基于移动云服务的车联网数据上传策略

刘冰艺　吴黎兵　贾东耀　聂　雷　叶璐瑶　汪建平

1(软件工程国家重点实验室(武汉大学)　武汉　430072)2(武汉大学计算机学院　武汉　430072)3(香港城市大学计算机科学系　香港　九龙　999077)4(英国利兹大学交通研究学院　英国　利兹　999020)(byliu@whu.edu.cn)

基于移动云服务的车联网数据上传策略

刘冰艺1,2,3吴黎兵1,2贾东耀4聂雷1,2叶璐瑶2汪建平3

1(软件工程国家重点实验室(武汉大学)武汉430072)2(武汉大学计算机学院武汉430072)3(香港城市大学计算机科学系香港九龙999077)4(英国利兹大学交通研究学院英国利兹999020)(byliu@whu.edu.cn)

摘要传统的基于专用短程通信(dedicated short range communication, DSRC)的车载网络(vehicular ad hoc network, VANET)通信架构难以满足车联网数据传输的服务质量(quality of service, QoS)需求，通过移动网关将数据上传至服务器，由服务器决策传输给目标车辆，可以扩大数据广播域，极大减少数据远程传输时延.结合移动云服务的思想，提出了一种新的车联网架构和数据传输方法.首先给出了网关服务者(gateway server, GWS)向云端注册服务信息的具体流程；其次提出了一种云端服务网关选取方法，该方法结合云端的历史数据和实时数据，动态决定参与服务的网关服务者及其服务范围，网关消费者(gateway consumer, GWC)在获取服务广播消息后，综合考虑通信负载、链路稳定度、信道质量等性能参数来选出最优的网关服务者，并将数据传输给网关服务者，再由其上传到云端；最后在OMNeT++实验环境下，针对不同的交通场景，对该方法传输性能进行了评估.结果表明该方法获得较低传输延迟的同时，能够保证较高的传输成功率，理论分析也证明了该方法的有效性.

关键词车载网络；数据传输；网关选择；移动云计算；网关服务者；网关消费者

随着车载网络(vehicular ad hoc network, VANET)、移动蜂窝网络和云计算的快速发展，基于云计算的车联网架构，也称为车载云网络(vehicular cloud computing, VCC)，得到了学术界和工业界的广泛关注[1].通过车辆间协同控制技术和实时交通信息分析和服务，与移动云计算相结合的车联网应用可以有效减少交通事故和能源消耗，提高交通安全和车辆通行效率.国际电联组织的车联网论坛指出，未来车联网的部署应用可以降低30%～70%由交通事故造成的生命财产损失.美国交通运输部估计，基于专用短程通信(dedicated short range comm-unication, DSRC)的车辆之间(vehicle-to-vehicle, V2V)和车辆与基础设施之间(vehicle-to-infrastruc-ture, V2I)通信可以有效避免82%的事故，挽救成千上万的生命和减少数十亿美元经济损失[2].

车联网中各类应用都极大依赖于车辆间数据传输和交互，然而车联网中数据传输要面对各种复杂的交通环境，由于车辆高移动性和快速的拓扑变化，导致节点间链路维持时间短，降低了车辆网络的连通性[2]，基于机会网络的V2V或者V2I通信只有节点进入各自传输范围时通信机会才会出现，数据传输的服务质量(quality of service, QoS)需求难以得到保证，如何实现数据的快速和高效传输是车联网中最具挑战性的一类应用.

云计算的发展为解决VANET-cellular车联网架构中网关选择和数据传输问题提供了新思路[4-5].云计算的主要思想在于：将某些复杂和本地难以处理的工作委托给云端，由云端处理完将结果传回给本地.在传统云计算的基础上，移动云计算作为一个新的研究领域，主要集中于研究移动代理如何与当前环境进行信息交互，结合本地数据和云端获取的全局数据，对这些数据进行处理得到一个最优解决方案，并与周边网络节点共享该方案，而不需要将所有的任务交给云端处理.相对于传统的云计算，移动云计算可以节省大量通信和信道资源，更合理地利用计算和存储资源，提高工作效率.

以车辆行驶最优路径为例，传统意义上车辆行驶最优路径主要是指车辆到达目的地的最短路径，这样可能使所有车辆都得到一个同样的局部最优路径，导致某一路段发生交通拥塞而其他路段车辆稀疏.然而在移动云计算环境下，移动云代理可以结合云端的交通全局信息，以及自身通过传感器或者与周边车辆信息交互得到的本地消息，为车辆提供不同的路径参考，从而均衡各个道路车流量负载，达到全局最优.基于移动云计算的车联网应用很大程度依赖于网络节点数据传输和信息交互，各个网络节点如何将数据快速、高效地传输给移动云代理，并通过移动云代理上传到云端是本文的研究重点.

在当前交通环境下，存在大量的可以连入Internet并提供Internet接入服务的网络节点，这些网络节点还可能具备一定的计算和存储能力，由这些网络节点组成的移动云代理称之为网关服务者(gateway server, GWS)，云端需要对这些GWS的服务时间和服务范围进行管理.GWS周期性地向周围车辆广播服务信息，其他需要请求网关服务的车辆称为网关消费者(gateway consumer, GWC)，GWC根据收到的服务信息来选取最优的GWS来接入Internet，并通过该GWS将数据上传到云端，云端收到数据后进行相应处理和分析后分发给目标区域，相应的分发方法我们在文献[6]做过相关研究.结合数据上传方法和分发方法，可以极大减少数据远程传输的时延，同时扩大广播域.正是由于当前交通环境中存在大量潜在的GWS，本文结合移动云计算思想，提出了一种新的基于移动云服务的车联网架构及数据上传策略CDUL(cloud-based data uplink strategy)，云端结合历史数据和实时交通数据决策参与服务的GWS，而GWC结合本地数据传输需求和GWS性能参数选择最优GWS将数据快速上传到云端.

