基于模糊逻辑的VANET安全消息路由方法

聂 雷，张全玉，杨 拓

(1.武汉科技大学计算机科学与技术学院，湖北 武汉，430065；2.武汉科技大学智能信息处理与实时工业系统湖北省重点实验室，湖北 武汉，430065)

随着物联网和移动互联网的飞速发展，车载自组织网络(Vehicular Ad Hoc Network, VANET)近年来已成为城市智能交通的重要组成部分，在交通信号控制[1]、车辆路径规划[2]和安全消息广播[3]等方面都有着广泛的应用，其中作为安全应用类的安全消息广播，对于提高驾驶环境的安全程度、减少人员伤亡和降低经济损失具有十分重要的作用。

在VANET环境中，数据传输主要基于专用短程通信(Dedicated Short Range Communications, DSRC)或移动蜂窝网络，并采用V2X(Vehicle-to-Everything)的无线通信方式进行[4]。然而车辆的高速移动性使得VANET拓扑变化频繁，导致车辆之间难以保持稳定的通信链路，影响了安全消息传输的及时性和可靠性，因此亟需建立快速、可靠的VANET路由方法，其关键就是如何有效地发现链路稳定性较高、传播时延较低的车辆间路由。

路由方法的性能受车辆的速度、行驶方向、车间距离等多种因素的影响，所以设计路由方法时要权衡多种度量因素。现有的路由方法通常采用固定权重来量化度量因素，导致在动态的网络环境中性能不佳[5-8]。虽然也存在一些设置多组固定权重或动态调整权重比例的方法[9-10]，但是它们往往采用多次实验后的经验值，同时缺乏合理的解释，因此有必要探索更恰当的手段用于权衡多种度量因素。

模糊逻辑是一门研究模糊性思维、语言形式及其规律的科学，其通过模拟人脑实现模糊综合判断，有望解决上述不合理量化度量因素的问题。为此，本文提出一种基于模糊逻辑的VANET安全消息路由方法(Fuzzy Logic-based Routing Method for Safety Messages, FLRM-SM)。该方法综合考虑转发车辆与邻居车辆之间的相对速度、邻居车辆与安全消息目的地的方向偏差以及邻居车辆所在区域的车辆密度等度量参数，利用模糊逻辑对所有候选车辆进行链路稳定性评估。在去除当前时刻已离开转发车辆通信范围的“边缘”车辆后，基于最大链路稳定性选择中继车辆；当出现多个链路稳定性数值相同的候选车辆时，则基于最大欧几里德距离选出唯一的中继。本文最后采用MATLAB软件搭建实验环境，对FLRM-SM方法提升安全消息传输性能的效果进行验证。

1 相关研究

目前，VANET路由方法主要可以分为基于网络拓扑、基于地理位置和基于分簇等几种类型。①基于网络拓扑的路由方法：主要通过节点建立并维护自身路由表来完成数据传输。文献[11]提出了动态源路由方法(Dynamic Source Routing, DSR)，该方法包含按需操作的路由寻找和路由维护两部分，利用非周期性的路由消息避免了大范围的路由更新，然而DSR的路由缓存管理机制在VANET拓扑频繁变化的环境下面临路由失效的问题。在文献[12]提出的自组织按需距离矢量路由方法(Ad Hoc On-demand Distance Vector, AODV)中，节点通过周期性广播Hello消息保持与邻居节点的有效链路，与DSR相比较，无需将源路由保存在每个分组中，降低了方法开销。②基于地理位置的路由方法：主要根据转发节点和目标节点的当前位置信息做出路由决策，节点无需预先建立、存储和维护转发路由表，更适合动态的网络环境。文献[13]提出了贪婪周边无状态路由方法(Greedy Perimeter Stateless Routing, GPSR)，该方法存在贪婪转发和周边转发两种模式，并通常使用贪婪转发模式寻找最接近目的地的一跳邻居节点作为中继，若离目标最近的车辆是其本身，则切换到周边转发模式。文献[14]提出了地理源路由方法(Geographic Source Routing, GSR)，该方法利用电子地图获取道路拓扑，并使用Dijkstra算法得到传输数据的最优路径。③基于分簇的路由方法：需要建立簇型的网络结构，每个簇中包含簇头和若干簇内成员，簇头负责簇的建立和维护以及簇内和簇间的通信。文献[15]提出了一种应用在荒漠场景的VANET分簇路由方法，该方法主要基于车载通信终端类型和车辆的位置、速度以及行驶方向等信息实现分簇操作，并由簇头车辆完成簇成员节点的路由决策。文献[16]提出了一种适用于复杂战场环境下的VANET分簇路由方法，该方法基于车载通信终端和车辆运动信息选取簇头并分簇，根据位置信息、跳数以及转发方式完成簇内路由，引入等待时间和重发次数阈值以及下游簇头实现簇间通信。然而，以上路由方法均难以应用在城市交通场景中，且基于分簇的路由方法在VANET的动态网络环境下存在簇结构不稳定的问题。

