基于节点适用性的高速公路车联网分簇路由协议

陆山风, 何廷全, 周 欣，周 健

(1.广西新发展交通集团有限公司，广西 南宁 530011；2.国家山区公路工程技术研究中心,重庆 400067；3.自动驾驶技术交通运输行业研发中心,重庆 400067)

0 引言

以车联网[1]技术(Vehicle to Everything，V2X)为重要发展内涵的智能交通系统[2](Intelligent Transportation Systems，ITS)，为保证高速公路[3]行车安全、提升道路交通运行效率提供了新的解决思路。车联网应用的核心在于数据信息在网络中所有涉及网络节点间的传递。由于高速公路中车辆行驶速度较快，车联网网络拓扑结构变化频繁、节点分布不均等问题更为突出，因此，在网络层层面，设计合理的路由协议，保证数据信息稳定、可靠的传递十分必要。

路由协议旨在为网络中的数据信息寻求从源节点到目标节点的最优传输路径。主流的车联网路由协议包括5类，分别是基于拓扑的路由协议、基于位置的路由协议[4]、基于分簇的路由协议[5]、基于地域多播和基于广播的路由协议[6]。其中，通过将网络结构从扁平化转变为分层结构，基于分簇的路由协议能显著的扩展网络生命周期，提高网络的可扩展性和可靠性，并能为网络带来更高效的频谱管理[7]。特别是，高速公路环境中车辆行驶速度较高，道路中车流密度的变化幅度相对较小，其构建的无线通信网络往往具有更高的稳定性，因此，设计高速公路通信网络时更适用于借助分簇结构以解决数据通信效率问题。

分簇路由的核心是簇头节点的选择策略。文献[8]提出了一种环域路由算法(RARZ)，综合考虑节点的剩余能量并执行基于位置的路由，避免路由过程中的控制开销；文献[9-10]设计了一种多跳移动域算法(MMZ)，通过选取最高三跳以内的车辆节点形成通信簇，降低了网络切换开销；文献[11]针对簇头节点的安全可靠问题，设计了一种高可信的基于节点值动态更新的安全路由协议，并基于改进粒子群算法的分簇方法，构建了从网络安全因素、能量因素和距离均衡等多角度融合的簇头选取策略；文献[12-13]设计的分簇算法HQCA，通过评估簇内通信质量，提高簇内和簇间的通信距离，并减低聚类过程中的错误率，簇头选取策略依据模糊逻辑，对剩余能量、簇内最小能力、簇内最小距离等多个参数进行考量。上述分簇算法中，多数算法的应用场景为城市道路环境，车辆节点密度较大，速度较低。考虑到高速公路环境特点，上述协议容易造成通信链路断裂，进而影响数据的有效传递。

数据信息从源节点到目标节点的传输过程需要考虑的另一个关键问题是数据安全。考虑到分簇结构对高速公路环境数据通信效率的影响，以分簇结构为基础构建的高速公路车联网通信架构能够从网络结构的角度加强网络的安全性并保证认证数据交互的可靠性。与此同时，在构建高速公路车联网通信架构过程中，针对车联网环境中典型的安全攻击，如中间人攻击[13]、女巫攻击[14]、拒绝服务攻击[15]等，引入第三方可信通信实体，借助互信认证以保证数据安全，可显著改善数据传输过程中因攻击导致的数据机密性降低、可用性变差等问题[16]。

互信认证的工作原理是，车辆首先在入网前借助证书中心获得数字证书，然后在发送数据前为数据生成签名，进而通过证书分化和撤销完成身份认证[17]。尽管这一方法能够显著提升数据安全水平，然而，现有的面向高速公路的分簇路由协议在设计过程中，往往因更侧重传播路径的研究而忽略对数据安全的考虑。高速公路车辆节点移动速度较快，一旦数据安全无法保证，往往造成严重的事故，有必要对此进行考虑。

本研究首先针对数据安全问题，在分簇路由结构的基础上，通过引入第三方可信通信实体，构建了高速公路车联网安全通信整体架构，明确了不同通信主体间的认证过程。然后，针对通信性能及通信安全提升问题，结合高速公路交通流特点引入固定簇模型，并借助车辆可信度参数、车辆位置参数和相对速度参数，给出了车辆节点适用性的评估算法，设计了一种基于适用性的簇头选择策略，进而完成了分簇路由协议的整体设计并给出了相应算法。最后，借助Veins仿真平台搭建了高速公路仿真场景，借助丢包率这一性能指标对所述路由协议的网络安全性能进行了分析，同时，针对不同的车流密度，从延时、吞吐量、数据包投递率和簇的数量等多个角度，对所述路由协议的通信性能进行了评估。