1车联网通信架构及数据传输方法

当前关于车联网中数据传输方法主要基于2类通信架构[7]:1)基于DSRC的V2V或者V2I通信架构，通过携带-转发的方式将广播数据传递给其他车辆;2)基于移动网关的车联网通信架构，通过移动网关将数据上传到服务器，再由服务器传递给目标车辆.

1.1基于DSRC的通信架构及数据传输方法

现在的车联网数据传输方法研究大多都基于DSRC的车联网架构.文献[8]提出了基于地理位置信息的多跳广播协议(position based multi-hop broadcast protocol, PMBP)，该协议每次选择源车辆节点通信范围内距离最远的车辆作为广播中继节点，这样安全消息能够快速广播给远方车辆.但是当车辆密度增加时，消息传输极易受噪声及路径衰落等因素的影响，造成数据包多次重传，这严重影响了PMBP的性能，难以满足安全消息广播性能需求.文献[9]在PMBP的基础上提出了跨层广播协议(cross-layer broadcast protocol, CLBP)，把相对距离、信道的丢包率和相对速度作为选择中继节点的因素，但是在城市道路多交叉路口的环境下，该方案因难以覆盖更多的区域而无法适用.文献[10]提出了基于交叉口交通相位信息的多跳广播通信协议(intersection broadcast scheme based on traffic phase, IBSTP)，其引入象限思想，结合交通相位信息对交叉路口进行区域划分，在3个路段的有效区域内依次选取中继节点，保证每个路段都能收到安全消息.文献[11-13]利用部分路侧单元(road side unit, RSU)作为中继节点将数据转交给目标区域的车辆，RSU与经过其通信范围内的车辆进行通信将数据转交，提高了网络连通性，但是还不足以保证所有数据的传递率.

Fig. 1　Example of data transmission in VANET.图1　车联网通信方式示意图

基于DSRC的数据传输方法只有节点进入各自传输范围时才能把数据转发给该车辆节点，数据传输QoS需求难以得到保证.如图1(a)所示的基于DSRC车联网通信场景中，路段Ⅱ上车辆A发生交通事故，需要尽快将该安全消息传递给路段Ⅰ和路段Ⅲ上的车辆.由于红绿灯的存在，两波车之间最短距离超过DSRC的最大通信距离，无法通过携带-转发的方式将安全消息及时传递给路段Ⅰ的车辆.另外由于十字路口建筑物对信号的干扰，使得安全消息无法及时传递给路段Ⅲ的车辆.路段Ⅰ和路段Ⅲ的车辆因无法及时得到安全消息从而大量拥入路段Ⅱ，可能造成严重的交通拥堵，远端的车辆更是无法及时得到安全消息，导致不能提前规划最优路径，同时不利于警车和救护车等特殊车辆快速到达现场处理交通事故.

1.2基于移动网关的通信架构及数据传输方法

通过移动网关快速将数据发送给DSCR通信不能连通的区域，能够很好地解决基于DSRC通信方式带来的高时延问题.在图1(b)场景中，车辆B和车辆C均可以通过蜂窝移动网络连接至Internet，车辆A在发生安全事故后，将安全消息以V2V方式传递给车辆C，然后车辆C上传至服务器，由服务器决策传输给车辆B，进而传输给路段Ⅰ上的车辆.通过车辆B和车辆C充当安全消息中继，相对于传统的V2V传输方式，这种结合V2V和V2I的传输方式无疑提高了全路段车辆连通率，且传输时延不易受到车辆地理位置的影响.

蜂窝移动网络在交通环境中普遍存在，特别是在城市交通环境下，蜂窝移动网络可以显著提高数据的传递率以及广播覆盖率.当前主要集中在VANET-cellular网络融合架构的研究，而结合蜂窝网络的车联网广播研究相对较少.文献[3]提出了融合VANET与3G网络的自适应网关管理方法CMGM(clustering-based multi-metric adaptive mobile gateway management mechanism)，从装备有3G网卡的车辆中选出网关，该方法在选择网关时考虑该网关的链路稳定度和3G网络信号强度，其他普通车辆可以通过该网关与其他远程车辆或者服务器通信.但是该方法涉及车辆簇的管理，车辆节点的高速移动及复杂的拓扑变化使得VANET需要消耗大量的网络资源来管理簇，影响了网络性能.文献[14]提出了一种数据包传输路径决策方案，在3G数据量一定的情况下，提高数据的传递率并降低数据传输时延，该方案的假设前提是车辆均装备有3G网络接口，这在当前交通环境下并不现实.在文献[15]中，作者基于VANET-LTE混合架构网络，提出了一种QoS平衡网关选择方法，该方法考虑不同数据流的时延需求以及当前网关车辆的负载来动态选择网关传递数据，实验证明了该方法在不同的车流密度下有较稳定的传输性能.文献[16]提出了一种队列车辆协作数据上传方法，该方法能够有效减少数据重传时间，提高传输带宽利用效率.

