基于移動云服務的車聯網數據上傳策略

劉冰藝　吳黎兵　賈東耀　聶　雷　葉璐瑤　汪建平

1(軟件工程國家重點實驗室(武漢大學)　武漢　430072)2(武漢大學計算機學院　武漢　430072)3(香港城市大學計算機科學系　香港　九龍　999077)4(英國利茲大學交通研究學院　英國　利茲　999020)(byliu@whu.edu.cn)

基于移動云服務的車聯網數據上傳策略

劉冰藝1,2,3吳黎兵1,2賈東耀4聶雷1,2葉璐瑤2汪建平3

1(軟件工程國家重點實驗室(武漢大學)武漢430072)2(武漢大學計算機學院武漢430072)3(香港城市大學計算機科學系香港九龍999077)4(英國利茲大學交通研究學院英國利茲999020)(byliu@whu.edu.cn)

摘要傳統的基于專用短程通信(dedicated short range communication, DSRC)的車載網絡(vehicular ad hoc network, VANET)通信架構難以滿足車聯網數據傳輸的服務質量(quality of service, QoS)需求，通過移動網關將數據上傳至服務器，由服務器決策傳輸給目標車輛，可以擴大數據廣播域，極大減少數據遠程傳輸時延.結合移動云服務的思想，提出了一種新的車聯網架構和數據傳輸方法.首先給出了網關服務者(gateway server, GWS)向云端注冊服務信息的具體流程；其次提出了一種云端服務網關選取方法，該方法結合云端的歷史數據和實時數據，動態(tài)決定參與服務的網關服務者及其服務范圍，網關消費者(gateway consumer, GWC)在獲取服務廣播消息后，綜合考慮通信負載、鏈路穩(wěn)定度、信道質量等性能參數來選出最優(yōu)的網關服務者，并將數據傳輸給網關服務者，再由其上傳到云端；最后在OMNeT++實驗環(huán)境下，針對不同的交通場景，對該方法傳輸性能進行了評估.結果表明該方法獲得較低傳輸延遲的同時，能夠保證較高的傳輸成功率，理論分析也證明了該方法的有效性.

關鍵詞車載網絡；數據傳輸；網關選擇；移動云計算；網關服務者；網關消費者

隨著車載網絡(vehicular ad hoc network, VANET)、移動蜂窩網絡和云計算的快速發(fā)展，基于云計算的車聯網架構，也稱為車載云網絡(vehicular cloud computing, VCC)，得到了學術界和工業(yè)界的廣泛關注[1].通過車輛間協同控制技術和實時交通信息分析和服務，與移動云計算相結合的車聯網應用可以有效減少交通事故和能源消耗，提高交通安全和車輛通行效率.國際電聯組織的車聯網論壇指出，未來車聯網的部署應用可以降低30%～70%由交通事故造成的生命財產損失.美國交通運輸部估計，基于專用短程通信(dedicated short range comm-unication, DSRC)的車輛之間(vehicle-to-vehicle, V2V)和車輛與基礎設施之間(vehicle-to-infrastruc-ture, V2I)通信可以有效避免82%的事故，挽救成千上萬的生命和減少數十億美元經濟損失[2].

車聯網中各類應用都極大依賴于車輛間數據傳輸和交互，然而車聯網中數據傳輸要面對各種復雜的交通環(huán)境，由于車輛高移動性和快速的拓撲變化，導致節(jié)點間鏈路維持時間短，降低了車輛網絡的連通性[2]，基于機會網絡的V2V或者V2I通信只有節(jié)點進入各自傳輸范圍時通信機會才會出現，數據傳輸的服務質量(quality of service, QoS)需求難以得到保證，如何實現數據的快速和高效傳輸是車聯網中最具挑戰(zhàn)性的一類應用.

云計算的發(fā)展為解決VANET-cellular車聯網架構中網關選擇和數據傳輸問題提供了新思路[4-5].云計算的主要思想在于：將某些復雜和本地難以處理的工作委托給云端，由云端處理完將結果傳回給本地.在傳統云計算的基礎上，移動云計算作為一個新的研究領域，主要集中于研究移動代理如何與當前環(huán)境進行信息交互，結合本地數據和云端獲取的全局數據，對這些數據進行處理得到一個最優(yōu)解決方案，并與周邊網絡節(jié)點共享該方案，而不需要將所有的任務交給云端處理.相對于傳統的云計算，移動云計算可以節(jié)省大量通信和信道資源，更合理地利用計算和存儲資源，提高工作效率.

以車輛行駛最優(yōu)路徑為例，傳統意義上車輛行駛最優(yōu)路徑主要是指車輛到達目的地的最短路徑，這樣可能使所有車輛都得到一個同樣的局部最優(yōu)路徑，導致某一路段發(fā)生交通擁塞而其他路段車輛稀疏.然而在移動云計算環(huán)境下，移動云代理可以結合云端的交通全局信息，以及自身通過傳感器或者與周邊車輛信息交互得到的本地消息，為車輛提供不同的路徑參考，從而均衡各個道路車流量負載，達到全局最優(yōu).基于移動云計算的車聯網應用很大程度依賴于網絡節(jié)點數據傳輸和信息交互，各個網絡節(jié)點如何將數據快速、高效地傳輸給移動云代理，并通過移動云代理上傳到云端是本文的研究重點.

在當前交通環(huán)境下，存在大量的可以連入Internet并提供Internet接入服務的網絡節(jié)點，這些網絡節(jié)點還可能具備一定的計算和存儲能力，由這些網絡節(jié)點組成的移動云代理稱之為網關服務者(gateway server, GWS)，云端需要對這些GWS的服務時間和服務范圍進行管理.GWS周期性地向周圍車輛廣播服務信息，其他需要請求網關服務的車輛稱為網關消費者(gateway consumer, GWC)，GWC根據收到的服務信息來選取最優(yōu)的GWS來接入Internet，并通過該GWS將數據上傳到云端，云端收到數據后進行相應處理和分析后分發(fā)給目標區(qū)域，相應的分發(fā)方法我們在文獻[6]做過相關研究.結合數據上傳方法和分發(fā)方法，可以極大減少數據遠程傳輸的時延，同時擴大廣播域.正是由于當前交通環(huán)境中存在大量潛在的GWS，本文結合移動云計算思想，提出了一種新的基于移動云服務的車聯網架構及數據上傳策略CDUL(cloud-based data uplink strategy)，云端結合歷史數據和實時交通數據決策參與服務的GWS，而GWC結合本地數據傳輸需求和GWS性能參數選擇最優(yōu)GWS將數據快速上傳到云端.

