陳 浩，葉 青，吳國田

（河海大學計算機與信息學院，南京210098）

基于城市小區(qū)域的車聯(lián)網(wǎng)模型

陳 浩，葉 青，吳國田

（河海大學計算機與信息學院，南京210098）

隨著社會進步及車輛增多，交通問題日益突出，使得城市環(huán)境下車聯(lián)網(wǎng)的研究受到越來越多的關注。基于真實數(shù)據(jù)的分析和驗證，可以得到城市不同區(qū)域的車聯(lián)網(wǎng)網(wǎng)絡度分布服從廣義的冪律分布，即網(wǎng)絡是無標度網(wǎng)絡。根據(jù)此性質(zhì)利用復雜網(wǎng)絡理論建立車聯(lián)網(wǎng)網(wǎng)絡模型，通過分析和仿真驗證該模型的正確性和有效性。

車聯(lián)網(wǎng)；度分布；模型；仿真

1 引 言

車聯(lián)網(wǎng)是指利用裝載在車輛上的電子標簽通過無線射頻等識別技術，實現(xiàn)在信息網(wǎng)絡平臺上對所有車輛的屬性信息和靜、動態(tài)信息進行提取和有效利用，并根據(jù)不同的功能需求對所有車輛的運行狀態(tài)進行有效監(jiān)管和提供綜合服務。車聯(lián)網(wǎng)可以實現(xiàn)車與車之間、車與建筑物之間，以及車與基礎設施之間的信息交換，它甚至可以幫助實現(xiàn)汽車和行人、汽車和非機動車之間“對話”。就像互聯(lián)網(wǎng)把每個單臺的電腦連接起來，車聯(lián)網(wǎng)能夠把獨立的汽車聯(lián)結在一起［1］。

由于其重要的實際應用價值以及在交通信息預警、行車安全、車輛之間通信及車輛Internet訪問等方面具有良好的應用前景［2］，因此，車聯(lián)網(wǎng)正在成為學術界的熱點研究領域。由于車聯(lián)網(wǎng)具有節(jié)點的高速移動性（速度大致在5-42m／s之間），無線信道質(zhì)量不穩(wěn)定性（受路邊建筑、道路情況、車輛類型和車輛相對速度等因素影響），節(jié)點移動具有一定的規(guī)律性，道路車輛移動是受限制的（車輛軌道一般可預測）等特點，這就導致了車聯(lián)網(wǎng)網(wǎng)絡拓撲結構變化快，變化頻繁以及網(wǎng)絡節(jié)點分布不均勻。

正是基于這些特征，將城市場景劃分為無數(shù)的小區(qū)域，小區(qū)域可以是城市的一條街道，一個城區(qū)或者是十幾個街道的組合，而為小區(qū)域的范圍設置的下限是一條街道，上限是兩個城區(qū)?；诖颂囟▍^(qū)域，可以得到城市小區(qū)域的網(wǎng)絡度分布基本符合冪律分布的特點，因此其網(wǎng)絡為無標度網(wǎng)絡。依據(jù)此特征利用復雜網(wǎng)絡理論建立模型并驗證模型的有效性。

2 車聯(lián)網(wǎng)的研究熱點和相關工作

當今對車聯(lián)網(wǎng)模型的研究主要集中在節(jié)點運動模型上，可以細分為隨機運動模型和真實節(jié)點運動模型。其中真實節(jié)點運動模型更能反映節(jié)點的移動行為，特別是在收集了大量節(jié)點的軌跡數(shù)據(jù)之后，會提高它的真實性。但是在收集和分析節(jié)點移動軌跡數(shù)據(jù)的階段成本較高，無法重現(xiàn)采集數(shù)據(jù)的場景，加之對真實節(jié)點的移動建模比較困難，所以這個方面的研究進展不大。相反，隨機運動模型具有建模簡單易分析的特點，因此在過去十幾年中涌現(xiàn)出來了很多這類模型。例如隨機行走移動模型（random walk mobilitymodel）［3］是早期最簡單的移動模型之一。在這個模型中節(jié)點以一種完全不可預測的方式運動，其中節(jié)點運動速度和方向均無相關性。Random Waypoint［4］模型的規(guī)則非常簡單，它假設節(jié)點在運動前都均勻地分布在一個有邊界的區(qū)域內(nèi)。而為了解除模型的邊界限制，HAAS提出了BSA（Boundless Simulation Area，無限制模擬區(qū)域）模型［5］。賴斯大學模型（Rice University Model，RUM）［6］是借助TIGER數(shù)據(jù)庫中的信息，將路段信息轉(zhuǎn)換為二維坐標，以節(jié)點代表路口，用x表示，節(jié)點間線段代表道路，用e表示，并根據(jù)坐標計算得出每段道路的距離，用l（e）表示。它們的共同特點是以運動軌跡出發(fā)來研究微觀的行為模型，但這無法概括整體網(wǎng)絡的性質(zhì)。所以研究的新思路是以整體網(wǎng)絡特性為出發(fā)點，利用現(xiàn)有運動模型的優(yōu)勢和數(shù)據(jù)并根據(jù)車聯(lián)網(wǎng)節(jié)點分布不均勻等特點，提出了小區(qū)域思想，并基于真實數(shù)據(jù)的實證結果建立并驗證車聯(lián)網(wǎng)網(wǎng)絡模型。

