CN102984200A - 一种适用于稀疏和稠密多种VANETs场景的方法 - Google Patents

Abstract

本发明公开了一种适用于稀疏和稠密多种VANETs场景的方法。首先当VANETs稀疏时，针对稀疏的VANETs往往不存在端到端的连接，它能有效的激励了每个节点(VANETs中的车辆)相互合作，提高消息传递成功率，降低传递延时。当VANETs稠密时，ISSDV能使转发节点选择部分优质节点转发消息，有效的控制转发节点数量，减少网络中的冗余包，同时保证了网络的连通性，提高传递成功率。本发明的激励机制在解决节点转发消息自私问题下，能够很好的适应VANETs中节点的快速移动性、变化的网络密度、以及拓扑变化频繁和网络分割等实际问题，使得提出的机制能够被真正的实施并且实际可行。

Description

一种适用于稀疏和稠密多种VANETs场景的方法

技术领域

本发明属于车载网领域，涉及到利用联盟博弈理论对VANETs(Vehicular Ad Hoc Networks)中的节点进行激励机制建模，使节点合作转发消息。给出的模型和方法，能够适应疏密场景多变的VANETs，能自动根据VANETs的疏密对节点进行不同的激励，约束节点的自私行为，提高网络性能。

背景技术

VANETs与普通的无线移动网络不同，VANETs中的消息转发激励机制试图针对其特有的特点如节点的快速移动性、变化的网络密度、以及拓扑变化频繁和网络分割等，激励节点合作转发消息，约束节点的自私行为。研究人员提出了许多不同的激励机制，然而每种激励机会都有其各自的特点和应用范围。因此，应该根据VANETs的特点和网络的实际情况设计新的、更符合实际的激励机制，这样更有利于VANETs网络的性能优化。

正如VANETs稀疏时和稠密时网络所面临的自私问题是不同的，如图1和图2所示。由于节点的高移动性，很容易导致稀疏VANETs的连接断开，频繁的网络连接断开是稀疏VANETs面临的一个严峻的问题。如图1(a)所示的路段中，网络稀疏，VANET被分割成三个局部连通网络(Net1、Net2 和Net3)，这三个局部网络内部是连通的，可以实现消息的传递。然而如果希望把消息从Src.( 在Net3中)传递给Dest.(Net1中)，由于不存在端到端连接，无法实现，只能在节点移动的过程中，三个分割的网络中的节点之间建立起连接，充分利用这些连接机会，才有可能实现消息的传递。在图1a中，Net3中节点是连通的，每个节点都收到了消息m，经过T1时刻后，如图1(b)，原来在T1时刻的Net3中的节点B与此刻的Net2中的节点建立起连接，B利用此次连接机会把消息m传递给Net2中的节点， T2时刻后(T2>T1)，如图1(c)，T1时刻时Net2中的节点C与此刻Net1中的节点相遇，C利用此次连接机会把消息传递给D，此时，Dest.恰好在Net1中， D中转把消息传递给了Dest。稀疏的VANETs，由于经常不存在端到端的连接,为了使端到端的消息能够传送成功，充分利用节点连接的机会来转发消息很有必要。然而，由于VANETs的节点是一组智能车辆，每个节点都有自主性，比如，有的节点不愿免费为其他节点服务，有的节点不愿意浪费自己的存储空间和带宽为其他节点转发消息，节点就表现出这样的自私性。正是由于这种自私性的存在，节点不转发消息，导致网络分割的情况更加严重，如图1(a)，Net3中的节点A表现出自私性，不给其他车辆转发Src.发出的消息，则网络分割由原来的3部分转变为5部分，如图1(d)所示。节点的自私行为加重了VANETs中的网络分割，此时的Src.想把消息传递给Dest.,需要5个分割的网络中的节点之间建立连接，因此车辆在移动过程中需要更多的节点之间能有连接机会，随着对连接的要求增高，消息传递成功的概率相应的减小。另一方面，如果VANETs中的节点数过于稠密, 网络的主要问题从缺少端到端连接转变到中间转发节点过多导致的频频的消息交互和开销问题。在这种VANET的场景中，如果节点出于某种目的表现出自私行为，都不转发消息，消息无法成功传递。另一方面，如果激励这些节点都转发消息，网络中会出现大量冗余包，消耗网络资源如带宽、存储空间等。如果节点过度稠密，如堵车情景，甚至会引发广播风暴)甚至发生广播风暴，对消息的传递会产生很大的负面影响。如图2所示，消息的源节点Src.想给目的节点Dest.传数据，最优方式是Src.先传数据给A，然后A一跳传给Dest.。但是如果使用和稀疏网络一样的机制，激励所有节点碰到邻节点就转发消息，由于网络稠密，在他的覆盖范围内有28辆车(假设这些车的通信距离相同)，Src.会传送28个数据副本给邻节点，然后邻节点同样传送大量副本给其他节点。网络中会存在大量消息副本，最坏情况会出现广播风暴。因此应提出一种能适应VANET的疏密场景多变的激励机制。激励机制要能够自动根据VANET的疏密对节点进行不同的激励，约束VANET所有节点的自私行为。即能提高稀疏VANET的连通性，同时能在保证稠密VANET连通性的同时，控制中间转发节点数量，减少网络中的冗余包。

