没有合适的资源?快使用搜索试试~ 我知道了~
⃝⃝可在www.sciencedirect.com上在线ScienceDirectICT Express 4(2018)160www.elsevier.com/locate/icte分簇车载自组织网络分析模型Raghavendra Raga,Arun Prakasha,Rajeev Tripathia,DhananjaySinghb,Mr.Motilal Nehru National Institute of Technology Allahabad,Allahabad 211004,IndiabHankuk(Korea)University of Foreign Studies,Seoul,17035,South Korea接收日期:2017年9月1日;接收日期:2017年12月18日;接受日期:2018年1月10日2018年2月1日在线发布摘要车辆聚类是一种重要的技术,以减少高车辆的流动性影响。本文提出了一个分析模型评估一个集群的车载自组织网络(VANET)的性能。分析模型的开发,以评估三个重要的参数,即数据包传输率,吞吐量和延迟。从分析模型获得的结果也伴随着模拟结果。该模型可以进一步扩展的研究人员工作在集群VANET的情况下,将有助于建模他们的协议或算法。此外,该模型可以验证从任何网络仿真器获得的仿真结果。c2018 韩 国 通 信 与 信 息 科 学 研 究 所 ( KICS ) 。 Elsevier B. V. 的 出 版 服 务 。 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。关键词:智能交通系统;车载自组网;车对车通信;聚类;分析建模1. 介绍最近,特别是在这十年中,在连接车辆以促进智能交通系统(ITS)方面的研究已经有了显著的增长。ITS使用先进的信息和通信技术来实现车辆到车辆(V2V)、车辆到基础设施(V2I)和车辆到设备(V2X)通信。这一领域研究的主要目标是使道路无事故和安全,从而挽救宝贵的生命。然而,在当前道路网络和高机动性车辆不断增加的情况下,减少人为错误导致的事故数量是一项具有挑战性的任务。因此,使驾驶员能够大大减少道路错误的技术支持系统非常重要。在这种情况下,联网汽车的潜力得到了 认 可 。 联 邦 通 信 委 员 会 ( FCC ) 为 专 用 短 程 通 信(DSRC)分配了无线电频谱[1],以促进ITS。它是在5.9GHz中包含7个信道(1个控制信道(CCH)和6个服务信道(SCH))的75 MHz频谱*通讯作者。电子邮件地址:dsingh@hufs.ac.kr(D. Singh)。同行评审由韩国通信和信息科学研究所(KICS)负责https://doi.org/10.1016/j.icte.2018.01.001频 率 范 围 为 5.85-5.925 GHz 。 电 气 和 电 子 工 程 师 协 会(IEEE)已经提出了对用于无线LANs的IEEE802.11标准的名为IEEE802.11p[2]的修正案,以增加车辆环境中的无线接入(WAVE) [3]。车载自组织网络的应用大致分为安全应用和非安全应用。VANET中的网络时间被划分为称为同步间隔(SI)的100 msSI被进一步划分为控制信道间隔(CCHI)和服务信道间隔(SCHI),两者均为50 ms。在CCHI期间,所有车辆被切换到CCH,并且在SCHI期间,车辆被切换到SCH中的任一个。VANCITY面临着节点移动性高、隐藏终端问题、信道数量有限研究人员提出了几种解决这些问题的方法集群是提出的解决方案之在聚类中,具有相同特征的车辆速度和加速度)形成称为簇的组。在集群的车辆中选择集群头(CH)以在集群内执行控制活动,一个集群。集群减少了频繁的断开连接,2405-9595/c2018韩国通信和信息科学研究所(KICS)。出版社:Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。R. J. et al./ICT Express 4(2018)160161σσ=-()++h()++h∑高流动性的效果,从而提高网络的整体性能本文的主要贡献归纳如下:A. 集群VANET方案性能分析的分析建模。B. 通过分簇与非分簇的VANET性能比较,论证了分簇VANET的优越性。C. 分析结果与仿真结果进行了验证。本文的其余部分组织如下。第2节简要讨论了当前的聚类技术。在第3节中建立了一个分析模型。第4节描述了分析和仿真结果,最后,第5节总结了本文。2. 当前的聚类技术对聚类算法进行数学分析需要对最新算法进行研究。在[4]中,作者提出了一种自适应移动性和基于范围的聚类(AMRBC)算法,该算法将移动性和范围考虑到簇的形成和CH的选择。在[5]中,提出了一种取决于车辆移动性的聚类算法。