基于城市小区域的车联网模型

陈 浩，叶 青，吴国田

（河海大学计算机与信息学院，南京210098）

基于城市小区域的车联网模型

陈 浩，叶 青，吴国田

（河海大学计算机与信息学院，南京210098）

随着社会进步及车辆增多，交通问题日益突出，使得城市环境下车联网的研究受到越来越多的关注。基于真实数据的分析和验证，可以得到城市不同区域的车联网网络度分布服从广义的幂律分布，即网络是无标度网络。根据此性质利用复杂网络理论建立车联网网络模型，通过分析和仿真验证该模型的正确性和有效性。

车联网；度分布；模型；仿真

1 引 言

车联网是指利用装载在车辆上的电子标签通过无线射频等识别技术，实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用，并根据不同的功能需求对所有车辆的运行状态进行有效监管和提供综合服务。车联网可以实现车与车之间、车与建筑物之间，以及车与基础设施之间的信息交换，它甚至可以帮助实现汽车和行人、汽车和非机动车之间“对话”。就像互联网把每个单台的电脑连接起来，车联网能够把独立的汽车联结在一起［1］。

由于其重要的实际应用价值以及在交通信息预警、行车安全、车辆之间通信及车辆Internet访问等方面具有良好的应用前景［2］，因此，车联网正在成为学术界的热点研究领域。由于车联网具有节点的高速移动性（速度大致在5-42m／s之间），无线信道质量不稳定性（受路边建筑、道路情况、车辆类型和车辆相对速度等因素影响），节点移动具有一定的规律性，道路车辆移动是受限制的（车辆轨道一般可预测）等特点，这就导致了车联网网络拓扑结构变化快，变化频繁以及网络节点分布不均匀。

正是基于这些特征，将城市场景划分为无数的小区域，小区域可以是城市的一条街道，一个城区或者是十几个街道的组合，而为小区域的范围设置的下限是一条街道，上限是两个城区。基于此特定区域，可以得到城市小区域的网络度分布基本符合幂律分布的特点，因此其网络为无标度网络。依据此特征利用复杂网络理论建立模型并验证模型的有效性。

2 车联网的研究热点和相关工作

当今对车联网模型的研究主要集中在节点运动模型上，可以细分为随机运动模型和真实节点运动模型。其中真实节点运动模型更能反映节点的移动行为，特别是在收集了大量节点的轨迹数据之后，会提高它的真实性。但是在收集和分析节点移动轨迹数据的阶段成本较高，无法重现采集数据的场景，加之对真实节点的移动建模比较困难，所以这个方面的研究进展不大。相反，随机运动模型具有建模简单易分析的特点，因此在过去十几年中涌现出来了很多这类模型。例如随机行走移动模型（random walk mobilitymodel）［3］是早期最简单的移动模型之一。在这个模型中节点以一种完全不可预测的方式运动，其中节点运动速度和方向均无相关性。Random Waypoint［4］模型的规则非常简单，它假设节点在运动前都均匀地分布在一个有边界的区域内。而为了解除模型的边界限制，HAAS提出了BSA（Boundless Simulation Area，无限制模拟区域）模型［5］。赖斯大学模型（Rice University Model，RUM）［6］是借助TIGER数据库中的信息，将路段信息转换为二维坐标，以节点代表路口，用x表示，节点间线段代表道路，用e表示，并根据坐标计算得出每段道路的距离，用l（e）表示。它们的共同特点是以运动轨迹出发来研究微观的行为模型，但这无法概括整体网络的性质。所以研究的新思路是以整体网络特性为出发点，利用现有运动模型的优势和数据并根据车联网节点分布不均匀等特点，提出了小区域思想，并基于真实数据的实证结果建立并验证车联网网络模型。

3 车联网的网络特性分析

研究的重点是城市环境下小区域的车联网网络度分布变化情况。

图形分析：图1（a）和图1（b）选择区域（左侧（121.4907806，31.24673611），右侧（121.5105972，31.23211111））（分别为经度和纬度）进行研究。从图1（a）中可以看出，区域固定的情况下不同时刻的节点度都具有相似的变化规律。从图1（b）中可以看出，可以找到一条直线拟合该区域在通信半径为R＝350时16：00点的度分布的对数分布。分别针对不同数据的不同通信半径，不同时间，不同小区域进行了仿真分析并得到了类似结果，证明了城市环境下小区域内车联网的度分布服从幂律分布，进而该网络为无标度网络。图1（c）选择区域（左侧（121.4207806，31.25673611），右侧（121.5105972，31.23211111））（分别为经度和纬度）进行研究，发现了通信半径对度分布的影响。

图1 不同区域不同时间不同通信半径下度分布的实证研究

总体来看，在区域固定的情况下，不同时刻的节点度都具有同样的变化规律，通过最小二乘法也可以找到直线对其进行拟合。即城市小区域车联网的度分布符合幂律分布，在这个区域中的车联网是无标度网络。而通过固定时间取不同的通信半径下度分布的对数分布，可以看到变化趋势基本上和之前的图形相同，但是随着通信半径的增大抖动增强，当通信半径增加到R＝650时已经无法找到拟合度分布变化规律的直线了。而且通过仿真发现虽然整体上城市小区域的车联网符合幂律分布特征，但是它的变化规律有指数分布的倾向。所以严格分析可以得到城市环境下小区域内车联网总体符合幂律分布的变化规律，并且也存在指数分布的变化趋势。所以在模型的构造上不仅仅需要关注优先连接，也需要考虑随机连接的影响。

