基于改进AODV 的车载路由协议研究

汤紫雄

（福州理工学院 计算与信息科学学院,福建 福州 350506 ）

车载网是为车辆间数据传递创建的自组织网络，通过装载在车辆上的车载定位、传感器等电子设备，结合各种通信、传感、控制等技术，实时采集路段信息、车辆位置、行驶方向等相关信息，组建一个以车辆间通信平台为基础的智能服务系统，完成车辆与车辆之间、车辆与路边基础设施、车辆与行人间以及车辆与周边建筑物间的数据交互，可用在车辆引流、事故预警等方面.

如何完成车载网中车辆节点的数据转发，考虑到车辆密度、车辆速度、车载环境等因素，通过预测的方式选择下一跳节点，计算比较复杂，对数据包的正确到达率和传输时延有较大影响，路边单元的部署、车辆间拓扑结构的变化及可扩展性都是路由算法的难点.

1 车载网体系结构

无线车载网络中，车辆应配备车载设备(OBE)[1].OBE 包括多个功能模块，如定位导航、传感检测、信息采集、数据处理、无线通信、控制器等.而路边基础设施也称路边设备(RSE)具备一定范围内的数据交换、存储转发、信息处理等功能，一定意义上可看作是无线车载网络的“基站”.车辆节点在运行过程中与路边基础设施通信，路边基础设施可验证车辆身份信息，可帮助车辆节点接入网络，通过路边基础设施作为中间节点的多跳路径，可以扩大车辆节点的通信范围.

车载网可以采用智能互联汽车（IntelliDrive）架构，如图1 所示.它包含如下网络实体：车载设备、路边设备、服务交付点、企业网络操作中心、认证授权管理机构.

图1 IntelliDrive 系统架构图

车载网采用分层次的体系结构，各层是独立的，各层之间保持相应的耦合度，通过层间接口完成信息交互[2].图2 是基于分层思想设计的IntelliDrive 架构协议栈，该协议栈采用车载环境无线接入（WAVE），相关协议层如图2.

图2 WAVE 协议栈

车载网通过层次化的结构设计[3]，分解网络各功能模块，实现功能模块最小化，结构上分割开，每一层实现相对独立的功能，并将功能添加到相应的层协议，达到低耦合目的.

WAVE 架构的物理层和介质访问控制层（MAC）层由IEEE 802.11p 定义，涉及车联网的高移动性、拓扑动态性、低时延等.在WAVE 协议栈中，物理层每个设备都可在控制信道和服务信道之间来回切换，但同一时刻不能使用两个不同信道.相邻车辆可能工作于相邻信道，会引发互扰，需要接受器提供规定的相邻/非相邻信道抑制指标来减少干扰.

WAVE 架构中，IEEE 802.11p 中MAC 协议采用信道争用型的CSMA/CA 机制，另外也有许多方案改用非争用型的机制如TDMA.逻辑链路控制层(LLC) 采用IEEE 802.2 协议，数据链路层采用IEEE 1609.4 协议，提供IEEE 802.11p 的多信道操作[4].

WAVE 架构中网络层采用IEEE 1609.3 协议，提供WAVE 网络层要求的路由和寻址服务，WAVE短报文协议为交通安全和效率应用提供路由和组寻址，用于控制和服务信道，支持广播通信类型.应用层采用IEEE 1609.1 协议，实现携带有限计算资源的车载设备和其他设备的进程交互及数据处理.

2 车载网路由协议分析

车载网路由协议的目的是选择一条或者多条合理路径.为了将数据准确无误的从源节点发送到目的节点，车载网中路由协议的选择，需要衡量以下参数：数据吞吐量、路由到达的总跳数、端到端时延、数据传递过程的开销、数据丢包率等.车载网中车辆节点高速移动和环境的复杂变化性等特点，让车载网络路由协议研究面临巨大挑战.

目前车载网的路由协议主流方案包括基于地理位置的路由和基于分簇的路由两大类.本研究将分析比较基于地理位置的贪心周边无状态路由（GPSR）协议和基于分簇的按需距离矢量（AODV）算法改进协议.

1）GPSR 协议.该协议通过节点位置信息进行路径选择，并不依赖各节点路由表的建立和维护工作，开销较小，算法源自GPSR[5]，转发决策主要依据邻居位置信息，适合高速移动车载网.贪婪转发如图3 所示，节点转发分组的下一跳选择与目的节点较近的节点，节点车辆只维护本地信息，方案可扩展到有较多车辆网络中.假定车辆配备GPS 或其他定位服务，不用承担任何开销就可确定自身位置.

图3 贪心周边无状态路由

相邻节点通过交换周期性信标，可发现所有邻居和位置.然后所有转发决策遵循贪心方法，即地理上更接近目标的邻居被选为下一转发节点.因为车辆无网络拓扑全局知识，所以转发决策常为局部而非全局最优，可能出现车辆找不到下个转发节点(无路和断路).对策建议使用周边转发算法或右手准则，但不适合道路网络，尤其有多个路口和路径的城市环境.