近些年来，模糊逻辑技术已被用于移动网络的路由方法设计中。文献[17]基于模糊逻辑提出了一种改进的AODV路由方法，将车辆的速度、当前车辆方向与消息发生方向之差以及车辆与目的地的距离之间的相对差作为模糊逻辑系统的输入，该系统产生的结果被认为是最佳路径。文献[18]提出了一种改进的GPSR路由方法，利用模糊逻辑系统在候选车辆中选择最佳中继，候选车辆与发送方的距离用于估测信号衰减程度，方向的相对性确保数据包与目标车辆一致。该方法在高速公路场景中应用效果较好，但并不适用于城市交通场景。模糊逻辑系统基于输入隶属函数和模糊规则集做出合理判断，以模拟人脑在解释不确定信息时的运作方式。在动态的VANET环境中，模糊逻辑使得路由决策变得更加灵活和高效。

2 基于模糊逻辑的安全消息路由方法设计

2.1 系统模型与假设

图1展示了一个典型城市交通中的VANET安全消息路由场景。红色车辆作为源节点向远端目的地传输安全消息，图中箭头表示安全消息的传输路径。考虑到车辆的行驶方向，源节点选择同向的某一邻居车辆作为安全消息的路由中继节点；接着，该中继节点继续寻找下一跳来协助完成安全消息的多跳路由，最终到达远端目的地。当转发车辆节点靠近交叉路口时，其选择更有可能将消息尽快传输到目的地的车辆作为中继节点。

图1 系统模型

本文研究面向VANET环境的安全消息路由方法，系统模型满足以下假设条件：

(1)车辆行驶在多车道的城市场景中，在交叉路口处可选择直行、左转、右转和掉头等多种行驶方向；

(2)车辆上装配的车载单元(On-Board Unit, OBU)具有一定的数值计算和数据处理能力，且能够提供车与车(Vehicle to Vehicle, V2V)通信；

(3)车辆上装配GPS和电子地图获取位置信息；

(4)车辆的有效传输距离为R，且在有效通信范围内数据能被正确接收。

2.2 FLRM-SM路由方法

车辆的速度、行驶方向和区域密度等因素是决定车辆间链路稳定性的重要因素，直接影响了VANET路由方法的性能。寻找链路稳定性较高、传播时延较低的车辆间路由是本文基于模糊逻辑的安全消息路由方法FLRM-SM所关注的重点。图2所示为FLRM-SM路由方法的主要组成部分，包括数据预处理、基于模糊逻辑的车辆链路稳定性评估和中继选择3个阶段，具体描述如下。

图2 FLRM-SM的组成

(1)数据预处理阶段：当前转发节点通过邻居车辆的周期性Hello消息包获取候选中继车辆信息，这些信息通过数据预处理之后，其结果作为模糊逻辑系统的输入参数。

(2)基于模糊逻辑的车辆链路稳定性评估：本阶段是FLRM-SM路由方法的核心部分，根据转发车辆与邻居车辆之间的相对速度、邻居车辆与安全消息目的地之间的方向偏差以及邻居车辆所在区域的车辆密度，得到每个候选中继车辆链路的模糊权重，并通过去模糊化得到它们的稳定性数值。

