专用短程通信中车-基础设施的通信安全

摘要

车载通讯大多都会使用无线标准IEEE 802.11a或者IEEE 802.11p。在专用短程通信（Dedicated Short Range Communications，简称DSRC）的支持下，它有较为广泛的应用，例如能源效率、实时交通监控、传媒娱乐功能、道路拥塞控制和道路安全监控。车载通信的关键挑战就是应该如何去处理具有高流动性的车辆，这些车辆各自有着不同的速度，但又都是通过接入点（Access Point，简称AP）相互通信。高速行驶的车辆在路上只有很短的时间和其他车辆进行分享数据，这个过程必须要在一个极短的时间内完成，否则甚至可能会发生碰撞，使得这个数据分享过程起不到应有的作用。在这篇文章中，我们提出了一种自适应感知速率选择（Adaptive-Context-Aware Rate Selection，简称自适应内容感知速率选择）算法，并利用对象提供与车辆运行相关的环境详细信息对车辆的机动性进行了车辆速度分布的建模。从获得的结果来看，这表明自适应感知速率选择在车辆安全信息传递过程中是高效率并且是可靠的。它在具有良好的吞吐量和低延迟特性的恒定速度模型之中有着更加良好的表现。结果还表明车辆可以通过接入点来得到较为可靠的信息。

关键词:V2I;安全通信；专用短程通信;自适应感知速率选择；对象提供与车辆运行相关的环境详细信息；自感应率；车辆通讯；IEEE802.11p;无线网络；速度；传输环境

1．介绍

在最近一段时间里，无线设备的广泛使用可以说是对于在无线和移动通信技术领域进行更多的研究的一项激励因素。然而，道路安全应该是更加具有挑战性、更加值得研究的关注点，因为在我们的世界里，道路交通事故每天都在发生。

在无线和移动通信领域的基本挑战之一就是高流动性和高数据速率，而车载的应用如车辆通信、视频和语音传输都对上述内容有着较高的需求。IEEE 802.11标准的目标是使用恰当的数据传输协议来提供更为可靠的通信，因此可靠和有效的服务可以通过服务质量（Quality of Service，简称QOS）来获得。

我们这篇文章的重点是介绍和评价一个可靠的速率自适应算法设计（Rate Adaptation Algorithm，简称RAA）来控制车载网络的服务质量的问题，然后通过功率控制方案的集成设计来为装有车载网络的车辆提供可靠的服务。为了达到这个目的，我们已经模拟了采用自适应感知速率选择算法来进行功率控制方案的汽车。在汽车通信中，成功实现可靠的信息传递是专用短程通信的目标之一。正确的选择合适的移动模型可以导致需要选择一个具有高效性能表现的系统。本文中，我们已经在恒定速度移动模型中实现了这项技术，所以车辆可以有更为可靠、高效的信息传递。

这篇文章剩余部分如下组织：第二部分是解释的相关的工作，第三部分是解释与模型相关的内容，第四部分是来评估网络，然后第五部分分析了和我们相似的结果。最后一部分是整篇文章的总结。

2．相关工作

在处理自适应算法设计和使用任何自组网路由协议进行车辆间的通讯时，车辆网络移动模型是最重要的因素之一。我们进行了大量的有关自适应算法设计移动模型的研究。

几个系统如自适应自动速率回退（Adaptive Auto Rate Fallback，简称AARF）,内容感知速率选择（Context-Aware Rate Selection，简称CARS），样本速率，内容感知速率算法（Context-Aware Rate Algorithm ，简称CARA），稳健速率自适应算法（Robust Rate Adaptation Algorithm，简称RRAA）已在文献中提出。然而，一些人实现移动性，结合对象提供与车辆运行相关的环境详细信息和流动性（内容感知速率算法,内容感知速率选择）,功率控制（稳健速率自适应算法），但是他们没有一个组合的流动性，来为对象提供与车辆运行相关的环境详细信息和功率控制速率自适应方案。

我们已经提出来一个稳健的噪声信号（Signal-to-Noise，简称SNR）速率自适应算法称为自适应内容感知。以恒定速度移动模型和电源管理方案集成的速率选择（即自适应感知速率选择）算法计划实行。自适应感知速率选择算法依赖于请求-发送/清除-发送（Request-to-Send/Clear-to-Send，简称RTS/CTS）机制来提供瞬时接收端信号干扰比（Signal-to-Interference Ratio，简称SINR）信息然后传给发送器。