本文提出一种基于移动云服务的车联网架构，并研究在该架构中车辆如何上传数据到云端的数据上传策略.相对于已有的方法，云端可以根据历史数据和实时数据来决定参与服务的GWS及其服务范围，从而提高了网关服务者的服务覆盖率，节省信道资源.收到服务信息后， GWC综合考虑数据传输需求和GWS相关性能来选择最优GWS进行数据上传.这样结合了云端的全局信息和GWS本地信息来选择最优传输路径，减少数据传输时延并提高传输成功率.

2基于移动云服务的数据上传方法

在基于移动云服务的车联网中，一些拥有额外计算、存储、通信能力的网络节点愿意为其他节点提供服务，将自身拥有的资源分享或者租借给其他节点[5].以通信资源为例，在当前城市环境下这种能够提供网关服务的节点大量分布，例如装备有4G网络接口的公交车或出租车，或者通过光缆连入Internet的RSU等.通过这些节点，车辆能够将数据传递到云端，同时也可以从云端接收数据.某些节点除了提供网关服务以外，自身还拥有一定的数据分析和处理能力，可以对接收到的数据进行处理，从而避免将重复的信息发送给云端，同时根据需要给周边车辆分发数据.

2.1基于移动云服务的车联网通信架构

如图2所示，基于移动云服务的车联网架构由3层网络节点组成.高层节点指云端，负责处理计算量大或者存储量大的工作；中层节点指同时装备有Internet网络接口(4G5G，Wi-Fi，WiMAX，Fiber等)和DSRC接口的网络节点，既可以通过Internet网络接口与云端进行通信，同时可以通过DSRC接口与下层车辆进行通信，这种节点也称之为网关服务者(GWS)；底层车辆是指只装备有DSRC接口的普通车辆，也称之为消费者车辆(GWC).GWC在传输数据时，除了通过基于DSRC链路进行V2V传输以外，还可以选择合适的GWS将数据传输给云端，由云端发送给目标区域.

为了更合理地利用这些网关服务，GWS首先向云端注册其服务信息和状态信息，例如地理位置(geographical position)、通信负载(communication load)、运动状态(moving statement)、服务时间(service time)、接入时延(access delay)、网络类型(network type)等.表1描述了网关服务者需要提供的相关参数.

Fig. 2　Architecture of Mobile Cloud Service based VANET.图2　基于移动云服务的车联网架构

ParameterDefinitionDataTypeGPGeographicalPositiondouble∕coordinate(x,y)MS∕(m·s-1)MovingStatementdoubleAD∕sAccessDelaydoubleBW∕(kb·s-1)BandwidthdoubleNTNetworkTypestrings(4G∕5G,WiMAX,Fiber)CLCommunicationLoaddoubleCC∕($∕kb)CommunicationCostdoubleST∕sServiceTimedouble

GWS定义其服务信息和相关参数后，生成一个注册数据包发送给云端，云端记录其状态信息和服务信息后返回一个ID给GWS，代表GWS成功向网关注册， 成功注册的GWS周期性地向云端更新其服务信息和状态信息.需要注意的是成功注册并不代表网关服务者可以开始向周边网络节点提供服务，是否提供网关服务需要云端来决策，决策方法将在2.2节介绍.GWS向云端注册的目的在于：首先，云端可以更合理地管理网关，通过网关的分布状态安排各个网关是否用于网关服务以及网关服务时间和服务范围;其次，云端可以实时获取GWS的状态消息，便于更高效地将数据通过GWS传输给目标区域和目标车辆.此外，通过网关相关信息可以获取当前路段交通信息，例如预测GWS所在路段车流密度等.

2.2参与服务的GWS决策方法

GWS向云端注册完后，被云端选取参与服务的GWS需要周期性向周边车辆广播服务信息和状态信息.然而某些路段可能存在数量过于密集或者过于稀疏的GWS，当GWS数量过于密集时，若所有GWS均参与网关服务会严重影响通信质量.首先，这些GWS会周期性广播服务信息而占用过多信道资源;其次，若所有这些GWS都参与网关服务，会产生过多冗余信息传递到云端，浪费通信资源.此外，当2个GWS过于接近时，其服务范围重叠区域面积过大，而这些重叠区域的车辆发送数据时容易产生信号碰撞，降低数据发送成功率.云端如何选取参与服务的GWS，使得服务信息能覆盖路段的所有车辆，同时避免参与服务的GWS过于接近是本节要解决的问题.

假设路段长度为l，基于DSRC的V2V通信距离为R，云端可以实时获取GWS的地理位置.云端需要从已注册的GWS中确定提供网关服务的GWS.由于存在某些专门用来提供网关服务的静态GWS或者固定线路动态GWS，这些节点能提供更稳定的网关服务和更高的传输速率，云端在选取参与服务的GWS时，优先考虑这类网络节点.除了这类节点以外，在选取其他参与服务的GWS时，要使得所选取的GWS广播的服务信息尽可能通过单跳传输覆盖整个路段，并且任意2个GWS的距离大于αR，其中α取值由云端历史数据(例如网关服务需求量)和实时数据(例如当前路段车流密度)来设定.若当前路段需要网关服务的车辆较多或者车流密度较为稀疏，可以取值0<α≤1,使得参与服务GWS尽可能密集分布在该路段；否则取值α>1，使得参与服务GWS分布稀疏，从而减少信道占用率.具体见算法1：

算法1. 参与服务的GWS决策算法.

输入：路段长度l、通信半径R、GWS实时地理位置GP;

输出：参与网关服务的GWS.

