面向安全应用消息传输的异构网络选择算法*

2018-04-08段林侠孙晓艳王稚慧

计算机与生活 2018年4期

段林侠，孙晓艳，王稚慧

西安建筑科技大学信息与控制工程学院，西安 710055

1　引言

近年来，由道路交通和燃料消耗引起的交通拥堵、交通事故和环境污染已成为一个重要的全球问题。车联网（Internet of vehicles）概念引申自物联网（Internet of things），它是利用先进的传感技术、网络技术、计算技术、控制技术、智能技术，对道路交通进行全面感知的专门控制网络。

车联网主要依靠V2X技术实现车与车（vehicleto-vehicle，V2V）、车与路（vehicle to rode/vehicle to infrastructure，V2R/V2I）、车与人（vehicle to person，V2P）以及与其他任意节点（vehicle to X，V2X）间的通信。许多无线通信系统都可以考虑通过V2V和V2I通信支持ITS（intelligent transport system）服务[1]。其中，V2V通信链路主要实现车联网中车辆之间的互联；而V2I通信链路主要实现车联网中车与路边基础设施之间的互联。按照车联网中消息传输的内容及其实时性要求，其业务类型主要分为三类：交通安全类、交通效率类以及用户服务类。其中，交通安全型应用主要用于交通安全预警。该应用因为需要实现将车辆产生的安全应用消息快速而可靠地传递给相关车辆以避免可能的交通事故而受到普遍关注。安全应用消息主要为了保障车辆在行驶过程中的安全问题，因此安全应用消息的传输需求是所有车联网传输的消息中最严苛的，必须要保证其传输过程中低时延以及高可靠性的要求。为了满足车联网中不同安全应用消息低时延、高可靠的传输需求，已经实现了一种基于时分多址面向安全应用消息服务质量的多址接入协议——QoS-oriented TDMA（time division multiple access）协议[2]。

目前车联网中使用最广泛的是专用短程通信（dedicated short range communication，DSRC）技术。车联网具有流动性大和网络拓扑变化快两个重要特性。DSRC在非密集车辆环境中可以有效支持V2V通信中的安全和非安全服务；在密集车辆环境中，由于DSRC的MAC层采用了基于CSMA（carrier sense multiple access）机制的信道接入机制，会出现频繁碰撞而造成性能恶化。可见，这种完全分布式的网络已经难以满足车联网对时延和可靠性要求严苛的安全应用消息的传输需求。目前，长期演进（long term evolution，LTE）系统可以提供的数据传输速率上行最高可以达到50 Mb/s，下行最高可以达到100 Mb/s，频谱带宽为20 MHz，并且支持350 km/h的最大移动速度[3]。LTE系统的扁平化结构可以实现较低的传输延迟，例如理论上往返时间小于10 ms，无线接入网的传输延迟为100 ms。研究表明，LTE可以满足高带宽、服务质量（quality of service，QoS）敏感的娱乐类车联网应用[4]。因此，为了更好地实现车联网中安全应用消息的低时延、高可靠性传输，越来越多的研究学者提出在车联网中引入集中式控制——基于DSRC/LTE的异构车联网网络。在基于DSRC/LTE的异构车联网网络环境中，车辆可以依据不同的网络特性以及安全应用消息的传输需求选择出合适的网络进行接入，从而提高网络服务质量。

在基于DSRC/LTE的异构车联网网络环境中，移动车辆之间采用DSRC方式进行通信，同时，移动车辆又处在LTE网络的覆盖范围内。安全应用消息的周期性发出以及网络拓扑的快速变化，导致交通场景的业务需求也在不停地随之改变。因此，为了保证行驶安全，车辆需要不断地选择合适的网络进行接入以满足当前新的业务需求。移动车辆在消息传输过程中如何选择最优的网络进行接入也是一个值得研究的问题。

目前已有的异构网络选择算法大都是针对蜂窝网络和无线局域网组成的异构无线网络的，因此本文对异构无线网络选择算法进行了调研。已有的网络选择算法主要从提高网络资源利用率，提高网络负载均衡性，提高用户效用，联合考虑用户及网络效用这几方面进行研究。

