自适应负载状态的车联网信道接入算法

王 维，包志华，王慧玲，邱恭安

(南通大学 信息科学技术学院，江苏 南通 226019)

车联网是由具有无线通信与计算处理能力的智能车辆和路边单元构成的，具有辅助驾驶、碰撞避免、偏离警告等功能［1］。车联网中车辆节点的通信方式主要分为车-车和车-路边单元两种［2］。根据通信消息的种类可以分为娱乐服务类、交通安全类和交通效率类。交通安全类消息又可分为周期性安全消息和紧急预警类安全消息［3］。只有在保证交通安全类消息的传输具有高可靠性和低时延的情况下，才能确保车辆的安全行驶。因此在车联网通信中，交通安全类消息的传输最为严苛。不同车辆作为车联网无线通信的节点有时需要共同使用相同的信道，各个车辆节点根据自己的需求竞争信道并传输交通安全类消息［4］。随着车辆节点的不断增大，各类消息之间的干扰和冲突也会逐渐增加［5］。在无线通信网络IEEE802.11p标准中，车辆节点主要使用CSMA/CA（载波侦听多路访问/冲突避免）多址接入控制协议竞争信道的使用权［6］。协议中二进制指数退避算法（Binary Exponential Backoff Algorithm，BEB）可以有效解决节点之间的竞争和冲突问题［7］。该算法规定在交通安全类消息传输之前，节点首先需要对信道进行侦听，当信道处于忙碌状态的时候，节点需要随机退避一段时间后继续侦听，当信道空闲的时候，进行自减一操作，直到退避时间为零后，节点立即发送数据并在收到ACK应答帧后表明数据发送成功，否则将当前竞争窗口放大两倍，在重启的二进制退避算法中重新选取一个新的退避值发送该数据，当碰撞次数大于设定的阈值时，丢弃该数据，表明发送失败［8-9］。因此退避算法参数的设置将直接影响到车联网无线通信的性能。

退避算法相关参数的设置（退避窗口的大小、退避时间、重传次数等）主要发生在消息发生碰撞以及消息发送成功的时刻［10］。退避窗口和退避时间的设置将影响节点传输失败后重新发送所需要的时间，最终影响到消息接入信道的时延。重传次数的大小也对节点消息发送的成功率有很大的影响。文献［11］提出一种基于密度的车联网退避算法VBA，该算法根据车辆自身周围节点的疏密程度调整退避参数的大小，一定程度上改善了网络性能，避免了信道资源浪费，但没有考虑链路信道的真实负载状态。文献［12］提出一种MNLBA算法，实现节点在不同的忙碌状态下调整退避参数的大小，最终达到整个网络的吞吐量最优。文献［13］通过利用车辆地理位置和速度之间的关系调整竞争窗口，实现节点之间的有序竞争，改善车辆节点访问信道的公平性，优化了网络性能。文献［14］在BEB算法的基础上提出了一种区分业务优先级的PAB退避算法，根据业务的优先级别以及信道的忙碌状态，选择在不同的退避阶段调整不同节点的前后转移概率，提升了系统的饱和吞吐量。但是以上退避算法仅仅研究退避算法中退避窗口和退避时间如何进行设置，并没有考虑到车辆节点实时变化的交通密度特性以及通信链路的负载状态。同时在降低节点之间碰撞概率和接入信道时延方面仍存在着一些不足。

针对上述文献考虑不足之处，提出一种基于信道负载状态的车联网信道接入算法，该算法运用DS证据理论将车辆密度参数和通信流量负载率参数进行融合，得到通信链路的负载状态集，采用判决准则对负载状态进行判定，根据判决结果设计出一种自适应退避算法（Adaptive Backoff Algorithm，ABA）调整不同链路负载状态下退避算法的相关参数，从而降低安全类消息接入信道的时延，提高消息接入的成功率。算法流程如图1所示。

1 系统模型

设交通场景发生在双向四车道的公路上，系统模型如图2所示，当车辆1发生无意识变道时，需要将偏离车道消息传播给车辆2。由于事件触发的安全消息具有突发性、信息简短和后向传播性，要求在短距离范围内快速传播，因此对消息接入信道的时延以及可靠性要求非常高。

当信道负载处于轻载时，车辆节点之间的竞争并不激烈。当消息发生碰撞时，如果直接将竞争窗口的大小翻倍，车辆节点就需要等待更多的时间接入信道，最后造成信道资源的严重浪费和接入信道时延的增加。因此自适应退避算法根据信道负载状态，线性增大发送成功时竞争窗口的大小，以较大倍数降低发送失败时竞争窗口的值。当信道处于中度负载时，自适应退避算法以较小倍数乘性增加发送成功时的竞争窗口大小，以较小倍数降低发送失败时竞争窗口的值。当信道处于重度负载时，此时车辆节点之间的竞争很激烈，如果消息传输成功，直接将退避窗口设为最小值，由于没有考虑到节点之间正处于竞争激烈期，则会引起更加严重的碰撞，导致信道接入成功率降低。因此实时考虑车辆节点的密度特性以及无线通信链路的负载状态就尤为重要。自适应退避算法根据信道负载状态以较大倍数乘性增加发送成功时的竞争窗口大小，以较小倍数降低发送失败时竞争窗口的值，缓和节点竞争时候的激烈冲突。提高了安全性消息接入信道的成功率，提升了车联网无线通信的性能。

