車聯網數據聚集研究綜述

馮強 馮誠 李治軍 姜守旭

摘 要：當今，車聯網是實現智能交通應用的平臺。車聯網有著特殊的網絡特征，使得其上的數據聚集算法不同現有的無線傳感器網絡數據聚集。數據聚集可以有效地降低傳輸過程中的數據量，但同時亦會引起數據時延的增加和數據精度的降低。因此聚集算法往往考慮聚集數據的時延和精度。本文對現有的車聯網聚集算法進行綜述分析。

關鍵詞：車聯網；數據聚集；數據質量；無線移動感知網絡

中圖分類號：TP391 文獻標識號：A

Abstract： Today， VANET is the platform of achieving intelligent transportation system. VANETs has its own characters. Data aggregation algorithms in VANETs are different from in wireless sensor networks. Data aggregation can decrease the amount of data transmission， also can increase the delay of aggregated data and decrease the accuracy of aggregated data. Therefore， aggregation algorithm always consider the delay and accuracy of aggregated data. The paper surveys and analyzes current data aggregation algorithms in VANETs

Keywords： VANETs； Data Aggregation； Quality of Data； Wireless Mobile Sensor Networks

0 引 言

目前物聯網的研究已經覆蓋到市政、交通、物流運輸、醫療、教育、工農業生產等諸多領域。物聯網在交通領域的重要分支即為車聯網（Internet of Vehicles）[1， 2]。車聯網為物聯網時代下的智能交通系統（Intelligent Transportation System） [3] 提供了實現的平臺。車聯網是智能車之間以及智能車與路邊設備之間通過無線通信形成的移動通信網絡。車聯網可用于協助駕駛者及時躲避交通事故，提高交通運輸的效率，監控實時交通狀況等。車聯網改變了現有交通管理監控的技術框架，利用交通參與的主體（如車輛、乘客、行人、路邊設備等）自主感知交通狀況，實現了人與物理世界的緊密交互和融合。

1 車聯網

車聯網，又被稱為車用自組織網絡（Vehicular Ad-hoc Networks， VANETs） [4]或車載感知網絡（Vehicular Sensor Networks， VSNs）[5]， 由車輛節點自組織形成車與車之間（Vehicle to Vehicle， V2V） [6] 以及車與基礎設施之間（Vehicle to Infrastructure， V2I）[6] 的異構通信網絡。車聯網的結構如圖1所示。這是一種無線移動感知通信網絡。通常每個車輛節點裝配無線通信設備，GPS定位設備以及各種傳感器設備（如加速度傳感器、速度傳感器等）。邏輯上智能車有兩種單元：操控單元（on-board unit， OBU） 和應用單元（Application Unit， AU）。操控單元通常有獲取感知數據，定位，以及無線和/或有線通信功能。應用單元通常由便攜式設備構成，如筆記本電腦、個人數據處理機（Personal Digital Assistant， PDA）等，是智能車的附屬部分。具體功能是利用操控單元獲取信息開發和實現具體應用。操控單元和應用單元可以通過有線互連，也可以采用無線方式，如藍牙（Bluetooth）、無線USB（Wireless USB， WUSB）等。智能車的結構如圖2所示。

1.1 車聯網的歷史

VANET的概念最早是在2003 年由國際電信聯盟的汽車通信標準化會議上被正式提出。但關于VANET的研究卻是由來已久。1986 年在歐洲PROMETHEUS（Programme for European Traffic with Highest Efficiency and Un-precedented Safety）即已獲得提出。該框架一經提出就被19個歐洲國家以及歐盟委員會接受并實現支持。進入90 年代，人們集中在協同駕駛應用研究上。1996年到2000年期間日本Tsukuba市部署ASV（Advanced Safety Vehicle）項目[7]。1997年San Diego部署了PATH（California Partners for Advanced Transit and Highways）[8]。1999 年美國聯邦通信委員會在5.9GHz頻帶上分配了75MHz帶寬的信道給車與路邊設備之間的短距離無線通信（Dedicated Short-Range Communication，DSRC）[9]。這使得VANET的概念再次得到了工業界的廣泛關注。同時多個標準化組織也開始積極為DSRC制定通信協議標準。2004年IEEE 提出基于802.11p協議的WAVE（Wireless Access in Vehicular Environment）標準[10]。2000年到2005年期間美國的IVI（Intelligent Vehicle Initiative），歐洲的CarTalk和FleetNet以及日本的ASV三期項目均把研究熱點從協作式自動駕駛轉向協作式駕駛操作。ISO（International Standard Organization） 提出了CALM（Continuous Air interface for Long and Medium distance）標準。基于該標準歐洲在2006年到2010年之間開展了幾個主要項目：COOPERS、PReVENT、SeVeCom、NoW和PRE-DRIVE。