1車聯網通信架構及數據傳輸方法

當前關于車聯網中數據傳輸方法主要基于2類通信架構[7]:1)基于DSRC的V2V或者V2I通信架構，通過攜帶-轉發(fā)的方式將廣播數據傳遞給其他車輛;2)基于移動網關的車聯網通信架構，通過移動網關將數據上傳到服務器，再由服務器傳遞給目標車輛.

1.1基于DSRC的通信架構及數據傳輸方法

現在的車聯網數據傳輸方法研究大多都基于DSRC的車聯網架構.文獻[8]提出了基于地理位置信息的多跳廣播協議(position based multi-hop broadcast protocol, PMBP)，該協議每次選擇源車輛節(jié)點通信范圍內距離最遠的車輛作為廣播中繼節(jié)點，這樣安全消息能夠快速廣播給遠方車輛.但是當車輛密度增加時，消息傳輸極易受噪聲及路徑衰落等因素的影響，造成數據包多次重傳，這嚴重影響了PMBP的性能，難以滿足安全消息廣播性能需求.文獻[9]在PMBP的基礎上提出了跨層廣播協議(cross-layer broadcast protocol, CLBP)，把相對距離、信道的丟包率和相對速度作為選擇中繼節(jié)點的因素，但是在城市道路多交叉路口的環(huán)境下，該方案因難以覆蓋更多的區(qū)域而無法適用.文獻[10]提出了基于交叉口交通相位信息的多跳廣播通信協議(intersection broadcast scheme based on traffic phase, IBSTP)，其引入象限思想，結合交通相位信息對交叉路口進行區(qū)域劃分，在3個路段的有效區(qū)域內依次選取中繼節(jié)點，保證每個路段都能收到安全消息.文獻[11-13]利用部分路側單元(road side unit, RSU)作為中繼節(jié)點將數據轉交給目標區(qū)域的車輛，RSU與經過其通信范圍內的車輛進行通信將數據轉交，提高了網絡連通性，但是還不足以保證所有數據的傳遞率.

Fig. 1　Example of data transmission in VANET.圖1　車聯網通信方式示意圖

基于DSRC的數據傳輸方法只有節(jié)點進入各自傳輸范圍時才能把數據轉發(fā)給該車輛節(jié)點，數據傳輸QoS需求難以得到保證.如圖1(a)所示的基于DSRC車聯網通信場景中，路段Ⅱ上車輛A發(fā)生交通事故，需要盡快將該安全消息傳遞給路段Ⅰ和路段Ⅲ上的車輛.由于紅綠燈的存在，兩波車之間最短距離超過DSRC的最大通信距離，無法通過攜帶-轉發(fā)的方式將安全消息及時傳遞給路段Ⅰ的車輛.另外由于十字路口建筑物對信號的干擾，使得安全消息無法及時傳遞給路段Ⅲ的車輛.路段Ⅰ和路段Ⅲ的車輛因無法及時得到安全消息從而大量擁入路段Ⅱ，可能造成嚴重的交通擁堵，遠端的車輛更是無法及時得到安全消息，導致不能提前規(guī)劃最優(yōu)路徑，同時不利于警車和救護車等特殊車輛快速到達現場處理交通事故.

1.2基于移動網關的通信架構及數據傳輸方法

通過移動網關快速將數據發(fā)送給DSCR通信不能連通的區(qū)域，能夠很好地解決基于DSRC通信方式帶來的高時延問題.在圖1(b)場景中，車輛B和車輛C均可以通過蜂窩移動網絡連接至Internet，車輛A在發(fā)生安全事故后，將安全消息以V2V方式傳遞給車輛C，然后車輛C上傳至服務器，由服務器決策傳輸給車輛B，進而傳輸給路段Ⅰ上的車輛.通過車輛B和車輛C充當安全消息中繼，相對于傳統的V2V傳輸方式，這種結合V2V和V2I的傳輸方式無疑提高了全路段車輛連通率，且傳輸時延不易受到車輛地理位置的影響.

蜂窩移動網絡在交通環(huán)境中普遍存在，特別是在城市交通環(huán)境下，蜂窩移動網絡可以顯著提高數據的傳遞率以及廣播覆蓋率.當前主要集中在VANET-cellular網絡融合架構的研究，而結合蜂窩網絡的車聯網廣播研究相對較少.文獻[3]提出了融合VANET與3G網絡的自適應網關管理方法CMGM(clustering-based multi-metric adaptive mobile gateway management mechanism)，從裝備有3G網卡的車輛中選出網關，該方法在選擇網關時考慮該網關的鏈路穩(wěn)定度和3G網絡信號強度，其他普通車輛可以通過該網關與其他遠程車輛或者服務器通信.但是該方法涉及車輛簇的管理，車輛節(jié)點的高速移動及復雜的拓撲變化使得VANET需要消耗大量的網絡資源來管理簇，影響了網絡性能.文獻[14]提出了一種數據包傳輸路徑決策方案，在3G數據量一定的情況下，提高數據的傳遞率并降低數據傳輸時延，該方案的假設前提是車輛均裝備有3G網絡接口，這在當前交通環(huán)境下并不現實.在文獻[15]中，作者基于VANET-LTE混合架構網絡，提出了一種QoS平衡網關選擇方法，該方法考慮不同數據流的時延需求以及當前網關車輛的負載來動態(tài)選擇網關傳遞數據，實驗證明了該方法在不同的車流密度下有較穩(wěn)定的傳輸性能.文獻[16]提出了一種隊列車輛協作數據上傳方法，該方法能夠有效減少數據重傳時間，提高傳輸帶寬利用效率.