现阶段激励机制的研究主要分为以下两类：(1)基于声望的激励机制。基于声望的方法通过观察邻节点的行为惩罚侦测到的自私节点，来激励合作(T. Chen, F. Wu, and S. Zhong, “FITS: A Finite-Time Reputation System for Cooperation in WirelessAd Hoc Networks,” IEEE Transactions on  Computers,vol. 60, no. 7, pp. 1045-1056, Jul. 2011.以及J. J.Jaramillo and R. Srikant, “DARWIN: Distributed and adaptive reputation mechanism for wireless ad-hoc networks,” in ACM MOBICOM, 2007.)。VANETs中，因为相同节点再次相遇的概率很低，很难监听一个邻节点是否转发了数据包。因此这种依赖于观察邻节点历史信息的方法在VANETs中不易实现。(2)基于信誉的激励机制。现有的基于信誉的激励机制存在VANETs的适用局限性问题。有的激励机制通过给转发消息的节点奖励，激励了网络中的自私节点合作，这种激励机制对于收到消息和转发消息的节点，给与同样的奖励(M. E. Mahmoud and X. Shen, “PIS: A practicalincentive system for multi-hop wireless networks,”IEEE Transactions on Vehicular Technology, vol. 59, no. 8, pp. 4012–4025, Oct. 2010.)。但是在很多场景下如晚间的高速公路，车辆分布稀疏，节点间的连接是间断性的，收到消息的节点在遇到下一跳节点之前，消息的生存期已到，被迫丢弃。这些节点不属于自私节点，但是因为没有转发消息给下一跳，没有得到奖励，这是不合理的。有的激励机制对所有转发的节点给予相同的奖励，忽略了不同节点对消息转发的重要程度不同(T. Chen, L. Zhu,F. Wu,and S. Zhong，“Stimulating Cooperation in Vehicular Ad Hoc Networks: A Coalitional Game Theoretic Approach” IEEE Transactions on Vehicular Technology, vol. 60, no. 2, pp. 566-579, Feb.2011.)。另外，大多激励机制都是激励自私节点转发消息，对于节点是否转发以及是否过度转发问题缺少很好的权衡。

发明内容

本发明要解决的技术问题是在VANETs特殊网络环境下，提供一种适应VANETs中节点的快速移动性、变化的网络密度、以及拓扑变化频繁和网络分割等实际问题的消息转发激励机制。该机制能够自动根据VANETs的疏密对节点进行不同的激励，其整体框架如图3所示。

本发明的技术方案如下：

通过VANETs模型的构建和网络中节点的分类，建立了激励机制，机制是通过联盟博弈的方法构建的，包括两部分：建立联盟博弈模型和设置合理的收益分配函数。分别针对源节点和中间节点在博弈中的不同角色设置了不同的收益函数。找出联盟博弈模型有核的充分条件，并进行正确性和有效性的证明。

该方法包括四个主要部分：VANETs模型、构建消息转发联盟博弈模型、收益分配、博弈有核的充分条件。本发明的具体步骤如下：

(1)VANETs模型

VANETs包括一定量的基础设施和智能车辆，这些车辆安装有通信设备、GPS(Global Positioning System)，只要两个节点在他们的传输范围内，就可以进行V2V(Vehicle to Vehicle)通信，节点与基础设施直接能进行V2I(Vehicle to Infrastructure)通信。VANETs中，消息直接或通过转发传到目的地。另外，VANETs中还有一个GCPC(全局控制处理中心)，节点通过基础设施与GCPC连接。GCPC来决定VANETs消息传输中每个节点的信誉和收益的分配，这种分配依赖于节点提交的票据、meet报告以及DLO报告，只要节点接收或转发一次消息，就产生一个meet报告和DLO报告，并保存票据。

(2)消息转发联盟博弈模型

VANETs与其他网络的主要不同在于特殊的移动方式和快速的拓扑变化、车辆的快速移动性、频繁的网络不连通以及变化的车辆密度。提出的博弈模型(N,v)，其中N是参与者，是VANETs中消息传递过程中，用到的所有节点的集合，分为两类：只接收消息的节点，称为Rnode；既接收消息，也转发消息的节点，称为RFnode。v是为每个联盟分配联盟收益的函数。由于VANETs中节点的加入与离开是动态的，端到端的连接不能保证，在消息携带者遇到转发者之前，不能确定转发消息的下一跳是谁。N的这种设置结合一种meet报告(记录这些节点)，适应了VAENTs拓扑的动态变化。频繁的网络不连通以及变化的车辆密度等VANETs特点将在收益分配部分得以体现。