3．流体模型

流体模型被用于在点对点网络中的移动节点的运动。它在确定协议的性能时起着关键性的作用。因此，它是可取的，这些模型能够以合理的方式有针对性的模拟现实生活中的应用的运动模式。在整个仿真过程中流体模型定义了移动节点的位置，速度以及方向，并且随时间改变。这里有几种移动模型，如随机游走模型，高速公路模型，恒速模型，矩形模型，随机航点模型，直线模型，圆模型，曼哈顿模型。

3.1恒速流体模型

在恒速移动模型，车辆可以以一个恒定的速度沿着车道移到一个随机选择的目标，并且在达到了目标之后，它会随机地选择一个新的目标。应用该模型，车辆选择它们的速度如公式（1）均匀地分布在这个范围内。车辆的初始位置在MATLAB随机生成，称为。

在这里，v是速度，t是时间，d是每个节点与AP直接的距离，是车辆的新位置，是AP的位置，n是车辆的总数，是指第n台车的位置，是指第n个AP的位置，然后是车辆的平均速度。通常在55公里每小时的范围内选择不同数量的汽车。车辆和接入点（AP）或路侧单元（Road Side Unit，简称RSU）的距离d来确定哪个车辆处于通信范围内或者是超出范围。在此模拟中使用的参数在表1中列出。

4评估

本节内容分析的是整合功率控制方案集成到自适应感知速率选择。有了这个集成到自适应感知速率选择的方案和现有的自适应算法设计技术，我们可以评估在各种速率选择方案中电源管理的优化过程。

4.1网络分析

我们配置和模拟使用车辆到车辆（V2V）网络仿真，原因是，车辆到车辆（V2V）网络在此情况下是复杂到难以控制，而这被认为是未来的研究方向。图1是一个V2I网络，然后图2是本文中使用的网络设置。

图1 车-路边基础设施网络

图2 网络设置

4.1.2 自适应感知速率选择的施行

该算法用功率控制来实现。其他现有自适应算法设计选择专注于流体模型和功率控制的单独计算，两者不会结合使用。

算法1是自适应感知速率选择的实施总结。算法中的两个关键功能是Ec 和Eh ，Ec使用对象提供与车辆运行相关的环境详细信息（context-information，CTX）作为输入参数，有助于减少算法1中线路9的封包错误率（Packet Error Rate，简称PER）。Eh用过去的信息，按比特率进行传输。alpha;表明给予CTX或者E_H较高的优先级，s是正规化速度，v是车辆的速度，是平均重试率，V_mob是使用输入参数为CTX的移动性功能，a是被选择为0.03并用于平均误差块的数目，是频率，TV是转换率车辆，C_R是通讯距离（300m），然后X_max是道路长度。为了信噪比估计物理（Physical，PHY）层，该算法采用从寻找比特错误率（Bit-Error Rate，BER）表的每个节点生成。算法1的目标是返回最好的速率进而选择其进行传输。

4.1.3 传播环境

为了实现对自适应算法设计S的功率控制方案，我们研究传播现象对具体情况的影响，还有路径损耗指数和阴影偏差。这些影响发生在不同的位置，并且它们随着车辆从一个位置移动到另一个位置，从而导致在不同的环境中出现不同的传播的效果。由于不完善的传播环境，在实践中，它不完全与他的平方成反比。由于发送器和接收器之间的距离及给出的信号电平与错误率之间的高相关性，这样会影响到被接收还有发送的数据包的数目。公式4-6给出集成到自适应感知速率选择算法的功率控制的概要。

我们的模拟结果表明，传播现象影响车辆的通讯率的变化。

在这里是增益，是路径损耗，是阴影和是多径衰落，而RSS是接收信号强度。

5仿真结果分析

在本节中，我们将分析用MATLAB模拟系统获得的结果。我们还将讨论从各种速率自适应方案得到的结果，并评估他们的表现的速度在自适应算法设计S的影响。

表1 配置参数

5.1.1网络设置

在这个仿真模型中，所有车辆作为客户端。我们使用一个固定的基站作为服务器，这是一种类似于在城市和公路来提供无线服务的道路侧单元（例如报亭和咖啡店）。我们的方案包括一条路的长度为1000米的多车道。基站位于道路的中间位置。表1显示了仿真参数，路径损耗指数和跟踪偏差。