本文提出一種基于移動云服務的車聯網架構，并研究在該架構中車輛如何上傳數據到云端的數據上傳策略.相對于已有的方法，云端可以根據歷史數據和實時數據來決定參與服務的GWS及其服務范圍，從而提高了網關服務者的服務覆蓋率，節(jié)省信道資源.收到服務信息后， GWC綜合考慮數據傳輸需求和GWS相關性能來選擇最優(yōu)GWS進行數據上傳.這樣結合了云端的全局信息和GWS本地信息來選擇最優(yōu)傳輸路徑，減少數據傳輸時延并提高傳輸成功率.

2基于移動云服務的數據上傳方法

在基于移動云服務的車聯網中，一些擁有額外計算、存儲、通信能力的網絡節(jié)點愿意為其他節(jié)點提供服務，將自身擁有的資源分享或者租借給其他節(jié)點[5].以通信資源為例，在當前城市環(huán)境下這種能夠提供網關服務的節(jié)點大量分布，例如裝備有4G網絡接口的公交車或出租車，或者通過光纜連入Internet的RSU等.通過這些節(jié)點，車輛能夠將數據傳遞到云端，同時也可以從云端接收數據.某些節(jié)點除了提供網關服務以外，自身還擁有一定的數據分析和處理能力，可以對接收到的數據進行處理，從而避免將重復的信息發(fā)送給云端，同時根據需要給周邊車輛分發(fā)數據.

2.1基于移動云服務的車聯網通信架構

如圖2所示，基于移動云服務的車聯網架構由3層網絡節(jié)點組成.高層節(jié)點指云端，負責處理計算量大或者存儲量大的工作；中層節(jié)點指同時裝備有Internet網絡接口(4G5G，Wi-Fi，WiMAX，Fiber等)和DSRC接口的網絡節(jié)點，既可以通過Internet網絡接口與云端進行通信，同時可以通過DSRC接口與下層車輛進行通信，這種節(jié)點也稱之為網關服務者(GWS)；底層車輛是指只裝備有DSRC接口的普通車輛，也稱之為消費者車輛(GWC).GWC在傳輸數據時，除了通過基于DSRC鏈路進行V2V傳輸以外，還可以選擇合適的GWS將數據傳輸給云端，由云端發(fā)送給目標區(qū)域.

為了更合理地利用這些網關服務，GWS首先向云端注冊其服務信息和狀態(tài)信息，例如地理位置(geographical position)、通信負載(communication load)、運動狀態(tài)(moving statement)、服務時間(service time)、接入時延(access delay)、網絡類型(network type)等.表1描述了網關服務者需要提供的相關參數.

Fig. 2　Architecture of Mobile Cloud Service based VANET.圖2　基于移動云服務的車聯網架構

ParameterDefinitionDataTypeGPGeographicalPositiondouble∕coordinate(x,y)MS∕(m·s-1)MovingStatementdoubleAD∕sAccessDelaydoubleBW∕(kb·s-1)BandwidthdoubleNTNetworkTypestrings(4G∕5G,WiMAX,Fiber)CLCommunicationLoaddoubleCC∕($∕kb)CommunicationCostdoubleST∕sServiceTimedouble

GWS定義其服務信息和相關參數后，生成一個注冊數據包發(fā)送給云端，云端記錄其狀態(tài)信息和服務信息后返回一個ID給GWS，代表GWS成功向網關注冊， 成功注冊的GWS周期性地向云端更新其服務信息和狀態(tài)信息.需要注意的是成功注冊并不代表網關服務者可以開始向周邊網絡節(jié)點提供服務，是否提供網關服務需要云端來決策，決策方法將在2.2節(jié)介紹.GWS向云端注冊的目的在于：首先，云端可以更合理地管理網關，通過網關的分布狀態(tài)安排各個網關是否用于網關服務以及網關服務時間和服務范圍;其次，云端可以實時獲取GWS的狀態(tài)消息，便于更高效地將數據通過GWS傳輸給目標區(qū)域和目標車輛.此外，通過網關相關信息可以獲取當前路段交通信息，例如預測GWS所在路段車流密度等.

2.2參與服務的GWS決策方法

GWS向云端注冊完后，被云端選取參與服務的GWS需要周期性向周邊車輛廣播服務信息和狀態(tài)信息.然而某些路段可能存在數量過于密集或者過于稀疏的GWS，當GWS數量過于密集時，若所有GWS均參與網關服務會嚴重影響通信質量.首先，這些GWS會周期性廣播服務信息而占用過多信道資源;其次，若所有這些GWS都參與網關服務，會產生過多冗余信息傳遞到云端，浪費通信資源.此外，當2個GWS過于接近時，其服務范圍重疊區(qū)域面積過大，而這些重疊區(qū)域的車輛發(fā)送數據時容易產生信號碰撞，降低數據發(fā)送成功率.云端如何選取參與服務的GWS，使得服務信息能覆蓋路段的所有車輛，同時避免參與服務的GWS過于接近是本節(jié)要解決的問題.

假設路段長度為l，基于DSRC的V2V通信距離為R，云端可以實時獲取GWS的地理位置.云端需要從已注冊的GWS中確定提供網關服務的GWS.由于存在某些專門用來提供網關服務的靜態(tài)GWS或者固定線路動態(tài)GWS，這些節(jié)點能提供更穩(wěn)定的網關服務和更高的傳輸速率，云端在選取參與服務的GWS時，優(yōu)先考慮這類網絡節(jié)點.除了這類節(jié)點以外，在選取其他參與服務的GWS時，要使得所選取的GWS廣播的服務信息盡可能通過單跳傳輸覆蓋整個路段，并且任意2個GWS的距離大于αR，其中α取值由云端歷史數據(例如網關服務需求量)和實時數據(例如當前路段車流密度)來設定.若當前路段需要網關服務的車輛較多或者車流密度較為稀疏，可以取值0<α≤1,使得參與服務GWS盡可能密集分布在該路段；否則取值α>1，使得參與服務GWS分布稀疏，從而減少信道占用率.具體見算法1：

算法1. 參與服務的GWS決策算法.