① 优先选择某些特定静止或者运行线路固定的GWS参与网关服务；

假设这些参与服务的GWS将路段长度分成l1,l2,…,ln；

分别令l=l1,l2,…,ln，执行步骤②；

② whilel>αR

将路段分成两等分，选取距离中点最近的GWS为参与服务的GWS;

以该GWS为基准点将路段分成2部分，长度分别为la和lb；

end while

③ 取l=la,执行步骤②;

④ 取l=lb,执行步骤②.

在选取完服务网关后，云端根据当前路段交通状况和GWS运动状态等因素，动态更新并重新选取参与服务的网关服务节点.

2.3GWS服务信息广播

VANET中专门划分了一条10 MHz的控制信道来进行消息传输，这其中包含2类安全消息:一类是基于事件的安全消息，这类消息一般由于某些交通事故或者紧急事件所触发而产生，具有不确定性和突发性，由于这类安全消息往往直接关系着生命安全，对传输时延和成功率有着非常高的需求;另一类是周期性的消息，这类消息也称为beacon，车辆通过beacon周期性地将自身的信息状态，包括地理位置、运动方向、速度和加速度等广播给周围车辆，同时也不断地对接收到的其他车辆发送的beacon进行分析，从而感知周围车辆的运行状态，对道路上潜在的危险情况做出判断[17].GWS通过beacon将服务信息广播给周边车辆，不同于传统的beacon单跳传输，本文根据需求动态调整GWS的beacon广播跳数，从而调整其服务范围.

GWS除了向云端注册其相关信息以外，还需要通过beacon向周边车辆周期性广播状态和服务信息，例如通信负载、网络类型等，使得周围车辆节点能够感知该GWS的存在并获取相关信息.由于可能存在GWS数量过少的路段，当这些GWS只广播一跳服务信息时，很可能导致大量车辆无法获取服务信息，因此云端需要基于GWS分布状态和密度确定beacon的广播跳数，从而使更多车辆获取GWS的服务信息.

云端选取出参与服务的GWS后，若各个GWS之间的距离均小于2R， 理论上GWS只需要广播一跳beacon就可以保证beacon消息覆盖整个路段；若存在2个GWS之间的距离大于2R，可能存在某些中间车辆无法获取GWS服务信息，此时需要云端动态调整这2个GWS的beacon广播跳数，具体方法见算法2：

算法2. GWS服务信息广播算法.

通过算法1选取出n个参与服务的GWS,且初始化广播跳数为1，假设这n个GWS分别为x1，x2，…，xn.

输入：x1，x2，…，xn;

输出：跳数hop，转发还是丢弃beacon.

服务消息广播跳数：

① fori=1，2，…，n-1

if(distance(xi,xi+1)>2R)

if (xi.hop≤distance(xi,xi+1)R)

xi.hop=distance(xi,xi+1)R;

end if

if (xi+1.hop≤distance(xi,xi+1)R)

xi+1.hop=distance(xi,xi+1)R;

end if

end if

end for

服务消息广播方法：

② ifmyRole==GWS then

初始化beacon的ID:bid;

初始化beacon的发送跳数:hop;

广播beacon;

beacon.hop--;

end if

接收beacon;

③ ifbeacon.hop==0 then

丢弃beacon;

else

iftb id==beacon.bid then

停止计时器，并丢弃beacon;

else

tb id=beacon.bid；

设置计时器，当计时器为0时，广播

beacon;

beacon.hop--;

end if

end if

获得beacon广播跳数后，GWS开始向周围车辆广播包含状态和服务消息的beacon.相对于VANET中传统意义上的beacon，这里的beacon可能需要多跳传播.若周边车辆收到该beacon后都进行转发消息会造成大量的数据冗余，beacon广播算法要解决如何实现beacon的快速广播，同时减少数据冗余.GWS广播beacon后，周边车辆收到beacon并设置计时器，计时器长短的设置与接收车辆到源节点的距离有关，具体方法如下：

将传输距离R分成Wn个区间，区间大小为

Wn=Tdifs

(1)

(2)

其中,Tdifs为分布式帧间间隔时间，φ为信号在传输范围内信道上的延迟;tswitch表示收发装置从接收方式切换到发送方式的时间;令ε0=RWn，若接收车辆距离d=i×ε0，则定时器设置为i个mini-slot[18]时隙的长度，一个mini-slot的时间长度为τ.可能存在位于同一个时隙的车辆同时转发beacon造成信号碰撞，即使发生这种概率较小的事件，次远的车辆会再次转发beacon.通过该计时器的设置方法，距离越远的车辆设置的计时器时间越短，计时器为0时转发该beacon，周边车辆若接收到相同的beacon则直接丢弃并停止计时器.重复此过程，直到beacon跳数为0，具体见算法2中服务信息广播方法.

2.4GWC网关选择方法

基于移动云服务的车联网架构中，车辆在请求网关服务前已经获取了周边GWS的相关信息并存入了GWS列表，如何根据数据类型和网关服务者的相关参数从列表中选择一个合适的网关服务者，将数据快速上传到云端是本节的研究重点.

