基于多准则决策的VNDN兴趣包转发方法

侯睿，程航

（中南民族大学 计算机科学学院，武汉430074）

车辆自组织网络［1］（Vehicular Ad-hoc Networks，VANETs）作为智能交通系统的重要组成部分，能够使用户快速获得前方道路状况信息，也可以满足用户对娱乐信息应用的需求，其通信方式有车辆-车辆（V2V）、车辆-路边单元（V2R）、车辆-基础设施（V2I）以及车辆-行人（V2P）等等（如图1 所示）.目前，在VANETs 中，数据交换是以地址为中心的，车辆或用户在获取信息之前，要知道具体的地址，由于车辆节点的高速移动，车辆之间网络拓扑变化频繁，从而造成车辆之间建立稳定的通信链路变得非常困难.

图1 VANETs中的通信方式Fig.1 Communication in VANETs

为了解决目前基于地址进行数据交换的VANETs中的这些缺点，人们提出了信息中心网络［2］（Information-Centric Networking，ICN）.ICN 以名称为基础进行通信，其最显著的优点是满足了用户只关心内容而不在乎内容具体位置的需求.目前已有多种ICN 实现方案，其中命名数据网络［3］（Named Data Networking，NDN）由于可行性较强，近年来受到广泛关注.由于NDN 的特点以及近年来的发展，将VANETs 架构于NDN 中的研究越来越广泛，即车辆命名数据网络［4］（Vehicular Named Data Networking，VNDN）.

1 引言

VNDN 中有两种类型的包：Interest 包用来请求数据，Data包用来响应相应Interest请求.VNDN中内容请求者（Consumer车辆）发送Interest包到网络中，数据提供者（Producer车辆）按照Interest包传入路径原路将Data包返回Consumer车辆.

在VNDN 中，当Consumer 车辆需要请求特定内容时，它向邻居车辆广播Interest 包，当没有邻居车辆有对应的Data包时，则这些收到Interest包的车辆会根据转发策略进一步转发Interest包.由于车辆的高速移动性以及Interest包的泛洪，如果不采取任何限制措施，则会导致相同的Interest包在网络中进行不必要的大量冗余传输，造成网络资源的浪费，以及拥塞、延迟等问题的发生.因此，对Interest包传输的控制方法研究已经变得迫在眉睫.

针对该问题，本文提出一种VNDN 中基于多准则决策的兴趣包转发方法，在转发Interest 包时，将车辆的状态信息（速度、位置、历史内容请求行为）考虑进去.速度用来计算两辆车之间的相对速度，表示车辆之间相对移动的快慢.位置用来计算两辆车之间的距离，距离发送方车辆越远的邻居车辆被认为距离生产者车辆越近.历史内容请求行为用来计算两辆车之间的内容偏好相似度，和请求者车辆具有更高的内容偏好相似度的车辆更有可能请求过相同的内容，换句话说，有更大的可能在这种车辆上找到所需的内容.通过多准则决策算法TOPSIS［5］，将计算出的相对速度、距离、偏好相似度作为TOPSIS的三个准则，只选择排名最高的特定车辆来进行转发.