輸入：路段長度l、通信半徑R、GWS實時地理位置GP;

輸出：參與網關服務的GWS.

① 優(yōu)先選擇某些特定靜止或者運行線路固定的GWS參與網關服務；

假設這些參與服務的GWS將路段長度分成l1,l2,…,ln；

分別令l=l1,l2,…,ln，執(zhí)行步驟②；

② whilel>αR

將路段分成兩等分，選取距離中點最近的GWS為參與服務的GWS;

以該GWS為基準點將路段分成2部分，長度分別為la和lb；

end while

③ 取l=la,執(zhí)行步驟②;

④ 取l=lb,執(zhí)行步驟②.

在選取完服務網關后，云端根據當前路段交通狀況和GWS運動狀態(tài)等因素，動態(tài)更新并重新選取參與服務的網關服務節(jié)點.

2.3GWS服務信息廣播

VANET中專門劃分了一條10 MHz的控制信道來進行消息傳輸，這其中包含2類安全消息:一類是基于事件的安全消息，這類消息一般由于某些交通事故或者緊急事件所觸發(fā)而產生，具有不確定性和突發(fā)性，由于這類安全消息往往直接關系著生命安全，對傳輸時延和成功率有著非常高的需求;另一類是周期性的消息，這類消息也稱為beacon，車輛通過beacon周期性地將自身的信息狀態(tài)，包括地理位置、運動方向、速度和加速度等廣播給周圍車輛，同時也不斷地對接收到的其他車輛發(fā)送的beacon進行分析，從而感知周圍車輛的運行狀態(tài)，對道路上潛在的危險情況做出判斷[17].GWS通過beacon將服務信息廣播給周邊車輛，不同于傳統的beacon單跳傳輸，本文根據需求動態(tài)調整GWS的beacon廣播跳數，從而調整其服務范圍.

GWS除了向云端注冊其相關信息以外，還需要通過beacon向周邊車輛周期性廣播狀態(tài)和服務信息，例如通信負載、網絡類型等，使得周圍車輛節(jié)點能夠感知該GWS的存在并獲取相關信息.由于可能存在GWS數量過少的路段，當這些GWS只廣播一跳服務信息時，很可能導致大量車輛無法獲取服務信息，因此云端需要基于GWS分布狀態(tài)和密度確定beacon的廣播跳數，從而使更多車輛獲取GWS的服務信息.

云端選取出參與服務的GWS后，若各個GWS之間的距離均小于2R， 理論上GWS只需要廣播一跳beacon就可以保證beacon消息覆蓋整個路段；若存在2個GWS之間的距離大于2R，可能存在某些中間車輛無法獲取GWS服務信息，此時需要云端動態(tài)調整這2個GWS的beacon廣播跳數，具體方法見算法2：

算法2. GWS服務信息廣播算法.

通過算法1選取出n個參與服務的GWS,且初始化廣播跳數為1，假設這n個GWS分別為x1，x2，…，xn.

輸入：x1，x2，…，xn;

輸出：跳數hop，轉發(fā)還是丟棄beacon.

服務消息廣播跳數：

① fori=1，2，…，n-1

if(distance(xi,xi+1)>2R)

if (xi.hop≤distance(xi,xi+1)R)

xi.hop=distance(xi,xi+1)R;

end if

if (xi+1.hop≤distance(xi,xi+1)R)

xi+1.hop=distance(xi,xi+1)R;

end if

end if

end for

服務消息廣播方法：

② ifmyRole==GWS then

初始化beacon的ID:bid;

初始化beacon的發(fā)送跳數:hop;

廣播beacon;

beacon.hop--;

end if

接收beacon;

③ ifbeacon.hop==0 then

丟棄beacon;

else

iftb id==beacon.bid then

停止計時器，并丟棄beacon;

else

tb id=beacon.bid；

設置計時器，當計時器為0時，廣播

beacon;

beacon.hop--;

end if

end if

獲得beacon廣播跳數后，GWS開始向周圍車輛廣播包含狀態(tài)和服務消息的beacon.相對于VANET中傳統意義上的beacon，這里的beacon可能需要多跳傳播.若周邊車輛收到該beacon后都進行轉發(fā)消息會造成大量的數據冗余，beacon廣播算法要解決如何實現beacon的快速廣播，同時減少數據冗余.GWS廣播beacon后，周邊車輛收到beacon并設置計時器，計時器長短的設置與接收車輛到源節(jié)點的距離有關，具體方法如下：

將傳輸距離R分成Wn個區(qū)間，區(qū)間大小為

Wn=Tdifs

(1)

(2)

其中,Tdifs為分布式幀間間隔時間，φ為信號在傳輸范圍內信道上的延遲;tswitch表示收發(fā)裝置從接收方式切換到發(fā)送方式的時間;令ε0=RWn，若接收車輛距離d=i×ε0，則定時器設置為i個mini-slot[18]時隙的長度，一個mini-slot的時間長度為τ.可能存在位于同一個時隙的車輛同時轉發(fā)beacon造成信號碰撞，即使發(fā)生這種概率較小的事件，次遠的車輛會再次轉發(fā)beacon.通過該計時器的設置方法，距離越遠的車輛設置的計時器時間越短，計時器為0時轉發(fā)該beacon，周邊車輛若接收到相同的beacon則直接丟棄并停止計時器.重復此過程，直到beacon跳數為0，具體見算法2中服務信息廣播方法.

2.4GWC網關選擇方法

基于移動云服務的車聯網架構中，車輛在請求網關服務前已經獲取了周邊GWS的相關信息并存入了GWS列表，如何根據數據類型和網關服務者的相關參數從列表中選擇一個合適的網關服務者，將數據快速上傳到云端是本節(jié)的研究重點.