1.2 車聯網的特點

車聯網與其他的移動網絡和通信網絡相比，具有一些優勢和挑戰。在此，分析總結為如下幾點。

（1）無限制的節點能量。與傳統的感知網絡相比，車聯網移動設備的能量問題通常不是一個重要的限制條件，車輛本身能夠給計算和通信設備提供持續的能量。

（2）更強的計算能力。相對于傳感器節點等小型設備，車輛節點可以提供更強的計算、通信和感知能力。

（3）可預測的移動性。不同于傳統移動自組織網絡，車輛節點的移動受限于道路網絡，因此車輛節點的運動具有很好的可預測性。道路網絡信息通常是可得的，且車輛的位置信息可以通過GPS獲得。因此根據車輛的平均速度，當前瞬時速度和歷史軌跡可以預測車輛在未來時間出現的位置。

（4）大規模的節點分布。車聯網原則上可以擴展到整個道路網絡上，并且有眾多參與者，包括路面上的車輛，路邊?？康能囕v，路邊設備等，而之前研究的自組織網絡通常假設存在于局部有限的空間范圍。

（5）高移動性。車聯網中的大部分車輛節點都在高速移動，而且車輛之間的相對速度范圍很大。在高速公路上，相對速度可以達到300km/h，這時節點的密度可能很低；在城市交通中，相對速度可以到60km/h，這時節點的密度會很高。

（6）通信網絡的不可連通性。車聯網通常瞬時是不連通的，交通的動態性導致在稀疏交通場景下車輛之間存在大的間隙，從而形成多個孤立的節點簇。節點連通程度高度依賴于兩個因素：無線鏈路的通信半徑和加入車聯網的車輛比例。

（7）網絡拓撲的動態性。與傳統的自組織網絡相比，車聯網的車輛節點一直在移動，因此車聯網場景具有很強的動態性。具體表現在節點之間的無線鏈路時斷時續，網絡拓撲動態變化頻繁。

1.3 車聯網的應用

車聯網上的應用主要分為三大類，一是與行駛安全相關的應用，二是交通管理和協調的應用，三是與娛樂相關的應用。其中，與行駛安全相關的應用主要用于降低交通事故發生的概率，減少交通事故中的人員傷亡。這類應用通過及時向用戶提供周圍交通情況信息，從而協助用戶避免交通事故，例如變車道警示、追尾警示。而交通管理和協調應用則集中在提高交通流量，協調交通流有序流暢運行，以及為車輛提供實時交通狀況信息用于實時導航。這類應用有合作式導航、速度管理等。另外，娛樂相關的應用主要是為乘客提供Internet連接服務進行線上游戲或資訊下載，例如廣告推送、在線游戲等。

2 車聯網上的數據聚集

車聯網上的數據聚集是近年來車聯網上的研究熱點。數據聚集是車聯網上數據收集和分發過程中的一個核心技術。常見的聚集操作有以下幾種，MAX（求最大值）、MIN（求最小值）、SUM（求和）、COUNT（計數）、AVERAGE（求平均值）、MEDIAN（求中位數） 等[11]。網內聚集是在網絡內部傳輸數據的過程中同時進行聚集操作，不斷傳輸中間聚集結果，并將最終聚集結果傳輸到數據中心或網絡內的其他移動節點。網內數據聚集技術可以有效減少傳輸過程中的數據量，并充分利用動態帶寬資源，減輕網絡的數據傳輸負擔。同時聚集技術也會影響數據的精度和時延。因此，現有的車聯網數據聚集研究主要分為以下兩類，一是權衡聚集數據的延遲和聚集收益的優化，二是權衡聚集數據的精度和聚集收益的優化。

2.1 基于車聯網上考慮聚集數據時延的聚集算法研究

車聯網考慮時延的聚集算法主要針對聚集傳輸的時刻進行研究。文獻[11-12] 考慮的就是如何設定數據在節點的轉發延遲，使得可聚合的數據在同一節點相遇的概率最大。該文提出的CatchUp算法中的每個節點根據自己的局部試圖利用分布式的馬爾可夫決策過程模型判斷每個時間周期對數據是否需要轉發，使得數據在節點等待與自己可以聚合的數據的到來。文獻[13]研究的是限定截止時間內的優化收集聚集信息量問題，為此提出DB-VDG協議，該協議通過調整數據傳輸過程中的轉發和攜帶策略使得在截止時間內AP節點收集的數據量最多。又提出了一個查詢響應協議DB-VDG，該協議的主要設計思想是數據如果能在限定的延遲內被攜帶到目的地，就盡量少進行轉發，這樣可以最大限度地節省帶寬?，F有的車聯網上考慮時延的數據聚集算法沒有分析利用車聯網的動態通信拓撲信息，也沒有深入地規劃和利用無線信道資源，因此現有算法并未從根本上解決基于時延界的聚集問題。