本节提出一种复合网关选择向量，综合考虑网络节点间链路稳定度(link expiration time,LET)[3]、网络信号强度(receive signal strength,RSS)、传输带宽BW、服务费用CC、误包率ep、传输负载CL来计算向量值，向量值小的被选作服务GWS.网关选择向量的计算方法如下：

(3)

其中,RSS为蜂窝网络信号接收强度，可以直接从物理层读取;通信负载CL表示服务网关当前数据传输队列中数据包数量;服务费用CC由GWS根据通信类型来制定;传输带宽BW与网络类型直接相关，代表了GWS与云端的通信速率;CL,CC,BW都可以直接获得.下面将分别介绍链路稳定度LET和误包率ep的计算方法：

1) 链路稳定度LET[3].LET是当前车辆与GWS之间链路稳定性的衡量指标，车辆间地理位置、行驶方向、速度大小越接近，说明在未来一段时间车辆间能更大概率保证在相互的通信范围内.假设2辆车i和j的坐标分别为(xi,yi)和(xj,yj),vi和vj分别表示车辆的速度，θi和θj分别为车辆节点所在道路相对于X轴的斜率，R为传输半径，LET的计算公式如下：

(4)

其中：

a=vicosθi-vjcosθj，

b=xi-xj，

c=visinθi-vjsinθj，

d=yi-yj.

2) 误包率ep.ep反映了基于DSRC的V2V通信质量，可以通过物理层测得的信噪比SNR来获得.通过BPSK调制方式，采用叠加高斯白噪声(AWGN)[19]信道的数据传输误包率为[20]

(5)

其中,Q(x)=(1e-t22dt，N0为噪声的能量谱密度，Pr为接收信号的功率，Rb为数据传输的基速率.

2.5GWC数据传输

Fig. 3　Data transmission flow chart of GWC.图3　GWC数据传输方法流程图

在选定GWS以后，若其在GWC传输范围内，则可以直接将数据包发送给该GWS，否则要通过多跳转发的方式传输数据.周围车辆在收到GWC发送的数据包时，根据数据包中携带目标GWS的地理位置设置一个计时器，计时器设置方法与2.3节中GWS广播服务信息计时器设置方法相同，这里将与目标GWS的距离作为时隙判断标准，距离目标车辆越近的车辆计时器值越小，计时器为0时转发数据包.其他车辆在收到相同的数据包后，停止计时器并丢弃该数据包，若发送节点在给定的时间内未收到转发的消息则重新发送该消息.这个过程不断重复，直到目标GWS收到该数据.由于可能存在少量车辆过多转发该消息导致数据冗余，设定转发跳数大于2h时停止转发，h为GWS设置的服务信息广播跳数.消息分发流程图如图3所示.

3数学分析

本节主要从理论上分析GWS接入时延和GWC数据传输时延，为了分析该方法的性能，本节数学模型基于以下3点假设：

1) 车辆从路段一端进入，并且以速度v行驶.进入路段的车辆数目服从参数为λ的Poisson分布.

2) 车辆均装备有全球定位系统(global position system, GPS)和基于IEEE 802.11p的数据收发设备，通信距离为R.

3) 物理信道可靠且不产生错误.

3.1传输延迟模型

GWS接入时延Tac定义为当前路段所有的GWC车辆至少接收到一条GWS所发送的服务信息的平均时延.假设路段长度为l，Gi(i=0,1,…,n)为云端决策参与服务的GWS，那么该路段被这些GWS分成n+1个分路段分别表示为RS(Gi,Gi+1) (i=0,1,…,n).RS(G0,G1)和RS(Gn,Gn+1)分别代表第一个和最后一个分路段;L(Gi,Gi+1) (i=0,1,…,n)分别代表它们的长度;D(Gi,Gi+1) (i=0,1,…,n)代表各个分路段的车辆密度;W(Gi,Gi+1) (i=0,1,…,n)分别代表工作负载，也就是可能会请求网关服务的GWC数量.

图4给出了该路段接入时延分析图，其中TC(Gi,Gi+1)(i=0,1,…,n)代表了云端发送消息到GWS的传输时延，TD(Gi,Gi+1) (i=0,1,…,n)代表从GWS发送beacon开始到所有目标区域车辆接收的广播时延.令T(Gi，Gi+1)(i=0,1,…,n)表示该分路段所有目标车辆接收到服务信息的时延，则有：

(6)

Tac=max{T(G0,G1),T(G1,G2),…,

(7)其中，TC(Gi,Gi+1)的大小跟当前GWS连入Internet的网络类型、传输速率和信道强度等因素有关，理论计算较为复杂.本文基于真实的4G网络通信时延，取多次时延平均值来获得TC(Gi,Gi+1)取值.TD(Gi,Gi+1)的大小跟服务信息的传输跳数和单跳传输时延相关，下面将分别对其进行分析和计算.

Fig. 4　Analysis chart of GWS access delay.图4　GWS接入时延分析图

3.2车辆之间的传输平均跳数

假设随机变量x表示时间间隔(0,t]内进入道路的车辆数量，则x的密度函数及数学期望可分别表示为

(8)

(9)

若d代表相邻2车辆的间距，则d=vt，若2辆车可相互通信，即d≤R，那么由式(8)(9)可得d的条件概率密度函数和数学期望:

(10)

(11)

则车辆传输距离内的车辆数量s的期望可表示为

(12)

长度为l的路段范围内数据传输平均跳数为

(13)

3.3接入时延和数据传输时延

定义beacon单跳传输时延Tb为beacon从发送到接收节点成功接收并转发beacon的时间间隔.由于beacon的发送没有退避过程和消息确认,Tb可以表示为

Tb=Taifs+δ+Lb

(14)

其中,Taifs为任意帧间隔(arbitrary inter-frame space, AIFS)时间长短;δ为计时器变为0的平均时间，δ的计算方法可以参考文献[9]中附录B2;Lb为beacon的数据大小;rb为传输速率，则有：

(15)

其中，lrs为路段的长度.