本節(jié)提出一種復合網關選擇向量，綜合考慮網絡節(jié)點間鏈路穩(wěn)定度(link expiration time,LET)[3]、網絡信號強度(receive signal strength,RSS)、傳輸帶寬BW、服務費用CC、誤包率ep、傳輸負載CL來計算向量值，向量值小的被選作服務GWS.網關選擇向量的計算方法如下：

(3)

其中,RSS為蜂窩網絡信號接收強度，可以直接從物理層讀取;通信負載CL表示服務網關當前數據傳輸隊列中數據包數量;服務費用CC由GWS根據通信類型來制定;傳輸帶寬BW與網絡類型直接相關，代表了GWS與云端的通信速率;CL,CC,BW都可以直接獲得.下面將分別介紹鏈路穩(wěn)定度LET和誤包率ep的計算方法：

1) 鏈路穩(wěn)定度LET[3].LET是當前車輛與GWS之間鏈路穩(wěn)定性的衡量指標，車輛間地理位置、行駛方向、速度大小越接近，說明在未來一段時間車輛間能更大概率保證在相互的通信范圍內.假設2輛車i和j的坐標分別為(xi,yi)和(xj,yj),vi和vj分別表示車輛的速度，θi和θj分別為車輛節(jié)點所在道路相對于X軸的斜率，R為傳輸半徑，LET的計算公式如下：

(4)

其中：

a=vicosθi-vjcosθj，

b=xi-xj，

c=visinθi-vjsinθj，

d=yi-yj.

2) 誤包率ep.ep反映了基于DSRC的V2V通信質量，可以通過物理層測得的信噪比SNR來獲得.通過BPSK調制方式，采用疊加高斯白噪聲(AWGN)[19]信道的數據傳輸誤包率為[20]

(5)

其中,Q(x)=(1e-t22dt，N0為噪聲的能量譜密度，Pr為接收信號的功率，Rb為數據傳輸的基速率.

2.5GWC數據傳輸

Fig. 3　Data transmission flow chart of GWC.圖3　GWC數據傳輸方法流程圖

在選定GWS以后，若其在GWC傳輸范圍內，則可以直接將數據包發(fā)送給該GWS，否則要通過多跳轉發(fā)的方式傳輸數據.周圍車輛在收到GWC發(fā)送的數據包時，根據數據包中攜帶目標GWS的地理位置設置一個計時器，計時器設置方法與2.3節(jié)中GWS廣播服務信息計時器設置方法相同，這里將與目標GWS的距離作為時隙判斷標準，距離目標車輛越近的車輛計時器值越小，計時器為0時轉發(fā)數據包.其他車輛在收到相同的數據包后，停止計時器并丟棄該數據包，若發(fā)送節(jié)點在給定的時間內未收到轉發(fā)的消息則重新發(fā)送該消息.這個過程不斷重復，直到目標GWS收到該數據.由于可能存在少量車輛過多轉發(fā)該消息導致數據冗余，設定轉發(fā)跳數大于2h時停止轉發(fā)，h為GWS設置的服務信息廣播跳數.消息分發(fā)流程圖如圖3所示.

3數學分析

本節(jié)主要從理論上分析GWS接入時延和GWC數據傳輸時延，為了分析該方法的性能，本節(jié)數學模型基于以下3點假設：

1) 車輛從路段一端進入，并且以速度v行駛.進入路段的車輛數目服從參數為λ的Poisson分布.

2) 車輛均裝備有全球定位系統(global position system, GPS)和基于IEEE 802.11p的數據收發(fā)設備，通信距離為R.

3) 物理信道可靠且不產生錯誤.

3.1傳輸延遲模型

GWS接入時延Tac定義為當前路段所有的GWC車輛至少接收到一條GWS所發(fā)送的服務信息的平均時延.假設路段長度為l，Gi(i=0,1,…,n)為云端決策參與服務的GWS，那么該路段被這些GWS分成n+1個分路段分別表示為RS(Gi,Gi+1) (i=0,1,…,n).RS(G0,G1)和RS(Gn,Gn+1)分別代表第一個和最后一個分路段;L(Gi,Gi+1) (i=0,1,…,n)分別代表它們的長度;D(Gi,Gi+1) (i=0,1,…,n)代表各個分路段的車輛密度;W(Gi,Gi+1) (i=0,1,…,n)分別代表工作負載，也就是可能會請求網關服務的GWC數量.

圖4給出了該路段接入時延分析圖，其中TC(Gi,Gi+1)(i=0,1,…,n)代表了云端發(fā)送消息到GWS的傳輸時延，TD(Gi,Gi+1) (i=0,1,…,n)代表從GWS發(fā)送beacon開始到所有目標區(qū)域車輛接收的廣播時延.令T(Gi，Gi+1)(i=0,1,…,n)表示該分路段所有目標車輛接收到服務信息的時延，則有：

(6)

Tac=max{T(G0,G1),T(G1,G2),…,

(7)其中，TC(Gi,Gi+1)的大小跟當前GWS連入Internet的網絡類型、傳輸速率和信道強度等因素有關，理論計算較為復雜.本文基于真實的4G網絡通信時延，取多次時延平均值來獲得TC(Gi,Gi+1)取值.TD(Gi,Gi+1)的大小跟服務信息的傳輸跳數和單跳傳輸時延相關，下面將分別對其進行分析和計算.

