摘 要： 面向车联网的实际应用需求，构建了一种高速公路环境下的基于4G和DSRC的异构网络通信场景。针对车辆在该场景下可能会在不同网络信道间频繁发生垂直切换导致较高的传输时延和丢包率的问题，在分析研究基于4G与DSRC的高速公路异构网络切换过程的基础上，引入网络跳数、连接次数和行驶轨迹作为切换判决条件，基于TREBOL路由协议设计了一种异构网络垂直切换算法。最后利用Veins仿真平台对提出的异构网络垂直切换算法的切换性能进行对比测试分析。测试结果表明，与基于RSSI的异构网络垂直切换方法相比，所提切换算法能增大车辆与DSRC网络连接的持续时间，并有效减少“乒乓效应”。
关键词： 车联网； 高速公路； 异构网络； 垂直切换； 第四代移动通信技术； 专用短程通信
中图分类号： TN915⁃34 文献标识码： A 文章编号： 1004⁃373X（2018）01⁃0105⁃07
Abstract： According to the practical application requirements of Internet of Vehicles （IoVs）， a scenario of heterogeneous network communication based on 4G and DSRC was constructed for freeway. Since the frequent vertical switching of the channel between different networks may cause the high transmission delay and packet loss rate in the constructed scenario， the network hop count， connection frequency and traveling trajectory are introduced as the switching decision factors on the basis of the research on the switching process of the freeway heterogeneous network based on 4G and DSRC， and a vertical switching algorithm of heterogeneous network is designed on the basis of TREBOL routing protocol. The comparison test and analysis were carried out for the switching performance of the heterogeneous network vertical switching algorithm with Veins simulation platform. The test results show that， in comparison with the heterogeneous network vertical switching algorithm based on RSSI， the switching algorithm can prolong the duration time of the network connection between the vehicle and DSRC， and effectively weaken the ping⁃pong effect.
Keywords： Internet of Vehicles； freeway； heterogeneous network； vertical switching； 4G； DSRC
0 引 言
近年来，多种无线通信技术的发展使得车联网的部署与应用成为可能。车联网作为物联网技术在道路交通领域的典型应用，其研究目的是实现车与车、车与路、车与人之间的互联互通，从而提高道路的通行效率，保障行车安全[1]。