联盟博弈中v包括三部分：成功传递到目的节点的奖励、帮助决定参与者的奖励以及抽奖的奖励。这是因为，联盟的总收益应该能反应消息成功转发到目的节点，其次，也应该给提供meet报告帮助决定参与者N的奖励。此外，为了激励参与者合作，加入了中奖奖励，融合了抽奖的方法，巧妙的利用了参与者希望中奖的心理。这里，用q·Rn(S)表示帮助决定参与者的奖励以及抽奖的奖励，其中，q是节点提交报告记录的单位奖励，Rn(S)是提交的记录总数。c(S)·Dn(S)表示成功传递到目的节点的奖励，c(S)是成功传递消息到目的地的单位奖励， Dn(S)是成功传到目的节点的消息数。w·p(S)表示中奖的奖励，w是中奖奖励， p(S)是联盟S中所有参与者的中奖概率。联盟S的收益v表示如下：

v(S)=q·Rn(S)+c(S)·Dn(S)+w·p(S)  (1)

(3)收益分配

当VANETs稠密时，为了对节点进行不同的激励，需要对节点进行分类，根据车辆的位置和运动方向把车辆的邻节点划分为四类，如图4，其中，O_i的值表示这四类情况，第一类中，O_i=1，即图中位于A区域的节点，第二类中，O_i=2，即图中位于B区域的节点，第三类中，O_i=3，即图中位于C区域的节点，第四类中，O_i=4，即图中位于D区域的节点。O_i值越大，表示这些邻节点转发消息越利于消息传递到目的节点。

源节点和中间节点在博弈中扮演的角色不同，因此，对其进行不同的激励，设置不同的收益分配函数。通过合理的收益分配，可以激励节点合作转发消息。

①中间节点收益分配

中间节点的收益由四部分组成：接收消息的收益、转发消息的收益、消息成功传递到目的节点分配给转发过此消息的中间节点的收益、以及节点抽奖获得的收益。其中，接收消息的收益与转发消息的收益分开奖励，是为了适应VANETs网络的频繁断开（间歇的连通性），接收消息的节点不一定能转发消息。中间转发节点的收益定义如下：

$\begin{array}{c}{U}_i=c_1\·\underset{j=0}{\overset{{\mathrm{Nm}}_r\left(i\right)}{\mathrm{\Σ}}}(1/n_r(i,j))+c_2\·\underset{l=0}{\overset{n_{\stackrel{\‾}{\mathrm{\ρ}}}\left(i\right)}{\mathrm{\Σ}}}(\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k-a\·\frac{e\·\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\Σ}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\·|n_i\left(l\right)-\stackrel{\‾}{\mathrm{\ρ}}|+1})\\ +q\·\mathrm{Rn}\left(i\right)+w\·p\left(i\right)\∀i\≠\mathrm{src}.\end{array}---\left(2\right)$

②源节点收益分配

源节点的收益是成功传递消息给目的节点的奖励，减去分配给中间节点的奖励，这样设计为了实现联盟博弈的有效性，即大联盟总的收益与分配给所有参与者的收益总和相同。源节点的收益分配函数如（3）式定义。

$\begin{array}{c}{U}_{\mathrm{src}.}=c\left(N\right)\·\mathrm{Dn}\left(N\right)-(c_1\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}\underset{j=0}{\overset{N{m}_r\left(i\right)}{\mathrm{\Σ}}}(1/n_r(i,j))\\ +c_2\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}\underset{l=0}{\overset{n_{\stackrel{\‾}{\mathrm{\ρ}}}\left(i\right)}{\mathrm{\Σ}}}(\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k-a\·\frac{e\·\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\Σ}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\·|n_i\left(l\right)-\stackrel{\‾}{\mathrm{\ρ}}|+1})+w\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}p\left(i\right))\end{array}---\left(3\right)$

中间节点总的奖励用U_total表示。

$\begin{array}{c}{U}_{\mathrm{total}}=c_1\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}\underset{j=0}{\overset{N{m}_r\left(i\right)}{\mathrm{\Σ}}}(1/n_r(i,j))\\ +c_2\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}\underset{l=0}{\overset{n_{\stackrel{\‾}{\mathrm{\ρ}}}\left(i\right)}{\mathrm{\Σ}}}(\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k-a\·\frac{e\·\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\Σ}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\·|n_i\left(l\right)-\stackrel{\‾}{\mathrm{\ρ}}|+1})+w\·\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}p\left(i\right)\end{array}---\left(4\right)$

其中，src.表示源节点， c₁是接收一个消息副本的奖励，c₂是转发一个消息副本的奖励，Nm_r(i)是节点i接收的消息副本数，Rn(i)是节点i提交的报告数，n_r(i,j)是给节点i发送消息的节点j的邻节点数，p(i)是节点i的中奖概率，O_k是中间节点i的邻节点k的位置信息，n_i是节点i从邻节点中挑选出的接收消息的节点数量，Nn_i(l)是i在第l次消息转发决定时它的邻节点总数，时， z=n_i(l)，a=0；否则

