CN103763334A - Vanet中基于p2p-bt的多媒体合作共享方法 - Google Patents

Abstract

本发明属于移动通信技术领域，公开了一种车联网VANET中基于P2P-BT的多媒体合作共享方法。首先为了在VANET中很好地实施PB-MCSM，本文根据一般P2P-BT的特点，结合VANET中各类车辆的特点和运动轨迹，建立了VANET层次架构；然后，针对VANET中多媒体资源查询率低的问题，提出了基于分布式Tracker服务器的多媒体查询算法；提出了基于间接互惠博弈的树状回传算法，保证车辆在下载同时也进行上传，解决由于自私和断链造成的传输延迟；本发明的效果和益处是能够模拟真实环境下节点的多媒体传输情况，适用于自私的VANET环境；实验表明本发明提高了VANET中多媒体资源的成功查询率和回传率，降低了回传过程的回传延迟，提高了车辆用户的满意度。

Description

VANET中基于P2P-BT的多媒体合作共享方法

技术领域

本发明属于移动通信技术领域，涉及到利用对等网络中文件分发协议Bit Torrent，简称P2P-BT技术，解决车联网VANET中多媒体的合作共享问题；建立了VANET层次架构，提出了多媒体文件查询算法和基于博弈的回传算法，能够提高VANET中多媒体资源的成功查询率和回传率，降低回传过程的回传延迟，提高车辆用户的满意度； 

背景技术

VANET中车辆能够通过车辆与车辆V2V和车辆与路边单元V2R通信获得共享的多媒体文件；但是由于VANET中资源有限，车辆高度移动性，间断性连接，自私行为的存在，降低了资源的成功查询率和回传率，增加了VAENT中多媒体传输延迟，严重影响车辆用户的体验；因此根据VANET的实际情况，设计出符合实际环境的多媒体合作共享方法非常重要； 

现阶段，VANET中多媒体共享问题的研究主要存在以下两方面的问题：1)大部分文献采用洪范方法进行资源查询；这种方法不仅会导致广播风暴问题，而且节点增多时经常发生数据包碰撞，转发失败而增加了传播延迟；例如基于洪范的和基于DHT的方法的混合检索方法(在基于VANET的P2P网络中的回合检索方法，Quanqing Xu,Heng Tao Shen,ZaibenChen,BinCui,Xiaofang Zhou,and Yafei Dai;“Hybrid Retrieval Mechanisms in Vehicle-Based P2P Networks”;In Allen G.,Nabrzyski J.,Seidel E.eds.Proc.of Computational Science–ICCS2009Lecture Notes in Computer Science.Heidelberg:Springer-Verlag,2009.303-314.)；一个来源于台风的源共享协议,基于空间位置的感知车辆共享/请求邻居的资源(台风：城市车辆移动网络中资源共享协议，Guey Yun Cahng,Jang-Ping Sheu,and Jyun-Hua  Wu;“Typhoon:Resource Sharing Protocol for Metropolitan Vehicular Ad hoc Networks”.Proc.Of Wireless Communications and Networking Conference(WCNC),Sydney,Australia,2010.1-5)；RoadcastP2P内容共享方法,放宽要求快速得到被请求服务(道路广播：VANETs中流行度感知的内容共享方法，Yang Zhang,Jing Zhao,Guohong Cao.“Roadcast:A Popularity Aware Content Sharing Scheme in VANETs”.Proc.Of ACM SIGMOBILE Mobile Computing and Communications Review,New York,NY,USA,2010.1-14.)；使用基于集群P2P框架来估计链路状态，通过广播方法进行查询(在VANETs与Internet整合的网络中一个新颖的P2P框架基于社会簇的框架，Sung-Han Lin,Junn-Yen Hu,Cheng-Fu Chou,Ing-Chau Chang,Chien-Chun.“A Novel Social Cluster-based P2P Framework for Integrating VANETs with the Internet”.Proc.of IEEE Wireless Communications and Networking Conference,Budapest,2009.1-6.)；在VANETs中建立两层P2P框架，通过簇内节点的连接时间选择簇首避免链路断开造成的查询延迟，并使用广播方法传递消息(在加强的两层P2P2通信的VANETs中信息共享服务，Jinjie Guo,Chang Hu,Yiding Huo,Yu Liu,and Lin Zhang.“Information Sharing Service in VANETs with Enhanced Two-Tier P2P Communications”.Proc.of15th International Symposium on Wireless Personal Multimedia Communications(WPMC),Taipei,2012.65-69)；2)这些文献主要研究资源查询检索的问题，没有考虑资源传输过程车辆的自私不转发行为造成传输延迟；然而，在VANET中，节点往往会最大化自己从网络中获得的利益，尽量避免自己应该在网络中承担的责任，和减少对网络贡献而带来的能量消耗和性能减低；这种自私的行为挫伤了积极贡献资源的节点的积极性，节点间的协作交互越来越少(T.Chen,L.Zhu,F.Wu,S.Zhong.Stimulating Cooperation in Vehicular Ad Hoc Networks:A Coalitional Game  Theoretic Approach.IEEE Transactions on Vehicular Technology(ITVT),2011,60(2):566-579)；大数据时代的来临，使得对等网络P2P资源越来越丰富，呈现多样化；但是缺点是价值密度低，只有节点间的相互协作才能获得价值高的资源；并且P2P-BT系统依赖于节点之间的合作以及贡献自身的资源，因此自私行为限制了移动P2P-BT优势在VANET的应用； 