将式(6)，(14)，(15)代入式(7)，可得接入时延Tac.

GWC选定服务网关以后，进行数据传输的单跳传输时间Td可表示为

m×(Tsifs+ω+δ+Ld

(16)

其中,Tsifs代表短帧间隔(short inter-frame space, SIFS)时间长短；Ld为传输数据大小；ω为退避过程需要花费的时间，ω可计算为

(17)

(18)

GWC数据传输时延Ttr定义为GWC选定GWS以后车辆将数据传送到GWS的平均时延，假设车辆到服务网关的距离为lc，结合式(13)，(16)，(17)可得:

m×(Tsifs+ω+Ld.

(19)

4实验结果与分析

在OMNeT++和SUMO平台上编写了仿真程序，其中OMNeT++主要仿真车辆节点各通信协议，SUMO用来仿真交通场景.

通过实验仿真，对本文提出的基于移动云服务的数据上传策略(CDUL)相关性能，包括GWS服务信息覆盖率、信道占用率、接入时延、GWC数据传输时延和传输率进行验证，并与理论分析和其他相关协议进行对比，仿真参数如表2所示：

Table 2　Parameter Setting of Simulation

4.1服务信息覆盖率和信道占用率

Fig. 5　Coverage ratio of service information from GWS.图5　GWS服务信息覆盖率

图5给出了GWS服务信息覆盖率和车流密度的关系图，其中PGWS代表GWS占车辆总数的比例.由于接收服务信息时延过长，会导致服务信息过时而失效，实验中规定若车辆只接收到传输时延大于5 s的服务信息，那么该车辆不计作服务范围内的车辆.由图5可以看出,CDUL在不同的GWS比例和车流密度情况下能保证较高的服务信息覆盖率，当车辆密度过低时车辆连通度较低，部分车辆收到服务信息延迟过高而失效，此时服务消息覆盖率相对较低，但是云端可以动态调整服务信息广播跳数，即使是GWS比例较低的情况下，也可以保证服务信息覆盖率大于95%.图5还显示了使用传统beacon广播方法的服务信息覆盖率，此时因为所有GWS只广播一跳服务信息，当GWS数量过少时难以保证服务覆盖率.

图6给出了信道占用率与车辆密度的关系图，显示了在不同的GWS比例情况下GWS服务信息不会占用过多的信道资源，这是因为云端在选择服务网关时能有效避免GWS过于接近;与不使用CDUL时的信道占用率进行对比，显然当所有GWS都参与服务时，大量的服务信息广播导致过多信道资源占用，特别是当网关请求服务较少时信道资源浪费严重，也不利于其他紧急消息的快速广播.

Fig. 6　Channel occupation ratio of service information from GWS.图6　GWS服务信息信道占用率

4.2接入时延

GWS的接入时延由云端传输时延TC和服务信息广播时延TG两部分组成，云端传输时延TC与网络类型和传输带宽因素相关，实验中选取当前城市交通环境下覆盖范围较广的4G网络环境下来测试云端传输时延TC.测试时选择不同的地点进行100组测试，测得的结果如图7所示，从图7可以看出时延TC集中在7～15 ms之间.

Fig. 7　Transmission delay in 4G network.图7　4G网络数据包传输时延

图8显示了GWS服务信息广播时延TG与车流密度关系图，当车流密度较低时，此时路段网关数量过少，服务信息可能需要通过多跳的方式来传递给该路段车辆，由于车辆间较低的连通率，车辆可能无法直接将服务信息传递给周边车辆，而需要通过携带转发的方式，导致了车流密度为0.02时接入时延相对过高的问题，若此时GWS比例PGWS=5%，整个路段只有2个GWS，接入时延大于1 s，难以保证车辆快速接收到服务信息.另外从实验中看出，由云端传递信息到GWS的时延，相对于GWS将服务信息广播给周围车辆的时延要长得多，所以尽可能地选择某些静态服务网关可以有效减少接入时延.同时还将实验结果与第3节中的理论分析结果进行了对比，图8中Sim和Ana分别代表实验曲线和理论曲线.从图8可以看出,在车流密度为0.02辆米时，车辆可能通过携带转发的方式广播服务信息，导致与理论曲线相差较大，总体上实验所得时延曲线与理论曲线具有较高的一致性.

Fig. 8　GWS service information broadcast delay.图8　GWS服务信息广播时延

Fig. 9　GWC data transmission delay.图9　GWC数据传输时延

4.3数据传输时延

图9给出了不同车流密度下GWC数据传输时延.可以看出，当GWS节点达到一定数量后，数据传输时延很低，并且在不同的车流密度环境下传输时延十分稳定，实验曲线与理论曲线也具有较高的一致性.

图10将CDUL与文献[3]中网关选择方法CMGM进行对比.1)针对数据较小、对时延要求较高的紧急消息传输时延进行实验和对比，可以看出CMGM的时延高于本文所提出的方法.这是因为在CMGM协议中，一定范围内的车辆均通过某一网关上传数据，导致网关通信负载过高；而CDUL中服务网关的选择较为分散，各个GWS的通信负载较为均衡，同时在传递紧急消息时充分考虑了该GWS的通信质量等因素，减少数据传输的时延.2)针对数据相对较大、对链路稳定度要求较高的交通信息传输时延进行了对比，可以看出当车流密度较高时CMGM会导致数据传输时延过高；而CDUL在选择GWS考虑了链路稳定性和通信负载等因素，使得在传输交通信息这样一类较大数据时能够保证较低的传输时延.