，a=1，当

时，e=0；否则，e=1，

是VANETs疏密划分门槛值，

是节点i进行消息转发决策的次数。

中间节点i接收消息m的收益与发送给他消息m 的发送节点的邻节点个数n_r(i,j)有关，邻节点数越大，此中间节点转发一次消息获得的单位收益比那些邻居节点数少的节点的单位收益相对要小一些，因为消息发送者有更多的选择权利，有更多的中间节点愿意为其转发消息。换言之，节点的邻居节点数越少，它对网络的贡献越大，因为这个节点参与或放弃转发消息对消息的成功传递有很大的影响，所以，发送与接收一个消息的单位收益相对要高。节点对消息传递的贡献率在收益中得到体现，通过对每次接收消息时的n_r(i,j)倒数的累加和实现。另外，转发消息的收益是按照节点转发消息的情况来计算的，这与它选择的转发消息的节点的位置和运动方向等有关。收益分配函数中的

是用来表示节点转发消息的收益，它与节点转发的消息数是相关的。O_k越大，节点k越利于消息的成功传递。通过这种设计，可以实现机制对VANETs疏密变化的特性。当

，即节点i的邻节点数小于节点密度门槛值时，此时，节点i所处的网络是稀疏的，节点为了获得更大利益，会选择n_i(l)=Nn_i(l)，即选择所有邻节点转发消息。当，即节点i的邻节点数大于节点密度门槛值时，此时，节点i所处的网络是稠密的，节点为了获得更大利益，会选择

，即选择个邻节点而不是所有邻节点转发消息，而且节点只选择邻节点中O_k最大的前

个节点转发消息，即节点会只选择相对位置、和运动方向更利于消息传递到目的节点的前个邻居节点转发消息，从而即保证了网络连通性，又控制了接收节点数量，降低冗余传输，减少中间消息交互次数。

(4)有核的充分条件

当机制的收益分配是在核里，就可以保证联盟博弈能获得一个稳定联盟，表示激励机制有稳定解。

联盟博弈有核的充分条件是：

$\left\{\begin{array}{c}c\left(S\right)=\underset{i\∈S}{\mathrm{\Σ}}\mathrm{Nm}\left(i\right)+\underset{i\∈S}{\mathrm{\Σ}}(4\·\stackrel{\‾}{\mathrm{\ρ}}))/({\mathrm{Nm}}_r+4n_{\stackrel{\‾}{\mathrm{\ρ}}}\·\stackrel{\‾}{\mathrm{\ρ}})\\ \max (c_1,c_2)=(\mathrm{Dn}\left(N\right)-w)/(N{m}_r+4n_{\stackrel{\‾}{\mathrm{\ρ}}}\·\stackrel{\‾}{\mathrm{\ρ}})-\mathrm{\ϵ}\\ c_2\≥c_1\≥0\end{array}\right.,\mathrm{if\; Dn}\left(N\right)>0---\left(5\right)$

下面证明(4)可以保证联盟博弈有核。证明联盟博弈有核，即证明联盟博弈的收益分配能同时保证个体合理性、联盟合理性和有效性。

令 $1/n_r\left(i\right)=\underset{j=0}{\overset{{\mathrm{Nm}}_r\left(i\right)}{\mathrm{\Σ}}}(1/n_r(i,j)),1/n_r=\underset{i\∈N-\{\mathrm{src}.\}}{\mathrm{\Σ}}1/n_r\left(i\right)\mathrm{and\; p}=\underset{i\∈\{\mathrm{src}.\}}{\mathrm{\Σ}}p\left(i\right)---\left(6\right)$

另外，为了书写方便，令

，Nm_r表示中间节点总的接收的消息数，

，

为节点总共进行消息转发决策的次数。则

$\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k-a\·\frac{e\·\underset{z+1}{\overset{\mathrm{ni}}{\mathrm{\Σ}}}{O}_k}{\mathrm{Nn}-0.5\·|\mathrm{ni}-\stackrel{\‾}{\mathrm{\ρ}}|+1}\≤\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k\≤\underset{k=0}{\overset{\stackrel{\‾}{\mathrm{\ρ}}}{\mathrm{\Σ}}}{O}_k\≤\stackrel{\‾}{\mathrm{\ρ}}\·\max \left(O_k\right)=4\·\stackrel{\‾}{\mathrm{\ρ}}$ $\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\Σ}}}\underset{l=0}{\overset{n_{\stackrel{\‾}{\mathrm{\ρ}}}\left(i\right)}{\mathrm{\Σ}}}(\underset{k=0}{\overset{z}{\mathrm{\Σ}}}{O}_k-a\·\frac{e\·\underset{z+1}{\overset{\mathrm{ni}}{\mathrm{\Σ}}}{O}_k}{\mathrm{Nn}-0.5\·|\mathrm{ni}-\stackrel{\‾}{\mathrm{\ρ}}|+1})\≤4\·n_{\stackrel{\‾}{\mathrm{\ρ}}}\·\stackrel{\‾}{\mathrm{\ρ}}$ 。

(1)个体合理性。

定理1： $\max (c_1,c_2)\≤(c\left(N\right)\·\mathrm{Dn}\left(N\right)-w)/({\mathrm{Nm}}_r+4\·\stackrel{\‾}{\mathrm{\ρ}})---\left(7\right)$