2.3 基于車聯網上考慮聚集數據精度的聚集算法研究

下面，將專題分析和總結考慮聚集數據精度的聚集技術的研究。根據具體的應用區別，聚集數據的類型分為離散型數據（如空閑停車位數） 和連續型數據（如平均速度等）。離散型數據的聚集需要解決的核心問題是如何避免對同一數據進行重復聚集操作，而連續型數據的聚集需要考慮如何減小聚集操作引起的數值上的偏差。

文獻[14–16] 研究的是空閑停車位信息的聚集問題。文獻[14] 利用quad樹結構對空閑停車位數進行層次型聚集。該文利用quad樹對二維空間實施了層次性劃分，然后將各區域的空閑停車位信息實現了累加聚集。文獻[15]利用一個特殊的數據結構FM模式采用概率的方法對空閑停車位信息進行聚合。它不聚合實際的停車位個數，而是將停車位位置散列到特定的數據結構中，然后利用修訂的FM框架得到空閑停車位個數的概率近似值。該方法可以一定程度上解決原始數據在多次聚合時的重復出現問題，使得多個聚合數據可以進一步聚合得到更好的聚合數據。文獻[17–24]研究的是車速等連續型數據的聚集問題。最早是由Nadeem等 [17] 提出車聯網上考慮聚集數據精度的數據聚集問題。文獻[17] 研究節點上哪些數據進行聚集，從而在保證聚集精度的前提下最小化聚集數據量。該文采用無結構廣播方式進行單節點上的數據聚集和分發。這樣的優點是沒有額外的維護路由結構的開銷，缺點是同一數據的聚集數據會出現多個版本并且很難從這些不同版本數據進行取舍。文獻[18–20] 采用無損數據壓縮的方式進行聚集。文獻[21] 提出了CASCADE算法。該算法是將前方交通場景的精確試圖傳遞給后面的車輛，使得后面的車輛能預先獲知前方的交通狀況。該算法中對于車速的聚合數據不僅包括平均車速，還包括每個原始車速值與平均車速的方差。文獻[22]是文獻[21] 的后續研究。研究中對CASCADE中簇的大小的選擇進行了優化，聚合操作沿用了CASCADE的方法。文獻[23] 利用車聯網收集行駛時間、時間平均速度、空間平均速度等動態交通狀況參數。該文的方法利用車輛節點和路邊接入點之間的通信進行無損數據聚集。文獻[25] 研究的是在高速公路上對車速信息進行聚合的問題。利用模糊推理根據實際的速度數據值考慮是否聚合，最后得出的聚合數據能比較準確地反映數據的實際分布情況。文獻[24]研究基于聚集的數據分發算法。該文主要思想是利用用戶通常需要周圍的信息更詳細，遠程的信息更粗略的現象，使得數據分發時利用數據聚集產生不同粒度的信息進行更高效的分發?，F有的車聯網上考慮聚集數據精度的聚集算法對于離散型數據解決得較好，對于連續型數據還有很多問題。連續型數據的聚集操作往往對數據精度影響較大，而現有的研究沒有推出基于聚集數據的精度界設計聚集算法，同時在聚集傳輸的過程中也還沒有提出可行的避免重復計算的方法。

3 結束語

數據聚集是車聯網上一個重要研究方向。聚集數據的時延和精度直接影響應用的結果。因此，車聯網的數據聚集需要基于網絡動態性考慮聚集數據的質量優化聚集性能。經過對現有算法的分析，本文總結出現有聚集問題中仍未臻至圓滿解決的部分，進而設計更好的聚集算法提高車聯網上數據聚集性能。

參考文獻：

[1] Moustafa H， Zhang Y. Vehicular networks： techniques， standards， and applica-tions[M]. Boca Raton： Auerbach publications， 2009.

[2] 楊放春， 王尚廣， 李靜林，等. 車聯網綜述（英文）[J]. 中國通信， 2014， 10：003

[3] James W. Intelligent transport system： US， Google Patents. US Patent 6，810，817[P].2004-11-02.

[4] Hartenstein H， Laberteaux K. VANET： vehicular applications and inter-networking technologies[M]. Vol. 1.Wiley Online Library， 2010

[5] LIU Y， XIONG N， ZHAO Y， et al. Multi-layer clustering routing algorithm for wireless vehicular sensor networks[J]. IET communications， 2010， 4（7）： 810–816.