表1建模中使用的符号和缩写象征意义σ时隙时间任意帧间空间错误帧间间隔短帧间间隔控制信道间隔时间服务信道间隔时间Tg保护间隔时间L数据包长度D数据速率C组群总数每飞行器的α整个场景中的αTPLCP报头持续时间3. 聚类分析的分析模型在[12]中,提出了一种用于计算非分簇VAN的分组投递率我们首先解释它,然后进行建模的集群VANET与其扩展。表1显示了建模中使用的符号令传播的可能性由第l个时隙中的(1)[12]P(l, n,w, k)(l−1)n(n)(1)k(1)(1)此外,使用集群的车辆之间的相对速度来选择CH在[6]中,根据历史数据=1−wkw−l+11-w-l+1。车辆的性能。在[7]中,提出了一种基于聚类的认知MAC协议,该协议使用具有认知能力的聚类。在[8]中,机器学习算法用于聚类估计的信道以减少带宽需求。在文献[9]中,作者提出了一种信任管理方案,主要依靠数据信任和节点信任来应对恶意节点。SeCRoP [10]提出了一种以CH为中心的多跳路由协议。CH使用非对称加密方案来防止入侵者。在[11]中,提出了一种用于实时车载云服务的节能自适应资源管理方案根据这些聚类算法,聚类后的VANESTs具有以下属性:1. 具有相同特性的车辆,即,速度和加速度形成一个簇。同一集群的集群成员(CM)同时使用同一信道2. 在CM中选择CH,这有助于控制集群内的活动CM没有能力成功传输数据包的时间由下式给出:(2)[12]TL AI FSτs=D。(二)碰撞所需的时间由Eq.(3)[12]TL E I FSτc=D。(三)这里,SIFS是短帧间空间。AIFS是仲裁帧间空间(等式10)。EIFS是错误帧间空间(等式(4)),(5)),ThPLCP报头的持续时间,D数据速率,以及σ=时隙时间。AI FS[AC]=AI FSN[AC]σ+SI FS(4)E I FS=SI FS+AI FS [AC]。(五)CCHI中成功传输的平均次数由等式给出。(6)[12];当剩余T个时隙时,在车辆的退避计数器处剩余最大w个竞争时隙,并且“n“个min(w,T)多跳,但CH有。3. 当消息到达CM时,它将其传输到其X(T,w, n)=∑l=1{P(l, n,w,l)}CH,在与其他CM竞争之后。由于CH具有多跳的能力,因此它向自己的CM以及相邻CH发送消息。4. 在相邻CH接收到消息后,X(t−l+1−Ts,w−l, n−1)]+nP(l,n,w,k)X(T-l +1-Tc,w-l,n-k)}.K=2(六)162R. J. et al./ICT Express 4(2018)160并将其广播给其CM。由方程式在公式(6)中,前两项表示在第l个时隙中仅由n个车辆中的1个车辆进行传输的概率,并且X(T-1)表示在第l个时隙中仅由n个车辆中的1个车辆进行传输的概率。R. J. et al./ICT Express 4(2018)160163− + −+ − −−CC=====⎢⎪⎝TCM至CH+TCH至CM s + T CM至CH s + T CM至CH s∑X(T,W, n)⎢⎣+ 中文(简体))C+(1−P(l,C,w,1))<$τc 。(十六)c=1ncC+⎪⎜⎪⎪CwCl1Ts,w1, n 1)给出了在剩余的T 11Ts时隙中成功传输的平均数量。最后一项在Eq。(6)表示冲突,因为N个车辆中的两个或更多个在第L个时隙中发送。最后,成功的数据包传输的概率由等式给出。(7)[12]X(T, W, N)N.(七)这里,N=车辆总数,W=竞争窗口的最大大小,T=TCCHI或SCHI-Tg-L/ D。这里,TCCHI或SCHI=50 ms,Tg=保护间隔=4 ms,L/ D是发送一个分组所需的时间(L=分组的长度,D=数据速率)。Fig. 1. 模拟情景快照。L现在,让我们考虑集群VANET。令C表示集群;因此,N辆车的总数TCH至CM=Th+D+SI FS(14)将分布在C集群中,即,N=n1+n2+n3+···其中,ni=集群i中的车辆。TCH到CH=Th+AI FS+1MHz时隙时间L+ D+ SIFS。(十五)因此,用于传输在集群i内部,可以计算为因此,发送分组的延迟可以由下式给出:X(T, W, ni).(八)我因为有C簇,所以通信的总PDR-⎢⎡⎧⎪⎛n⎞∑⎢∑⎨⎪CP(l, nc,w,1)(1−P(l, n,w,1))πτC⎞⎟⎫⎪⎤⎥⎬⎥簇内的距离计算如下:Wl=1μmCc=1μ mCVP(l, C,w,1)⎞⎪⎥- 是 的(九)现在,由于集群之间的通信发生在只有通过CH,每个集群可以被认为是一个单一的车辆,同时考虑CH之间的通信然而,CH接收消息意味着该集群的所有CM也将接收该消息。因此,一个消息到CH的接收等于它到所有CM的接收。因此,由于CH之间的通信引起的PDR可以计算为:X(T,W,C)<$(簇中CM的平均数-1)。