基于IEEE 802.11p的自适应主次窗口退避机制及验证

doi:10.19562/j.chinasae.qcgc.2022.12.007

摘要/Abstract

摘要：

在交通密集场景下，考虑到现有的DSRC和C-V2X两种技术都不能保证数据高效传输。本文首先介绍了所采用的车联网网络架构。其次，提出基于自适应主次窗口划分的IEEE 802.11p机制的设计，旨在降低车辆节点的冲突率进而增加数据传输率。再次，通过建立二维Markov模型获得传输时延等性能指标的解析式。最后，对改进机制进行了数值验证。仿真结果表明，与经典机制相比，不管是交通稀疏还是密集场景，改进机制都能获得更好的网络性能。同时，建立时延最小和可靠性最高的多目标优化模型，对提出机制进行优化，以获得均衡的系统性能。

关键词: 主次退避, IEEE 802.11p, 自适应, Markov模型, 多目标优化

Abstract:

In traffic intensive scenarios， the existing DSRC and C-V2X technologies can not ensure efficient data transmission. Firstly， this paper introduces the network architecture of the Internet of vehicles. Secondly， the design of an IEEE 802.11p mechanism based on adaptive primary and secondary window partition is proposed， in order to reduce the collision rate of vehicle nodes and then increase the data transmission rate. Then， by establishing a two-dimensional Markov model， analytical expressions of transmission delay and other performance indexes are obtained. Finally， the improved mechanism is numerically verified. The simulation results show that compared with the classical mechanism， the improved mechanism can obtain better network performance in both sparse and dense traffic scenes. At the same time， a multi-objective optimization model with minimum delay and highest reliability is established to optimize the proposed mechanism so as to obtain balanced system performance.

Key words: primary and secondary backoff windows, IEEE 802.11p, adaptive, Markov model, multi objective optimization

周兴凯,窦祖芳,杨喜娟,杨乔礼. 基于IEEE 802.11p的自适应主次窗口退避机制及验证[J]. 汽车工程, 2022, 44(12): 1856-1865.

Xingkai Zhou,Zufang Dou,Xijuan Yang,Qiaoli Yang. Backoff Mechanism and Verification of Adaptive Primary and Secondary Windows Based on IEEE 802.11p[J]. Automotive Engineering, 2022, 44(12): 1856-1865.

图/表 12

图1

图2

图3

图4

表1

本文所使用的符号"

符号	含义
$B i, j$	$B l o c k ? B (i, j)$ 状态
$P t r a n s$	每个数据包传输的稳态概率
$P B i, j$	进入 $B l o c k ? B (i, j)$ 的稳态概率
$P b a c k i, j$	退避状态的稳态概率
$P C C A i, j$ $P S P B i, j$	CCA状态的稳态概率 $B l o c k ? B (i, j)$ 的稳态概率之和
$B P$	主退避占退避过程的份数
$L$	传输数据包的等效时间
$N$	车辆节点的个数
$P C$	节点间冲突发生的稳态概率
$α$	信道占用的稳态概率
$τ$	决定发送数据包的稳态概率
$m$	$m a c M a x C S M A B a c k o f f s$

表1

图5

表2

仿真参数"

参数	数值
数据长度	120 bytes
传输速率	250 kbps
传输数据包的等效时间 $L$ 车辆密度 $N$	12（3.84 ms） 0-36
最大退避次数（ $m a c M a x C S M A B a c k o f f s$ ）最小退避次数（ $m a c M i n C S M A B a c k o f f s$ ）	5 1
最大退避指数（ $m a c M a x B E$ ）	6
最小退避指数（ $m a c M i n B E$ ）分布式帧间间隙（ $D I F S$ ）短帧间间隙（ $S I F S$ ）	3 58 μs 32 μs
最大竞争窗口尺寸 $W m a x$ 最小竞争窗口尺寸 $W m i n$	63 7