（1）提高网络资源利用率

为了使异构网络中网络资源的浪费降到最低，文献[5]设计了一种以多种网络为基础的并行传输的异构网络选择算法，该算法通过判断终端设备接收到的信号功率大小来确定网络是否可以通信[5]，有效地提高了网络资源利用率。文献[6]提出了一种博弈竞争选择的异构无线网络最优接入策略算法，算法通过最大化网络信息传输速率来提高信息传输速率[6]，使网络资源得到了充分利用。文献[7]设计了一种综合考虑不同业务的功率控制、时延QoS特性以及网络资源的不确定性的网络选择策略——JDPNS（joint delay constraint and resource prediction policy for network selection），有效改善了异构网络中网络资源的利用率[7]。

（2）提高网络负载均衡性

文献[8]提出了TAU-MADM（multi-attribute decision making）算法，该算法以多属性判决为基础，不仅可以根据不同业务的不同特性选择恰当的判决参数，然后使用选好的判决参数挑选出最合适的网络，还可以借助网络负载均衡降低网络切换频率及网络切换失败的概率，有效提高了网络负载均衡[8]。文献[9]提出了一种基于混沌遗传算法的解决方法，将网络接入选择转换为一个多属性优化问题，利用混沌遗传算法解决全局寻优问题，提高了异构无线网络中网络负载均衡性[9]。

（3）提高用户端效用

异构网络中不同用户具有不同的业务类型，并且所有用户的网络QoS需求也存在差异，针对这一点，文献[10]实现了以马尔可夫决策模型为基础的网络选择算法，该算法可以做到实时控制异构网络，提高用户端效用[10]。针对不同用户的不同业务对于网络的偏好有所差异这个问题，文献[11]设计了以用户偏好为首要考虑因素的异构网络选择算法，该算法兼顾了用户端需求、不同类型业务的需求以及各个网络之间的性能差异，使用户端效用得到了很好的提高[11]。文献[12]为了提高用户端效用，提出了一种面向用户多业务QoS需求的网络接入选择算法，该算法在多属性决策理论以及模糊逻辑理论的基础上提出[12]。文献[13]指出，异构网络中的带宽分配方式存在缺陷，并针对这一缺陷，在博弈理论的基础上实现了兼顾用户的实时位置与用户效用的带宽分配方案，有效提高了用户端效用[13]。

（4）联合考虑用户端及网络端效用

由于用户端在异构网络场景中的网络选择存在缺陷，文献[14]提出一种车辆异构网络选择博弈模型，通过用户侧与网络侧的双向选择得到异构网络选择的稳定匹配[14]。文献[15]完成了一种在非合作博弈基础上进行设计的网络选择算法，该算法较完善地考虑了用户和网络两者的不同需求，而且改善了网络阻塞率较高，掉话次数较多的问题[15]。

可见，已有的网络选择算法可以有效地提高网络资源利用率，改善网络负载均衡，提高用户效用及网络效用，较好地完成了异构网络中的网络选择，但是都没有从业务传输的角度来实现网络选择算法。已有的针对车联网的异构网络选择算法——匹配博弈异构网络选择算法[16]以提高网络资源利用率为目的，考虑了网络侧进行用户选择所要考虑的因素，以及用户侧进行网络选择所要考虑的因素，最后在匹配博弈的基础上决策出对用户和网络来说都最合适的网络[16]。该算法在设计时，也没有从车联网中安全应用消息传输的角度来考虑网络的整体性能。

因此，在已实现的QoS-oriented TDMA协议的基础上，针对基于DSRC/LTE的异构车联网，设计了一种面向安全应用消息传输的网络选择算法，进一步实现了车联网中安全应用消息的低时延高可靠传输。

2　面向安全应用消息传输的网络选择算法

在单一的车联网网络结构中，车辆产生的所有信息都是按照统一的一种方式进入信道，基于DSRC/LTE的异构车联网中，DSRC和LTE可以发挥各自的优势以弥补彼此间的不足，车辆节点可以按照自己产生的不同安全应用消息的传输需求，接入不同的网络，以满足安全应用消息低时延高可靠性的QoS需求。基于DSRC/LTE的异构车联网网络架构如图1所示。

