摘 要： 车载自组网是一种新出现的科学领域。车载自组网的基本功能为检测附近车辆的位置信息、安全信息、速度等。为了使信号有效传输，提高信道负载能力，提出自适应信标率方案。具体阐述自适应信标产生的模糊逻辑算法并且相比较于神经网络算法。根据车辆交通特点来调节信标率，自适应信标率方法将车辆位置信息和车辆的状态作为决策系统的输入值，综合两个因素经模糊逻辑算法得到新信标率。
关键字： 车载自组网； 模糊逻辑算法； 自适应信标率； 车辆位置信息检测
中图分类号： TN711⁃34 文献标识码： A 文章编号： 1004⁃373X（2013）17⁃0140⁃03
0 引 言
车载自组网作为一种新领域，需要考虑车辆交通安全为首要功能，有效调度车辆行驶。至今车辆间通信依靠车辆与路边通信，以避免多普勒效应的影响。然而，经过一系列的研究，提
出车辆间直接通信，车辆间的直接通信使得网络拓扑更具多变的特点。车辆来往随时间或者地点都有疏密的变化，提出了一种智能的自适应网络传输，即自适应信标率（ABR）。自适应的实现需要用到人工智能的模糊逻辑推断算法，从而得出自适应信标间隔时间。
1 智能自适应信标方案的提出
ABR方案来替代路边基础设施的车辆通信系统，依据交通状况调节自组网信标产生频率（beacon/s）。假设所有的车辆装有用于车辆间信息通信的无线通信设备如全球定位系统（GPS）。把VANET网络中的节点进行管理和分类，与一般以太网相类似，选取分布节点作为网络的骨干节点。由于不同的节点在分组转发、洪泛的过程中起不同功能，并且节点占有不同数据资源，因此，将网络中纷繁复杂各不相同的节点进行有效的分类，以便管理网络数据的传输分发，促进有效传输，节省资源。并且，考虑到一个网络的连通和移动节点故障时会影响网络连通，保证一定的鲁棒性的前提下，车载的移动网络是瞬息变化的，数据的传递必须保证时间的实时性。压缩每个节点信息存储，减少冗余，减少开销。网络拓扑如图1所示。
1.1 车辆位置与相对距离信息的确定
将部分车辆作为信标，其余车辆根据与信标相对位置和距离或者跳数等确定自身位置。将信息广播、汇总，确定车辆疏密度。测距方法使用测量信号接收强度（RSS）。依据发送给接收端的信号强度，通过数据传输过程中传播损耗的计算，最后，车辆间距离就可以经无线信号传播理论由传播损耗换算而来。这种技术成本较低。但是，无线信号的传播是在一个空间大环境下，受各种可能的背景噪声的影响，因此，信号传播测距的精确度也会受影响。另一方面，因为硬件设备结构简单、成本低廉，其普遍运用在无线通信。并且，大部分无线通信设备装有该功能模块，所以，根据RSS的测距方法得到车辆间距离之后，车辆相对位置可应用三边、三角方法得到。
为减少冗余，采用新的车辆定位方式，即通过已知位置信息的信标节点，计算其余节点与信标节点的相对距离，从而达到定位的目的，并且减少了信息的存储。由此可知，选取多的信标节点，得到的网络开销也大，显然会造成网络的资源浪费。在设计的定位方法中，定位精度受到信标节点的分布和数目的影响非常大。
1.2 任意两个节点间关系的预测
基于信号稳定度的自适应路由根据周期性接收到的信号的强度，将节点的邻居节点简单
分为强连接点和弱连接点，这种分类过于简单，不利于节点间密切关系的更准确化。
在不考虑其他因素的情况下，一条路径可能对于完成从源节点到目的节点的给定数量的数据传输是足够稳定的。但是如果该路径上业务流拥塞，则可能造成稳定性不足以传输给定数据的情况。正常交通中，根据当前的车辆密度改变信标分布，提高车辆信标利用率，减少负载。但是，当道路突发事故时，之前根据稀疏的车辆运行而确定的稀疏的信标利用率必须面对大量的车辆距离及安全信息检测，然后改变信标率。这样会使网络拥堵，严重的会让网络瘫痪，对促使车辆安全无任何帮助。使得该自适应方案变成一个严重的问题。那么这个方案就存在弊端了。所以，在监测车辆运行距离及位置、密度时，也必须时刻广播车辆危险突发信号。根据这个信号在短时间内改变信标密度，应对突发的车辆密度剧增的现象。在实际生活中，道路上车辆运行是多变的。其中存在着一定的危险因素。而车载自组网中，首要的目的就是保证车辆安全，即预防意外发生和意外发生后可及时、准确地和邻近车辆广播车辆状态，防止因意外事故引起的拥堵而继续发生交通事故。车辆的安全状况信息包括许多突发事件（如交通事故、急刹车等）。这种情况下，对有意外事故发生的车辆自组网，信标率的增加是非常有必要的，甚至在非常拥堵的情况之下。准确接收意外事故车辆广播信号的车辆合作疏散交通。因此车辆的安全状况是决定车载自组网中信标率的另一个重要的因素。于是，
城市交通中假设存在着不同安全因素的车辆，用发生意外事故（emergency）的车辆与无不安全因素（non⁃emergency）的车辆来衡量这些不同安全因素车辆的安全程度。
2 自适应的实现
3 决策系统的设计