表2

图6

图7

图8

图9

图10

参考文献 25

1	SUN G， ZHANG Y， YU H， et al. Intersection fog-based distributed routing for V2V communication in urban vehicular Ad Hoc networks ［J］. IEEE Trans. on Intelligent Transportation Systems， 2020， 21（6）： 2409-2426.
2	KENNEY J B. Dedicated short-range communications （DSRC） standards in the united states ［J］. Proceedings of the IEEE， 2011， 99（7）： 1162-1182.
3	3GPP. Initial Cellular V2X standard completed ［EB/OL］. ［2022-5-24］. http：//www.3gpp.org/news-events//1798v2x r14
4	CHETLUR V V， DHILLON H S. Coverage and rate analysis of downlink cellular vehicle-to-everything （C-V2X） communication ［J］. IEEE Trans. on Wireless Communications. 2020， 19（3）： 1738-1753.
5	VINEL A. 3GPP LTE Versus IEEE 802.11p/WAVE： which technology is able to support cooperative vehicular safety applications ［J］. IEEE Wireless Communications Letters， 2012， 1（2）： 125-128.
6	WIJESIRI N B A G P， HAAPOLA J， SAMARASINGHE T. A discrete-time markov chain based comparison of the MAC layer performance of C-V2X mode 4 and IEEE 802.11p ［J］. IEEE Trans. on Communications， 2021，69（4）： 2505-2517.
7	SHI M， ZHANG Y， YAO D， et al. Application-oriented performance comparison of 802.11p and LTE-V in a V2V communication system ［J］. Tsinghua Science and Technology， 2019， 24（2）：123-133.
8	BAZZI A， MASINI B M， ZANELLA A， et al. On the performance of IEEE 802.11p and LTE-V2V for the cooperative awareness of connected vehicles ［J］. IEEE Trans. on Vehicular Technology， 2017， 66（11）： 10419-10432.
9	UCAR S， ERGEN S C， OZKASAP O. Multi-hop cluster based IEEE 802.11p and LTE hybrid architecture for VANET safety message dissemination ［J］. IEEE Trans. on Vehicular Technology， 2016， 65（4）： 2621-2636.
10	HONG K， LEE S， KIM K， et al. Channel condition based contention window adaptation in IEEE 802.11 WLANs ［J］. IEEE Trans. on Communications， 2012， 60（2）： 469-478.
11	DU J， WANG S， ZHANG B. Vehicle density and signal to noise ratio based broadcast backoff algorithm for VANETs ［J］. Ad Hoc Networks， 2020， 99： 102071.
12	KARACA M， BASTANI S， LANDFELDT B. Modifying backoff freezing mechanism to optimize dense IEEE 802.11 Networks ［J］. IEEE Trans. on Vehicular Technology， 2017， 66（10）： 9470-9482.
13	SYED I， SHIN S H， ROH B H， et al. Performance improvement of QoS-enabled WLANs using adaptive contention window backoff algorithm ［J］. IEEE Systems Journal， 2018， 12（4）： 3260-3270.
14	LEE M W， HWANG G. Adaptive contention window control scheme in wireless Ad Hoc networks ［J］. IEEE Communications Letters， 2018， 22（5）： 1062-1065.
15	LIN S， WEN X， HU Z， et al. Improving throughput through dynamically tuning contention window size in dense wireless network ［J］. The Journal of China Universities of Posts and Telecommunications， 2017， 24（4）： 27-33.
16	MKONGWA K G， LIU Q， WANG S. An adaptive backoff and dynamic clear channel assessment mechanisms in IEEE 802.15.4 MAC for wireless body area networks ［J］. AD Hoc Networks， 2021， 120： 102554.
17	PRESSAS A， SHENG Z， ALI F， et al. A q-learning approach with collective contention estimation for bandwidth-efficient and fair access control in IEEE 802.11p vehicular networks ［J］. IEEE Trans. on Vehicular Technology， 2019， 68（9）：9136-9150.
18	BHARATI S， ZHUANG W. CRB： cooperative relay broadcasting for safety applications in vehicular networks ［J］. IEEE Trans. on Vehicular Technology， 2016， 65（12）： 9542-9553.
19	CAO Y， ZHANG H， FANG Y， et al. An adaptive high-throughput multichannel MAC protocol for VANETs ［J］. IEEE Internet of Things Journal， 2020， 7（9）： 8249-8262.
20	SRIVASTAVA A， PRAKASH A， TRIPATHI R. A cross layer based cooperative broadcast protocol for multichannel VANET ［J］. AD Hoc Networks， 2022， 131： 102840.
21	BIANCHI G. Performance analysis of the IEEE 802.11 distributed coordination function ［J］. IEEE Journal on Selected Areas in Communications， 2000， 18（3）： 535-547.
22	CAO S， LEE V C S. An accurate and complete performance modeling of the IEEE 802.11p MAC sublayer for VANET ［J］. Computer Communications， 2020， 149： 107-120.
23	HAN C， DIANATI M， TAFAZOLLI R， et al. Analytical study of the IEEE 802.11p MAC sublayer in vehicular networks ［J］. IEEE Trans. on Intelligent Transportation Systems， 2012， 13（2）： 873-886.
24	YOUSEFI H， KAVIAN Y S， MAHMOUDI A. A Markov model for investigating the impact of IEEE802.15.4 MAC layer parameters and number of clusters on the performance of wireless sensor networks ［J］. Wireless Networks， 2019， 25（7）： 4415-4430.
25	SEPULCRE M， GONZALEZ-MARTIN M， GOZALVEZ J， et al. Analytical models of the performance of IEEE 802.11p vehicle to vehicle communications ［J］. IEEE Trans. on Vehicular Technology， 2022， 71（1）： 713-724.