发明内容

本发明要解决的技术问题是建立一个VANET层次框架，使得基于P2P-BT的多媒体合作共享方法很好地实施与VANET中，利用基于分布式跟踪器Tracker服务器的多媒体文件查询算法和基于间接互惠博弈的树状回传算法，解决VANET中查询问题和由于断链和自私造成的多媒体回传延迟问题； 

本发明的技术方案如下： 

(一)建立VANET层次架构 

根据城市VANET中车辆的运动特点将网络中节点分为三类节点：车辆car、公交车bus和路边单元RSU节点； 

car节点表示各种类型的车辆(包括出租车在内)，有以下特点：1)数量众多；car成为城市中人们出行的代步工具；2)移动速度快；随着人的意愿以不同的速度行驶，速度大约为20-80km/h；3)移动具有周期性规律；城市中人们的日常活动，如上班、下班，在固定的时刻去商场购物等，因此car节点的运动具有一定的规律可循； 

bus节点是城市公交车，特点如下：1)bus的路线是固定及时的、可预测的；car通过公交查询客户端系统知道下一辆跟自己相遇的公交车辆及时进行信息的传输；2)bus能装载更大的存贮设备，存储来自邻居车辆的通信信息和多媒体文件；3)car和bus都是运动的，有较多的连接机会，进行很好的多媒体文件的 传输； 

RSU节点是VANET中不可或缺的组成要素，能够与互联网Internet直接通信；考虑到bus运动的特点，假设在bus停车站布设RSU；由于停靠点会暂停一段时间，使得bus有足够的时间通过RSU与Internet相连，获取需要的信息和多媒体资源； 

根据上述分析，将城市VANET在逻辑上分为四层：car层、bus层、RSU层和Internet层，如图1所示；car既能够与通信范围内的car相互通信共享多媒体文件，也能够与通信范围内的bus通信，发送控制信息并及时获得存储请求多媒体文件的节点信息，称之为“种子”节点；同样，bus既能够与通信范围内的car通信，接收car控制消息，查询相应的“种子”节点，及时发送给该car，也能够与通信范围内的RSU交互，接入Internet获得多媒体资源；此外，car与RSU之间也能够进行通信，通过V2R通信方式获得“种子”节点； 

