数设置：
|参数|值|
| ---- | ---- |
|接口和信道数量|2|
|载波感知阈值|3.162e - 12|
|发射功率|0.001|
|功率监测阈值|6.310e - 14|
|前导码长度|96|
|SINR - 前导码捕获|2.5118|
|时隙时间|0.000009|
|PLC报头长度|128|
|基本速率|1.0e6|
|数据速率|11.0e6|

对AODV、CAV - AODV和ICAV - AODV进行了性能对比测试，在最大连接数为20的情况下，改变车辆数量，使用PDR、丢包率、延迟、路由开销和吞吐量作为性能指标进行评估。结果显示，ICAV - AODV在延迟方面表现显著优于CAV - AODV。
|车辆数量|CAV - AODV - 延迟 (ms)|ICAV - AODV - 延迟 (ms)|延迟改善百分比 (%)|
| ---- | ---- | ---- | ---- |
|15|2.81|2.27|19.22|
|20|8.92|8.34|6.50|
|25|7.71|4.25|44.88|
|30|16.73|5.85|65.03|
|35|30.33|7.85|74.12|
|40|17.73|6.19|65.09|
|45|28.73|13.60|52.66|

从表格中可以看出，ICAV - AODV平均延迟比CAV - AODV减少了46.79%。当车辆数量为25时，与AODV相比，ICAV - AODV的PDR提高了3.78%，丢包率降低了73.92%，路由开销降低了56.36%，吞吐量提高了4.43%，延迟增加了39.76%。与CAV - AODV相比，ICAV - AODV的延迟减少了44.88%，路由开销减少了6.25%，虽然PDR和吞吐量有轻微下降，但在延迟和路由开销这两个关键指标上有明显改善，对于VANET - IoT避免碰撞和保障人员生命安全具有重要意义。

9. 总结

车联网与物联网的结合是无线和移动技术领域的创新标准，车辆在车联网中可以共享道路状况和自身位置信息。然而，交通拥堵是车联网面临的主要挑战之一，确保信息及时准确地传递给通信范围内的车辆至关重要。

为了解决这一问题，提出了CAV - AODV模型，该模型通过识别车辆速度和计算车辆间距，维持车辆的最小阈值速度和距离，有效避免了车辆间的交通拥堵。实验结果表明，CAV - AODV在多个性能指标上优于AODV，但延迟较高。

为了进一步优化性能，提出了ICAV - AODV模型，通过引入MCMI方法和修改DSSS参数，显著降低了延迟。ICAV - AODV在避免碰撞和保障人员安全方面表现出色，其延迟和路由开销明显低于CAV - AODV，虽然在PDR和吞吐量上有微小损失，但整体性能更符合车联网的实际需求。

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    classDef decision fill:#FFF6CC,stroke:#FFBC52,stroke-width:2px;

    A([开始]):::startend --> B(测试CAV - AODV性能):::process
    B --> C{延迟是否满足要求?}:::decision
    C -- 否 --> D(提出ICAV - AODV模型):::process
    C -- 是 --> E(继续使用CAV - AODV):::process
    D --> F(引入MCMI方法和修改DSSS参数):::process
    F --> G(测试ICAV - AODV性能):::process
    G --> H(对比CAV - AODV和ICAV - AODV性能):::process
    H --> I{ICAV - AODV性能是否更优?}:::decision
    I -- 是 --> J(采用ICAV - AODV):::process
    I -- 否 --> K(重新调整ICAV - AODV参数):::process
    K --> G
    J --> L([结束]):::startend
    E --> L

综上所述，ICAV - AODV模型在车联网交通拥堵控制和规避方面具有良好的应用前景，能够为车联网的发展和交通安全提供有力支持。