目前，使用较为广泛的车⁃车/车⁃路通信技术主要包括：短程无线通信技术DSRC（Dedicated Short Range Communications）、无线局域网WLAN（Wireless Local Area Networks）、第四代移动通信技术4G（4rd Generation）和无线带宽接入技术WiMAX（Worldwide interoperability for microwave access）[2]。由于DSRC技术能够快速识别移动车辆并建立通信连接的特性可以满足车⁃车/车⁃路通信中较大数据流快速上传的需求，同时，4G技术提供的较大范围的无缝通信覆盖[3]能够保证移动节点在较远距离上持续稳定的信息服务，因此，本文针对车联网的实际应用需求构建了如图1所示的高速公路环境下基于4G和DSRC的异构网络通信场景。
但受成本约束，一般路侧节点（Road Side Unit，RSU）部署数量有限而无法实现DSRC网络在道路上的无缝覆盖。因此，在超出DSRC网络的覆盖范围时，车辆需切换到4G网络以保持与网络的连接；当车辆驶入DSRC网络覆盖范围内时，应再次切换到DSRC网络，以减少对4G网络信道的占用和对4G流量的消耗。但车辆在运动过程中会在4G网络和DSRC网络组成的异构网絡环境下的不同网络信道间频繁发生垂直切换，此时若判决条件单一，则极易引发“乒乓效应”，进而导致过高的传输时延和丢包率[4]。
针对上述异构网络切换问题，文献[5]研究了基于接收信号强度的切换算法，利用网络终端收集比较不同网络的接收信号强度差值（简称DRSS）触发切换过程。使用DRSS作为切换判决较为简单，但依然易导致切换过程中的“乒乓效应”。在此基础上，文献[6]增加了驻留时间与迟滞电平两个参数，提出基于DRSS的切换算法，尽管引入迟滞电平和驻留时间能够减少乒乓切换，却增加了切换的延迟。为了解决4G和DSRC异构网络切换容易引发“乒乓效应”的问题，本文对高速公路基于4G与DSRC车联网通信环境下的异构网络切换过程进行分析，然后基于TREBOL路由协议[7]设计了一种持续型垂直网络切换算法，最后基于Veins仿真平台对该算法的性能进行了测试。
1 4G和DSRC异构网络切换机制
1.1 TREBOL路由协议
文献[7]提出的TREBOL路由协议是一种分层路由协议，将道路上的车辆节点进行分层管理，利用移动范围内的车辆节点组成一个簇，簇内划分为父母节点（Parent Node，PN）和子女节点（Children Node，CN）。CN发送的数据经由PN进行转发，从而达到降低信道负荷的目的。如图2所示，车辆与RSU建立通信时，需要发送配置消息（Configure Message，CM）告知车辆节点连接网络时的配置信息，同时车辆节点也会向RSU发送自身的状态消息（Statement Message，SM）。
1.2 高速公路异构网络切换过程分析
在上文所述的高速公路车联网通信环境下，车辆行驶过程中可能存在的网络切换过程可以分为：4G⁃to⁃DSRC，4G⁃to⁃4G，DSRC⁃to⁃4G和DSRC⁃to⁃DSRC四种。考虑到所述场景中RSU在道路不连续间隔配置，且4G⁃to⁃4G的网络切换技术已经较为成熟，本文只对4G⁃to⁃DSRC和DSRC⁃to⁃4G两种切换过程进行分析。
如图3所示，车辆A在驶入RSU的通信范围前，保持与4G基站的连接，当A即将驶入RSU的通信覆盖范围时，若A接收到来自RSU的消息或检测到RSU的RSSI值，需要对是否进行网络切换进行判定。若判决结果为是，则需要利用媒质无关协议中的事件原语触发网络可用事件，利用媒质无关切换中的上行链路事件完成事件消息的上传，上行链路事件进一步触发上层协议对车辆节点的数据流进行移动管理；若判决结果为否，则进行切换。车辆B在驶出RSU的通信范围前，同时与4G基站和RSU保持连接。当B判定当前已无法保证与RSU建立连接时，利用媒质无关切换中的下行链路事件命令，将使用DSRC接口的IP流回归至4G网络接口。因此，在上述异构网络中进行切换的关键是判断是否连接至DSRC网络或断开与DSRC网络的连接。
1.2.1 DSRC连接判决
在TREBOL路由协议下，切换至DSRC网络的前提是车辆接收到了由RSU周期广播的CM。具体存在两种情况。
1） 车辆已处于RSU通信覆盖范围的边界，但由于前方存在障碍物等原因使其无法接收到CM消息，使得车辆切换至DSRC网络产生推迟，缩短了与RSU的通信时间。
针对该情况，本文利用TREBOL路由协议建立一种车辆间多跳通信链路，完成对障碍车辆的“绕行”，如图4所示。车辆A接收车辆B转发的CM消息，并利用接收到的CM判定B是否为自己的父母节点，若判定结果为是，则利用节点B完成与RSU的通信。