1 高速公路安全通信架构

1.1 通信安全需求分析

高速公路环境下的车联网通信安全需求主要包括身份认证、完整性、机密性、可用性和接入可控5方面。其中，身份认证帮助用户确认与其进行通信的通信实体具备合法的身份信息，不同的通信实体授信等级和角色各有不同[18]。身份认证是最为主要的一项网络安全需求。高速公路环境下身份认证的内容主要包括以下3种。

(1)ID认证：通信实体借助唯一的序列码ID识别当前消息传输节点身份的合法性，该认证可对非法或未被授信的通信节点进行识别。

(2)属性认证：通过识别当前通信实体的类型，确定通信实体在网络中的角色，即簇头节点、路侧单元、车载单元等。

(3)位置认证：主要用于对当前通信实体的实时位置信息进行认证。

1.2 安全通信架构构建

借助第三方可信通信实体，构建了一种具备身份认证的高速公路安全通信架构，如图1所示。系统由4部分组成，分别是：具备车载单元(On Board Unit，OBU)的车辆节点、路侧单元(Road Side Unit，RSU)、第三方可信通信实体和认证服务器。其中，车辆节点和路侧设备都需要在第三方可信通信实体中进行身份认证，认证信息存储于认证服务器。车辆节点认证时可获取唯一的身份ID，路侧设备认证时获取唯一的身份ID和静态密钥。

图1 网联高速公路安全通信架构Fig.1 Security communication architecture for connected expressway

此外，为了保证系统的可用性，本研究做出如下假设：

(1)路侧设备能够实现高速公路场景中通信范围的全部覆盖，并可获取其静态的地理位置信息，这一要求能够保证车辆节点在较高的行驶速度条件下仍可保证持续的通信连接。

(2)场景中所有的车辆节点均具备车载单元、能够获取实时的地理位置信息，具备一定的数据发送与接收能力。

(3)考虑到高速公路主线平曲线路段中车流状态稳定性更高，场景中高速公路设为单向双车道、主线平曲路段。

(4)在任一时间内，车辆节点仅可成为一个通信簇的簇成员。

(5)所有车辆节点和簇的ID均唯一。

1.3 通信实体身份认证过程

上述通信场景中，身份认证主要存在于3种通信实体间，分别是：车辆节点与车辆节点间的认证过程、簇头节点认证过程和路侧设备认证过程，如图2所示。

图2 高速公路场景中通信实体的身份认证类型Fig.2 Type of identity authentication for communicating entity in expressway

(1)车车认证过程

车车认证的内容主要包括车辆的身份ID和位置信息。当车辆处于同一通信簇时，其身份ID和位置信息将在簇内进行信息共享。具体的车车认证内容为：ID、位置信息、当前时刻和车辆状态。显然，车车认证的效率与高速公路中车流密度的大小正相关。

(2)簇头节点认证过程

簇头节点的认证过程存在于车辆节点与RSU之间，认证内容包括身份ID和通信密钥。车辆节点驶入RSU通信覆盖范围时，即向RSU发起执行身份认证的过程。RSU判定当前车辆节点为簇头节点时，会将其身份ID和通信密钥定向发送给该车辆节点。簇头节点认证过程如图3所示。

图3 簇头节点认证过程流程图Fig.3 Flowchart of cluster head node authentication process

车辆节点借助合法的身份ID加入或存在于一个簇，当认证失败时，车辆节点将向第三方可信通信实体发出申请，获取新的认证信息，直到认证成功。显然，高速公路环境中，簇头节点的认证过程需要保证车辆节点能够与RSU建立一定存续时长的通信连接。

(3)路侧设备认证过程

路侧设备的认证过程存在于路侧设备与第三方可信通信实体之间，第三方可信通信实体周期性的对RSU合法与否进行验证。RSU认证内容包含身份ID和密钥。考虑到RSU与第三方可信通信实体间的通信链路安全性较高，此处密钥无需进行加密处理。路侧设备认证过程如图4所示。