要求的信标值是由决策推断系统得到的，因此接下来阐述的就是决策推断系统的设计，如图3所示。如前所述，车辆以高速运行，交通状况也由稀疏到密集不断变化。因此，许多因素动态地改变信标间隔。以训练集为基础的模式识别人工智能的决策系统在模式分类和决策系统中有着良好的性能，本文中用来控制信标率。在自组网中，车辆不清楚怎么样的信标率适合当前的交通状况，因此，以5组训练集为例，车辆稠密度、车辆安全状况作为交通状况的两个特征值，需要达到的信标率由两个特征值确定，在训练集的基础上，应用模式识别的算法得出需要达到的信标率范围。
首先假设输出信标率范围再进行细化为1～10信标/秒，这个值越大产生信标需要的工作周期时间越短。车辆稠密度也分为1～3个等级，可表示为spare，mdense和vdense。安全状
态分为2种即意外事故（emerge）和无意外事故（non⁃emerge），需要对不同信标率对应的不同交通特征进行统计。
决策系统具体流程如图4所示。
而神经网络算法缺乏动态处理能力，算法的稳定性与学习效率成反比；还没到某一明确的规则确定学习效率的大小，尤其相对于非线性网络来说，学习效率的选择更是一个难题；训练过程也可能陷入局部最小，可以通过变换初始值进行多次训练来解决这个问题，但又增加了计算的负担；没有有效的方法可以确定网络层数，太多或太少都会影响系统的性能。
由两个输入值确定最终的信标率。第一幅图形表示的就是信标率，第二幅为车辆密度，第三幅为车辆安全状态。车辆密度与车辆安全状态经由模糊逻辑算法的函数隶属关系，fuzzy运算得到信标率。
4 结 论
本文提出基于ABR与车辆交通特点相关的信标频率调整。ABR方法的自适应特点使它适
用于稀疏的和稠密的交通情况。在不造成资源浪费的前提下，又保证信号准确的传输，即通过ABR提高网络的性能。车辆定位和位置信息推断出车辆密度、车辆安全状态作为车辆通信网络特征及属性决策要达到的新信标率。那么这个方案中车辆安全状况、密度等信息的准确共享和精确传输成为计算信标率的关键，并影响下一时刻的信标率。最后，基于一组的规则数据，用模糊逻辑推断新的信标率控制整个网络数据分发时间周期。
参考文献
[1] TORRENT⁃MORENO M， SANTI P， HARTENSTEIN H. Distributed fair transmit power adjustment for vehicular ad hoc networks [C]// 3rd Annual IEEE Communications Society on Sensor and Ad Hoc Communications and Networks. Reston， VA： IEEE， 2007： 479⁃488.
[2] NZOUONTA J， RAJGURE N， WANG G， et al. VANTE routing on city roads using real⁃time vehicular traffic information [J]. IEEE Transactions on Vehicular Technology， 2009， 58（7）： 3609⁃3626.
[3] EENENNAAM V M， WOUTER K W， KARAGIANNIS G， et al. Exploring the solution space of beaconing in VANETs [C]// IEEE Vehicular Networking Conference. Tokyo， Japan： IEEE Communications Society， 2009： 1⁃26.
[4] CUI H Q， WANG Y L. Four⁃mobile⁃beacon assisted localization in three⁃dimensional wireless sensor networks [J]. Computers and Electrical Engineering， 2012， 38（3）： 652⁃661.
[5] IQBALAA， MURSHED M. Demand⁃driven movement strategy for moving beacons in distributed sensor localization [J]. Procedia Computer Science， 2011， 4： 2226⁃2235.
[6] GHAFOOR K Zvani有约会， BAKAR K A， VAN EENENNAAM E M， et al. A fuzzy logic approach to beaconing for vehicular ad hoc networks [J]. Telecommunication System， 2013， 52（1）： 139⁃149.
[7] 初国兴，刘悦.车用自组网的可靠数据分发策略研究[D].济南：济南大学，2010.
[8] 唐宏.钟璐.基于移动信标节点的无线传感器网络定位算法研究[J].信息通信技术，2012（3）：51⁃56.
[9] 魏叶华，李仁发，陈洪龙，等.无线传感器网络定位中动态信标移动路径规划[J].系统仿真学报，2011（22）：7258⁃7260.
作者简介：陈冰洁 女，1990年出生，福建人，在读硕士。研究方向为车载自组网与数据挖掘。
发布评论