3 車聯(lián)網(wǎng)的網(wǎng)絡特性分析

研究的重點是城市環(huán)境下小區(qū)域的車聯(lián)網(wǎng)網(wǎng)絡度分布變化情況。

圖形分析：圖1（a）和圖1（b）選擇區(qū)域（左側(cè)（121.4907806，31.24673611），右側(cè)（121.5105972，31.23211111））（分別為經(jīng)度和緯度）進行研究。從圖1（a）中可以看出，區(qū)域固定的情況下不同時刻的節(jié)點度都具有相似的變化規(guī)律。從圖1（b）中可以看出，可以找到一條直線擬合該區(qū)域在通信半徑為R＝350時16：00點的度分布的對數(shù)分布。分別針對不同數(shù)據(jù)的不同通信半徑，不同時間，不同小區(qū)域進行了仿真分析并得到了類似結果，證明了城市環(huán)境下小區(qū)域內(nèi)車聯(lián)網(wǎng)的度分布服從冪律分布，進而該網(wǎng)絡為無標度網(wǎng)絡。圖1（c）選擇區(qū)域（左側(cè)（121.4207806，31.25673611），右側(cè)（121.5105972，31.23211111））（分別為經(jīng)度和緯度）進行研究，發(fā)現(xiàn)了通信半徑對度分布的影響。

圖1 不同區(qū)域不同時間不同通信半徑下度分布的實證研究

總體來看，在區(qū)域固定的情況下，不同時刻的節(jié)點度都具有同樣的變化規(guī)律，通過最小二乘法也可以找到直線對其進行擬合。即城市小區(qū)域車聯(lián)網(wǎng)的度分布符合冪律分布，在這個區(qū)域中的車聯(lián)網(wǎng)是無標度網(wǎng)絡。而通過固定時間取不同的通信半徑下度分布的對數(shù)分布，可以看到變化趨勢基本上和之前的圖形相同，但是隨著通信半徑的增大抖動增強，當通信半徑增加到R＝650時已經(jīng)無法找到擬合度分布變化規(guī)律的直線了。而且通過仿真發(fā)現(xiàn)雖然整體上城市小區(qū)域的車聯(lián)網(wǎng)符合冪律分布特征，但是它的變化規(guī)律有指數(shù)分布的傾向。所以嚴格分析可以得到城市環(huán)境下小區(qū)域內(nèi)車聯(lián)網(wǎng)總體符合冪律分布的變化規(guī)律，并且也存在指數(shù)分布的變化趨勢。所以在模型的構造上不僅僅需要關注優(yōu)先連接，也需要考慮隨機連接的影響。

4 車聯(lián)網(wǎng)網(wǎng)絡模型的構造和驗證

4.1 構造方法

（1）初始網(wǎng)絡：假設網(wǎng)絡中包含m0個相互獨立的節(jié)點。

（2）加點：從一個具有m0個節(jié)點的網(wǎng)絡開始，在每一個時間步，引入一個新節(jié)點，且連接到m個已經(jīng)存在的節(jié)點上（這里m是大于0的常數(shù)且m＜m0）。每一條邊都是通過優(yōu)先連接或者隨機連接進入網(wǎng)絡的。

（3）優(yōu)先連接：在已有的網(wǎng)絡中選擇一個節(jié)點和新節(jié)點進行連接。且選擇節(jié)點i概率與節(jié)點度ki成正比，即di＝ki／∑jkj。選擇這種操作的概率為1-p。

