车载网拓扑演化模型分析

陈 浩

（中兴通讯股份有限公司天津分公司，天津 300199）

1 引 言

当今低碳生活和低能耗已成为热门话题，以提高道路利用率为目标的“绿色交通”也越来越被人们所期待。随着无线通信网络技术的发展和车辆的迅速普及，由车与车之间互联和车与路之间互联为基本体系结构的车载网（VANET）也受到越来越多的关注。车载网利用安装在车上的无线通信设备记录并发送数据。通过对无线数据的分析，可提高道路交通安全和效率，进而进行车辆预警和道路规划管理[1]。近年来VANET的实际应用层出不穷。早在1999年，美国联邦通信委员会（FCC）就制定了专用短距离通信（DSRC）[2]的标准，以支持车辆之间以及车辆与路边通信设施之间的通信。最近，IETF提出了最新的行业标准（基于IEEE802.11的WAVE），也出现了更多的研究社区，如VII[3]和C2C-CC[4]。目前研究成果的主要着重于基础设施、MAC协议、路由等方面，对车载网整体宏观特性研究较少。本研究以车载网的网络拓扑演化特点入手，尝试建立改进模型，并结合仿真分析验证模型的正确性和有效性。

2 研究热点和相关工作

对车载网拓扑模型的研究主要集中在节点运动模型上。较有代表性的有随机运动模型及节点运动模型。其中随机运动模型更能反映节点的移动行为，它在收集了大量节点的轨迹数据之后会进一步提高真实性。

随机运动模型具有易建模易分析的特点，因此在过去十几年中涌现出来很多同类的模型。例如随机行走移动模型（R andom walk mobility model）[5]，是早期最简单的移动模型之一。还有例如Random Waypoint[6-7]模型，它假设节点在运动前都均匀分布在一个有边界的区域内，也以简易著称。它们的共同特点是需要考虑时空依赖、地理限制、路径选择、交叉口管理等方面。对车载网网络模型做出更整体化的考虑，就需要转换思考的角度。其中，有无障碍物、外部影响、交叉路口管理等，将被统一为一个宏观的因素——速度，即是说这些因素会影响速度，而速度会影响网络密度，网络密度会影响网络的整体拓扑性质。

3 车载网整体拓扑演化规律

以上海市实际交通数据为例展开研究。如图1所示为某日8:00和15:30这两个时刻的上海车辆动态分布图。圈出的范围代表城市中心区域。对比可见，时间段对车辆（节点）分布影响很大，早高峰阶段车流多从郊区前往中心城区，下午车辆大多集中在中心城区。从节点的时间分布来分析，可知对车载网来说，城市区域的不同会造成速度区间的不同，速度区间的不同影响区域的网络密度，进而影响网络的连通性，最后影响网络连接的邻接矩阵。

图1 上海车辆动态分布图

以8:00时刻为例，连通半径与连通率的关系如图2所示。通信半径为R=400 m的条件下8:00到20:00时段内整点时刻连通率的变化情况如图3。

图2 8:00时刻不同通信半径下的连通率

图3 400 m通信半径条件下不同时刻连通率

由图2可知，网络连通率在通信半径400 m以下到400 m的过程中有一个快速跳跃，而在达到400 m以后，虽然通信半径持续增大，但并不能引起连通率的大幅度增加。这说明R=400 m处是连通率变化的顶峰，因此选用400 m这个条件进行拓扑特性分析。从图3中还可以看出，一天当中主要时刻的连通率变化起伏并不大，基本维持在50%～60%之间。因此，总体来看，与区域固定的情况不同，保持通信半径不变的情况下，拓扑状态的变化不应该影响连通性的变化，这也是动态演化模型设置的标准。

4 车载网拓扑演化模型构造与验证

4.1 构造方法

在增长阶段，采用加点和区域内部加边的方法：以概率p1增加一个新节点并进行区域内连接。首先在已存在的区域随机选择一个区域，将新节点加入其中，并在区域内部与已知节点进行m次连接（m≤m0）。这一步骤是在模拟车辆进入某一城市区域所造成的与该区域内其他车辆之间的通信连接情况。

区域间连接，是以概率p2在已有区域中随机选择一个区域，并和其他已经存在的区域之间建立m1次连接。首先，随机选取一个区域，然后在其内部找到主节点作为边的一端。边的另一端位于另一个随机选取的区域中，仍然找到其区域主节点并作为边的另一端，如此重复m1次。

在减少阶段，先去点：以概率p3随机选择网络中某一个节点进行删除，与之相连的所有连接也均被删除，表示车载网中车辆离开固定区域或者由于通信线路的问题导致的车辆无法通信。随后是去边：概率p4随机删除w条边，表示环境的恶劣变化所引起的链路状态不稳定。

在总体连接上，对每一个时间步t有选择地进行如下演化过程：先以概率p1添加一个新节点并在区域之内进行连接；再以概率p2进行区域间的优先连接；最后，以概率p5随机选择出一定数量的节点并在这些节点的相邻节点之间增加一定数量的边。

4.2 模型验证

模型的网络演化模拟图形如图4所示。可以很清晰的看到，建立的动态演化模型可以很好地分析节点的演化规律，也就是网络的拓扑符合马太效应，连通性越强的节点所能获得的链接数量越大。网络拓扑出现较多小区域聚集的现象，和前期研究工作[8]所验证的网络拓扑性质是非常一致的，这也验证了网络拓扑演化模型的正确性。

图4 模型的网络演化模拟图形

网络系数变化对应连通率的规律性如图5所示。从连通性分析中可以看到，改变对应的连接数，连通率动态变化不大，这与上述图4中不同时刻连通性的情况是非常吻合的。

图5 网络系数变化对应连通率分析

5 结束语

研究基于真实城市出租车车载网数据，在分析网络整体分布特点和连通性的基础上，尝试建立起一套车载网络拓扑演化模型，并由此分析拓扑演化模型的正确性和有效性，对于多区域车载网动态拓扑模型研究有借鉴意义，也提供了一种针对车载网网络拓扑特性研究的思路。后续研究中，可根据已经验证的城市车载网内聚和耦合特点来分析车载网更多的网络特点，进而得出精度更高的通用车载网网络演化模型。