Fig. 4　Analysis chart of GWS access delay.圖4　GWS接入時延分析圖

3.2車輛之間的傳輸平均跳數

假設隨機變量x表示時間間隔(0,t]內進入道路的車輛數量，則x的密度函數及數學期望可分別表示為

(8)

(9)

若d代表相鄰2車輛的間距，則d=vt，若2輛車可相互通信，即d≤R，那么由式(8)(9)可得d的條件概率密度函數和數學期望:

(10)

(11)

則車輛傳輸距離內的車輛數量s的期望可表示為

(12)

長度為l的路段范圍內數據傳輸平均跳數為

(13)

3.3接入時延和數據傳輸時延

定義beacon單跳傳輸時延Tb為beacon從發(fā)送到接收節(jié)點成功接收并轉發(fā)beacon的時間間隔.由于beacon的發(fā)送沒有退避過程和消息確認,Tb可以表示為

Tb=Taifs+δ+Lb

(14)

其中,Taifs為任意幀間隔(arbitrary inter-frame space, AIFS)時間長短;δ為計時器變?yōu)?的平均時間，δ的計算方法可以參考文獻[9]中附錄B2;Lb為beacon的數據大小;rb為傳輸速率，則有：

(15)

其中，lrs為路段的長度.

將式(6)，(14)，(15)代入式(7)，可得接入時延Tac.

GWC選定服務網關以后，進行數據傳輸的單跳傳輸時間Td可表示為

m×(Tsifs+ω+δ+Ld

(16)

其中,Tsifs代表短幀間隔(short inter-frame space, SIFS)時間長短；Ld為傳輸數據大小；ω為退避過程需要花費的時間，ω可計算為

(17)

(18)

GWC數據傳輸時延Ttr定義為GWC選定GWS以后車輛將數據傳送到GWS的平均時延，假設車輛到服務網關的距離為lc，結合式(13)，(16)，(17)可得:

m×(Tsifs+ω+Ld.

(19)

4實驗結果與分析

在OMNeT++和SUMO平臺上編寫了仿真程序，其中OMNeT++主要仿真車輛節(jié)點各通信協議，SUMO用來仿真交通場景.

通過實驗仿真，對本文提出的基于移動云服務的數據上傳策略(CDUL)相關性能，包括GWS服務信息覆蓋率、信道占用率、接入時延、GWC數據傳輸時延和傳輸率進行驗證，并與理論分析和其他相關協議進行對比，仿真參數如表2所示：

Table 2　Parameter Setting of Simulation

4.1服務信息覆蓋率和信道占用率

Fig. 5　Coverage ratio of service information from GWS.圖5　GWS服務信息覆蓋率

圖5給出了GWS服務信息覆蓋率和車流密度的關系圖，其中PGWS代表GWS占車輛總數的比例.由于接收服務信息時延過長，會導致服務信息過時而失效，實驗中規(guī)定若車輛只接收到傳輸時延大于5 s的服務信息，那么該車輛不計作服務范圍內的車輛.由圖5可以看出,CDUL在不同的GWS比例和車流密度情況下能保證較高的服務信息覆蓋率，當車輛密度過低時車輛連通度較低，部分車輛收到服務信息延遲過高而失效，此時服務消息覆蓋率相對較低，但是云端可以動態(tài)調整服務信息廣播跳數，即使是GWS比例較低的情況下，也可以保證服務信息覆蓋率大于95%.圖5還顯示了使用傳統beacon廣播方法的服務信息覆蓋率，此時因為所有GWS只廣播一跳服務信息，當GWS數量過少時難以保證服務覆蓋率.

圖6給出了信道占用率與車輛密度的關系圖，顯示了在不同的GWS比例情況下GWS服務信息不會占用過多的信道資源，這是因為云端在選擇服務網關時能有效避免GWS過于接近;與不使用CDUL時的信道占用率進行對比，顯然當所有GWS都參與服務時，大量的服務信息廣播導致過多信道資源占用，特別是當網關請求服務較少時信道資源浪費嚴重，也不利于其他緊急消息的快速廣播.

Fig. 6　Channel occupation ratio of service information from GWS.圖6　GWS服務信息信道占用率

4.2接入時延

GWS的接入時延由云端傳輸時延TC和服務信息廣播時延TG兩部分組成，云端傳輸時延TC與網絡類型和傳輸帶寬因素相關，實驗中選取當前城市交通環(huán)境下覆蓋范圍較廣的4G網絡環(huán)境下來測試云端傳輸時延TC.測試時選擇不同的地點進行100組測試，測得的結果如圖7所示，從圖7可以看出時延TC集中在7～15 ms之間.

Fig. 7　Transmission delay in 4G network.圖7　4G網絡數據包傳輸時延

圖8顯示了GWS服務信息廣播時延TG與車流密度關系圖，當車流密度較低時，此時路段網關數量過少，服務信息可能需要通過多跳的方式來傳遞給該路段車輛，由于車輛間較低的連通率，車輛可能無法直接將服務信息傳遞給周邊車輛，而需要通過攜帶轉發(fā)的方式，導致了車流密度為0.02時接入時延相對過高的問題，若此時GWS比例PGWS=5%，整個路段只有2個GWS，接入時延大于1 s，難以保證車輛快速接收到服務信息.另外從實驗中看出，由云端傳遞信息到GWS的時延，相對于GWS將服務信息廣播給周圍車輛的時延要長得多，所以盡可能地選擇某些靜態(tài)服務網關可以有效減少接入時延.同時還將實驗結果與第3節(jié)中的理論分析結果進行了對比，圖8中Sim和Ana分別代表實驗曲線和理論曲線.從圖8可以看出,在車流密度為0.02輛米時，車輛可能通過攜帶轉發(fā)的方式廣播服務信息，導致與理論曲線相差較大，總體上實驗所得時延曲線與理論曲線具有較高的一致性.

Fig. 8　GWS service information broadcast delay.圖8　GWS服務信息廣播時延

Fig. 9　GWC data transmission delay.圖9　GWC數據傳輸時延

4.3數據傳輸時延

圖9給出了不同車流密度下GWC數據傳輸時延.可以看出，當GWS節(jié)點達到一定數量后，數據傳輸時延很低，并且在不同的車流密度環(huán)境下傳輸時延十分穩(wěn)定，實驗曲線與理論曲線也具有較高的一致性.