图4 路侧设备认证过程流程图Fig.4 Flowchart of RSU authentication process

2 分簇路由协议设计

分簇路由协议设计的核心在于合适的簇头选择策略，为了兼顾数据传输安全，本研究在设计簇头选择策略时引入了含有评估车辆节点可信程度的参数，以此保证数据的安全性能。

2.1 簇的形成

一般而言，在保证簇的稳定性和簇维护开销较小的前提下，较小的簇数量意味着分簇算法具有更高的分簇效率和数据包传输效率[19]。考虑到高速公路主线平曲线路段中车流行驶方向固定，本研究引入固定簇模型，将处于单一路侧设备通信范围内的路段记为一个分簇路段，每个分簇路段均分为4个通信簇。高速公路场景下的固定簇形成方案如图5所示。当车辆驶入任一通信簇边界位置时，即可触发V2V认证过程和簇头节点认证过程。

图5 高速公路场景下的固定簇形成方案Fig.5 Fixed cluster formation scheme in expressway scenarios

2.2 簇的维护流程设计

依照车辆的行驶路径，簇的维护过程被划分为3个部分，即加入簇、簇头选择和驶离簇。

(1)加入簇：借助RSU的消息广播，车辆节点可以获取到簇的边界位置信息和身份认证信息。本研究中涉及的高速公路场景中簇的边界位置信息为固定值，车辆节点利用定位系统确定自身位置处于通信簇通信范围内后即可发送hello消息包。若当前车辆节点收到来自簇头节点的确认消息，即可加入当前通信簇；否则，车辆节点将向RSU发起执行新的簇头节点选择过程的请求。

(2)簇头选择：簇头选择的过程由RSU执行。借助簇头选择算法，RSU为其通信范围内的簇选取合适的簇头车辆节点并告知其身份状态信息。簇头车辆节点完成与簇内车辆节点间的信息交互，直到产生新的簇头节点。簇头选择过程周期性执行，亦可由新加入簇的车辆节点进行触发。

(3)驶离簇：车辆驶离通信簇时无需向簇头节点或RSU发送确认信息。当超过某一特定时间后，簇头节点和RSU仍未收到来自该车辆的消息，或收到来自该车辆的消息中显示车辆位置超出簇的范围时，簇头节点和RSU将对此车辆节点相关的信息进行更新和移除。

2.3 簇头的选择策略FBCHSS

借助车辆可信度参数、位置距离参数和相对速度参数，本研究设计了一种基于适用性的簇头选择策略(Fitness Based Cluster Head Selection Strategy，FBCHSS)。路侧设备通过计算和比较簇内车辆节点的适用性数值，选取适用性数值最高的车辆节点作为簇头节点。

记车辆节点为vi，车辆节点vi的适用性为Fi，则：

Fi=w1·TVi+w2·di-w3·SRi，

(1)

SRi=(si-savg)，

(2)

式中，w1，w2和w3为适用性评估算法中不同参数的权重因子，满足0≤w1,w2,w3≤1和w1+w2+w3=1。

TVi为车辆可信度参数，用于描述车辆在传输数据信息过程中的可靠程度。显然，当系统所选取的簇头节点具有较高的车辆可信度时，其适用性更强。考虑到车辆可信度参数与车辆历史行驶数据、车辆认证身份等多个因素相关，本研究不对此参数进行讨论，车辆可信度参数在测试过程中设置为固定区间内的随机值。

di为位置距离参数，用于描述车辆节点当前位置与沿行驶方向的通信簇边界位置间的距离。位置距离参数越高，车辆节点距离通信簇边界越远，其处于当前通信簇的时间越长，该车辆节点越适合作为簇头节点。显然，这一参数可直接影响系统执行簇头选择所需的控制开销。

SRi为相对速度参数，即同一时刻车辆节点的速度si与簇内所有节点速度均值savg的差值。这一参数反映了当前车辆节点速度与簇内车辆节点速度的相似程度。相对速度参数越低，则该车辆与簇内成员处于同一通信簇的时长越长，该车辆节点越适合作为簇头节点。基于适用性的簇头选择策略算法如表1所示。

表1 簇头选择策略整体算法Tab.1 Algorithm of cluster head selection strategy

可以看到，基于适用性的簇头选择策略算法主要包括3个阶段，分别是：(1)预处理阶段，用于完成对权重因子和簇头选择周期的初始化设置；(2)簇头选择过程，通过计算通信簇内所有车辆节点的适用性参数，选出适用性参数最高的车辆节点作为簇头节点；(3)簇头节点维护过程，利用RSU向簇头节点发送身份认证信息，并对当前簇的状态进行更新和维护。

