论文部分内容阅读
在物联网(Internet of Vehicles,IOT)快速发展的背景之下,车联网(Internet of Vehicles,IOV)在物联网框架下的发展引起国内外学术界、工业界和标准化组织的高度关注。车联网的发展,不仅为车辆提供了应急和交流服务,未来还可以实现信息广播、道路监控等功能。然而,这些功能的实现,都需要传输海量大数据,包括动态交通数据,视频,图像,语音等。因此,在车联网环境下实现数据的实时、高效传输成为一个亟待解决的问题。本文从提高车联网数据传输吞吐量的角度出发,研究车辆消息传输速率,和发送信道的选择问题。本文首先研究车辆环境无线接入协议(Wireless Access in the Vehicular Environment,WAVE)中的多速率调节问题。在不同的车辆运行环境下,不同的传输速率会有不同的数据吞吐量。因此,在特定场景合理的选择传输速率,能够有效的提高数据吞吐量。常见的速率调节算法包括ARF、AARF、ONOE、SampleRate、Minstrel等。考虑到目前的速率调节算法主要针对WiFi协议(IEEE 802.11 a/b/g/n),不能很好地解决IEEE 802.11p协议在车辆行驶环境中面临的高动态性导致的信道估计延时和高密度导致的信道测试空白。在室外的测试中,我们发现传输速率的数据吞吐量和位置的相关性比较大,并依此建立了基于位置的数据库,用来记录在不同位置,使用不同传输速率发送信息的数据吞吐量。接下来,我们提出了基于位置的速率调节算法LRRA。LRRA根据数据库中的历史数据,结合Minstrel给出的实时信道状况,预测不同传输速率的实际吞吐量,并选择吞吐量最高的传输速率。仿真结果说明LRRA能够提高系统吞吐量,是因为它比其他算法更快得适应信道的变化。本文接下来研究了WAVE协议中的多信道选择算法。WAVE协议中使用的是多信道机制,总共规定了6个服务信道(Service Channel,SCH),在进行通信前,发送装置首先需要决定接入到哪一个SCH。WAVE协议并没有规定如何进行信道选择,随机接入必然会导致有的SCH比较拥挤,有的SCH比较空闲。为了可以充分利用每一个SCH,提升系统的吞吐量,我们提出了基于碰撞概率的信道选择策略CPCA。文中首先对车联网中的增强的分布式信道接入(Enhanced Distributed Channel Access,EDCA)机制进行了建模。该模型考虑了站点中不同的数据接入分类(Access Category,AC)的饱和与非饱和,以及内部和外部冲突机制并存的情况。进而,可以根据一个SCH中的通信站点数量和每一类AC的数据量,计算出一个SCH内4种AC发送数据的冲突概率。所以,当有新的站点提出加入SCH的申请时,结合该站点每个AC队列的数据注入规律,分别计算站点加入每个SCH在每个AC队列发送数据的冲突概率和可以发送的数据量,进一步计算出加入每个SCH可以发送的总数据量。最后,算法选择可以发送最大数据量的SCH。此机制能够合理分配信道,大大增加系统的吞吐量。NS3中的仿真说明了该算法的有效性。我们搭建了车联网通信实验平台。该平台由两台车载单元(On Board Unit,OBU)和一个路边单元(Rode Side Unit,RSU)组成,其中OBU采用NI公司的通用软件无线电外设(Universal Software Radio Peripheral,USRP),RSU采用PXI(PCI Extensions for Instrumentation)。此外,我们设计了基于正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)技术,信道估计和频域均衡技术的车-车通信(Vehicle to Vehicle,V2V)和车-路通信(Vehicle to Infrastructure,V2I)机制。经过实际在校园道路测试实验,我们为将来车联网通信原型机设计打下了良好基础。