2 国内外研究现状

近年来，为了应对VNDN 中兴趣包泛洪转发带来的问题，文献［6］提出了鲁棒性转发者选择方案，主要思想是只选择特定车辆转发兴趣包.每辆车维护最近满足列表，车辆之间定期交换各自的最近满足列表来更新自己的邻居满足列表，通过邻居满足列表只选择特定车辆转发兴趣包，从而避免泛洪.文献［7］提出偏好感知兴趣包转发策略PaFF，每个节点维护具有相似移动性和视频播放行为的邻居车辆节点列表，从而选择出关联节点去构建关联节点表，根据该表将兴趣包转发给特定车辆.通过该策略，实现了较低延迟并提高了命中率.文献［8］提出一种分布式兴趣包转发者选择方案，在道路不同方向上各选择特定车辆转发兴趣包，车辆之间共享各自的状态信息（位置、速度等），每个车辆维护邻居表.在两个方向上同时转发兴趣包从而以更低延迟找到具有较少跳数的生产者车辆.文献［9］提出了一个基于距离的等待时间函数来概率性地转发兴趣包，以缓解广播风暴问题.文献［10］提出一种集群方案，将车辆根据移动模式分组，形成自组织移动区域，各区域选出指定车辆作为集群头车辆，通过集群头车辆来管理区域内其他车辆并与其他区域进行通信，有效减少了开销，提高了通信效率.文献［11］中提出的数据包回传预测方法DBPM，使用凸规划定位算法，通过卡尔曼滤波模型预估车辆未来的位置，结合集群结构和集群路由将数据包转发给车辆，降低了VNDN 通信延迟和丢包率，增强了通信过程的鲁棒性.文献［12］中提出基于车辆追踪的数据包转发方案VTDF，基于TS 理论提出了一种TNS 算法以更有效地追踪目标消费者并及时向消费者返回数据包，综合考虑了数据转发和缓存机制两者的优点，以较低的代价提高了数据包的交付率.文献［13］提出一种转发决策方案，基于贝叶斯决策模型，根据当前网络条件去转发兴趣包.该方案降低了总的兴趣包数量，拥有较低的通信延迟，并具有较高的包交付率.文献［14］提出基于链路稳定性的兴趣转发策略，考虑网络链路的生命周期，根据预测的链路连接寿命来决定中继车辆是否转发兴趣包，减少了网络中兴趣包的数量.文献［15］提出了一种多单播路径转发方案，通过构建多条单播转发路径来转发兴趣包，来代替广播，基于链路预计过期时间和链路可用概率来选择一些链路质量更好的下一跳中继车辆.

3 多准则决策兴趣包转发方法

在VNDN 中，车辆之间通过信标消息来传播自己的状态信息是一种普遍方法.每辆车装备有OBU车载单元，车辆之间定期交换DSRC 安全信标来更新邻居车辆的状态信息.在所提方法中，信标消息格式为(id，x，y，v，θ，P).其中，各元素分别是邻居车辆ID、位置坐标(x，y)、速度v、行驶方向θ以及历史内容请求行为P.

每一辆车维护一个邻居列表（Neighbor List，NL）和一个决策列表（Decision List，DL）.NL 包含通过信标消息获得的各个邻居车辆的状态信息，车辆之间通过定期发送信标消息来更新NL.根据NL 中的信息，每辆车计算出自己与邻居车辆之间的距离、相对速度、内容偏好相似度，从而维护DL.

消费者车辆在发送兴趣包之前，根据距离、相对速度、内容偏好相似度三个指标，利用TOPSIS 方法计算出评分最高的车辆作为下一跳转发车辆，并将兴趣包转发给它，从而避免通信范围内所有车辆都作为转发车辆引起的网络资源浪费以及延迟等问题.

对于每个车辆节点，维护一个如表1 的数据结构，来记录车辆历史请求的相应内容类型.type表示内容类型，Number of requests表示该车辆历史请求该类型内容的次数，Total number表示该车辆节点请求各类型内容的总次数.

表1 车辆历史请求行为Tab.1 Vehicle history request behavior

车辆Vi对t类型内容的偏好程度为：

根据pt(Vi)，每个车辆计算一个k维向量P(Vi)，P(Vi)表示车辆Vi的内容请求行为，代表了车辆Vi对各类型内容的偏好程度：

这里，nt(Vi)为pt(Vi)对应的归一化值：

对于两辆车辆Vi与车辆Vj：

（1）距 离：disi，j表 示 车 辆Vi与 车 辆Vj之 间 的距离：

距离消费者车辆越远的邻居车辆被认为距离生产者车辆越近，并且选择距离最近的邻居车辆时，可能会导致在路径上的跳数更多，造成更大的延迟，降低通信效率.但是如果只考虑选择距离最远车辆进行转发，由于此类车辆处于通信范围边界，因此可能造成车辆间连通性很低，很有可能导致链路断裂，因此我们同时也考虑了下面的相对速度和内容偏好相似度两个指标.

（2）相对速度：rvi，j表示车辆Vi与车辆Vj之间的相对速度：

表示车辆Vi相对于车辆Vj移动的更快或者更慢.相对速度太大，就是说车辆之间相对移动的很快，可能会导致车辆之间的链路急剧变化.相对速度越小，说明两辆车辆之间的相对移动程度越低，车辆间连接越稳定，连接时间也就越长.因此我们更倾向于原则相对移动速度小的车辆作为转发车辆.