3 系统测试与分析

3.1 系统参数设置

利用交通仿真平台SUMO搭建了一个单向双车道的高速公路交通场景，利用网络仿真平台OMNeT++构建了具备两个路侧设备的车联网通信环境，然后利用车联网仿真平台Veins，将上述交通场景和网络场景进行融合，对所述分簇路由协议的通信性能进行了测试。

SUMO中路段设置为主线平曲线路段，单向双车道，长度为6 000 m，车辆节点的行驶速度设为区间80～120 km/h中的随机值。为了评估不同的车流密度对系统网络性能的影响，通过设置SUMO场景边界处每秒驶入的车辆节点数目完成对不同车流密度的仿真。网络仿真器OMNeT中主要完成的是2个路侧设备和恶意节点在仿真场景中的部署，恶意节点选用的类型为选择性转发，恶意节点数目分别设置为15，20，25，30，35。同时，车辆节点的可信度参数设置为区间10～100中的随机值，恶意节点的可信度参数设置为区间10～50中的随机值权重因子w1，w2和w3分别设置为0.3，0.4和0.3，簇头选择策略执行周期设为5 s，车辆节点hello消息包的发送周期为5 ms。具体仿真系统参数设置如表2所示。

表2 仿真系统参数设置Tab.2 Simulation system parameter setting

3.2 系统测试性能指标

本研究利用丢包率(Packet Loss Ratio，PLR)、数据包投递率(Packet Delivery Ratio，PDR)、数据吞吐量(Throughput)和延时(Delay)这4个指标对系统在网络层面的性能进行评价，同时，对簇头选择策略而言，从簇的数量角度，分析对比了不同簇头选择策略中的网络开销状态。

(1)丢包率：其值为系统中丢失数据包数量占所发送数据包的比率。PLR越低，系统网络安全性越高。

PLR=∑(Psen-Prec)/∑Psen，

(3)

式中，Prec为接收到的消息包数量；Psen为车辆发送的消息包数量。

(2)数据包投递率：其值为系统中成功接收的消息数与所有发送的消息数的比值。PDR越高，系统网络传输效率越高。

PDR=[∑Prec/nv]/∑Psen，

(4)

式中，Prec为接收到的消息包数量；Psen为车辆发送的消息包数量；nv为车辆节点数。

(3)吞吐量：该值描述了系统单位时间内传输的数据比特数。在一个安全的网络环境中，Throughput值越高，系统的网络性能越高。

Throughput=(nr·ns)/Td，

(5)

式中，nr为接收到的所有消息包；ns为消息包大小；Td为总时长。

(4)延时：该值是评价系统网络性能的一个重要指标，描述了两车辆节点间成功投递数据包所花费的平均时间，可直观体现系统数据传输过程中的及时性。

(6)

式中，np为消息包数量；Trec和Tsen分别为消息包i的接收时间和发送时间。

3.3 系统测试结果

本研究对MMZ、HQCA和所述FBCHSS这3种基于不同簇头选择方案的路由协议的网络安全性能和通信性能分别进行测试。同时，借助路由协议中的经典算法AODV作为对照，对上述3种路由协议的性能进行了对比分析。

(1)丢包率测试对比结果

丢包率是评价网络安全性能的重要指标，对丢包率进行测试时，场景中车流密度设为25 veh·(ln·km)-1。3种路由协议在不同恶意节点数目条件下的丢包率测试结果如图6所示。

图6 丢包率测试对比Fig.6 Comparison of packet loss rates

可以看到，3种不同路由协议的丢包率均随着恶意节点数目的增加呈现上升的趋势，特别地，在恶意节点数目达到25及以上时，FBCHSS的丢包率相比MMZ和HQCA减少将近25%，这是因为FBCHSS中恶意节点的适用性参数较低，多数恶意节点都没有机会成为簇头节点，极大地降低了数据包转发过程中引发的丢包情况。

(2)延时测试对比结果

4种路由协议在不同车流密度条件下进行数据传输时的延时测试结果如图7所示。

图7 延时对比Fig.7 Comparison of delays

整体来看，随着车流密度的逐渐变大，不同路由协议的延时均呈现出增长的趋势，这是因为车流密度的增加导致通信节点数目增加，网络负载上升引发网络拥堵，同时，通信节点的增加还会触发频繁的簇头切换，对通信簇的稳定性造成影响；其次，可以看到，当车流密度处于较低水平(37.5 veh/(ln·km)以下)时，选取使用MMZ,HQCA和FBCHSS这3种簇头选择方案的路由协议在仿真过程中延时情况大致相同，这是因为场景中的通信节点整体数目较小，网络资源更为充裕，发生数据包碰撞和丢失的情况较少；同时，相比MMZ和HQCA，FBCHSS在车流密度较高(37.5 veh/(ln·km)以上)时，表现出了更低的延时，这是因为车流密度较大的场景中，FBCHSS在评估节点适用性时，为节点的位置信息分配了更高的权重，这使得消息包在传输过程中能够更多的使用簇头节点，从而使整体的延时保持在较低的水平。此外，AODV在系统中呈现更高的延时。