2） 车辆节点接收到了经过过多的多跳转发的CM，但车辆并未驶入RSU覆盖范围，此时会因为过多的中继转发节点导致消息传送存在较大时延和通信质量不稳定，进而频繁地在异构网络中切换，导致“乒乓效应”的发生。如图5所示，若节点D与RSU的通信链路断开，则车辆节点A，B，C与RSU间的通信均会受到影响。
针对该情况，本文从两方面考虑：第一，为了保证多跳连接的通信质量，设置网络跳数阈值[Nhop，]作为车辆切换至DSRC网络的判决条件，若当前网络连接跳数大于[Nhop，]则不进行切换，否则切换至DSRC网络。其中网络跳数值通过在转发过程中由转发车辆重写CM消息的网络跳数字段完成（每次转发该值加1）。第二，考虑到上游节点与RSU断开连接的原因多为该节点驶离RSU，本文引入行驶轨迹参数[Mi⁃o，]用来判定上游节点相对RSU的位置变化状态，进而确定是否建立连接。行驶轨迹[Mi⁃o]主要由RSU通过解析SM中包含的位置信息计算车辆与RSU间的距离变化趋势完成。若车辆驶离RSU，则将[Mi⁃o]设为1；否则将[Mi⁃o]设为0。
1.2.2 DSRC断开判决
与DSRC连接判决类似，车辆节点与DSRC网络断开连接时存在两种情况：第一种是车辆处于RSU覆盖范围边界时断开与RSU的连接，针对该情况，可以利用TREBOL路由协议使车辆以多跳的形式连接到路侧设备提供的DSRC网络；第二种是利用TREBOL路由协议后，车辆处于RSU覆盖范围外，因父母节点断开与RSU的連接而发生连接断开，针对该情况，可以通过设置网络跳数阈值，防止出现过多中继节点，以保证数据的传输质量。
此外，考虑饱和道路交通环境的状况，如图6所示，当某RSU的覆盖范围内车流密度很大时，若车辆节点均连接到当前的RSU，势必会造成较大的网络负载。且由于通信质量不佳，连接过程中可能会形成“乒乓效应”，故应使部分车辆（如A）断开DSRC连接而使用4G网络完成数据的传输。因此，本文引入连接次数阈值[Nlink]作为判决参数，从驶入到驶出RSU覆盖范围的时间内，若车辆节点尝试与RSU建立通信连接的次数大于设定的[Nlink，]则断开连接；否则，根据网络跳数作进一步判定。
1.3 异构网络垂直切换算法设计
由讨论可知，进行异构网络垂直切换需要考虑多种因素，以避免乒乓效应的发生。本文从切换的整体流程出发，利用引入的网络跳数[Nhop、]连接次数[Nlink]和行驶轨迹[Mi⁃o]作为切换判决条件，设计了一种异构网络垂直切换算法（见算法1）。
当存在可用的DSRC网络时，车辆首先对CM消息的转发次数进行解析，若转发次数为0，则建立与RSU间的网络连接；若转发次数大于0，则将转发次数与网络跳数阈值[Nhop]进行比较，若转发次数小于[Nhop，]则对转发节点的行驶轨迹[Mi⁃o]进行判定；若[Mi⁃o]为0，此时转发车辆驶近RSU且构成的网络连接跳数较小，因此建立与RSU间的网络连接；若[Mi⁃o]为1，此时转发节点驶离RSU，然后对车辆节点与RSU间的连接次数阈值[Nlink]进行判定，当连接次数小于[Nlink]时，保持与转发节点的连接；否则车辆通过监听CM选择新的上游节点，在当前连接中断之前建立与DSRC网络间的连接，以保证数据传输的稳定性；若转发次数大于[Nhop，]则仍保持与4G网络间的连接。
算法1
1 if（车辆节点仅与4G网络保持连接&&存在可用的DSRC
网络）{
2 if（转发次数=0）{
3 车辆与DSRC建立连接；
4 实现对4G网络负载的分流；
5 }
6 else if（转发次数>0&&转发次数<网络跳数阈值）{
7 if （行驶轨迹为0）{
8 车辆保持与DSRC建立连接；
9 继续完成对4G网络负载的分流；
10 }
11 else if（行驶轨迹为1）{
12 if（连接次数<连接次数阈值）{
13 车辆保持与DSRC的网络连接；
14 继续完成对4G网络负载的分流；
15 }
16 else车辆寻求新的上层节点完成DSRC网络的连接
17 }
18 else车辆断开与DSRC网络的连接
19 }
20 end if
2 性能测试分析
为了验证本文提出的异构网络垂直切换算法的有效性，本文利用Veins仿真平台[8⁃9]对其应用性能进行测试分析。
2.1 测试场景及参数设置
Veins仿真平台通过耦合交通仿真器SUMO和网络仿真器OMNeT++[10]实现对车联网环境的模拟。本文分别按表1和表2设置SUMO中道路仿真参数和车流参数，按表3和表4设置OMNeT++中DSRC基本参数和LTE基本参数[11]。