定理1可以保证个体合理性。

证明：

$U_{\mathrm{src}.}=c\·N\left(N\right)-U_{\mathrm{total}}\≥0$

$<=\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-(c_1\&CenterDot;\underset{i\&Element;N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}\underset{j=0}{\overset{{\mathrm{Nm}}_r\left(i\right)}{\mathrm{\&Sigma;}}}(1/n_r(i,j))+c_2\&CenterDot;\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}}{\mathrm{\&Sigma;}}}(\underset{k=0}{\overset{z}{\mathrm{\&Sigma;}}}{O}_k-a\&CenterDot;\frac{e\&CenterDot;\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\&Sigma;}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\&CenterDot;|n_i\left(l\right)-\stackrel{\&OverBar;}{\mathrm{\&rho;}}|+1})$ $+w\&CenterDot;\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}p\left(i\right))\&GreaterEqual;0\left(\mathrm{By}\left(4\right)\right)$

$\begin{array}{c}<=c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-(c_1\&CenterDot;\underset{i\&Element;N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}1/n_r\left(i\right)+c_2\&CenterDot;\underset{i\&Element;N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}+w)\&GreaterEqual;0\\ (\mathrm{By}\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}p\left(i\right)=1\mathrm{and}\left(6\right))\end{array}$

$\begin{array}{c}<=c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-(c_1\&CenterDot;1/n_r+c_2\&CenterDot;n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}+w)\&GreaterEqual;0\\ <=(c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-w)-\max (c_1,c_2)\&CenterDot;({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})\&GreaterEqual;0\end{array}$

这意味着定理1能保证源节点的个体合理性。

对于中间节点，如果中间节点不加入联盟，即Nm_r(i)=0，Nm_f(i)=0。因此v({i})=0。由公式(3)知，每部分都非负，所以U_i≥v({i})。

(2)联盟合理性。

为了激励节点转发消息给其他节点，即使转发给的下一跳最后无法传消息给目的节点，我们令：c₂≥c₁，即转发的利益大于接受的利益，这样可以激励节点把消息转发给下一跳，而不是单纯的存储下来而不转发。

令 $c\left(S\right)=\underset{i\&Element;S}{\mathrm{\&Sigma;}}\mathrm{Nm}\left(i\right)+\underset{i\&Element;S}{\mathrm{\&Sigma;}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))/({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})---\left(8\right)$

在大联盟N中，所有节点都合作，因此，由上式和定义(3)可知：

$c\left(N\right)=\underset{i\&Element;N}{\mathrm{\&Sigma;}}\mathrm{Nm}\left(i\right)+\underset{i\&Element;N}{\mathrm{\&Sigma;}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))/({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})=1---\left(9\right)$

把(9)带入定理1有

定理2： $\max (c_1,c_2)\&le;(\mathrm{Dn}\left(N\right)-w)/({\mathrm{Nm}}_r+4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})---\left(10\right)$

显然定理2能保证个体合理性。

这里考虑任意联盟S，我们只需证明

，即节点从大联盟中获得的收益不小于他们加入任何其他联盟得到的，

，S包含源和目的节点，有

$\begin{array}{c}\underset{i\&Element;S}{\mathrm{\&Sigma;}}{U}_i-v\left(S\right)\\ =(c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)+q\&CenterDot;\mathrm{Rn}\left(S\right)+w\&CenterDot;p\left(S\right)-(c_1\&CenterDot;\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}\underset{j=0}{\overset{{\mathrm{Nm}}_r\left(i\right)}{\mathrm{\&Sigma;}}}1/n_r(i,j)\\ +c_2\&CenterDot;\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(\underset{k=0}{\overset{z}{\mathrm{\&Sigma;}}}{O}_k-a\&CenterDot;\frac{e\&CenterDot;\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\&Sigma;}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\&CenterDot;|n_i\left(l\right)-\stackrel{\&OverBar;}{\mathrm{\&rho;}}|+1})\left)\right)-(c\left(S\right)\&CenterDot;\mathrm{Dn}\left(S\right)+q\&CenterDot;\mathrm{Rn}\left(S\right)+w\&CenterDot;p\left(S\right))\end{array}$

$\&GreaterEqual;c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-c\left(S\right)\&CenterDot;\mathrm{Dn}\left(S\right)-(c_1\&CenterDot;\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}1/n_r\left(i\right)+c_2\&CenterDot;\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))\left(\mathrm{By}\left(5\right)\right)$

$\&GreaterEqual;(c\left(N\right)-c\left(S\right))\&CenterDot;\mathrm{Dn}\left(N\right)-\max (c_1,c_2)\&CenterDot;(\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}1/n_r\left(i\right)+\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))$