[6] SANTA J， GóMEZ-SKARMETA A F， SáNCHEZ-ARTIGS M. Architecture and evaluationof a unified V2V and V2I communication system based on cellular networks[J]. Computer Communications， 2008， 31（12）： 2850–2861.

[7] TAKAHASHI A， ASANUMA N. Introduction of Honda ASV-2 （advanced safety vehicle- phase2）[C].Proceedings of the IEEE Intelligent Vehicles Symposium，Ohio， USA：IEEE， 2000： 694–701.

[8] SHLADOVER S E. Path at 20-history and major milestones[J]. IEEE Transactions on intelligent transportation systems， 2007， 8（4）： 584–592.

[9] DELGROSSI L， ZHANG T. Dedicated short-range communications[J]. Vehicle Safety Communications： Protocols， Security， and Privacy， 2009： 44–51.

[10] YU B， GONG J， XU C Z. Catch-up： a data aggregation scheme for vanets[C]// Proceedings of the fifth ACM international workshop on Vehicular Inter-NETworking， New York， USA： ACM， VANET 08，2008：49-57.

[11] 李建中，高宏。無線傳感器網絡的研究進展[J]. 計算機研究與發展，2015，45（1）：1-15.

[12] YU B， XU C Z， GUO M. Adaptive forwarding delay control for VANET data aggregation[J]. IEEE Transactions on Parallel and Distributed Systems， 2012， 23（1）：11 -18.

[13] PALAZZI C E， PEZZONI F， RUIZ P M. Delay-bounded data gathering in urban vehicular sensor networks[J]. Pervasive Mobile Computation， 2012， 8（2）： 180–193.

[14] CALISKAN M， GRAUPNER D， MAUVE M. Decentralized discovery of free parking places[C]// The 3rd International Workshop on Vehicular Ad Hoc Networks， New York， NY， USA： ACM，2006：30-39.

[15] LOCHERT C， SCHEUERMANN B， MAUVE M. Probabilistic aggregation for data dissemination in VANETs[C]// Proceedings of the Fourth ACM International Workshop on Vehicular Ad Hoc Networks， New York， NY， USA： ACM， VANET 07，2007：1-8.

[16] LOCHERT C， SCHEUERMANN B， MAUVE M. A probabilistic method for cooperative hierarchical aggregation of data in VANETs[J]. Ad Hoc Networks， 2010， 8（5）：518–530.

[17] NADEEM T， DASHTINEZHAD S， LIAO C， et al. TrafficView： traffic data dissemination using car-to-car communication[J]. ACM SIGMOBILE Mobile Computing and Communications Review， 2004， 8（3）： 6–19.

[18] IBRAHIM K， WEIGLE M C. Accurate data aggregation for VANETs[C]// Proceedings of the fourth ACM international workshop on Vehicular ad hoc networks， New York， NY， USA： ACM， VANET 07，2007：71-72.

[19] IBRAHIM K， WEIGLE M. CASCADE： Cluster-based accurate syntactic compression of aggregated data in VANETs[C]// 2008 IEEE Global Communications Conference， New Orleans，USA：IEEE， 2008： 1 -10.

[20] IBRAHIM K， WEIGLE M. Optimizing CASCADE data aggregation for VANETs[C]//5th IEEE International Conference on Mobile Ad Hoc and Sensor Systems， Atlanta， USA：IEEE， 2008： 724-729.

[21] DIETZEL S， SCHOCH E， BAKO B， et al. A structure-free aggregation framework for Vehicular Ad Hoc Networks[C]// The 6th International Workshop on Intelligent Transportation （WIT 2009）. Hamburg， Germany：[s.n.]， 2009：1-16.

[22] ARBABI M H， WEIGLE M. Using vehicular networks to collect common traffic data[C]// The sixth ACM international workshop on VehiculAr InterNETworking， New York， NY， USA： ACM， VANET 09， 2009：117-118.

[23] TSAI H W， CHEN T S， LIN S K. Dissemination of data aggregation in vehicular Ad Hoc Networks[C]. 10th International Symposium on Pervasive Systems， Algorithms， and Networks （ISPAN）， Kaoshiung， Taiwan： IEEE ， 2009： 625–630.

[24] YU X， ZHAO H， ZHANG L， et al. Cooperative Sensing and Compression in Vehicular Sensor Networks for Urban Monitoring[C]// 2010 IEEE International Conference on Communications （ICC）， Cape Toun，South Africa：IEEE， 2010： 1-5.