图1中，车与车之间构成了DSRC网络，同时，车与eNodeB之间构成了LTE网络。

根据安全服务的用户场景需求可知，安全应用消息产生频率为1 Hz、2 Hz和10 Hz，其中超过56.25%的车联网安全服务用户场景的消息产生频率为10 Hz[17]。因此，在密集车辆环境中，大量的周期性安全应用消息在带宽有限的共享信道中传输，很容易造成信道拥塞，难以满足对时延和可靠性要求严苛的安全应用消息传输需求。因此，基于DSRC/LTE的异构车联网中，需要将候选网络中安全应用消息的传输时延、丢包率以及各自所允许的传输速率作为面向安全应用消息传输的网络选择算法中所考虑的QoS参数。

Fig.1　DSRC/LTE heterogeneous vehicle networking architecture图1　基于DSRC/LTE异构车联网网络架构

2.1　QoS参数权重值确定

为了确定每个影响接入决策的参数所占的比重，本文利用了层次分析法（analytic hierarchy process，AHP）。AHP于20世纪70年代中期由美国运筹学家托马斯·塞蒂正式提出，该方法将定量分析与定性分析相结合，可以合理地给出每个决策方案的每个标准的权重值，常用来处理仅用定量方法难以解决的课题[18]。

利用AHP法确定QoS参数的权重值包括3个步骤，处理过程如下。

（1）将复杂的网络选择问题进行合理分解，使之成为一个简单的层次结构，如图2所示。

在图2中，最高层QoS表示算法要实现的最终目标是要实现车联网中安全应用消息的低时延高可靠传输；第二层是影响安全应用消息传输QoS的因素，该层每个因素直接决定安全应用消息的QoS是否得到满足；最后一层是决策结果，由异构网络中的候选网络DSRC和LTE组成。

（2）将同一层次的因素进行两两比较，构造层次分析矩阵，成对比较图2中每一层的决策因子对于其上一层的重要性。假设其中一层有m个决策因子{z1,z2,…,zm}，则两两比较的结果可以用一个方矩阵表示，称作 AHP 矩阵，如A=(aij)m×m，其中aij=zi/zj，aij>0,aji=1/aij(i≠j),aii=1(i,j=1,2,…,m)。

比较决策因子重要性的判决依据如表1所示，一共分为9个尺度。

Fig.2　AHP hierarchy图2　AHP层次结构

Table 1　Importance of decision factors表1　决策因子重要性判决依据

将中间层的E2E时延、丢包率、传输速率进行两两比较，针对安全应用消息的传输QoS需求，构造3×3的层次分析矩阵A，如式（1）所示。

在车联网中，安全应用消息对于传输QoS判决因子中的E2E时延要求最为严苛，对于丢包率有一定的容忍度。并且在异构车联网中，DSRC、LTE两种网络均可以满足安全应用消息传输QoS判决因子中的传输速率需求。因此，3个判决因子中，E2E时延的重要性略高于丢包率，E2E时延和丢包率的重要性均高于传输速率的重要性。

根据3个判决因素对于安全应用消息传输QoS的不同重要程度以及表1中的决策因子判决依据，E2E时延相对于丢包率，判决尺度取值为3；相应的，丢包率相对于E2E时延，判决尺度取值为1/3；时延和丢包率相对于传输速率，判决尺度取值为5；相应的，传输速率相对于时延和丢包率，判决尺度取值为1/5。因此，层次分析矩阵A中各个元素的取值如式（2）所示。

其中，第一行元素为E2E时延分别与E2E时延、丢包率、传输速率相比的重要性，以此类推；对角线上的元素表示判决因素与自身对比的重要性，因此取值为1。

（3）使用平方根的方法计算各决策因子的权重值，步骤如下：

①按照式（3）将AHP矩阵每一行中各元素相乘：

得W1=15,W2=5/3,W3=1/25。

②根据式（4）计算Wi的m次方根：

③采用式（5）对步骤（2）得到的向量结果进行归一化：

得u1=0.617,u2=0.297,u3=0.086。

通过步骤（3）对向量进行归一化，得到一系列值{u1,u2,…,um}，就是各决策因子的权重。也就是说，安全应用消息的QoS决策因子E2E时延、丢包率、传输速率的权重值分别为0.617、0.297和0.086。