$\begin{array}{c}\&GreaterEqual;(c\left(N\right)-c\left(S\right))\&CenterDot;\mathrm{Dn}\left(N\right)-(c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-w)/({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\mathrm{\&rho;})\&CenterDot;(\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}1/n_r\left(i\right)+\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))\\ \left(\mathrm{By}\left(10\right)\right)\\ \&GreaterEqual;\mathrm{Dn}\left(N\right)\&CenterDot;(c\left(N\right)-c\left(S\right)-(\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}1/n_r\left(i\right)+\underset{i\&NotElement;S}{\mathrm{\&Sigma;}}(4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))/({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\mathrm{\&rho;}))\\ \&GreaterEqual;\mathrm{Dn}\left(N\right)\&CenterDot;(1-1)\left(\mathrm{By}\left(8\right)\mathrm{and}\left(9\right)\right)\\ =0\end{array}$

因此，联盟合理性得以保证，也就是没有参与者能够背离大联盟而获利。

(3)有效性

有效性指大联盟总的收益与分配给所有参与者的收益之和相等，即 $\underset{i\&Element;N}{\mathrm{\&Sigma;}}{U}_i=v\left(N\right)$ 。

$\underset{i\&Element;N}{\mathrm{\&Sigma;}}{U}_i=U_{\mathrm{src}.}+\underset{i\&Element;N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}{U}_i$ $=(c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-U_{\mathrm{total}})+U_{\mathrm{total}}+q\&CenterDot;\mathrm{Dn}\left(N\right)$ $=(c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)+q\&CenterDot;\mathrm{Dn}\left(N\right)=v\left(N\right)$

因此，能够保证联盟博弈的收益分配的有效性。

综合(1)(2)(3)可知，公式(5)是所构建的联盟博弈模型的充分条件。

本发明的效果和益处是能自动根据VANETs的疏密对节点进行不同的激励。在解决节点转发消息自私问题下，能够很好的适应VANETs中节点的快速移动性、变化的网络密度、以及拓扑变化频繁和网络分割等实际问题，使得提出的机制能够被真正的实施并且切实可行。

附图说明

附图1(a)是稀疏VANETs网络分割场景(T0时刻)的示意图。

附图1(b)是稀疏VANETs中车辆运动到T1时刻(T1>T0)的示意图。

附图1(c)是稀疏VANETs中车辆运动到T2时刻(T2>T1)的示意图。

附图1(d)是稀疏VANETs中自私行为对稀疏VANET的影响的示意图。

附图2是稠密VANETs网络场景示意图。

附图3是激励机制的整体框架示意图。

附图4是节点分类示意图。

附图5是完整激励系统示意图。

附图6(a)是60个节点的VANETs中不同联盟大小下每个节点的累积信誉示意图。

附图6(b)是200个节点的VANETs中不同联盟大小下每个节点的累积信誉示意图。

附图7(a)是使用与不使用激励机制对稀疏VANETs中消息传递延时的影响示意图。

附图7(b)是使用与不使用激励机制对稀疏VANETs中消息传递率的影响示意图。

附图8(a)是使用与不使用激励机制对稠密VANETs中消息传递延时的影响示意图。

附图8(b)是使用与不使用激励机制对稠密VANETs中消息传递开销的影响示意图。

附图8(c)是使用与不使用激励机制对稠密VANETs中消息传递延时的影响示意图。

附图8(d)是使用与不使用激励机制对VANETs中消息传递跳数的影响示意图。

具体实施方式

以下结合技术方案和附图详细说明本发明的实施例。

整个激励机制如图4所示主要包括4个阶段：

1)VANETs节点间的通信；

2)提交票据、meet报告和成功传递的副本数；

3)GCPC计算收益分配；

4)节点从GCPC获得收益。

在通信阶段，VANETs中的源节点产生要发送的消息，并通过邻节点转发消息给目的节点(当然，如果目的节点就在源节点传输范围，源节点可以直接把消息发送给目的节点)。第二个阶段，中间节点与GCPC取得连接时，向GCPC提交收集的票据和meet报告，作为获得收益的证据，目的节点与GCPC取得连接时，向GCPC提交成功收到的消息副本，并把收到的副本数提交给GCPC；第三阶段，GCPC收到目的节点提交的消息副本和副本数后，隔一段时间，开始根据票据和meet报告计算总收益和节点间的收益分配，并把分配好的收益存在节点的虚拟账户里；第四阶段，节点与GCPC取得连接后，从GCPC的虚拟账户里获得自己的收益。

这里，meet报告包括5部分：时间戳，节点id₁，节点id₂，以及节点邻节点数N_nei1和N_nei2，具体格式为(T_meet,id₁,id₂,N_nei1,N_nei2)。T_meet表示两个节点相遇的时间， id₁表示发出meet报告的节点的id，id₂表示id₁识别出的节点的id,如果meet报告是发送消息的节点产生的，N_nei1表示消息发送者的邻节点数，N_nei2表示消息接收者的邻节点数。当id₁是消息发送者时，N_nei2为空，当id₁是消息接收者时， N_nei1为空，我们可以根据N_nei1是否为空判断节点是发送者还是接收者。

票据是由源节点产生并随消息一起传递的一个很小的加密标识，用key(M)表示，这里我们不详细讨论加密的相关知识。票据只要用来识别中间节点是为那个消息参与消息传递行为，当节点接收消息时，保存票据，发送消息时，不保存票据，这样meet报告和票据一起就可以判断节点是发送消息还是接收消息。