[1]	胡宏宇, 黎烨宸, 张争光, 曲优, 何磊, 高镇海. 基于多尺度骨架图和局部视觉上下文融合的驾驶员行为识别方法[J]. 汽车工程, 2024, 46(1): 1-8.
[2]	熊萌,张栋,尤国建,孙添飞,盛凯,魏学哲. 电动汽车无线充电高效高利用率磁芯的多目标优化设计[J]. 汽车工程, 2023, 45(9): 1740-1752.
[3]	李勇滔,孙晨旭,郑伟光,许恩永,李育方,王善超. 基于毫米波雷达与视觉融合的碰撞预警[J]. 汽车工程, 2023, 45(9): 1666-1676.
[4]	胡明辉,朱广曜,刘长贺,唐国峰. 考虑迟滞特性的卡尔曼滤波和门控循环单元神经网络的锂离子电池SOC联合估计[J]. 汽车工程, 2023, 45(9): 1688-1701.
[5]	吴其林,林育明,崔峥嵘,赵晓敏. 基于层级约束的多无人车编队包含控制[J]. 汽车工程, 2023, 45(8): 1333-1342.
[6]	邹渊,孙文景,张旭东,温雅,曹万科,张兆龙. 面向时间敏感网络的车载以太网网络架构多目标优化[J]. 汽车工程, 2023, 45(5): 746-758.
[7]	张紫微,郑玲,李以农,乔旭强,郑浩,王戡. 考虑前车运动不确定性的多目标自适应巡航控制[J]. 汽车工程, 2023, 45(3): 361-371.
[8]	段志勇,马菁. 锂电池热管-液冷板式冷却结构多目标优化[J]. 汽车工程, 2023, 45(11): 2047-2057.
[9]	刘正发,吴亚,刘佩根,顾荣琦,陈广. 基于特征和标签联合分布匹配的智能驾驶跨域自适应目标检测[J]. 汽车工程, 2023, 45(11): 2082-2091.
[10]	李捷,吴晓东,许敏,刘永刚. 基于强化学习的城市场景多目标生态驾驶策略[J]. 汽车工程, 2023, 45(10): 1791-1802.
[11]	芦勇,何一超,田贺,江昆,杨殿阁. 面向量产的自适应巡航控制系统纵向加速度规划方法研究[J]. 汽车工程, 2023, 45(10): 1803-1814.
[12]	吴其林,沐笑宇,邱明明,赵雅婷. 前车目标丢失弯道自适应巡航控制策略研究[J]. 汽车工程, 2023, 45(10): 1824-1832.
[13]	张新荣,王鑫,宫新乐,黄晋,黄丹,王鹏兴. 面向智能车辆的路面附着系数分段识别方法[J]. 汽车工程, 2023, 45(10): 1923-1932.
[14]	胡杰,徐博远,熊宗权,昌敏杰,郭迪,谢礼浩. 基于多尺度掩码分类域自适应网络的跨域目标检测算法[J]. 汽车工程, 2022, 44(9): 1327-1338.
[15]	赵超,卜德旭,曹礼鹏,李克强,罗禹贡. 强降雨场景下自适应巡航控制系统的安全控制策略[J]. 汽车工程, 2022, 44(8): 1117-1125.