2.2　分析网络支持消息传输QoS的能力

确定了各个QoS判决因子的参数权重值后，设计如式（6）的函数对候选网络支持消息传输QoS的能力做定性的分析。

式（6）中，fx,n,x=D,L,R分别表示判决因子E2E时延、丢包率、传输速率。

对于fx,n的定义，规定如下：fx,n为归一化函数，取值范围为[0,1]，当候选网络n不满足安全应用消息关于判决因子x的需求时，fx,n取值为0；当候选网络n完全满足安全应用消息关于判决因子x的需求时，fx,n取值为1。当候选网络n对安全应用消息关于判决因子x的支持能力处于完全满足和不满足之间时，fx,n的取值要根据实际情况而定。

当车辆产生安全应用消息时，根据异构车联网中两种候选网络传输QoS判决因子E2E时延、丢包率、传输速率等，选择各自的效用函数，并判断各个网络n是否满足安全应用消息传输的QoS需求。

如果Fn计算结果非0，那么这个网络可以达到安全应用消息的传输QoS需求；当Fn计算结果为0时，说明候选网络至少有一个QoS判决因子不能满足当前安全应用消息的传输QoS需求。

下面对车联网中安全应用消息的fx,n给出定义。

由于安全应用消息对传输速率R的要求是一个定值6 Mb/s，也就是说，只要传输速率达到了6 Mb/s，就认为网络可以完全满足安全应用消息传输对QoS参数中传输速率的需求。

根据网络中传输速率R与安全应用消息传输QoS参数中传输速率满意度的关系，其效用函数必须满足：

（1）传输速率R达到6 Mb/s时，传输速率满意度为1。

（2）传输速率R没有达到6 Mb/s时，传输速率满意度为0。

因此，可以使用如式（7）所示的阶跃函数来表示安全应用消息对网络传输速率R的满意程度。

安全应用消息对E2E时延有着严格的要求，车联网中保证车辆行驶安全要求安全应用消息的E2E时延小于100 ms。当E2E时延超过50 ms后，车联网交通安全指数开始下降；当E2E时延大于100 ms时，该消息失效，被认为传输过程中丢失，此时不能满足安全应用消息传输对QoS指标中E2E时延的需求。

根据网络中安全应用消息的E2E时延与安全应用消息传输QoS参数中E2E时延满意度的关系，其效用函数必须满足：

（1）在[50，100]ms区间内，E2E时延的增加会导致E2E时延满意度的下降。

（2）安全应用消息传输E2E时延满意度的值随着E2E时延的改变而平稳变化。

（3）当E2E时延达到100 ms时，安全应用消息传输E2E时延满意度减小到0。

因此，使用分段函数来表示安全应用消息对网络E2E时延的满意程度。效用函数如式（8）所示。

由于安全应用消息是周期性产生的，其对于丢包率有着较大的容忍性。通常情况下，只要丢包率不大于10%，车联网中的车辆都可以保证处于安全状态，都可以放心地在道路上安全行驶。随着丢包率的上升，车联网交通安全指数就会降低。

根据网络中安全应用消息传输丢包率与安全应用消息传输QoS参数中丢包率满意度的关系，其效用函数必须满足：

（1）在丢包率大于10%时，安全应用消息传输丢包率满意度随着丢包率的增大而减小，最小可减少到0。

（2）安全应用消息传输丢包率满意度的值随着丢包率的改变而平稳变化。

因此，安全应用消息对于网络中丢包率的满意程度用式（9）所示的分段函数来表示。

2.3　确定安全应用消息QoS满意度

在进行网络选择时，需要比较车联网中安全应用消息对各个候选网络中E2E时延、丢包率、传输速率3个判决属性综合的QoS满意度。根据各个判决属性与网络总的QoS满意度之间的关系，其效应函数必须满足：

（1）每个QoS判决属性对应的QoS满意度取值在[0,1]之间。

（2）每个QoS判决属性对应的QoS满意度之间相对独立，互不影响。

（3）总的QoS满意度取值由所有QoS判决属性对应的QoS满意度取值共同决定。

因此，定义安全应用消息总的QoS满意度函数为：

式（10）中，Sn(k)表示安全应用消息在k时刻接入到候选网络n时，安全应用消息对于网络n总的传输QoS满意度；gi,n(k)表示候选网络n的第i个决策因子的QoS满意度，取值与前面提到的fx,n相对应；hi(k)表示第i个决策因子的权重值。则总的QoS满意度就是所有决策因子的QoS满意度进行加权和。