(十)N因此,集群VANET的PDR可以通过下式计算:∑X(T, W, nc)1⎩⎪1⎪⎭这里,Eq.的第一项(16)示出了在n-c个车辆中选择一个然后从CH到CM。如果有两辆或两辆以上的车在nc辆车之间传输,则延迟等于碰撞所花费的时间。因此,Eq的第一项。(16)表示集群内部通信所花费的时间。同样,Eq.的第二项(16)表示CH之间的通信所花费的时间4. 结果和讨论使用以下参数(如表2所示)获得结果。进行了仿真研究使用网络模拟器2(NS2.34)[13],并提供补丁X(T,W,C)<$(簇中CM的平均数-1)。N设每辆车的消息生成速率为每秒α,则网络内的总消息生成速率为αTNα。因此,吞吐量可以通过下式计算:T hroughput=P DRαT L。(12)这里,L个分组大小。现在,让TCM到CH时间从CM发送消息到CH。从CH向CM发送消息的时间。从CH向相邻CH发送消息的时间在[14]中进行VANET模拟。模拟场景使用城市移动模拟器(SUMO)生成[15]。图1显示了模拟下的场景。图2呈现了集群和非集群场景的PDR。由于网络拥挤程度的增加,PDR随着车辆数量的增加而不断减小。车辆的数量越多,传输的数据包越多,导致信道的竞争越多。图3示出了吞吐量随着车辆数量的增加而增加。车辆的数量越多,分组传输越多;因此,虽然PDR降低,但吞吐量增加。集群VAN的PDR和吞吐量更高CM to CHn1+TCH到CHc=1nc1(十一)CC164R. J. et al./ICT Express 4(2018)160=Th+AIFS+1个时隙时间L+ D+SI FS(13)而不是非集群的VANG。它显示了簇状的钒酸盐相对于非簇状的钒酸盐。基本R. J. et al./ICT Express 4(2018)160165表2分析和模拟参数。参数值时隙时间(σ)16微秒SIFS时间32微秒AIFSN2EIFS188微秒数据速率(D)6 MbpsPLCP报头持续时间(Th)车辆数目40µs10–70数据包生成率(α)1/s/溶剂仿真区域仿真时间网络接口MAC接口接口队列3000米×4000米150 SPhy/WirelessPhyExtMac/802_11Ext队列/DSRC图二. 集群和非集群VANET场景的PDR与车辆数量。这种改进的原因在于,群集允许一组车辆以受控的方式使用相同的信道。由于CM之间没有通信,因此它可以防止由于数据包洪泛而产生的冲突和拥塞。图4表示延迟与车辆数量的关系。因为交通堵塞随着车辆数量的增加而增加,所以争用的时间也会增加。分析和仿真结果的差异主要是由于在仿真中包括传播模型、信道噪声和其他物理层属性。分析建模中不考虑这些特性因此,研究人员可以在分析建模中包括这些属性,以减少这种差异。5. 结论在本文中,提出了一个分析模型来评估集群VANET的情况下的性能推导了集群VANET场景下PDR、吞吐量和时延的计算公式对同一情景进行了仿真分析,仿真结果与分析结果吻合较好图三. 集群和非集群场景下的吞吐量与车辆数量。见图4。集群场景下的端到端延迟与车辆数量。研究人员可以进一步扩展或修改这些方程,用于他们提出的集群VANESTO协议和算法,因为集群的基本原理保持不变。利益冲突作者声明,本文中不存在利益冲突引用[1] B.范,D. D.斯坦纳,H. Krishnan,从一个角度理解专用短程通信(DSRC)的特性车辆网络工程师,在:第十六届移动计算和网络 年 度 国 际 会 议 论 文 集 , ACM , 2010 年 , pp. 329-340.http://dx.doi.org/10.1145/18599951860033网站。[2] IEEE 802.11p-2010 - IEEE信息技术标准- http://dx. 多岛或g/10。1109/IEEESTD. 2010. 五五一四七五。166R. J. et al./ICT Express 4(2018)160[3] 车辆环境中无线接入(WAVE)的IEEE草案修正案2009年[4] R. N.J.,N.古普塔A。普拉卡什河Tripathi,车辆Ad Hoc网络的自适应 移 动 性 和 基 于 范 围 的 集 群 相 关 MAC 协 议http://dx.doi.org/10.1007/s11277-017-4913-9.[5] K.A.哈菲兹湖Zhao,J.W.马克,X。沈,Z.牛,分布式多信道和移动性感知的基于簇的车辆自组织网络MAC协议,IEEE Trans.Veh。Technol.62(8)(2013)3886-3902。http://dx.doi.org/10.1109/TVT.2013.2258361网站。[6] Y. Chen,M.Fang,S.施,W。Guo,X.Zheng,基于邻域跟随的分布式多 跳集群算 法,EURASIP J. Wirel.Comm. 