車載自組織網(wǎng)絡(luò)VANETs(Vehicular Ad Hoc Networks)具有節(jié)點密度分布不均、拓撲變化劇烈、鏈路間歇性中斷等特點。未來智能停車、無需交通燈、智能咨詢服務(wù)、車載視頻會議等將會頻頻出現(xiàn)，有廣泛應(yīng)用前景。

      本文研究VANET地理機會路由，盡可能動態(tài)選擇沿著節(jié)點密度高、速度大的道路并利用無線傳輸，需要發(fā)送數(shù)據(jù)的節(jié)點積極與頻繁接觸、質(zhì)量好、社會活躍性大的節(jié)點建立關(guān)系。為獲得良好的自適應(yīng)效果，應(yīng)該加強路口節(jié)點的預測計算能力、路由每一跳決策和學習實時網(wǎng)絡(luò)拓撲知識的能力。
1 相關(guān)工作
    參考文獻[1]提出GPSR(Greedy Perimeter Stateless Routing)，在路口無法處理路段節(jié)點密度大小問題，若沒有后續(xù)轉(zhuǎn)發(fā)節(jié)點則貪婪轉(zhuǎn)發(fā)失敗。
    參考文獻[2]提出 GeoDTN+Nav(Geographic DTN Routing with Navigator Prediction routing),通過三個指標計算節(jié)點的得分，判斷繼續(xù)邊界模式還是切換到攜帶模式，彌補了時斷網(wǎng)絡(luò)中GPSR協(xié)議節(jié)點空洞，但忽視了交通實時信息，路口的傳輸沒有很好的說明。
    參考文獻[3]提出GyTAR(Improved Greedy Traffic-aware Routing Protocol)，根據(jù)到目的地的剩余距離和車流量的變化動態(tài)序列化地選擇路口。
    參考文獻[4]提出MOVE(The Motion Vector Scheme)，仿真表明節(jié)點密度對算法性能影響明顯。
    參考文獻[5]使用信標探測機制感知報文存儲車輛節(jié)點周圍鏈路信息,以此為根據(jù)預測傳輸路徑性能并決定報文的轉(zhuǎn)發(fā)決策。
    參考文獻[6]提出根據(jù)節(jié)點的活躍度和相似度兩個指標得出綜合效用值，選擇節(jié)點傳輸數(shù)據(jù)包。
    參考文獻[7]提出VADD(Vehicle-Assisted Data Delivery)，在路口有兩種選路模式：L-VADD優(yōu)先選取位置更靠近目的車輛；D-VADD優(yōu)先選取朝目的方向移動的車輛。
    以往算法較少考慮車輛社會性規(guī)律(如節(jié)點接觸歷史和移動模式)的問題。城市中，熱點路段車輛密度較大、鄰居頻繁改變，節(jié)點質(zhì)量Q用在一段時間T內(nèi)在網(wǎng)絡(luò)中遇到不同節(jié)點的歷史平均數(shù)表示，數(shù)目越多表明節(jié)點質(zhì)量越好，同時也間接反映節(jié)點所在路段密度。

3 路口各個指標計算和路由算法流程
    路由協(xié)議關(guān)鍵在一些參數(shù)決定路徑。本文在路口利用綜合效用值實時選擇高車流量的道路，有助于路由性能的提升。
3.1選路效用值的計算
    (1)距離因子D的計算方法
    鄰居列表保存著一跳范圍內(nèi)的節(jié)點信息(位置、速度、方向)，并通過周期性發(fā)送HELLO消息來構(gòu)建和更新。下式中Di是鄰居節(jié)點距離目的的距離，Dc是本節(jié)點到目的的距離,如圖3所示,鄰居距離目的越近，D越大。
　    
    (1)路口節(jié)點通過GPS獲取自己和鄰居的位置并根據(jù)式(1)計算距離D。
    (2)每個鄰居根據(jù)式(2)計算質(zhì)量Q，并通過HELLO消息傳回路口節(jié)點。
    (3)路口節(jié)點獲取鄰居的Q并根據(jù)式(3)計算U。
    (4)在鄰居列表中查找是否有U大于當前節(jié)點的鄰居,
有，則將數(shù)據(jù)分組發(fā)送到具有最大U的鄰居節(jié)點。詳細過程如圖5所示。

4 仿真分析
    本文采用NS2.35[10]作為網(wǎng)絡(luò)仿真平臺，VanetMobiSim[11-12]模擬真實車輛行駛軌跡，如圖6所示，生成的腳本文件導入到NS-2搭建的網(wǎng)絡(luò)仿真場景中實現(xiàn)了聯(lián)合仿真。
    在1 000×1 000的拓撲內(nèi)，固定節(jié)點數(shù)量為9，并部署路口靜態(tài)節(jié)點。隨機運動節(jié)點由6個開始，以步長5增加,在統(tǒng)計節(jié)點密度對性能影響時,節(jié)點速度分布為2 m/s~17 m/s(平均速度9.5 m/s)；在統(tǒng)計不同平均速度對協(xié)議影響時，拓撲節(jié)點數(shù)固定為25。在參數(shù)a、b分別取0.5時,QAOR與加入攜帶轉(zhuǎn)發(fā)機制的GPSR(buffer)協(xié)議進行對比，每次產(chǎn)生10次隨機場景取平均值。仿真參數(shù)配置如表1所示。