当有安全应用消息产生时，根据异构车联网中两种候选网络传输QoS判决因子E2E时延、丢包率、传输速率，调用各自相应的满意度函数，分别计算每个网络传输安全应用消息时总的QoS满意度值。如果计算出的满意度值非0，说明当前候选网络可以达到安全应用消息传输需求；如果计算出的满意度值为0，则当前网络中至少有一个QoS判决因素不能达到安全应用消息的传输需求。

对于计算出的不同结果进行如下处理：

（1）如果异构网络中的每个候选网络都可以达到安全应用消息传输需求，则使用QoS判决因子权重值求得各个候选网络支持安全应用消息传输能力的加权和，然后将加权和反馈给所要传输的安全应用消息。

（2）如果异构网络中只有某一个网络可以达到安全应用消息传输需求，那么将这个网络作为安全应用消息发送网络。

（3）如果没有一个网络可以达到安全应用消息传输需求，则调用QoS判决因子权重值，求得各个候选网络支持安全应用消息传输能力的加权和，然后将加权和反馈给所要传输的安全应用消息。

2.4　算法流程

面向安全应用消息传输的网络选择算法流程如图3所示。

Fig.3　Flow chart of network selection algorithm oriented to safety application message图3　面向安全应用消息传输的网络选择算法流程图

在图3中，网络消息传输QoS的能力Fx为0时用0表示，不为0时用1表示。消息到达MAC层以后，调用安全应用消息各个QoS判决因子相应的效用函数，计算出候选网络支持消息传输QoS的能力。如果候选的两个网络消息传输QoS的能力都为0，则提示两种候选网络都不满足安全应用消息传输QoS需求；如果候选的两个网络消息传输QoS的能力都为1，则提示两种候选网络都可以满足安全应用消息传输QoS需求。然后计算安全应用消息传输QoS满意度，并将安全应用消息传输QoS满意度高的候选网络作为推荐网络。如果候选的两个网络消息传输QoS的能力一个为0一个为1，则将安全应用消息传输QoS满意度不为0的候选网络作为推荐网络。

网络中每产生一个消息就会根据当时的网络状态进行一次网络选择，因此可以合理地分配网络资源，保证异构网络中的公平性，适应车联网中动态拓扑变化。该算法实现简单，算法复杂度较低，进行网络选择的时间跟消息传输的时间相比可以忽略不计。因此，面向安全应用消息传输的网络选择算法从理论上来说可以完成异构车联网中的网络选择，并能保证两种安全应用消息的低时延高可靠性传输。

3　仿真及结果分析

3.1　仿真平台搭建及实验步骤

车联网的仿真需要采用真实的车辆机动特性，将车辆的瞬时机动参数输入到网络仿真作为网络传输输入的参数，并将网络传输的结果反馈给交通仿真以影响车辆机动参数的变化。针对这一特点，本文采用开源、微观、连续的道路交通仿真平台SUMO和基于C++的开源、时间离散的网络仿真平台OMNeT++的交通与网络仿真双向耦合、实时交互的车联网仿真框架VeinsLTE[19]作为仿真平台搭建的基础。VeinsLTE网络仿真框架如图4所示。

Fig.4　Framework of VeinsLTE network simulation图4　VeinsLTE网络仿真框架

应用层产生的消息首先进入判决层，根据判决门限的值决定将消息采用DSRC方式传输还是采用LTE方式传输。大于门限值时，安全应用消息按照LTE方式传输，反之则按照DSRC方式传输。当判决门限为0时，所有的安全应用消息都采用LTE方式进行传输；当判决门限为100时，所有的安全应用消息都采用DSRC方式进行传输。该网络选择机制既没有从车辆交通参数方面考虑，也没有从异构网络属性方面进行决策，更没有考虑安全应用消息的传输需求。

基于SUMO的交通仿真和基于OMNeT++的网络仿真通过交通控制接口（traffic control interface，TraCI）进行实时交互，具体如图5所示。

Fig.5　Interactive sketch map of traffic simulation and network simulation图5　交通仿真与网络仿真交互示意图

在图5中，网络平台通过TraCI获得交通平台中车辆的实时位置、速度等信息，用于车联网通信传输；通信传输的结果通过TraCI生成在线指令改变交通平台中车辆的行驶路径、交通灯状态等。