圖10將CDUL與文獻[3]中網關選擇方法CMGM進行對比.1)針對數據較小、對時延要求較高的緊急消息傳輸時延進行實驗和對比，可以看出CMGM的時延高于本文所提出的方法.這是因為在CMGM協議中，一定范圍內的車輛均通過某一網關上傳數據，導致網關通信負載過高；而CDUL中服務網關的選擇較為分散，各個GWS的通信負載較為均衡，同時在傳遞緊急消息時充分考慮了該GWS的通信質量等因素，減少數據傳輸的時延.2)針對數據相對較大、對鏈路穩(wěn)定度要求較高的交通信息傳輸時延進行了對比，可以看出當車流密度較高時CMGM會導致數據傳輸時延過高；而CDUL在選擇GWS考慮了鏈路穩(wěn)定性和通信負載等因素，使得在傳輸交通信息這樣一類較大數據時能夠保證較低的傳輸時延.

Fig. 10　Comparison diagram of GWC data transmission delay.圖10　GWC數據傳輸時延對比圖

4.4數據傳輸率

圖11比較了不同密度下CDUL和CMGM的傳輸丟包率.由于CMGM會導致同一范圍內大量車輛選擇同一網關，使得該網關發(fā)送緩沖隊列中數據包溢出，另外移動網關過于集中也會導致大量數據發(fā)送碰撞；而CDUL在進行網關選擇時避免了GWS過于集中，同時考慮各個GWS的通信負載，從而避免了大量車輛選擇同一網關.從圖11可以看出，CDUL中數據傳輸丟包率低，并且隨著車流密度的增加丟包率增加平緩.

Fig. 11　GWS packet loss rtae.圖11　GWS丟包率

從實驗可以看出,當GWS密度達到一定數量時，本文所提出的服務信息廣播方法有著較高的覆蓋率和較低的信道占用率，同時相對于已有的方法，數據上傳的傳輸時延和丟包率也更低，并且這些性能曲線十分穩(wěn)定.GWS密度過低時，對這5個性能參數有一定影響，但是在當前交通環(huán)境下很容易滿足GWS密度需求，特別是在很多城市中公交車和出租車上開始大量部署4G網絡接口，而一些私家車也開始具備這樣一些網絡接口.可以預見,隨著車聯網和移動云服務的發(fā)展，一些靜態(tài)GWS也會開始大量部署，通過本文所提出的基于移動云服務的車聯網架構和數據上傳方法能夠保證數據可靠、快速地上傳到云端，并且不會占用過多的信道和通信資源.

5結束語

在基于云計算的車聯網中，各類安全、交通、娛樂應用大大依賴于車輛間、車輛與云間的數據傳輸和交互.為了將數據快速、可靠地上傳到云端，本文首先提出一種新的基于移動云服務的車聯網架構，該架構將車聯網中網絡節(jié)點分為3層，分別是云端、網關服務者層和網關消費者層.網關服務者向云端注冊服務信息和狀態(tài)信息后，由云端決策選取參與服務的網關服務者，網關消費者在獲得服務信息后，根據自身數據傳輸需求，選擇最優(yōu)網關接入Internet并傳輸數據到云端.

本文首先解決了云端服務網關決策問題，使得網關服務者盡可能通過一跳廣播將服務信息廣播給周邊所有車輛，同時避免服務網關過于接近而造成過多的信號碰撞和信道資源浪費.其次,解決了網關服務者的服務信息廣播覆蓋范圍問題，當服務網關密度較低時，增加服務信息廣播跳數，使得更多的網關消費者能接收到服務信息.最后，解決了網關消費者如何根據數據傳輸類型和網關服務者相關性能參數選擇最優(yōu)網關服務者進行數據上傳.實驗和理論分析可以看出，該方法可以有效管理各個網關服務者，保證其服務覆蓋范圍的同時減少信道和通信資源消耗，并且針對不同的傳輸數據類型能保證較低的傳輸時延和傳輸丟包率.

本文解決的主要是上行鏈路問題，在文獻[6]中我們研究了下行鏈路問題，也就是如何實時、可靠地將數據由云端分發(fā)給目標區(qū)域和目標車輛.未來工作中我們將基于真實的交通場景，結合上行鏈路和下行鏈路數據傳輸方法，對數據的傳輸和分發(fā)展開進一步的研究和驗證.

參考文獻

[1]Olariu S, Eltoweissy M, Younis M. Towards autonomous vehicular clouds[J]. ICST Trans on Mobile Communications and Applications, 2011, 11(7/9): 1-11

[2]Sichitiu M L, Kihl M. Inter-vehicle communication systems: A survey[J]. IEEE Communications Surveys & Tutorials, 2008, 10(2): 88-105

[3]Benslimane A, Taleb T, Sivaraj R. Dynamic clustering-based adaptive mobile gateway management in integrated VANET-3G heterogeneous wireless networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 29(3): 559-570

[4]Hussain R, Son J, Eun H, et al. Rethinking vehicular communications: Merging VANET with cloud computing [C] //Proc of the 4th IEEE Int Conf on Cloud Computing Technology and Science (CloudCom). Piscataway, NJ: IEEE, 2012: 606-609

[5]Mershad K, Artail H. A framework for implementing mobile cloud services in VANETs [C] //Proc of the 6th IEEE Int Conf on Cloud Computing. Piscataway, NJ: IEEE, 2013: 83-90

[6]Liu Bingyi, Jia Dongyao, Wang Jianping, et al. Cloud assisted safety message dissemination in VANET-cellular heterogeneous wireless network[J]. IEEE Systems Journal, 2015, DOI: 10.1109 /JSYST.2015.2451156

[7]Panichpapiboon S, Pattara-Atikom W. A review of information dissemination protocols for vehicular ad hoc networks[J]. IEEE Communications Surveys & Tutorials, 2012, 14(3): 784-798

[8]Bi Yuanguo, Zhao Hai, Shen Xuemin. A directional broadcast protocol for emergency message exchange in inter-vehicle communications [C] //Proc of the IEEE Int Conf on Communication. Piscataway, NJ: IEEE, 2009: 1-5