4 车联网网络模型的构造和验证

4.1 构造方法

（1）初始网络：假设网络中包含m0个相互独立的节点。

（2）加点：从一个具有m0个节点的网络开始，在每一个时间步，引入一个新节点，且连接到m个已经存在的节点上（这里m是大于0的常数且m＜m0）。每一条边都是通过优先连接或者随机连接进入网络的。

（3）优先连接：在已有的网络中选择一个节点和新节点进行连接。且选择节点i概率与节点度ki成正比，即di＝ki／∑jkj。选择这种操作的概率为1-p。

（4）随机连接：在已有网络中随机选择一个节点与新节点相连接。选择这种操作的概率为p。

4.2 模型的验证过程

模型建立和验证分析：①模型的主要服务对象是城市环境下的小区域，这个小区域可能是一条街道也可能是城市的某个城区，只要在第一章定义的范围之内就可以。所以研究的对象是城市环境下车辆组成的小区域，因此车辆密度是比较大的。②研究的目标是对BA无标度网络模型的改进，因为通过之前的验证发现，在对城市小区域车联网网络特性的研究中，虽然可以找到直线拟合度分布的变化规律，但是从其弯曲程度来看，有一定的指数分布趋势，所以加入了一个可以调节的因子p来控制网络生成过程中随机连接和优先连接的比例问题，通过调整参数得到城市环境下小区域内车联网的最佳效果模型。

为了接近真实值，取节点个数为4000。对p取不同的值来仿真验证模型的度分布。

图形分析：从图2可以看出，p的值对网络无标度特性的判断影响巨大。具体来说，当p＝0.7的时候可以找到直线拟合目前的变化趋势，也就是说节点的度分布服从幂律分布。但是当p＝0.9的时候，即随机连接的概率非常大时，虽然在这种情况下通过最小二乘可以找到一条拟合直线，但是直线的效果明显不太好，这时度分布的对数分布的变化曲线会有比较严重的抖动，虽然趋势还是下降，但抖动的增多还是说明了随机连接的影响。而当p＝0.3时，已经很难找到可以拟合度分布变化规律的直线了，这时度分布的变化趋势是下降的，但是相等度值的节点数量的增加造成了大量节点堆积在一起，出现了明显的厚尾现象。通过以上对于图形的分析不难看出。在p＝0.7时图形最符合网络的无标度特性。

模型创新：①通过真实数据的实证分析得到结果，基于该结果建立并验证车联网网络模型，保证了结果的真实性。②模型在设计上利用复杂网络的基本知识，通过试验和对比得到城市环境下小区域内车联网的最佳网络模型。③对城市环境下车联网的分析从小区域出发，而小区域的分析并不拘泥于特定的区域和道路，保证了对特定范围内的车联网网络特征的分析更加全面。④对多组不同数据进行仿真分析和对比，得到了比较有代表性的仿真图形，说明了验证结果的普遍正确性。

图2 模型的度分布

5 结束语

基于真实的上海市出租车测得的GPS数据，分析了城市环境下小区域车载网的网络度分布，得到其大体上符合幂律分布，是广义的无标度网络。基于此建立了针对城市小区域车联网的无标度网络模型，改进了BA无标度模型，并且通过验证得到了该改进模型的正确性和有效性。

小区域思想的提出非常灵活，使得城市的分区更加清晰，但是如何通过某种叠加或者连接关系形成城市的整体网络，并研究整个城市的车联网网络拓扑特性，是下一步分析和研究的要点。

［1］王建强，吴辰文，李晓军.车联网架构与关键技术研究［J］.微计算机信息，2011，27（4）：156-158.

［2］Willke T L，Tientrakool P，Maxemchuk N F.A Survey of Inter-Vehicle Communication Protocols and Their Applications［J］.IEEE Communications Surveys＆Tutorials，2009，11（2）：3-20.

［3］PNain，D Towsley，Liu Benyuan，et al.Properties of Random Direction Models［C］.Proceedings of the 24th Annual Joint Conference of the IEEE Computer and Communications Societies.IEEE，2005：1897-1970.

［4］W Navid，T Camp.Stationary Distributions for the Random Waypoint Model［J］.IEEE Transactions on Mobile Computing，2004，3（1）：99-108.

［5］Z Haas.A new routing protocol for the reconfigurable wireless networks［C］.Proceedings of the IEEE International Conference on Universal Personal Communications（ICUPC），1997：562-566.

［6］Amit Kumar Saha.Modeling mobility for vehicular adhoc networks［C］.Proceedings of the 1st ACM international workshop on Vehicular ad hoc networks.ACM Press，2004：91-92.

Internet of Vehicles Model Based on Small Area of the City

CHEN Hao，YE Qing，WU Guo-tian
（College of Computer and Information Engineering，Hohai University，Nanjing 210098，China）

As development of the society and the increase traffics，the internet of vehicles is caught more and more attention.Based on the practical data，this article shows that internet of vehicles network degree distribution in different regions of the city follows a power law distribution，so the network is scale-free networks.According to the feature of complex network，the internet of vehicles network modelcan be built and the correctness and validity of themodel can be analyzed and simulated aswell.

Internet of vehicles；Degree distribution；Model；Simulation

10.3969／j.issn.1002-2279.2014.01.007

TP393

：A

：1002-2279（2014）01-0022-03

陈浩（1988-），男，天津人，硕士研究生，主研方向：车辆自组网与复杂网络。

2013-08-08