仿真步骤设计如下：

（1）在OMNeT++中给两种交通场景设置不同的车辆密度，对面向安全应用消息传输的网络选择算法和文献[16]中基于TOPSIS（technique for order preference by similarity to ideal solution）的匹配博弈网络选择算法进行仿真。

（2）在OMNeT++中收集并整理仿真结果数据。

（3）对仿真结果数据进行处理，分别计算出面向安全应用消息传输的网络选择算法在不同场景下消息的接收概率和传输时延。

（4）将面向安全应用消息传输的网络选择算法的性能与文献[16]中基于TOPSIS的匹配博弈网络选择算法进行分析比较。

3.2　仿真参数设置

基于DSRC/LTE的异构车联网中DSRC网络分别使用车联网中已有的IEEE 802.11p协议和已设计好的QoS-oriented TDMA协议作为MAC协议。仿真中假设无线信道是理想的，不存在误比特情况。网络仿真参数的设置如表2所示。

Table 2　Network simulation parameters表2　网络仿真参数

仿真场景分为市区场景和高速场景，市区场景呈“田”字型分布，每条路线为双向二车道，长600 m，车辆依次从每条路的各个方向的两个车道进入仿真场景，沿直线行驶，直到驶出场景。高速场景呈“一”字型分布，单向四车道，长5 000 m，车辆从高速路的一端进入仿真场景，沿直线行驶，直到驶出场景。交通仿真软件SUMO中的市区场景和高速场景示意图如图6所示。

Fig.6　Simulation scenarios in SUMO图6　SUMO仿真场景示意图

市区场景和高速场景的具体交通场景参数如表3所示。

Table 3　Traffic scenario parameters表3　交通场景参数

表3中车辆个数计算公式如式（11）所示。

式（11）中，Nv为每公里车辆数；L为道路长度；ρv为每车道每公里车辆密度；Nl为道路中的车道数。

3.3　仿真结果分析

车联网网络协议中安全应用消息传输的性能指标主要是时延和接收概率。其中，时延为应用层的端到端时延。计算公式如式（12）所示。

式（12）中，Tdelay表示安全应用消息的传输时延；Tgeneration为安全应用消息在应用层的产生时间；Treceived为安全应用消息在应用层的接收时间。

安全应用消息接收概率为某个节点接收到的消息总数与网络中通信范围内邻节点发送的消息总数之比。计算公式如式（13）所示。

式（13）中，Ni为第i辆车接收到的安全应用消息数；Ni,t为第i辆车t时刻内邻节点发送安全消息的个数；n为网络中车辆总数。

结合表2中的网络仿真参数和表3中的交通仿真参数，在图6所示的两个交通仿真场景中改变异构车联网中的车辆数，分别对文献[16]中基于TOPSIS的匹配博弈网络选择算法和面向安全应用消息传输的网络选择算法进行了仿真。根据OMNeT++中统计的仿真结果计算出安全应用消息的传输时延和接收概率。

图7比较了DSRC网络MAC层中分别使用IEEE 802.11p协议和QoS-oriented TDMA协议时不同场景下文献[16]中的网络选择算法和本文提出的面向安全应用消息传输的网络选择算法在传输安全应用消息时的接收概率情况。

Fig.7　Reception probability of different simulation scenarios图7　不同仿真场景接收概率结果图

从图7中可以看出，不管是高速场景还是市区场景，DSRC网络中MAC层使用QoS-oriented TDMA协议时，两种异构网络选择算法中安全应用消息的接收概率高于使用IEEE 802.11p协议时安全应用消息接收概率。同时，不管DSRC网络中MAC层使用哪种安全应用消息传输协议，异构网络中使用面向安全应用消息传输的网络选择算法时，安全应用消息的接收概率都高于使用匹配博弈选择算法时安全应用消息的接收概率。市区场景中安全应用消息的接收概率高于高速场景中安全应用消息的接收概率。相比于匹配博弈网络选择算法，面向安全应用消息传输的网络选择算法在高速场景和市区场景中安全应用消息的接收概率分别提高了11.6%和7.5%。与仅使用QoS-oriented TDMA协议的分布式网络相比，同时使用QoS-oriented TDMA协议和面向安全应用消息传输的网络选择算法的异构车联网，在高速场景和市区场景中安全应用消息的接收概率分别提高了13.7%和10.4%。