DLO报告是节点每次转发消息时，对接收消息的节点的O_i值报告，为了方便GCPC计算收益。DLO报告包括2部分，节点id₁，以及O₁、O₂、O₃、O₄的个数，具体格式为(id₁,No₁,No₂,No₃,No₄)。

当GCPC收到目的节点发送的Dn(N)和消息副本M，隔一段时间后，开始计算收益，此时GCPC统计meet报告和票据，其中，只有提交key(M)票据的节点，可以根据meet报告以及DLO报告获得此次分配的收益。GCPC统计meet报告时，先对所有meet报告进行配对，形式如(T，id₁，id₂，N₁，N₂)，(T，id₂，id₁，N₃，N₄)，即同一时间戳T，id₁提交的meet报告中的相遇节点id₂，其提交的meet报告中的相遇节点的id应该是id₁，否则配对失败。只有配对成功的meet报告是可用的。根据meet报告统计消息发送数量和消息接收数量，根据meet报告中的N_nei1是否为空区别消息发送者和消息接收者，根据DLO报告统计O_i值。另外，有票据的节点可以参与抽奖。GCPC计算得出每个节点的收益分配：发送消息的收益+接收消息的收益+提交报告的收益+中奖的收益，然后以虚拟货币形式存在每个节点的虚拟账户中。

下面在仿真平台ONE(Opportunistic Network Environment simulator)下进行性能比较分析，仿真说明激励机制的有效性和正确性。先给出不同参数下的VANETs。然后验证激励机制能有效的约束节点的自私行为，激励VANET中的节点合作；评估激励机制能提高网络的性能(传递率、延时)。

下面给定仿真参数(见表1)，仿真分析机制的有效性和正确性。

表1

基本参数	值
		仿真时间	12h
仿真环境大小	4500m*3400m
		车辆移动速度	2.7~13.9km/h
车辆无线传输范围	250m
		消息无线传输速度	250Mbps
基础设施	速度为零的节点充当
		基础设施无线传输范围	1000m
消息产生间隔(稠密VANETs)	1s

为了验证激励机制能有效的约束节点的自私行为，激励VANETs中的节点合作。比较联盟大小与网络性能的关系，设置两个不同的联盟场景，第一个场景中，联盟的最大尺寸是4，第二个场景中联盟的最大尺寸是10，同一个联盟里的节点相互合作。联盟越小，节点的自私程度越高。仿真结果如图6所示，从中可以看出，使用激励机制后，联盟越大，自私节点的累计信誉越高，当所有节点合作组成大联盟时，节点的累积信誉最大。换言之，任何节点，当它们相互合作转发所有消息时，能够获得最大信誉。

当VANETs稀疏时，设置VANETs的节点数为60，自私节点的比例为80%。使用激励机制后网络的时延与投递率与为使用激励机制的结果相比较(见图7)。图7(a)显示了激励机制激励所有节点合作后，VANETs中消息传递延时明显比网络中存在80%的自私节点时的延时短，即机制能降低消息传输延时。更进一步，激励所有节点合作，比存在80%的自私节点的VANETs投递率明显高，见图7(b)，即激励机制能显著提高网络投递率。

当VANETs稠密时，仿真环境中设置VANETs的节点数为200，比较机制使用前后网络的传递率、网络负载、平均端到端延时和跳数(见图8)。图8(a)表明，使用激励机制后，VANETs的消息投递率明显提高，当网络的节点密度更高时，使用激励机制的效果更加明显。图8(b)中能看出来，机制使的网络的负载变小，在不降低消息传递率的情况下有选择性的放弃传递部分消息副本。图8(c)对VANETs的平均端到端延时进行比较，可以看到VANETs使用激励机制后，网络的平均延时明显降低。最后，图8(d)是激励机制对跳数的影响的结果对比图，很明显，它降低了跳数。综上可知， 激励机制能显著提高稠密VANETs的系统性能。

可见，本发明提出的模型实用性较强，在多种VANETs环境中，均能提高网络的性能(投递率、延时)。

Claims (1)

1.一种适用于稀疏和稠密多种VANETs场景的方法，该方法包括四个主要部分：VANETs模型、构建消息转发联盟博弈模型、收益分配、博弈有核的充分条件；其特征在于如下步骤：

(1)  建立VANETs模型

建立一种VANETs，包括基础设施和智能车辆，这些车辆安装有通信设备、

GPS；VANETs中，消息直接或通过转发传到目的地；另外，VANETs中还有一个全局控制处理中心GCPC，节点通过基础设施与GCPC连接；GCPC来决定VANETs消息传输中每个节点的信誉和收益的分配，这种分配依赖于节点提交的票据、meet报告和DLO报告，只要节点接收或转发一次消息，就产生一个meet报告和DLO报告，并保存票据；GCPC给每个节点分发证书；节点不需要一直与GCPC保持连接，节点只需临时保存票据和报告，票据和报告能通过基础设施转发给GCPC；票据是由源节点产生并随消息一起传递的一个很小的加密标识，用key(M)表示；票据用来识别中间节点是为哪个消息参与消息传递行为；DLO报告是节点每次转发消息时，对接收消息的节点的O_i值报告，方便GCPC计算收益；