2.2 测试结果与分析
本节与基于RSSI[12⁃13]的异构网络垂直切换方法进行对比分析：通过分析车辆行驶过程中网络切换的持续时间和切换跳数，对比分析切换机制的性能；通过设置网络跳数[Nhop]和连接次数[Nlink]阈值，对比使用不同判决参数时的切换算法性能。
首先通过对比车辆在不同切换机制下处于通信网络中的时间，研究不同切换机制下网络的稳定性。图7，图8分别表示将网络跳数和连接次数的阈值均设为2，在不同车流密度和不同车辆速度的情况下，基于本文切换算法和基于RSSI切换算法接入4G和DSRC网络的持续时间。
测试结果表明，当车辆速度相同、网络跳数和连接次数的阈值相同时，使用本文切换算法的持续时间比基于RSSI切换算法的持续时间长。这是因为本文算法由4G切换至DSRC网络的过程中能够实现与RSU的多跳连接。同时可以看到，随着车辆速度的增加，两种切换机制下处于DSRC网络中的时间均有所下降；然而基于RSSI的切换算法中持续时间的下降速度最快，受车速的影响很大，而本文算法降幅相对较小，因为本文算法扩展了网络的覆盖范围。此外，对于本文算法而言，车流密度的增加会降低节点处于DSRC网络的时间，这是因为车流密度的增加使得车辆间距变小，而[Nhop]不变，故扩展的DSRC覆盖范围相比车辆密度较低时要小，考虑到车辆的行驶速度不变，因此缩短了车辆与DSRC网络连接的时间。
切换跳数是衡量垂直网络切换算法的又一个重要参数，切换跳数越高，则切换过程中越有可能发生“乒乓效应”。由于本文切换算法在接入DSRC时均只考虑网络跳数，因此，首先研究网络跳数阈值的设置对车辆由4G切换至DSRC网络时的切换跳数的影响。图9为不同车辆行驶速度和密度、不同网络跳数阈值条件下车辆由4G切换至DSRC网络中的切换次数。
可以看到，在车辆行驶速度和车流密度相同的情况下，车辆由4G切换至DSRC网络的过程中，基于本文算法进行网络切换的次数均小于基于RSSI切换算法的切换次数。这是因为基于RSSI的切换算法进行切换判决的条件过于单一，车辆驶入路侧节点后需要反复对这两种网络的信号强度进行比较；而本文算法中，车辆一旦接收到CM，还需对[Nhop]进行判定，只有小于阈值才会完成切换。
另外，对于本文切换算法而言，当网络跳数[Nhop]的值变大（由2变为3）时，车辆进行4G至DSRC的网络切换的切换次数增加。这是因为阈值变大，连接的稳定性会受到车辆移动的影响，当转发车辆无法保持与RSU的网絡连接时，部分子女节点也会断开与DSRC的连接。
此外，当其他因素保持不变时，车辆行驶速度的提升也会使切换次数增加。这是由于车速较高时，网络拓扑的变化较快，上游节点更容易产生连接中断，加剧了网络切换的频率。对于拥堵车流（车辆行驶速度为30 km/h，车流密度为100 辆/km），由于车流密度过大，DSRC网络拥塞程度较为严重，部分车辆切换至4G网络，导致切换次数增加。
图10分别表示在网络跳数阈值为3时，车辆基于本文切换算法在不同车辆行驶速度和车流密度、不同连接次数阈值条件下由DSRC切换至4G网络的切换次数。图11表示基于RSSI切换算法的切换均值，其中网络跳数阈值和连接次数阈值均设为0。
可以看到，与4G切换至DSRC的过程相似，由于切换算法较为简单，使得在不同的连接阈值条件下，基于RSSI切换算法的切换次数远大于本文算法。
通过上面的分析可知，相比基于RSSI的垂直网络切换算法，本文提出的异构网络垂直切换算法，能在一定程度上延长车辆与DSRC网络的连接时间，同时切换过程中不易引发“乒乓效应”。
3 结 语
根据车联网的应用需求，本文构建了一种高速公路环境下基于4G和DSRC的异构网络通信场景。由于在车联网环境下部署的路侧节点数量有限，车辆在运动中会在异构网络环境下的不同网络信道间频繁发生垂直切换，引发“乒乓效应”，导致较高的传输时延和丢包率。针对该问题，本文基于TREBOL路由协议，通过引入网络跳数、连接次数和行驶轨迹作为切换判决条件，提出一种异构网络垂直切换算法。为了验证算法的有效性，本文在Veins仿真平台根据具体的案例对算法的性能进行测试。测试结果表明，本文提出的切换算法能延长车辆与RSU的DSRC网络的连接时间，同时，还能有效避免切换引发的“乒乓效应”。
参考文献
[1] 姚佼，杨晓光，朱彤，等.基于全息信息环境的车路协调系统试验平台[J].公路交通科技，2009（z1）：39⁃43.