车联网中安全应用消息对传输时延有着极其严苛的要求，传输时延越小，道路交通安全指数越高。不同车辆数的情况下，异构车联网的DSRC网络中分别使用QoS-oriented TDMA协议和IEEE 802.11p协议，以及分别使用面向安全应用消息传输的网络选择算法和匹配博弈选择算法时，安全应用消息的平均传输时延如图8所示。

从图8所示平均传输时延仿真结果中可以看出，异构车联网的DSRC网络中使用QoS-oriented TDMA协议时，安全应用消息平均传输时延低于使用IEEE 802.11p协议时安全应用消息平均传输时延。同时，不管DSRC网络中MAC层使用哪种安全应用消息传输协议，异构网络中使用面向安全应用消息传输的网络选择算法时，安全应用消息的平均传输时延都低于使用匹配博弈选择算法时安全应用消息的平均传输时延。市区场景中安全应用消息的平均传输时延低于高速场景中安全应用消息的平均传输时延。相比于匹配博弈网络选择算法，面向安全应用消息传输的网络选择算法在高速场景和市区场景中安全应用消息的传输时延分别减少了13.2%和15.3%。与仅使用QoS-oriented TDMA协议的分布式网络相比，同时使用QoS-oriented TDMA协议和面向安全应用消息传输的网络选择算法的异构车联网在高速场景和市区场景中安全应用消息的传输时延分别减少了8.6%和11.5%。

基于TOPSIS的匹配博弈网络选择算法[16]在进行网络选择时只考虑了网络端和用户端的判决属性，而没有从车联网中安全应用消息传输的实际QoS需求出发。车辆数较多时，网络中的消息总数快速增长，不考虑安全应用消息的传输需求，必然会导致大量的消息碰撞以及较大的传输时延。面向安全应用消息传输的网络选择算法中针对安全应用消息设置了不同的QoS属性权重值，并针对每个QoS属性设置了相应的效用函数，全面地考虑了车联网中安全应用消息传输的QoS需求，合理地分配了异构网络中的网络资源，从而降低了安全应用消息的传输时延，提高了安全应用消息传输的接收概率。

Fig.8　End-to-end delay of different simulation scenarios图8　不同仿真场景时延结果图

4　结束语

本文针对当前异构车联网中缺少针对安全应用消息传输QoS的网络选择机制的现状，基于DSRC/LTE的异构车联网，设计了一种异构车联网中面向安全应用消息QoS的网络选择算法，该算法从安全应用消息的角度出发，综合考虑多种参数指标。仿真结果表明，面向安全应用消息传输的网络选择算法在基于DSRC/LTE的异构车联网中，可以合理地分配网络资源，针对安全应用消息传输的QoS需求，为其选择合适的网络完成消息传输，进一步降低了安全应用消息的传输时延，提高了安全应用消息的接收概率。车联网安全应用消息传输性能得到了改善，从而保障了车辆行驶安全，达到了减少交通事故发生的目的。

[1]Yang Shuxue,Wang Liangmin.Game theory based dualincentive mechanism for data forwarding in vehicular ad hoc network[J].Journal of Frontiers of Computer Science and Technology,2015,9(7):821-831.

[2]Sun Xiaoyan,Duan Linxia,Yao Chenhong.Research on QoS of safety application messages oriented access protocol[J].Journal of Frontiers of Computer Science and Technology,2017,11(12):1972-1983.

[3]Zhang Tianxin.Research on optimal user scheduling and interference coordination mechanism in LTE system[D].Jinan:Shandong University,2012.

[4]Araniti G,Campolo C,Condoluci M,et al.LTE for vehicular networking:a survey[J].IEEE Communications Magazine,2013,51(5):148-157.

[5]Zhang Lina,Zhu Qi.Network selection algorithm based on multi-radio parallel transmission for heterogeneous wireless networks[J].Signal Processing,2014,30(10):1176-1184.

[6]Huang Xiaolong,Huang Baohua,Qu Chiwen.Heterogeneous wireless networks optimal access policy using game competition selecting[J].Application Research of Computers,2015,32(4):1214-1216.