（4）隨機連接：在已有網(wǎng)絡中隨機選擇一個節(jié)點與新節(jié)點相連接。選擇這種操作的概率為p。

4.2 模型的驗證過程

模型建立和驗證分析：①模型的主要服務對象是城市環(huán)境下的小區(qū)域，這個小區(qū)域可能是一條街道也可能是城市的某個城區(qū)，只要在第一章定義的范圍之內(nèi)就可以。所以研究的對象是城市環(huán)境下車輛組成的小區(qū)域，因此車輛密度是比較大的。②研究的目標是對BA無標度網(wǎng)絡模型的改進，因為通過之前的驗證發(fā)現(xiàn)，在對城市小區(qū)域車聯(lián)網(wǎng)網(wǎng)絡特性的研究中，雖然可以找到直線擬合度分布的變化規(guī)律，但是從其彎曲程度來看，有一定的指數(shù)分布趨勢，所以加入了一個可以調(diào)節(jié)的因子p來控制網(wǎng)絡生成過程中隨機連接和優(yōu)先連接的比例問題，通過調(diào)整參數(shù)得到城市環(huán)境下小區(qū)域內(nèi)車聯(lián)網(wǎng)的最佳效果模型。

為了接近真實值，取節(jié)點個數(shù)為4000。對p取不同的值來仿真驗證模型的度分布。

圖形分析：從圖2可以看出，p的值對網(wǎng)絡無標度特性的判斷影響巨大。具體來說，當p＝0.7的時候可以找到直線擬合目前的變化趨勢，也就是說節(jié)點的度分布服從冪律分布。但是當p＝0.9的時候，即隨機連接的概率非常大時，雖然在這種情況下通過最小二乘可以找到一條擬合直線，但是直線的效果明顯不太好，這時度分布的對數(shù)分布的變化曲線會有比較嚴重的抖動，雖然趨勢還是下降，但抖動的增多還是說明了隨機連接的影響。而當p＝0.3時，已經(jīng)很難找到可以擬合度分布變化規(guī)律的直線了，這時度分布的變化趨勢是下降的，但是相等度值的節(jié)點數(shù)量的增加造成了大量節(jié)點堆積在一起，出現(xiàn)了明顯的厚尾現(xiàn)象。通過以上對于圖形的分析不難看出。在p＝0.7時圖形最符合網(wǎng)絡的無標度特性。

模型創(chuàng)新：①通過真實數(shù)據(jù)的實證分析得到結果，基于該結果建立并驗證車聯(lián)網(wǎng)網(wǎng)絡模型，保證了結果的真實性。②模型在設計上利用復雜網(wǎng)絡的基本知識，通過試驗和對比得到城市環(huán)境下小區(qū)域內(nèi)車聯(lián)網(wǎng)的最佳網(wǎng)絡模型。③對城市環(huán)境下車聯(lián)網(wǎng)的分析從小區(qū)域出發(fā)，而小區(qū)域的分析并不拘泥于特定的區(qū)域和道路，保證了對特定范圍內(nèi)的車聯(lián)網(wǎng)網(wǎng)絡特征的分析更加全面。④對多組不同數(shù)據(jù)進行仿真分析和對比，得到了比較有代表性的仿真圖形，說明了驗證結果的普遍正確性。

圖2 模型的度分布

5 結束語

基于真實的上海市出租車測得的GPS數(shù)據(jù)，分析了城市環(huán)境下小區(qū)域車載網(wǎng)的網(wǎng)絡度分布，得到其大體上符合冪律分布，是廣義的無標度網(wǎng)絡?；诖私⒘酸槍Τ鞘行^(qū)域車聯(lián)網(wǎng)的無標度網(wǎng)絡模型，改進了BA無標度模型，并且通過驗證得到了該改進模型的正確性和有效性。

小區(qū)域思想的提出非常靈活，使得城市的分區(qū)更加清晰，但是如何通過某種疊加或者連接關系形成城市的整體網(wǎng)絡，并研究整個城市的車聯(lián)網(wǎng)網(wǎng)絡拓撲特性，是下一步分析和研究的要點。

［1］王建強，吳辰文，李曉軍.車聯(lián)網(wǎng)架構與關鍵技術研究［J］.微計算機信息，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

陳浩（1988-），男，天津人，碩士研究生，主研方向：車輛自組網(wǎng)與復雜網(wǎng)絡。

2013-08-08