    圖6對比了QAOR和GPSR(buffer)的數(shù)據(jù)投遞率和時延。隨著節(jié)點數(shù)量的增加，協(xié)議數(shù)據(jù)投遞率均增加，圖6(a)顯示QAOR投遞率高于GPSR，因為它根據(jù)節(jié)點先前相遇節(jié)點數(shù)目多少預測路段的密度，讓數(shù)據(jù)包沿著鏈路質(zhì)量好的路段傳輸，投遞率增加。從圖6(b)可以看出，隨著節(jié)點數(shù)量增加，道路車流密度增大，鏈路連接的概率增大，數(shù)據(jù)包傳輸時延減小,QAOR比GPSR(buffer)時延更低，因為選擇了車流密度大的道路減少了攜帶轉(zhuǎn)發(fā)的數(shù)據(jù)包的個數(shù)，而在路口GPSR根據(jù)距離無狀態(tài)地選擇下一跳，并不總是最優(yōu)的。
    圖7是節(jié)點數(shù)一定的情況下(固定25個節(jié)點)平均速度對時延的影響, GPSR(buffer)選擇的路段節(jié)點密度小，缺少后續(xù)轉(zhuǎn)發(fā)節(jié)點，時延較大。相反QAOR時延卻顯著降低，因為它選擇了節(jié)點密度大的路段。同時,隨著平均速度越快，節(jié)點有更多機會遇到合適的下一跳，也縮短了通過車輛攜帶的時間。

     隨節(jié)點移動速度增加，投遞率增加，但受場景限制QAOR和GPSR(buffer)區(qū)別不明顯。仿真說明車輛速度大的路段能提高數(shù)據(jù)投遞率和降低時延。
    VANET道路拓撲的限制和時斷性給路由協(xié)議的設(shè)計帶來了挑戰(zhàn)，本文提出了攜帶轉(zhuǎn)發(fā)機制的GPSR在路口選擇下一跳的方法，利用反向車輛的歷史平均相遇節(jié)點數(shù)量間接提供路段車流密度，解決了GPSR這種無狀態(tài)協(xié)議在路口選擇下一跳時沒有后續(xù)節(jié)點的情況。仿真顯示QAOR具有較高的數(shù)據(jù)投遞率和較低的時延。后續(xù)將引入更加真實的交通信息流情況并對進一步結(jié)合道路全局信息計算連接度,加入鏈路斷裂預警機制，路口節(jié)點發(fā)送探測包等，選擇通信能力強的道路，并在大型拓撲場景協(xié)議中考察協(xié)議的性能表現(xiàn)。
參考文獻
[1] KARP B, KUNG H T. GPSR: greedy perimeterstateless routing for wireless networks[C].International Conference on Mobile Computing and Networking, New York:ACM Press,2000:243-254.
[2] CHENG P C,LEE K C, GERLA M, et al. GeoDTN+Nav:geographic DTN routing with navigator prediction for urban vehicular environments[J]. Mobile Networks and Applications, 2010,15(1):61-82.
[3] JERBI M, SENOUCI S M, RASHEED T, et al. Towards efficient geographic routing in urban vehicular networks[J]. IEEE Transactions on Vehicular Technology, 2009,58(9): 5048-5059.
[4] 肖德貴，彭李翔. 真實城市模擬環(huán)境下車載自組織網(wǎng)絡(luò)路由算法仿真研究[J]. 通信學報，2010,31(9A):68-72.
[5] 沈虎，王曉東, 周興銘,等.一種基于鏈路感知的VANET路由協(xié)議[J].軟件學報，2011,22(Suppl.(1)):157-164.
[6] 舒堅,董海星,劉琳嵐,等.機會網(wǎng)絡(luò)中基于移動特征的效用轉(zhuǎn)發(fā)協(xié)議[J]. 計算機應(yīng)用研究，2012，29(4):1489-1492.
[7] ZHAO Jing, Cao Guohong.VADD:vehicle_assisted data delivery in vehicular Ad Hoc networks[J]. IEEE Transactions  on Vehicular Technology, 2008,57(3):1910-1922.
[8] 劉婧,王新華,王朕,等. VANET環(huán)境下基于歷史行為的消息路由方案[J].計算機應(yīng)用,2012,2(32):359-362,366.
[9] Wang Guizhu, Wang Bingting, Gao Yongzhi. Dynamic spray and wait routing algorithm with auality of node in delay tolerant network[C].2010 International Conference on Communications and Mobile Computing(CMC),2010.4:452-456.
[10] TheNetworkSimulator-ns2.http://www.isi.edu/nsnam/ns/.
[11] Härri J, Fiore M, Fethi F, et al. VanetMobiSim: generating realistic mobility patterns for VANETs.[2006-09-26].http://vanet.eurecom.fr/.
[12] HEARRI J, FILALI F， BONEET C, et.al. Vanet Mobi  Sim:generating realistic mobility patternsfor vanets[C].Proceedings of the 3rdinternational workshop on Vehicular Ad  Hoc networks. ACM Press, 2006:96-97.