[7]Li Jiandong,Jiang Jian,Liu Xinyi.A network selection policy under delay constraint and resource prediction in integrated wireless systems[J].Journal of Xi'an Jiaotong University,2014,48(2):74-79.

[8]Zhang Yu,Liu Shengmei.Network selection algorithm based on multi-attribute decision[J].Computer Science,2015,42(6):120-124.

[9]Tang Liangrui,Li Wenmeng,Sheng Jie,et al.A chaos genetic algorithm based access selection in heterogeneous wireless networks[J].Acta Electronica Sinica,2014,42(8):1564-1570.[10]Liang Xiao,Qian Zhihong,Tian Hongliang,et al.Markov decision model based handoff selection algorithm for heterogeneous wireless networks[J].Acta Physica Sinica,2016,65(23):236402.

[11]Yang Cun,Zhao Jihong,Zhao Shuyuan.Research on network selection algorithm based on user preference in heterogeneous system[J].Telecommunications Science,2014,30(6):67-72.

[12]Zhang Yuanyuan,Xiao Chuangbai,Wang Jian.New method for user's QoS requirement network selection in heterogeneous wireless networks[J].Computer Science,2015,42(3):55-59.

[13]Luo Jianqin,Zhu Qi.Location-based bandwidth allocation scheme for multi-access in heterogeneous networks[J].Journal of Nanjing University of Posts and Telecommunications:Natural Science,2014,34(4):44-50.

[14]Zhang Rui,Hu Jing,Xia Weiwei.Network selection algorithm based on stable matching game in vehicular heterogeneous network[J].Telecommunications Science,2015,31(9):51-59.

[15]Lang Gaiping,Xu Yubin,Ma Lin.Selection algorithm of heterogeneous networks based on non-cooperative game theory[J].Journal of South China University of Technology:Natural Science Edition,2014,42(5):29-35.

[16]Yu Xiulan,Zeng Cheng.Matching game network selection algorithm based on TOPSIS[J].Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition,2016,28(4):451-455.

[17]Zheng Kan,Zheng Qiang,Chatzimisios P,et al.Heterogeneous vehicular networking:a survey on architecture,challenges,and solutions[J].IEEE Communications Surveys&Tutorials,2015,17(4):2377-2396.

[18]Ji Xin.Research ideas and methods of output efficiency evaluation of industrial park land[D].Shanghai:Fudan University,2012.

[19]Hagenauer F,Dressler F,Sommer C.Poster:a simulator for heterogeneous vehicular networks[C]//Proceedings of the 2014 IEEE Vehicular Networking Conference,Paderborn,Dec 3-5,2014.Piscataway:IEEE,2014:185-186.

附中文参考文献：

[1]杨树雪,王良民.基于博弈论的车联网双重激励数据转发机制[J].计算机科学与探索,2015,9(7):821-831.

[2]孙晓艳,段林侠,要趁红.面向安全应用消息QoS的接入协议研究[J].计算机科学与探索,2017,11(12):1972-1983.

[3]张天馨.LTE系统中最优用户调度和干扰协调机制的研究[D].济南:山东大学,2012.

[5]张丽娜,朱琦.异构网络中多网络并行传输的网络选择算法[J].信号处理,2014,30(10):1176-1184.

[6]黄小龙,黄保华,屈迟文.一种博弈竞争选择的异构无线网络最优接入策略[J].计算机应用研究,2015,32(4):1214-1216.

[7]李建东,姜建,刘鑫一.采用时延限制和资源预测的异构无线网络选择策略[J].西安交通大学学报,2014,48(2):74-79.

[8]张钰,刘胜美.基于多属性判决的网络选择算法[J].计算机科学,2015,42(6):120-124.

[9]唐良瑞,李文猛,盛洁,等.基于混沌遗传的异构无线网络接入选择策略[J].电子学报,2014,42(8):1564-1570.

[10]梁潇,钱志鸿,田洪亮,等.基于马尔可夫决策模型的异构无线网络切换选择算法[J].物理学报,2016,65(23):236402.

[11]杨存,赵季红,赵庶源.基于用户偏好的异构网络选择算法研究[J].电信科学,2014,30(6):67-72.

[12]张媛媛,肖创柏,王坚.一种新的面向用户多业务QoS需求的网络接入选择算法[J].计算机科学,2015,42(3):55-59.