YAO J， YANG X G， ZHU T， et al. Vehicle⁃infrastructure integration system experimental platform based on holographic information [J]. Journal of highway & transportation research & development， 2009（z1）： 39?43.
[2] HAFEEZ K A， ZHAO L， MA B， et al. Performance analysis and enhancement of the DSRC for VANET′s safety applications [J]. IEEE transactions on vehicular technology， 2013， 62（7）： 3069⁃3083.
[3] 闫超.车联网环境下交通信息传输保障方法研究[D].长春：吉林大学，2014.
YAN Chao. Research on traffic information transmission guarantee method under IoVs environment [D]. Changchun： Jilin University， 2014.
[4] MARTINEZ F J， TOH C K， CANO J C， et al. A survey and comparative study of simulators for vehicular ad hoc networks （VANETs） [J]. Wireless communications and mobile compu⁃ting， 2011， 11（7）： 813⁃828.
[5] 徐鹏，方旭明，杨俊.基于信号强度和功率损耗的分层网络切换算法[J].西南交通大学学报，2011，46（1）：98⁃102.
XU Peng， FANG Xuming， YANG Jun. Handoff algorithm for hierarchical cell networks based on received signal strength and power loss [J]. Journal of Southwest Jiaotong University， 2011， 46（1）： 98⁃102.
[6] 钟小东.无线局域网MAC层切换算法的研究[D].广州：华南理工大学，2012.
ZHONG Xiaodong. Research on handoff algorithm of MAC layer in wireless LAN [D]. Guangzhou： South China University of Technology， 2012.
[7] GRAMAGLIA M， CALDERON M， BERNARDOS C J. TREBOL： tree⁃based routing and address autoconfiguration for Vehicle⁃to⁃Internet communications [C]// Proceedings of 2011 IEEE the 73rd Vehicular Technology Conference. Yokohama： IEEE， 2011： 45⁃50.
[8] WU T Y， WENG W F. Reducing handoff delay of wireless access in vehicular environments by artificial neural network⁃based geographical fingerprint [J]. IET communications， 2011， 5（4）： 542⁃553.
[9] MARTINEZ F J， TOH C K， CANO J C， et al. A survey and comparative study of simulators for vehicular ad hoc networks （VANETs） [J]. Wireless communications and mobile compu⁃ting， 2011， 11（7）： 813⁃828.
[10] ARELLANO W， MAHGOUB I. TrafficModeler extensions： a case for rapid VANET simulation using， OMNET++， SUMO， and VEINS [C]// Proceedings of 2013 the 10th International Conference on High Capacity Optical Networks and Enabling Technologies. Magosa： IEEE， 2013： 109⁃115.
[11] 谢鹏.基于WAVE协议栈的车联网通信终端研究及定位系统实现[D].广州：华南理工大学，2013.
XIE Peng. Research and implementation of vehicle communication terminal and positioning system based on WAVE protocol stack [D]. Guangzhou： South China University of Techno⁃logy， 2013.
[12] 陶金龙，康志伟，骆坚.基于RSSI测距的加权概率定位算法[J].电子测量与仪器学报，2014，28（10）：1123⁃1129.
TAO Jinlong， KANG Zhiwei， LUO Jian. Weighted probabilistic localization algorithm based on RSSI measurement [J]. Journal of electronic measurement and instrumentation， 2014， 28（10）： 1123⁃1129.
[13] 张文学.基于WiFi的RSSI指纹定位算法研究[D].成都：电子科技大学，2015.
ZHANG Wenxue. Research on RSSI fingerprint positioning algorithm based on WiFi [D]. Chengdu： University of Electronic Science and Technology of China， 2015.