2）基于分簇的AODV 改进协议（CI-AODV）.AODV 协议的内存占用和处理开销低，实现较为简单，可用在节点高速移动特性的场景，它通过序列号标注方式来保证实时性，采用洪泛机制，是典型的按需路由协议[6]，如果在大规模的网络环境，网络节点数量高度密集，洪泛次数变多，节点间的数据量开销会急剧攀升，导致网络性能降低.为了避免该问题，可以对AODV 协议进行改进，设计一种基于分簇的AODV 改进协议，在原AODV 中引入分簇思想，把大规模的网络分成独立的各个模块，通过节点的不同运动状态实现分簇，以及对部分原有AODV 节点的保留，采用分簇算法，簇头负责管理本簇内的通信负载均衡.车载网簇结构如图4 所示.

图4 车载网簇结构

在改进的AODV 协议中，网络中车辆节点根据算法形成簇结构，节点分为簇头节点、成员节点和网关节点，簇头通过竞争选举算法选择，簇成员的离开、簇合并、新簇形成、簇间路由维护、数据转发都通过簇头节点管理.网关节点由簇头协调选定，网关节点在标准控制信道上与邻近范围行驶车辆的邻簇簇头节点连接，负责数据转发、信息传递.

在车辆配置收发器的基础上，CI-AODV 算法采用分簇算法，对AODV 路由进行改进，把整个车载网络分成各个簇结构，不同的簇采用不同的服务信道进行传输，避免簇间的互相干扰，提升簇间的连通性，加强了簇结构的稳定性，可解决大规模网络应用的问题.

综上所述，对于基于地理位置的GPSR 协议和基于分簇的AODV 改进协议，由于车辆节点的高移动性，路径的恢复和维持开销过高，因此为了改进链路稳定性，可以通过挖掘移动信息来估算一个给定的路径可能持续多少时间，计算当前在关注节点附近的节点数量来探明是否交通堵塞，然后相应调整传输间歇，在链路中断前选择新的接入路径来转发数据包，下一跳或中继节点通过基于候选中继节点与车辆移动轨迹之间的距离来推算选举.

3 车载网实现方案仿真

本文利用NS2 对车载环境进行仿真，手动构建城市道路环境场景，车辆高动态性地行驶在各道路路段，通过车辆的位置信息及行驶状态，包括行驶速度和行驶方向，将车辆分割到不同的簇结构中，构建了纵横形式的街道，共9 个移动节点，虚线为节点运动轨迹.在节点0 与节点5、节点8 与节点7、节点6与节点1、节点3 与节点2 之间建立CBR/UDP 数据流，速率为10 Mbit/s，数据流的起止时间为0 s 和100 s.用9 个移动节点构建车载网络，如图5 所示.

图5 无线车载组网仿真拓扑

仿真开始后，节点3 与节点2、节点1 和节点6 之间分别建立路由，进行数据传输.图6 为节点沿预定街道轨迹运动，经过一段时间的运行后，网络拓扑发生改变，如图7 所示，此时节点0 和节点5 通过节点7 建立路由并开始数据传输，而节点6 与节点1 的通信也通过节点5 转接.

图6 节点沿轨迹运动

图7 节点5 和节点0 开始数据传输

仿真中设置2 000 m×2 000 m 的通信范围，数据分组采用512 bit，数据传送速率为2 Mbit/s，每秒发送8 个数据包.仿真运行一段时间后，节点位置移动使得网络拓扑改变，比较GPSR 算法和CI-AODV 算法的性能，对仿真用数据包到达率、平均端到端的时延两项数据进行量化统计，取100 次实验的平均值以消除误差，结果如图8、9 所示.

从图8 可看出，随着仿真中车辆节点数量的增加，数据包到达率也有所增加，而采用CI-AODV 算法的数据包到达率较GPSR 算法有明显提升.

图8 两种算法数据包到达率的比较

从图9 可看出，CI-AODV 算法有效增强了网络节点的管理控制，它的平均端到端的时延比GPSR算法小.

图9 两种算法的平均端到端时延的比较

4 总结

本文通过分析车载网体系结构，提出了基于分层思想的IntelliDrive 架构协议栈机制，利用NS2 设置车载环境，通过CI-AODV 算法和GPSR 算法进行仿真，感知道路中车辆变化.仿真结果表明，CI-AODV算法通过分簇策略控制了网络开销，平均端到端时延较GPSR 算法降低，增强了数据包分组投递.

本文所提路由算法应用在城市复杂环境中，由于道路状况的复杂和时延增加会导致整体路由性能下降.因此考虑将路边设施作为静态节点，用作中继，转发数据包，克服车辆间转发距离过长而造成的性能下降，接下来可进行这方面的研究.