论文部分内容阅读
近年来,随着经济、科技和汽车工业的迅猛发展,安全和效率已经成为交通运输中迫切需要解决的两个关键问题。因此,智能交通系统应运而生。车联网作为智能交通系统中的重要组成部分,对于提高智能交通系统的安全性和高效性具有十分重要的意义。车联网具有节点高速移动、网络拓扑结构频繁变化、连接可靠性差、传输时延大等特点,这些特点使得广播成为车联网交通信息分发的最有效方式。然而道路交通中车辆速度、密度及网络负载等网络状态的变化将会大大影响车联网的广播性能。但是,现有车联网广播技术的研究仍然无法根据这些网络状态的变化自适应地调整媒体接入控制(Media Access Control, MAC)广播机制,导致广播风暴频繁发生、网络资源分配不合理、无法满足不同信息对服务质量(Quality of Service,QoS)需求。为满足车联网广播性能要求,提高广播效率,本文在车辆与车辆(Vehicle-to-Vehicle,V2V)和车辆与路边基础设施(Vehicle-to-Infrastructure,V2I)两个场景下基于不同网络状态重点研究了车联网中的广播技术,尤其针对车联网中的广播性能从以下三方面进行了重点分析。一、QoS和队列管理是车联网中广播机制的关键问题。缺乏MAC层中缓存队列的建模及分析将无法准确获得广播机制的重要QoS性能,进而将无法全面了解此协议性能。本文在V2V场景下提出了一个二维马尔科夫链模型用于分析不同网络负载及规模下带有有限缓存的车联网系统中广播机制的QoS性能。此外,使用一个简单的方法来求解二维马尔科夫链模型的稳态概率。通过分析表明,繁重的流量负载下,尤其当网络规模较大时,MAC中二元指数回退和重传的缺失导致了糟糕的QoS性能。通过合适的流量控制可以避免这样的性能退化,为车联网维持良好的QoS性能提供了流量控制指南。二、在Drive-Thru网络中,根据距离路边单元(Road-Side Unit, RSU)的远近不同,车辆节点会有不同的信噪比,进而产生不同的传输速率。如果车辆节点无法根据传输速率的改变而自适应地改变发包频率,最小传输速率将会限制系统的性能,导致系统吞吐量低。对于此问题,由于现在还没有一个有效的MAC广播机制解决此问题,本文在V2I场景下提出了一个新的MAC机制用于稀疏高速公路环境中Drive-thru网络;并设计了一个马尔科夫链模型用于分析车辆速度和密度对新广播机制性能的影响。通过分析可以得出,当车辆数较小时,此MAC广播机制能够获得较高的吞吐量并能缓和车辆移动对于系统吞吐量的影响。大量的仿真实验验证了分析模型的精确性和MAC广播机制的有效性。三、在实际的无线传输中,捕获效应是影响无线网络性能的一个主要因素。缺乏捕获效应的建模及分析将无法获得捕获效应对于无线网络性能影响的评价,尤其在考虑了车辆节点移动的情况下。本文在V2I场景下提出了一个车辆网络性能预测模型用于分析不同移动速度及网络规模下基于捕获效应的Drive-Thru网络的性能。通过引进一个车辆交通流模型,建模了道路上车辆的移动,描述了车辆速度、密度和到达率的关系,更准确地模拟了实际道路上车辆的行驶情况。通过分析可以得出,使用此性能预测模型可以得到最优竞争窗口值。基于此最优竞争窗口值,车联网可以达到最大的系统吞吐量而不过多浪费竞争时间。