(3)中继选择阶段：去除“边缘”车辆，并基于最大稳定性数值和最大欧几里德距离选出唯一的中继车辆，最终完成安全消息的快速转发。

2.2.1 数据预处理

根据图2可知，在数据预处理阶段，当前的转发节点需要利用一跳邻居的车辆信息，该信息从邻居车辆周期性发送的Hello数据包中获得。Hello数据包主要包括时间戳、车辆的ID、速度、行驶方向和区域密度等信息。每当收到新的Hello数据包，就对邻居表信息进行以下更新。

(1)相对速度

VANET环境中车辆的高速移动导致网络拓扑变化频繁，车辆的行驶速度越接近则车辆之间的链路稳定性就越高。因此，在模糊逻辑系统输入参数中，需要寻找速度和行驶方向均相同或者相近的车辆，以达到链路稳定的目的。本文以相对速度来衡量两车之间速度的差异。假设在某时刻，转发节点车辆i同其某一邻居车辆j的距离为r(r

(1)

式中：vmax为车辆的最大速度。Δvij的数值在[0, 1]之间，值越趋于0表示两车的相对速度越小，且两车之间的链路越稳定，反之则链路越不稳定。

(2)方向偏差

车辆的行驶方向主要受限于道路的拓扑结构。如图1所示，本文将行驶方向主要设置为东、南、西、北4个方向。当车辆经过交叉路口处时，为模拟汽车转弯的过程，增设东北、西北、西南、东南4个方向。为保证安全消息快速传输，转发车辆在选择中继车辆时除了要考虑链路稳定性以外，还要考虑安全消息的传播方向，特别是在有多个方向的交叉路口处，需要选择行驶方向与目的地方向更为接近的车辆。假设安全消息目的地坐标为(x0,y0)，转发车辆的某一邻居节点i的坐标和行驶方向分别为(xi,yi)和θi，则两者的方向偏差通过归一化后可表示为：

(2)

Δθi的数值在[0, 1]之间，值越趋于0表示该邻居车辆的行驶方向与目的地方向越相近，反之则表示该邻居车辆的行驶方向与目的地方向越偏离。

(3)区域密度

邻居车辆的区域密度也是转发节点需要考虑的问题。作为下一跳转发节点，当前的邻居车辆区域密度如果过于稠密，则在进行消息通信时会更大概率发生冲突碰撞；若区域车辆密度过于稀疏，则可能产生路由空洞的情况，导致安全消息不可达。因此，在模糊逻辑系统的输入参数中要考虑邻居车辆的区域密度。由于每辆车都可以通过接受周围邻居车辆的Hello数据包统计邻居的数量，因此可以估算出当前的区域密度，并作为Hello数据包的一部分共享给其他车辆。某一邻居车辆i的区域密度通过归一化后可表示为：

(3)

式中：nmax表示车辆可通信范围内能容纳的车辆数量最大值；numi表示邻居车辆i当前可通信范围内的车辆数量。ρi的数值在[0, 1]之间，值越趋于1表示车辆越密集，反之则表示车辆越稀疏。在多个邻居车辆中，转发车辆应该尽可能选择区域密度适中的车辆作为最佳的中继节点。

2.2.2 基于模糊逻辑的车辆链路稳定性评估

本节利用模糊逻辑系统确定链路稳定性的最佳值。模糊逻辑系统的输入变量经过处理后以语言形式进行输入，并且由模糊程序来确定输入变量的值属于不同模糊集的程度。这里采用IF-THEN规则处理输入的信息，此过程要求规则能够清楚地表示出每个输入变量和输出变量之间的关系。

系统以当前转发车辆与邻居车辆之间的相对速度、邻居车辆与安全消息目的地的方向偏差以及邻居车辆所在区域的车辆密度作为输入，输出值则是链路的稳定性。为每个输入参数分别定义2个梯形隶属函数和1个三角形隶属函数，3个输入参数和输出结果的模糊隶属函数如图3所示。

表1给出了本文的IF-THEN规则库，并且使用包含5个三角形隶属函数的模糊集对输出结果进行处理。在计算出输入参数的模糊值之后，使用IF-THEN规则库中的预定义组合将模糊值映射到模糊输出结果中，输出的结果是每个邻居的链路稳定性权重。在表1中一共定义了27条规则，其中权重的语言描述为糟糕、差、适中、好和完美。例如，规则2表示如果车辆的相对速度慢、与目的地的方向偏差小且车辆区域密度适中，那么链路的稳定性是完美；规则25表示如果车辆的相对速度快、与目的地的方向偏差大且车辆区域密度稀疏，那么链路的稳定性是糟糕。