5.1.2频率选择

从算法1，E_H采用指数加权移动平均（Exponentially Weighted Moving Average ，简称EWMA）对每个比特率传输统计过去，而E_C采用对象提供与车辆运行相关的环境详细信息，它是由可变CTX代表。重量alpha;取决于优先考虑的对象提供与车辆运行相关的环境详细信息或指数加权移动平均。alpha;是根据车辆分配的速度。当速度为零，没有机会做任何预测，可以利用对象提供与车辆运行相关的环境详细信息的链路质量，因此指数加权移动平均是优先考虑，但是当车速处于较高的时候，对象提供与车辆运行相关的环境详细信息就是较好的选择了。更确切地说，。我们选择一个标准的速度，S = 30（米/秒）为最佳值，这相当于大约65英里每小时的车速。.

该算法计算的估计可以通过为每个比特率和比特率的选择来预示，提供最佳吞吐量。N是重传的最大数量，和计算重传的平均数量。是表示给予不成功的数据包传输的惩罚的次数。

5.1.3结果与讨论

采样率在根据范围的网络配置设置中选择自己的速度方面已经相较所有其他自适应算法设计S有更好的表现性能车辆。从图3中，自适应自动速率回退表现相比自适应感知速率选择, MODIFIED内容感知速率选择 和ONOE更为不佳。

自适应感知速率选择的性能比从图中所有其他速率对比选择，算法更好。观察表明，采样率频繁断其传输速度比自适应自动速率回退低，并在此方案中处于最差的表现。MODIFIED内容感知速率选择并没有很好表现，尤其是随着车辆的增加速度的时候。

从图3-6显示观察，流动性对不同自适应算法设计S的性能有着相应的影响。从这些具体数字来看，自适应感知速率选择在所有的采样中某些具有相对较差表现的具体方案优于其他速率的表现。其中的一个原因可能是该算法是与流动性问题有一定的冲突，因为它不是流体模型最初设计所考虑的问题。由于不同的信道条件都会影响到几乎其他所有的方案，它影响着各种自适应算法设计选择的具体性能表现。自适应感知速率选择以大约每小时70公里的速度来具体执行所有其他的自适应算法设计选择。

我们可以从图3-6观察，自适应感知速率选择执行其他速率选择算法，但作为车辆的速度增加是会有一定的波动。在有某些阴影的情况下，当节点相互指间的距离增加的时候，接收的概率会进行某种程度的下降，因为发送节点在这一节点时是远离接收器的。从这些数据中可以发现，车辆的速度会影响到两者的距离，因此它也会影响信号之间的接收。

采样率不能在这个信道条件其他自适应算法设计选择，原因可能是在适应一个较为快速变化的传播现象和车辆速度。在它的实施情况中，它试图限制在连续不断地速率变化的最小持续时间维持到至少2秒，不过这很可能会影响其整体的性能。相比自适应自动速率回退，自适应感知速率选择和ONOE这些，modified cars也没有一个很好的表现。

图3.系统平均吞吐量和速度比较（衰落和平均区间）

图4.系统平均吞吐量与速度比较（衰落,不平均区间）

图5.系统平均吞吐量和速度比较（不衰落，不平均区间）

图6.系统平均吞吐量和速度比较（不衰落和平均区间）

从我们的模拟可以看出，我们已经评估了各种自适应算法设计选择的速度的影响。结果表明，自适应感知速率选择性能优于所有其他基于噪声信号技术的自适应算法设计选择系统，因为它相比于物理层可以更加快速的估计出噪声信号的具体数据。

在本文中我们的主要贡献之一就是基于噪声信号的速率自适应算法。自适应感知速率选择对噪声信号的施行，可以进而估计噪声信号在车载通信对在物理层传输的数据包的某些影响。自适应感

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[153508]，资料为PDF文档或Word文档，PDF文档可免费转换为Word