Fig. 10　Comparison diagram of GWC data transmission delay.图10　GWC数据传输时延对比图

4.4数据传输率

图11比较了不同密度下CDUL和CMGM的传输丢包率.由于CMGM会导致同一范围内大量车辆选择同一网关，使得该网关发送缓冲队列中数据包溢出，另外移动网关过于集中也会导致大量数据发送碰撞；而CDUL在进行网关选择时避免了GWS过于集中，同时考虑各个GWS的通信负载，从而避免了大量车辆选择同一网关.从图11可以看出，CDUL中数据传输丢包率低，并且随着车流密度的增加丢包率增加平缓.

Fig. 11　GWS packet loss rtae.图11　GWS丢包率

从实验可以看出,当GWS密度达到一定数量时，本文所提出的服务信息广播方法有着较高的覆盖率和较低的信道占用率，同时相对于已有的方法，数据上传的传输时延和丢包率也更低，并且这些性能曲线十分稳定.GWS密度过低时，对这5个性能参数有一定影响，但是在当前交通环境下很容易满足GWS密度需求，特别是在很多城市中公交车和出租车上开始大量部署4G网络接口，而一些私家车也开始具备这样一些网络接口.可以预见,随着车联网和移动云服务的发展，一些静态GWS也会开始大量部署，通过本文所提出的基于移动云服务的车联网架构和数据上传方法能够保证数据可靠、快速地上传到云端，并且不会占用过多的信道和通信资源.

5结束语

在基于云计算的车联网中，各类安全、交通、娱乐应用大大依赖于车辆间、车辆与云间的数据传输和交互.为了将数据快速、可靠地上传到云端，本文首先提出一种新的基于移动云服务的车联网架构，该架构将车联网中网络节点分为3层，分别是云端、网关服务者层和网关消费者层.网关服务者向云端注册服务信息和状态信息后，由云端决策选取参与服务的网关服务者，网关消费者在获得服务信息后，根据自身数据传输需求，选择最优网关接入Internet并传输数据到云端.

本文首先解决了云端服务网关决策问题，使得网关服务者尽可能通过一跳广播将服务信息广播给周边所有车辆，同时避免服务网关过于接近而造成过多的信号碰撞和信道资源浪费.其次,解决了网关服务者的服务信息广播覆盖范围问题，当服务网关密度较低时，增加服务信息广播跳数，使得更多的网关消费者能接收到服务信息.最后，解决了网关消费者如何根据数据传输类型和网关服务者相关性能参数选择最优网关服务者进行数据上传.实验和理论分析可以看出，该方法可以有效管理各个网关服务者，保证其服务覆盖范围的同时减少信道和通信资源消耗，并且针对不同的传输数据类型能保证较低的传输时延和传输丢包率.

本文解决的主要是上行链路问题，在文献[6]中我们研究了下行链路问题，也就是如何实时、可靠地将数据由云端分发给目标区域和目标车辆.未来工作中我们将基于真实的交通场景，结合上行链路和下行链路数据传输方法，对数据的传输和分发展开进一步的研究和验证.

参考文献

[1]Olariu S, Eltoweissy M, Younis M. Towards autonomous vehicular clouds[J]. ICST Trans on Mobile Communications and Applications, 2011, 11(7/9): 1-11

[2]Sichitiu M L, Kihl M. Inter-vehicle communication systems: A survey[J]. IEEE Communications Surveys & Tutorials, 2008, 10(2): 88-105

[3]Benslimane A, Taleb T, Sivaraj R. Dynamic clustering-based adaptive mobile gateway management in integrated VANET-3G heterogeneous wireless networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(3): 559-570

[4]Hussain R, Son J, Eun H, et al. Rethinking vehicular communications: Merging VANET with cloud computing [C] //Proc of the 4th IEEE Int Conf on Cloud Computing Technology and Science (CloudCom). Piscataway, NJ: IEEE, 2012: 606-609

[5]Mershad K, Artail H. A framework for implementing mobile cloud services in VANETs [C] //Proc of the 6th IEEE Int Conf on Cloud Computing. Piscataway, NJ: IEEE, 2013: 83-90

[6]Liu Bingyi, Jia Dongyao, Wang Jianping, et al. Cloud assisted safety message dissemination in VANET-cellular heterogeneous wireless network[J]. IEEE Systems Journal, 2015, DOI: 10.1109 /JSYST.2015.2451156

[7]Panichpapiboon S, Pattara-Atikom W. A review of information dissemination protocols for vehicular ad hoc networks[J]. IEEE Communications Surveys & Tutorials, 2012, 14(3): 784-798

[8]Bi Yuanguo, Zhao Hai, Shen Xuemin. A directional broadcast protocol for emergency message exchange in inter-vehicle communications [C] //Proc of the IEEE Int Conf on Communication. Piscataway, NJ: IEEE, 2009: 1-5

[9]Bi Yuanguo, Cai Lin X, Shen Xuemin, et al. Efficient and reliable broadcast in intervehicle communication networks: A cross-layer approach[J]. IEEE Trans on Vehicular Technology, 2010, 59(5): 2404-2417

[10]Zhang Wuxiong, Chen Yu, Yang Yang, et al. Multi-hop connectivity probability in infrastructure-based vehicular networks[J]. IEEE Journal on Selected Areas in Communications, 2012, 30(4): 740-747