(a)相对速度隶属函数

(c)区域密度隶属函数

表1 IF-THEN规则库

通过IF-THEN规则库完成给定输入到输出的映射过程后，利用MATLAB提供的面积重心法实现去模糊化操作，将输出转换为具体的链路稳定性数值z′，去模糊化的公式为：

(4)

式中：z为模糊变量；μ(z)为隶属函数。

2.2.3 中继选择

理论上来说，去模糊化后具有最大链路稳定性数值的车辆就是最优中继车辆。然而，由于Hello消息包中的车辆信息是在时间戳时刻产生的，具有一定的滞后性，因此处于转发车辆通信范围边缘的邻居车辆可能在当前时刻离开了该通信范围，因此在选择中继之前需要去除这些“边缘”车辆。

令Δt为当前时刻和Hello数据包时间戳之差，转发车辆i的地理位置、速度和方向分别为(xi,yi)、vi和θi，邻居车辆j的地理位置、速度和方向分别为(xj,yj)、vj和θj，则在当前时刻两车之间的距离Dij为

(5)

其中，参数a和b的计算公式为

a=visinθi-vjsinθj

(6)

b=vicosθi-vjcosθj

(7)

若Dij≥R，则将“边缘”车辆j从候选集中去除。

去除“边缘”车辆后，还有可能出现不止一个候选车辆的链路稳定性数值最大的情况，特别是在车流密度较大时出现概率更大。此时，基于最大欧几里德距离选择最佳中继。

假设去除“边缘”车辆后，当前转发车辆i的m个邻居车辆的链路稳定性数值均最大，且它们之间的欧几里德距离集合为Q={Di1,Di2,…,Dim}(m≥2)。若存在Dik=max{Di1,Di2, …，Dim}(1≤k≤m)，则选取邻居车辆k作为安全消息的唯一中继，以达到快速传输安全消息的目的。

当车辆密度较为稀疏时，转发车辆有效通信范围内的候选车辆数量可能为0，在仅基于V2V通信的交通场景下，此时会发生路由空洞问题，转发车辆只能暂时携带安全消息，直至有满足条件的候选车辆进入有效通信范围时才将安全消息传递下去。而与同类方法相比，FLRM-SM方法充分考虑了车辆的区域密度，在车辆密度较为稀疏时会尽量选择区域密度较大的车辆作为路由中继，降低了路由空洞发生的概率，提高了路由传输的稳定性。

3 实验

3.1 实验环境与参数设置

本文基于MATLAB搭建实验环境，并利用MATLAB的模糊逻辑工具箱实现相关模糊逻辑处理。实验考虑城市交通场景下的安全消息路由，位于仿真区域左侧位置的源节点向邻居节点广播安全消息，并通过路由决策选择最佳的下一跳中继，最终将安全消息转发到仿真区域右侧位置的目的地。由于位于交叉路口附近的车辆速度往往较慢，因此设置车辆的正常行驶速度为30～60 km/h，在交叉路口100 m范围内的车辆速度为15～30 km/h。此外，车辆数量较小时容易产生路由空洞的问题，导致安全消息长时间不可达，因此设置车辆数量为200～440。实验相关的主要仿真参数如表2所示。

表2 主要仿真参数

3.2 实验结果与分析

本节选取基于网络拓扑的AODV路由方法[12]、基于地理信息的GPSR路由方法[13]和基于模糊逻辑的FUZZBR路由方法[19]进行实验对比，分别在不同有效传输距离、不同车辆速度和不同车辆数量的条件下，比较4种路由方法的端到端时延和链路中断概率两种性能指标。由于实验中车辆的分布和运动具有一定的随机性，因此将多次实验后的平均值作为实验结果。

