基于节点可信度的多信道协助下载选车策略*

张振兴 刘建航 李世宝 张宝银 张晨晨

（1.中国石油大学（华东）海洋与空间信息学院 青岛 266580）

（2.中国石油大学（华东）计算机科学与技术学院 青岛 266580）

1 引言

随着互联网的蓬勃发展，网络成为人们生活中不可缺少的一部分，人们对网络环境的要求也随之提高，例如用户需要使用视频流媒体、社交等服务，尤其在长途旅途中；尽管车辆可以通过覆盖范围广的蜂窝网络获取网络服务，但是接入成本较高。车辆自组织网络（vehicle ad-hoc network，VANET）［1］是智能交通系统（ITS）的核心之一，主要是指具备无线通信和计算能力的车辆之间以及车辆与路边路由单元（Road Side Unit，RSU）之间相互通信组成的移动自组织网络，其设计目的是提高乘客安全性，提高交通效率。蜂窝网络下车载无线通信技术（cellular-vehicle to everything，C-V2X）通过无线方式实现车辆与车辆（vehicle to vehicle，V2V）之间及车辆与路边单元（vehicle to roadside unit，V2R）之间的数据传输［2～4］，是解决车载自组织网络（VANET）中频谱资源受限和数据传输速率较低的有效手段。由于RSU的通信范围和部署数量限制，高速行驶的车辆在RSU 范围内的时间较短，在RSU 之间的通信盲区的时间较长，导致车辆间歇性接入网络，影响客户上网体验［5］。

协助下载（cooperative downloading）的概念是由文献［6］提出的SPAWN 协议首次引入到车联网中，主要应用场景是P2P。SPAWN 协议的前提是假定目标车辆与协助车辆都需要这一数据包，并提前进行预下载，该方法并不适用于多个目标车辆请求不同数据包的情况。现有的诸多文献［7～9］只关注于单信道情况，忽略了目标车辆与协助车辆进行数据传递时其他车辆造成的影响，但实际情况下同区域若有两个目标车，则有可能发生冲突导致传输失败。其次，在实际高速公路交通环境中，移动中的OBU 之间的社交关系也会对协助下载产生影响［10～14］，即OBU 由于客观原因如硬件故障、电量不足、木马入侵、信道冲突等成为坏点，导致其无法完成协助服务。

针对以上问题，本文提出了基于可信度的多信道协助下载选车方案，以提高盲区资源利用率，研究内容主要有两个方面：1）优化节点之间可信度算法，避免中继节点中存在的坏点参与传输；2）多任务多信道情况下，为了避免出现信道冲突选择合适的中继节点。

2 基于节点可信度的多信道中继节点选择算法

2.1 系统模型

系统模型如图1 所示。在高速公路上，由于RSU的部署较为稀疏，用户在RSU之间的盲区无法获得网络服务。通过多信道协助通信可以有效提高用户体验。然而，如图1 所示，中继协助节点中存在坏点，如协助节点的发送装置损坏，只接收发送等，坏点的存在会影响协作通信的质量。为了能够有效地提升传输效率，需要在符合条件的协助节点集合中选出合适的中继节点。

图1 系统模型

在进入协助下载之前，将道路上行驶的车辆表示为集合V={v1，v2，…，vNv} ，Nv 表示车辆数量。C={c1，c2，…，ck} 指代信道集合，k表示信道总数。若此时vi需要传输数据，假设RSU 已有所需数据包，将数据包分为Nm块，vi所需数据包集合可以表示为M={m1，m2，…，mNm} 。车辆集合中的坏点占有率表示为b。

将系统的网络结构建模为二分图G( )v，ε，定义全局动作为系统某时刻所有节点进行传输的动作，定义局部动作为某节点在某时刻的传输动作，因此全局动作可被描述为多个局部动作的集合。