[11]Yu Zhen, Xu Jindong, Zhang Jianzhong，et al. IEDR: an infrastructure enhanced DTN routing protocol[J]. Journal on Communications, 2013, 34(8): 44-52 (in Chinese)(于振, 徐敬东, 张建忠, 等. 基础设施增强的DTN路由协议[J]. 通信学报, 2013, 34(8): 44-52)

[12]Wu Yuchen, Zhu Yanming, Li Bo. Trajectory improves data delivery in vehicular networks[C] //Proc of the IEEE INFOCOM 2011. Piscataway, NJ: IEEE, 2011: 2183-2191

[13]Byehkovsky V, Hall B, Miu A. A measurement study of vehicular Internet aceess using in situ Wi-Fi networks[C] //Proc of ACM Int Conf on Mobile Computing and Networking (MobiCom). New York: ACM, 2006: 50-61

[14]Zhao Qingwen, Zhu Yanmin, Chen Chao, et al. When 3G meets VANET: 3G-assisted data delivery in VANETs[J]. IEEE Sensors Journal, 2013, 13(10): 3575-3584

[15]Zhioua G, Tabbane N, Labiod H, et al. A fuzzy multi-metric QoS-balancing gateway selection algorithmin a clustered VANET to LTE advanced hybrid cellular network[J]. IEEE Trans on Vehicular Technology, 2014, 64(2): 804-817

[16]Jia Dongyao, Zhang Rui, Lu Kejie, et al. Improving the uplink performance of drive-thru Internet via platoon-based cooperative retransmission[J]. IEEE Trans on Vehicular Technology, 2014, 63(9): 4536-4545

[17]Jia Dongyao, Lu Kejie, Wang Jianping et al. A survey on platoon based vehicular cyber-physical systems[J]. IEEE Communications Surveys & Tutorials, 2016, 18(1): 263-284

[18]Shan Hangguan, Zhuang Weihua, Wang Zongxin. Distributed cooperative MAC for multihop wireless networks[J]. IEEE Communications Magazine, 2009, 47(2): 126-133

[19]Roberts James A. Packet error rates for DPSK and differentially encoded coherent BPSK[J]. IEEE Trans on Communications, 1994, 42(234): 1441-1444

[20]Gouda M, Schneider M. Maximizable routing metrics[J]. IEEE/ACM Trans on Networking, 2003, 11(4): 663-675

Liu Bingyi, born in 1990. PhD candidate. His main research interests include wireless sensor networks and vehicular cyber physical systems.

Wu Libing, born in 1972. PhD, professor and PhD supervisor. Member of China Computer Federation. His main research interests include wireless sensor networks, network management and distributed computing.

Jia Dongyao, born in 1976. PhD. His main research interests include vehicular cyber physical systems, traffic flow modeling, and Internet of things (tony.jiady@gmail.com).

Nie Lei, born in 1989. PhD candidate. His main research interests include wireless sensor networks and vehicular ad-hoc network (lnie@whu.edu.cn).

Ye Luyao, born in 1995. Undergraduate student in the Computer School of Wuhan University. Her current research interests include intelligent traffic control (Luyaoye@whu.edu.cn).

Wang Jianping, born in 1975. PhD, associate professor and PhD supervisor. Her main research interests include optical networks, cloud computing, service oriented networking, and data center networks (jianwang@cityu.edu.hk).

Data Uplink Strategy in Mobile Cloud Service Based Vehicular Ad Hoc Network

Liu Bingyi1,2,3, Wu Libing1,2, Jia Dongyao4, Nie Lei1,2, Ye Luyao2, and Wang Jianping3

1(StateKeyLaboratoryofSoftwareEngineering(WuhanUniversity),Wuhan430072)2(ComputerSchool,WuhanUniversity,Wuhan430072)3(DepartmentofComputerScience,CityUniversityofHongKong,Kowloon,HongKong999077)4(InstituteforTransportStudies,UniversityofLeeds,Leeds,UK999020)

AbstractThe data delivery in traditional dedicated short range communication (DSRC) based vehicular ad hoc network (VANET) can hardly meet the transmission quality of service (QoS) requirement. Data transmission through mobile gateway can definitely extend the broadcast area and significantly reduce the remote transmission delay. This paper proposes a novel VANET architecture and data delivery method accordingly, which combines the idea of mobile cloud computing. We firstly provide the registration procedure of gateway server (GWS). Then, by jointly considering the historical data and real-time information, a GWS selection method by cloud is proposed to dynamically decide the participating GWSs and their service area. After acquiring the service information from GWS, the gateway consumer (GWC) can choose the optimal GWS from its GWS list by jointly considering communication load, link stability, channel quality, etc, and transmit the data to the selected GWS which will then send the data to cloud. Simulations with different scenarios in OMNeT++ and mathematical analysis demonstrate that the proposed method can achieve lower transmission delay and higher delivery success ratio.

Key wordsvehicular ad hoc network (VANET); data transmission; gateway selection; mobile cloud computing; gateway server (GWS); gateway consumer (GWC)

收稿日期：2015-12-21；修回日期：2016-02-03

基金项目：国家自然科学基金项目(61272112,61472287)；湖北省自然科学基金重点项目(2015CFA068)；中央高校基本科研业务费专项资金(2014211020202)

通信作者：吴黎兵(wu@whu.edu.cn)

中图法分类号TP391

This work was supported by the National Natural Science Foundation of China (61272112, 61472287), the Key Program of the Natural Science Foundation of Hubei Province of China (2015CFA068), and the Fundamental Research Funds for the Central Universities (2014211020202).