端到端时延是指安全消息从源节点传输到目的节点的时间开销。本文在不同的实验条件下比较了4种路由方法的端到端时延，结果如图4所示。具体而言，图4(a)表明4种方法的端到端时延随着车辆数量的增加均有所增大。AODV方法需要节点不断维护路由信息，其时间开销与车辆数量正相关。GPSR方法的贪婪转发策略会陷入局部最优的情况，在车辆数量较多时该问题更为明显。FUZZBR方法综合考虑了候选车辆的距离、移动性和信号强度等因素，并基于模糊逻辑选择最优中继，但未对通信链路的稳定性进行评估。FLRM-SM方法基于模糊逻辑对候选车辆进行了链路稳定性评估，在车辆数量较大时仍然能够快速选出中继，与性能相对较好的FUZZBR方法相比较，其端到端时延降低5.02%～17.73%。图4(b)表明4种方法的端到端时延随着有效传输距离的增加均有所增大，这是因为车辆的有效传输距离与其有效传输范围内的邻居车辆数量成正比，因此增加有效传输距离带来的影响如同图4(a)中的增加车辆数量。FLRM-SM方法在不同的有效传输距离下具有更低的端到端时延，与性能相对较好的FUZZBR方法相比较，其端到端时延降低5.61%～10.52%。图4(c)表明4种方法的端到端时延随着车辆速度的增加总体上均略有降低，且FLRM-SM方法在不同的车辆速度下具有更低的端到端时延，与性能相对较好的FUZZBR方法相比较，其端到端时延降低6.26%～14.32%。从图4的对比结果可以看出，基于模糊逻辑的两种方法性能更优，且FLRM-SM方法在不同的实验条件下均具有最低的端到端时延，从而有效提高了安全消息传输的及时性。

(a)不同车辆数量下的端到端时延

(b)不同有效传输距离下的端到端时延

(c)不同车辆速度下的端到端时延

链路中断概率是指安全消息基于路由方法给出的路由决策从源节点到目的节点路由失败的概率。本文在不同实验条件下比较了4种路由方法的链路中断概率，结果如图5所示。具体而言，图5(a)表明4种方法的链路中断概率随着车辆数量的增加而逐渐降低，主要是因为车辆数量的增加使得路由空洞问题逐渐消失，4种方法均有更大的概率成功找到下一跳中继。但是由于安全消息

(a)不同车辆数量下的链路中断概率

(b)不同有效传输距离下的链路中断概率

(c)不同车辆速度下的链路中断概率

的传输是一个多跳转发的过程，且车辆的高速移动性导致车辆链路不够稳定，因此链路中断的情况依然存在。与性能相对较好的FUZZBR方法相比较，FLRM-SM方法的链路中断概率降低了10.60%～34.01%。图5(b)表明，在不同有效传输距离下，FLRM-SM具有更小的链路中断概率，与性能相对较好的FUZZBR方法相比较，其链路中断概率降低7.29%～15.47%。由图5(c)可见，在不同车辆速度下， FLRM-SM同样具有更小的链路中断概率，与FUZZBR方法相比较，其链路中断概率降低13.02%～29.29%。从图5的对比结果可以看出，基于模糊逻辑的两种方法性能更优，且FLRM-SM方法在不同的实验条件下均具有最低的链路中断概率，从而有效提高了安全消息传输的可靠性。

4 结语

针对现有VANET安全消息路由方法设置固定权重的度量因素而导致在动态车载网络环境中性能不佳的问题，本文提出了一种基于模糊逻辑的VANET安全消息路由方法FLRM-SM。该方法充分考虑当前转发车辆与邻居车辆之间的相对速度、邻居车辆与安全消息目的地的方向偏差以及邻居车辆通信范围内车辆密度等因素，利用模糊逻辑系统对候选车辆进行稳定性评估，并在去除“边缘”车辆后基于最大链路稳定性数值和最大欧几里德距离选出唯一中继。实验结果表明，FLRM-SM在不同的车辆数量和速度以及不同有效传输距离下均能选取稳定性更好的中继节点，在端到端时延和链路中断概率方面表现出比对照方法更优的性能。

随着移动通信技术的发展，具有高速率、低时延等优势的5G移动通信网络应用越来越广泛，融合5G的异构车载自组织网络是未来发展的必然趋势。下一阶段将研究异构车载自组织网络环境下基于5G协助的安全消息分发机制。