[9]Bi Yuanguo, Cai Lin X, Shen Xuemin, et al. Efficient and reliable broadcast in intervehicle communication networks: A cross-layer approach[J]. IEEE Trans on Vehicular Technology, 2010, 59(5): 2404-2417

[10]Zhang Wuxiong, Chen Yu, Yang Yang, et al. Multi-hop connectivity probability in infrastructure-based vehicular networks[J]. IEEE Journal on Selected Areas in Communications, 2012, 30(4): 740-747

[11]Yu Zhen, Xu Jindong, Zhang Jianzhong，et al. IEDR: an infrastructure enhanced DTN routing protocol[J]. Journal on Communications, 2013, 34(8): 44-52 (in Chinese)(于振, 徐敬東, 張建忠, 等. 基礎設施增強的DTN路由協議[J]. 通信學報, 2013, 34(8): 44-52)

[12]Wu Yuchen, Zhu Yanming, Li Bo. Trajectory improves data delivery in vehicular networks[C] //Proc of the IEEE INFOCOM 2011. Piscataway, NJ: IEEE, 2011: 2183-2191

[13]Byehkovsky V, Hall B, Miu A. A measurement study of vehicular Internet aceess using in situ Wi-Fi networks[C] //Proc of ACM Int Conf on Mobile Computing and Networking (MobiCom). New York: ACM, 2006: 50-61

[14]Zhao Qingwen, Zhu Yanmin, Chen Chao, et al. When 3G meets VANET: 3G-assisted data delivery in VANETs[J]. IEEE Sensors Journal, 2013, 13(10): 3575-3584

[15]Zhioua G, Tabbane N, Labiod H, et al. A fuzzy multi-metric QoS-balancing gateway selection algorithmin a clustered VANET to LTE advanced hybrid cellular network[J]. IEEE Trans on Vehicular Technology, 2014, 64(2): 804-817

[16]Jia Dongyao, Zhang Rui, Lu Kejie, et al. Improving the uplink performance of drive-thru Internet via platoon-based cooperative retransmission[J]. IEEE Trans on Vehicular Technology, 2014, 63(9): 4536-4545

[17]Jia Dongyao, Lu Kejie, Wang Jianping et al. A survey on platoon based vehicular cyber-physical systems[J]. IEEE Communications Surveys & Tutorials, 2016, 18(1): 263-284

[18]Shan Hangguan, Zhuang Weihua, Wang Zongxin. Distributed cooperative MAC for multihop wireless networks[J]. IEEE Communications Magazine, 2009, 47(2): 126-133

[19]Roberts James A. Packet error rates for DPSK and differentially encoded coherent BPSK[J]. IEEE Trans on Communications, 1994, 42(234): 1441-1444

[20]Gouda M, Schneider M. Maximizable routing metrics[J]. IEEE/ACM Trans on Networking, 2003, 11(4): 663-675

Liu Bingyi, born in 1990. PhD candidate. His main research interests include wireless sensor networks and vehicular cyber physical systems.

Wu Libing, born in 1972. PhD, professor and PhD supervisor. Member of China Computer Federation. His main research interests include wireless sensor networks, network management and distributed computing.

Jia Dongyao, born in 1976. PhD. His main research interests include vehicular cyber physical systems, traffic flow modeling, and Internet of things (tony.jiady@gmail.com).

Nie Lei, born in 1989. PhD candidate. His main research interests include wireless sensor networks and vehicular ad-hoc network (lnie@whu.edu.cn).

Ye Luyao, born in 1995. Undergraduate student in the Computer School of Wuhan University. Her current research interests include intelligent traffic control (Luyaoye@whu.edu.cn).

Wang Jianping, born in 1975. PhD, associate professor and PhD supervisor. Her main research interests include optical networks, cloud computing, service oriented networking, and data center networks (jianwang@cityu.edu.hk).

Data Uplink Strategy in Mobile Cloud Service Based Vehicular Ad Hoc Network

Liu Bingyi1,2,3, Wu Libing1,2, Jia Dongyao4, Nie Lei1,2, Ye Luyao2, and Wang Jianping3

1(StateKeyLaboratoryofSoftwareEngineering(WuhanUniversity),Wuhan430072)2(ComputerSchool,WuhanUniversity,Wuhan430072)3(DepartmentofComputerScience,CityUniversityofHongKong,Kowloon,HongKong999077)4(InstituteforTransportStudies,UniversityofLeeds,Leeds,UK999020)

AbstractThe data delivery in traditional dedicated short range communication (DSRC) based vehicular ad hoc network (VANET) can hardly meet the transmission quality of service (QoS) requirement. Data transmission through mobile gateway can definitely extend the broadcast area and significantly reduce the remote transmission delay. This paper proposes a novel VANET architecture and data delivery method accordingly, which combines the idea of mobile cloud computing. We firstly provide the registration procedure of gateway server (GWS). Then, by jointly considering the historical data and real-time information, a GWS selection method by cloud is proposed to dynamically decide the participating GWSs and their service area. After acquiring the service information from GWS, the gateway consumer (GWC) can choose the optimal GWS from its GWS list by jointly considering communication load, link stability, channel quality, etc, and transmit the data to the selected GWS which will then send the data to cloud. Simulations with different scenarios in OMNeT++ and mathematical analysis demonstrate that the proposed method can achieve lower transmission delay and higher delivery success ratio.

Key wordsvehicular ad hoc network (VANET); data transmission; gateway selection; mobile cloud computing; gateway server (GWS); gateway consumer (GWC)

收稿日期：2015-12-21；修回日期：2016-02-03

基金項目：國家自然科學基金項目(61272112,61472287)；湖北省自然科學基金重點項目(2015CFA068)；中央高校基本科研業(yè)務費專項資金(2014211020202)

通信作者：吳黎兵(wu@whu.edu.cn)

中圖法分類號TP391

This work was supported by the National Natural Science Foundation of China (61272112, 61472287), the Key Program of the Natural Science Foundation of Hubei Province of China (2015CFA068), and the Fundamental Research Funds for the Central Universities (2014211020202).