2.2 综合可信度

当节点i判断节点j本次传输的可信度时，也可以分为：1）直接可信度：通过过去的合作经验得出的i对j的可信度；2）间接可信度：其他节点对j的可信度。

2.2.1 直接可信度

过往合作体验作为节点是否可信的重要参考因素，可以避免多次选择同一个坏点导致的计算冗余，本文通过直接可信度度量。假设发送节点i发送数据给接收节点j时，j都会积极参与。直接可信度的计算与传输任务完成度以及使用时间决定。设i与j合作次数为P，直接可信度可计算如下：

其中Ri，j(x)表示发送节点i与中继节点j第x次传输的总体满意度，如式（2）所示：

p表示传输任务的完成度，t表示实际传输时间，T为预估传输时间，δ为损失因子。

2.2.2 间接可信度

当发送节点与i与接收节点j的缺乏合作，需要通过推荐节点m获得相关信息，计算出间接信任度。显然，当接收节点i与推荐节点m越熟悉，则推荐节点m对发送节点i与接收节点j的间接可信度的影响越大。定义发送节点i的相关节点集合L={vs1，vs2，…，vsg} ，E为i与周边节点的平均相遇次数，vk∈L为在接收节点i周边并且与i相遇次数大于E的用户。若存在h个相关节点与接收节点j的直接可信度不为0，则所得间接可信度可表示为

综上所述，节点的综合可信度可以由直接可信度和间接可信度表示为

其中w1和w2为调节系数，满足式（5）：

2.3 效用函数

当OBU 经过RSU 的时候，可以通过V2R 获取目标节点请求的数据包，其中标记了目标节点的ID。假设i可以与其通信区域内的邻居进行通信，用Nebi表示i的邻居节点集合，当i选择将数据传输给自己的邻居节点j时，系统的总效益可以被表示为Uij(G)。为了保证通信链路的稳健性，将连接时间和距离增益引入Uij(G)。

如果两个OBU 的连接时间长，表示在同等时间内传输的数据包会更多，并且具有较高的稳健性，成功将数据包传输的概率也会越大。i的当前状态可以表示为Xi={vi，x，vi，y，xi，yi} ，分别表示i在横纵坐标上的速度和当前位置，因此i与j之间的距离可以表示为，如果i与j通信时距离di，j大于最大V2V 通信距离，通信将被中断。在短时间内，假定OBU 的速度不会改变，因此，可以通过求解OBU 之间的连接时间以排除不能保证链路稳定性的中继节点选择。i与j之间的连接时间可以通过求解以下方程组求得：

另外，连接时间tij应该进行归一化操作，当tij越长，归一化的参数应该越接近1：

其中，ttrans表示i和j之间传输数据需要的时间。

距离增益表示此次传输相较于传输前数据包与目标节点的距离减少程度。假设i携带的数据包的目标节点为tar，可以求出tar与i的距离和j的距离，则此次传输的距离增益可以表示为

系统的传输收益Uij(G)可以表示为

2.4 信道重用最小距离

在多信道模式下，需要尽量隔离同信道的覆盖范围，提高同信道的重用率，才能保障系统整体接入性能。若有行为s1=(a1，b1，c)和s2=(a2，b2，c)，表示发送节点a1和a2使用信道c分别向接收节点b1和b2进行数据传输。定义信道重用最小距离dmin，表示对信道重用节点之间距离的最低要求：

其中da1，a2，da1，b2，da2，b1和db1，b2表示两个不同通信之间的发送节点和接受节点之间的距离。dmin主要包含最低初始距离R和保护间隔dprotect，dprotect是为了防止在通信过程中两个通信域的叠加导致的冲突：