(3)吞吐量测试对比结果

4种路由协议在不同车流密度条件下进行数据传输时的吞吐量测试对比结果如图8所示。

图8 吞吐量测试对比Fig.8 Comparison of throughputs

从图8可以看到，4种路由协议的吞吐量均随着车流密度的增大呈现出增长的趋势，并在车流密度较大时，增长趋势变缓，这主要是由于过多的车辆节点造成网络的拥塞，使得数据传输效率变低；同时，相比MMZ,HQCA和AODV，FBCHSS呈现出更高的吞吐水平，这是因为MMZ和HQCA中均形成了过多的通信簇，簇头与簇头间产生了更多的数据冲突，引发了更多的簇间切换，网络开销较大，而FBCHSS中的数据交换主要存在于簇头节点和簇成员之间，数据链路更为稳定，数据传输更为可靠。

(4)数据包投递率测试对比结果

4种路由协议下数据包投递率测试对比结果如图9所示。显然，相比MMZ,HQCA和AODV，FBCHSS具有更高的数据投递率，这是因为在FBCHSS中，评估车辆节点适用性时选用的速度参数为相对速度，这使得簇头节点与簇成员间通信链路的生存时间较长，通信簇更加稳定；同时，随着车流密度的增大，数据包投递率呈现普遍下降，这与通信节点数目增多带来的信道拥堵息息相关。

图9 数据包投递率测试对比Fig.9 Comparison of data packet delivery rates

此外，综合4种路由协议在数据包投递率、数据吞吐量和延时3个指标下的性能表现，可以看到，当前仿真环境中，车辆节点行驶速度处于80～120 km/h 这一区间时，FBCHSS协议明显表现出更高的吞吐量和投递率，并具有较低的延时，适应当前主流的高速公路运行环境。

(5)簇的数量测试对比结果

由前可知，评价基于分簇的路由协议时，对形成簇的数量进行比较，能够获得协议在分簇效率和传输效率网络性能表现。本次试验通过统计同一时刻场景中的簇头节点个数，对不同路由协议的性能进行了分析，不同协议下簇的数量统计表如表3所示。

表3 不同协议下簇的数量统计表Tab.3 Statistical table of number of clusters under different protocols

可以看到，在不同的车流密度条件下，FBCHSS簇的数目始终保持一致，这是由于引入了固定簇模型，簇的数目只与路侧设备的数目相关；其次，MMZ和HQCA簇的数目随着车流密度的增大明显增多，考虑到簇头数量的增多意味着系统维护簇头节点的数据交互量也会相应变大，同时，簇头节点也会存在更多的切换操作，数据传输过程中的即时性和丢包势必增加，进一步增加系统的网络开销，这也是该协议导致系统传输性能降低的主要原因。

4 结论

首先研究了高速公路中数据交互安全需求，针对数据安全搭建了高速公路通信架构，引入了车辆节点可信度参数；然后借助固定簇模型，引入车辆节点位置和相对速度参数，设计了一种车辆节点适用性评估算法，给出了一种基于该算法的分簇路由协议整体方案，以提高网络的扩展性、可靠性和频谱管理性能。最后，借助Veins仿真平台对高速公路场景中不同车流密度状态下的路由协议通信性能进行了测试和对比分析。试验证明，引入FBCHSS算法的分簇路由协议在丢包、延时、吞吐和数据投递率4方面均优于MMZ,HQCA和AODV，簇数量可控，具有较好的安全和通信性能表现。

考虑到测试协议通信性能时，车辆节点的可信度参数为区间内的随机值，当前试验环境无法准确反映协议对数据安全性能的优化，未来可细化可信度参数评估办法，以此完善系统的协议性能表现。此外，本研究仅对高速公路主线平曲线路段上的路由协议进行了设计和分析，未来将针对复杂场景(如弯道、纵坡，以及匝道和纵坡-弯道组合)下的路由协议展开研究。