(2)  构建消息转发联盟博弈模型

联盟博弈(N,v)，其中N是参与者，是VANETs中消息传递过程中，用到的所有节点的集合，分为两类：只接收消息的节点，称为Rnode；既接收消息，也转发消息的节点，称为RFnode；v是为每个联盟分配联盟收益的函数，联盟S的收益v表示如下：

v(S)=q·Rn(S)+c(S)·Dn(S)+w·p(s)  (1)

其中，q是节点提交报告记录的单位奖励，Rn(S)是提交的记录总数，c(S)是成功传递消息到目的地的单位奖励，Dn(S)是成功传到目的节点的消息数，w是中奖奖励，p(s)是联盟S中所有参与者的中奖概率；

(3)  收益分配

首先进行节点分类，根据车辆的位置和运动方向把车辆的邻节点划分为四类，用O_i表示，分别为O_i=1，O_i=2，O_i=3，O_i=4；O_i值越大，表示邻节点i转发消息越利于消息传递到目的节点；然后根据网络中的两类节点分别进行收益分配：

①中间节点收益分配

$\begin{array}{c}{U}_i=c_1\&CenterDot;\underset{j=0}{\overset{{\mathrm{Nm}}_r\left(i\right)}{\mathrm{\&Sigma;}}}(1/n_r(i,j))+c_2\&CenterDot;\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(\underset{k=0}{\overset{z}{\mathrm{\&Sigma;}}}{O}_k-a\&CenterDot;\frac{e\&CenterDot;\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\&Sigma;}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\&CenterDot;|n_i\left(l\right)-\stackrel{\&OverBar;}{\mathrm{\&rho;}}|+1})\\ +q\&CenterDot;\mathrm{Rn}\left(i\right)+w\&CenterDot;p\left(i\right)\&ForAll;i\&NotEqual;\mathrm{src}.\end{array}---\left(2\right)$

②源节点收益分配

$\begin{array}{c}{U}_{\mathrm{src}.}=c\left(N\right)\&CenterDot;\mathrm{Dn}\left(N\right)-(c_1\&CenterDot;\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}\underset{j=0}{\overset{N{m}_r\left(i\right)}{\mathrm{\&Sigma;}}}(1/n_r(i,j))\\ +c_2\&CenterDot;\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}\underset{l=0}{\overset{n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\left(i\right)}{\mathrm{\&Sigma;}}}(\underset{k=0}{\overset{z}{\mathrm{\&Sigma;}}}{O}_k-a\&CenterDot;\frac{e\&CenterDot;\underset{z+1}{\overset{n_i\left(l\right)}{\mathrm{\&Sigma;}}}{O}_k}{{\mathrm{Nn}}_i\left(l\right)-0.5\&CenterDot;|n_i\left(l\right)-\stackrel{\&OverBar;}{\mathrm{\&rho;}}|+1})+w\&CenterDot;\underset{i=0}{\overset{N-\{\mathrm{src}.\}}{\mathrm{\&Sigma;}}}p\left(i\right))\end{array}---\left(3\right)$

其中，src.表示源节点，是接收一个消息副本的奖励，c₂是转发一个消息副本的奖励，Nm_r(i)是节点i接收的消息副本数，Rn(i)是节点i提交的报告数，n_r(i,j)是给节点i发送消息的节点j的邻节点数，p(i)是节点i的中奖概率，O_k是中间节点i的邻节点k的位置信息，n_i是节点i从邻节点中挑选出的接收消息的节点数量，Nn_i(l)是i在第l次消息转发决定时它的邻节点总数，

时，z=n_i(l)，a=0；否则，a=1，当

时，e=0；否则，e=1，

是VANETs疏密划分门槛值，是节点i进行消息转发决策的次数；

通过合理的收益分配，激励自私节点合作转发消息；

(4)  博弈有核，其充分条件是：

$\left\{\begin{array}{c}c\left(S\right)=\underset{i\&Element;S}{\mathrm{\&Sigma;}}\mathrm{Nm}\left(i\right)+\underset{i\&Element;S}{\mathrm{\&Sigma;}}(4\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}}))/({\mathrm{Nm}}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})\\ \max (c_1,c_2)=(\mathrm{Dn}\left(N\right)-w)/(N{m}_r+4n_{\stackrel{\&OverBar;}{\mathrm{\&rho;}}}\&CenterDot;\stackrel{\&OverBar;}{\mathrm{\&rho;}})-\mathrm{\&epsiv;}\\ c_2\&GreaterEqual;c_1\&GreaterEqual;0\end{array}\right.,\mathrm{if\; Dn}\left(N\right)>0---\left(5\right)$

机制的收益分配在核里，保证联盟博弈能获得一个稳定联盟，表示激励机制有稳定解。

Images