其中Pdata表示传输数据大小，为V2V 数据传输速率，和分别表示OBU运动速度的最大值与最小值。

2.5 中继节点选择算法

在基于可信度的协助下载中继节点选择方案中，首先计算初始总体系统效用集合，其中n 和m分别为发送者的数量和接收者的数量，Ui，j(G)(i∈[1 ，n]，j∈[1 ，m] )表示节点i向节点j传输数据所获得的系统增益，Ri，j表示节点i对节点j的可信度。但是，并非所有的动作都可以执行。例如，当i与节点j之间的距离大于最大通信距离或通信域重叠并使用相同信道导致信道冲突时，将导致传输失败。

定义1 节点i与周围的其他节点之间的传输收益集合可以表示为Ui(G)=[Ri，1Ui，1(G)，Ri，2Ui，2(G)，…，Ri，mUi，m(G)]，其中j∈Nebi。

获得效用后，通过二分图博弈算法计算以最大权重为目标的最大匹配。为了确保接收节点和发送节点之间的唯一性，采用Kuhn-Munkras（KM）算法计算。之后，需要对连接冲突进行迭代筛选。

定义2 定义最大发送节点数Nmax=max表示发送节点覆盖域重叠次数，其中表示节点j覆盖范围内的处于发送状态的节点数量。

策略1 当Nmax大于信道数量k时，若该节点处的策略回报集合从大到小排列为Us(G)={Us1(G)，Us2(G)，…} ，则 将Us(G)更 新 为。

定义3 可用信道集合Cs表示行为s=()i，j，c可以使用的信道集合。若c∈Cs，行为s选择使用信道c传输，则行为s与距离最近的使用信道c的行为之间的距离需要满足式（7）。

本文算法的基本流程如下。

1）根据定义1 计算各送节点与周围的中继节点之间的效用矩阵U(G)；

2）使用KM算法计算最佳传输网络结构G(v，ε)；

3）根据定义2计算最大发送节点数Nmax；

4）ifNmax＞k，根据策略1更新U(G)，返回步骤2；

5）根据定义3计算可用信道集合Cs；

7）end if；

8）使用得到的最佳网络传输结构G(v，ε)进行传输；

9）t=t+1；

10）重复步骤1；

11）end

3 仿真分析

本文通过仿真实验对算法的性能进行评估。由于本文主要研究车联网协助下载过程中的数据传输调度，因此仿真场景采用设置双向多车道高速公路路段，RSU位于公路两端。模拟仿真工具使用MATLAB R2019b，测试结果为20 次测试结果的平均值。为了验证算法性能，将未考虑坏点中继和信道冲突的利用马尔可夫决策过程全局最优车联网协助下载选车策略（DSMov）［15］与本文算法进行比较，仿真参数设置如表1所示。

表1 系统参数

不同信道数k下的成功下载数据量对比如图2 所示。显然，随着增加信道数之后，两种方案的成功数据下载量都有所提升。相比于没有对多信道情况进行优化的DSMov方案，本文算法的成功传输数据量相对高出20%以上。由于本文算法为OBU 选择合适的中继和信道，使得系统收益最大，并且降低发生信道冲突的概率，数据传输率相对较高。

图2 不同信道数时两种方案的成功下载数据量对比

不同坏点率b时的成功传输数据量对比如图3所示。随着坏点的占比上升，用户的成功传输数据量会下降。由于坏点的占比上升，导致了协助下载中请求失败率也上升，成功传输数据量降低。相比于不排除坏点影响的DSMov算法，随着坏点率的上升，本文算法的成功传输数据量相对要高出20%以上。由于本文算法在传输失败后会降低失败中继节点的可信度，降低该节点被选择为中继的概率，坏点对系统的影响也会逐渐降低，所以本文方案的成功数据传输量较高。

图3 不同坏点率时两种方案的成功下载数据量对比

4 结语

针对车联网多信道协助下载中存在坏点导致用户数据传输率低的问题，提出了一种基于用户可信度的协助下载最优选车策略。仿真结果表明，相比于目前忽略坏点影响的协助下载方法，本文通过综合可信度指标有效降低坏点带来的影响，降低了多信道场景下发生信道冲突的概率，有效提高了系统吞吐量。