（3）内容偏好相似度：为了计算两个车辆的内容请求相似度，将Pi看作欧几里得空间Rk中的一个点，这样两个车辆节点之间的内容请求相似度就可以用Rk中对应点之间的欧氏距离来度量，difi，j用来表示车辆Vi与车辆Vj的内容偏好之间的欧氏距离：

simi，j表示车辆Vi与车辆Vj之间的偏好相似程度：

difi，j越小，simi，j越大，说明Vi与Vj的偏好相似度越高，证明两辆车有更接近的内容偏好类型，也就是说消费者车辆更容易通过这样的车辆找到自己想要请求的内容.

由于距离、相对速度、偏好相似度是三种不同尺度的评价标准，因此我们通过多准则决策方法TOPSIS 来对邻居车辆进行排名，从而挑选出特定车辆作为转发者车辆.TOPSIS算法具体步骤如下.

（1）构造评估矩阵{xij}n×3，包含n个邻居车辆和3个评价标准.

（2）指标正向化：由于距离和偏好相似度是效益型指标，相对速度是成本型指标.因此我们将相对速度指标正向化后得到矩阵{pij}n×3，正向化方法为max-x.

（3）对正向化后的矩阵{pij}n×3进行规范化处理得到规范决策矩阵{sij}n×3，其中：

（4）构造加权规范矩阵{zij}n×3，权重向量为ω=[ω1，ω2，ω3]T：

（5）确定正理想解z+和负理想解z-：

（6）计算每个车辆与正理想解和负理想解的欧氏距离：

（7）计算每个解与正理想解的接近程度：

最后，选择Si最大的邻居车辆作为下一跳的转发车辆，并将兴趣包转发给它.

4 实验结果与分析

为了验证所提出方法的有效性，在本节中，将所提方法与PaFF、OIFP 以及泛洪方法在网络时延以及丢包率两个不同指标下进行了比较.

4.1 实验配置及参数

实验在基于NS-3 的网络模拟器ndnSIM 平台进行，考虑了城市道路中直路路段场景.实验中消费者车辆的比例固定为20%，考虑了10-30 的车辆节点数目以及5%-20%生产者比例的不同情况下，所提方法与其他三种方案在网络时延以及丢包率两种不同指标的对比情况.实验模拟时间150 s，每一种模拟设置运行20次.具体参数设置见表2.

表2 实验参数Tab.2 Experimental parameters

4.2 实验结果分析

实验选择以下的度量标准：

（1）网络时延：发送兴趣包和接收到相应数据包之间的时间间隔.

（2）丢包率：实验中发送的兴趣包与被满足的兴趣包差值与总的发送兴趣包的比值.

如图2 所示，为四种方案在不同车辆节点数目下的网络时延对比.随着网络中车辆节点数目的逐渐增多，四种方案的网络时延变化幅度较小，但所提方案的时延较其他方案是最低的.

图2 网络时延随车辆节点数目变化Fig.2 Network delay varies with the number of vehicle nodes

如图3 所示，为四种方案在不同车辆节点数目下丢包率的对比.随着网络中车辆节点数目的增多，可以发现四种方案的丢包率都有所增加，但所提方案的丢包率要低于其他三种方案.

图3 丢包率随车辆节点数目变化Fig.3 Packet loss rate varies with the number of vehicle nodes

因此，在不同车辆节点数目的情况下，所提方案在网络时延和丢包率方面较其他三种方案表现出一定优势.

如图4 所示，显示了网络时延在不同生产者百分比下的变化情况，其中所提方案的时延最低，四种方案的延迟都随生产者增多而降低.

图4 网络时延随Producers百分比变化Fig.4 Network delay varies with the percentage of producers

如图5 所示，四种方案的丢包率随生产者百分比的增加而降低，所提方案在每一种生产者百分比情况下的丢包率都要比其他三种方案低.

图5 丢包率随Producers百分比变化Fig.5 Packet loss rate varies with the percentage of producers

因此，在不同生产者百分比的情况下，所提方案在网络时延和丢包率方面较其他三种方案表现出一定优势.

5 结语

为了缓解基于命名数据网络的车辆自组织网络中兴趣包泛洪引起的网络资源浪费以及通信延迟问题，本文提出了一种兴趣包转发控制方法，通过在每一跳根据多决策方法TOPSIS 选出特定车辆进行兴趣包的转发来代替兴趣包的泛洪.文章在通信时延以及丢包率方面与其他三种方案进行了对比，结果显示所提方案有更低的延迟以及更低的丢包率.在未来的研究中，我们可以将更多的准则考虑进多决策方法中，并且可以将该方案应用到更复杂的道路场景中去.