网络1 (2015 )98http://dx.doi.org/10.1186/s13638-015-0327[7] N.古普塔A。普拉卡什河Tripathi,基于聚类的认知MAC协议用于信道分 配以优 先考虑 车辆自 组织 网络中 的安全 消息Commun. 5(2016)44-54. 得双曲正切值. doi.org/10.1016/j.vehcom.2016.09.004网站。[8] H. Soleimani,S. Tomasin,Tohid Alizadeh,M. Shojafar,超宽带系统中简化时间反转预滤波的基于前置放大器头的反馈,25(1)(2017)100-109。http://dx.doi.org/10的网站。1016/j.phycom.2017.09.005。[9] W. Li,H.宋,艺术:一个抗攻击的信任管理计划,以确保车辆adhoc网络,IEEE trans.intell。运输单系统17(4)(2016)960-969。http://dx.doi.org/10.1109/TITS.2015.2494017网站。[10] Kamesh , N. Sakthi , Priya Security enhancement of authenticatedRFID generation,Int. J. Appl. Engg. Res. 9(22)(2014)5968-5974.得双曲正切值. doi.org/10.1002/sec网站。[11] M. Shojafar,N. Cordeschi,E. Baccarelli,Energy-efficient adaptiveresource management for real-time vehiclecloud services,IEEE Trans.CloudComput.PP(99)(2016)1-1.http://dx.doi.org/10.1109/TCC.2016的网站。2551747[12] C. Campolo , A. Vinel , A. 莫 利 纳 罗 岛 Koucheryavy , IEEE802.11p/WAVE车载网络广播建模,IEEE Commun。Lett. 15(2)( 2011 ) 199 http://dx.doi.org/10.1109/LCOMM.2011.122810 。102007[13] Network Simulator 2(ns2),离散事件网络模拟器,2009年。[联机 ] 。 Available : http : //nsnam. 伊 斯 岛 edu/nsnam/index.php/Main_Pagefig.[14] A.J. Ghandour,医学博士Felice,H.阿泰尔湖Bononi,Modeling andSimulation of WAVE 1609.4-based Multi-channel Vehicular Ad HocNetworks , in : 5th ACM International Conference on SimulationsTools and Techniques(SIMUTools),Italy,2012。(Best论文奖亚军)。[15] D. Krajzewicz湾赫特科姆角罗塞尔山口Wagner,SUMO(Simulationof Urban Mobility ) : An Open-source traffic simulation , in :Proceedings of 4th MESM,United Arab Emirates,2002,pp.183比187
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- VMP技术解析:Handle块优化与壳模板初始化
- C++ Primer 第四版更新:现代编程风格与标准库
- 计算机系统基础实验:缓冲区溢出攻击(Lab3)
- 中国结算网上业务平台:证券登记操作详解与常见问题
- FPGA驱动的五子棋博弈系统:加速与创新娱乐体验
- 多旋翼飞行器定点位置控制器设计实验
- 基于流量预测与潮汐效应的动态载频优化策略
- SQL练习:查询分析与高级操作
- 海底数据中心散热优化:从MATLAB到动态模拟
- 移动应用作业:MyDiaryBook - Google Material Design 日记APP
- Linux提权技术详解:从内核漏洞到Sudo配置错误
- 93分钟快速入门 LaTeX:从入门到实践
- 5G测试新挑战与罗德与施瓦茨解决方案
- EAS系统性能优化与故障诊断指南
- Java并发编程:JUC核心概念解析与应用
- 数据结构实验报告:基于不同存储结构的线性表和树实现
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)