2 算法流程

2.1 基于证据理论的信道负载状态估计

通过证据理论融合算法将输入参数进行融合。其原理图如图3所示。

通过车辆与车辆之间、车辆与路边单元之间的信息交互，可以获得有关车辆密度以及通信流量负载率相关参数的信息。并在此基础上运用模糊理论构建车辆密度参数和通信流量负载率参数的基本概率分配函数，并使用证据理论将相应的证据进行组合，得到负载状态集。

车辆密度参数可以从路边单元RSU获得表示如下

其中，N表示测得的车辆总数，D表示RSU覆盖的范围。将密度划分为｛低、中、高｝三种车辆密度模糊集，如图4所示。

其基本概率分配函数为

通信流量负载率参数表示如下

其中，P表示消息生成速率（条/s），B表示消息的大小，TH表示链路通信流量预设的阈值。将通信流量负载率划分为｛低、中、高｝三种模糊集，如图5所示。

其基本概率分配函数为

链路信道状态基本概率分配函数就可以由证据理论合成规则计算

2.2 判决准则

设存在A1和A2属于U（U为识别框架）

则A1为判决结果，ε1和ε2为预先设定的门限值，Θ为不确定集合。通过判决准则，将证据理论融合得到的链路状态负载集｛轻载、中载、重载｝进行评估，为下一步做出准备。

2.3 自适应信道负载状态的退避算法

为改进现有退避算法的不足，提出根据信道负载状态自适应更新退避参数的退避算法。该算法根据负载状态估计算法得到的信道负载状态信息，调整当消息传输成功或失败时扩大和回落的倍数，以适应不断变化的交通特性和网络条件，避免信道资源的严重浪费与消息之间的激烈碰撞。自适应退避算法流程图如图6所示。

首先根据信道负载的状况可以划分为｛轻载、中载、重载｝三种状态。当信道状态处于轻度负载时，此时节点之间的竞争并不激烈，因此设置退避算法为

当节点之间发生冲突时，如果此时直接将发生碰撞节点的竞争窗口大小直接翻倍，使得节点的退避时间大大增加，导致严重的信道资源浪费。因此为了限制此时竞争窗口过大的增长，需要调整竞争窗口的扩大倍数，减少因为碰撞导致退避时间过大造成的信道资源浪费。因此当发生碰撞时，只需要线性增大竞争窗口的大小，而当发送成功时，竞争窗口以较大幅度倍数降低，从而使得接入信道成功率上升，时延降低。

当信道状态处于中度负载时，此时节点之间的竞争较为激烈，需要重新设置节点成功或失败传输后的退避参数。算法如下

当消息发生碰撞时，竞争窗口的线性增长并不满足此刻节点的需求，因此节点需要以较小的倍数乘性增加。当消息成功发送后，竞争窗口应该以较小的倍数降低，防止因快速减小导致节点之间的碰撞增加。

当信道状态处于重度负载时，此时车辆节点之间的竞争很激烈，退避算法设置为

当节点之间发生碰撞时，竞争窗口应该以较大倍数乘性增加，以适应当前较大的网络冲突率。当消息成功传输时，竞争窗口应该线性减少，避免因竞争窗口过快回落导致的节点之间大量冲突。

自适应退避算法中，竞争窗口的大小并不会一直以较大的幅度增加或减小，而是根据信道的负载状况动态地进行调整，因此可以提高消息接入信道的成功率，降低时延。最终达到合理分配信道资源，提升网络总性能的作用。

3 性能仿真及分析

使用MATLAB分析在不同数量节点下自适应退避算法、二进制退避算法和文献［11］VBA算法在接入信道成功率以及时延之间的差异。仿真环境采用高速公路双向四车道车辆节点的最大数为60，基站覆盖的长度为2 km，仿真所采用参数设定值如表1所示。

表1 仿真参数

定义信道接入成功率为

其中，C1表示节点接入成功的次数，C2表示失败的次数。定义节点接入信道的平均时延T为

其中，分子为节点传输成功和失败所用的总时间，分母为节点传输的总次数。在不同数目车辆节点下，仿真结果分别如图7、图8所示。

从图7可以看出，在基于不同网络负载条件下的ABA算法比BEB算法在节点接入成功率方面平均增加26.9%，比VBA算法平均增加了16.1%。这是因为ABA算法考虑了信道的争用情况，当信道处于轻载时，使得车辆节点在成功传输消息时竞争窗口快速回落，而当消息传输失败后线性增加。当信道处于中载时，使得车辆节点在成功传输消息时竞争窗口以较小倍数降低，而当消息传输失败后倍数增加。当信道处于重载时，使得车辆节点在成功传输消息时竞争窗口以线性减少，而当消息传输失败后以较大倍数增加。通过自适应调整参数后可以合理分配信道资源，提高节点接入信道的成功率。

从图8可以看出，在接入信道平均时延方面，不同车辆数目节点下，ABA算法要优于BEB算法和VBA算法，其中ABA算法要比BEB算法平均减少43.8%，比VBA算法平均减少25.4%。由于ABA算法实时考虑了网络负载状态，有效避免了节点之间的碰撞，降低了车辆节点发送失败重传的次数，通过合理分配网络的信道资源，降低了节点接入信道的平均时延，提升了车联网的性能。

4 结束语

从实时的交通特性和网络性能出发，设计了一种自适应负载状态的车联网信道接入算法。该算法首先运用证据理论融合算法对输入的两种参数进行处理，得到链路的负载状态集。其次使用判决准则实现负载状态的划分。最后采用ABA算法对不同负载状态下的退避参数进行更新。实验仿真结果表明，ABA算法可以有效提升车辆节点接入信道的成功率，并且降低平均时延，提高了网络性能。