(二)提出一种VANET中基于P2P-BT的多媒体合作共享方法 

该方法简称为PB-MCSM，利用bus和RSU在城市VANET中的特殊作用，构建一个应用层覆盖VANET的P2P网络；在bus和RSU上运行P2P-BT方法，将bus或RSU集合作为分布式Tracker服务器，用以记录网络中节点下载消息的详细信息；bus和RSU上都维持一个文件信息索引列表，这些列表说明当前时刻多媒体文件的节点信息；节点信息包括car的速度、运动方向和位置；拥有多媒体文件的car节点，将文件名称以及自己的ID号等相关信息汇报给覆盖范围内的bus或RSU节点；当car节点下载完一个新的文件时，bus或RSU都会更新本地信息索引列表，将该car信息添加到列表；为了方便后面方法的描述，将bus和RSU内具有相同多媒体类型的车辆集合，分别称之为原始簇Bc和Rc； 

主要包括2部分：基于分布式Tracker服务器的多媒体文件查询算法和基于间接互惠博弈的树状回传算法； 

（1）基于分布式Tracker服务器的多媒体文件查询算法 

当网络中车A即car A需要请求多媒体文件M.avi时，首先car A会检测自己传输范围内的节点类型，并且设置查询时间门限值Timer，请求消息为M_Q；具体过程如下： 

①如果car A检测到附近有bus，则发送M_Q给bus；接收到M_Q的bus会检查本地列表，是否含有M.avi信息的原始簇Bc；如果有，bus则向car A返回簇Bc内节点的节点信息；如果没有，bus将向邻居的bus询问，直至查得到相应Bc簇，将簇内节点的节点信息返回给car A； 

②如果car A附近没有bus，但car A在某一RSU覆盖范围内，则将M_Q发送给RSU；RSU检查本地列表寻找相应的原始簇Rc，将Rc内节点的节点信息返回给car A；如果没有则直接通过RSU从Internet下载M.avi； 

③car A附近没有bus并且处在RSU的盲区内，car就广播M_Q给附近的车辆，附近车辆将查询是否有M.avi；如果有则返回自己的节点信息；否则转发M_Q查询附近bus或者RSU，返回查询结构给car A，进行资源预下载； 

④car A接收簇内节点的节点信息后，启动多媒体基于间接互惠博弈的树状回传算法； 

如果car A查询时间超出Timer门限值，则认为网络中没有M.avi；此时car A向覆盖范围内的bus发送请求下载信息，或通过RSU从Internet下载；car A下载完毕后，bus或者RSU更新本地文件信息索引列表；算法具体流程如图2； 

（2）基于间接互惠博弈的树状回传算法 

请求节点需要通过一定的算法选择传输节点，考虑到通信链路的不稳定性，提出服务时间感知的选择算法；针对车辆只接收不上传的自私行为，使用间接互惠博弈模型保证车辆积极贡献自己的资源，下载的同时积极上传文件给其他 请求车辆；基于间接互惠博弈的树状回传算法的具体过程如下： 

假设有m个请求节点都在请求多媒体M.avi，集合为A={A₁,A₂,...,A_m}，M.avi的原始簇为S={S₁,S₂,...,S_n}，n是簇内车辆的总数；定义扩展簇S′，初始化阶段，扩展簇S'=S；在树状回传算法中，扩展簇S'中的每个节点如S₁～S_n代表根节点；如图3，根据A中车辆请求时间片的不同，划分不同的回传阶段，相同阶段车辆根据服务时间感知的选择方法进行多线程选择，选择合适的车辆进行回传；例如在时间(t₀,t₁]是回传的初始阶段，从根节点中进行选择；回传时根据间接博弈方法进行参数更新，然后这些请求车辆加入簇S′；最后从A中删除这些节点，成为被选择节点，在接下来的回传阶段如(t₁,t₂]上传资源给其他车辆；如此循环直到集合A为空，S′=SUA； 

算法中采用到服务时间感知的选择算法和间接互惠博弈模型如下： 

①服务时间感知的选择方法 

由于车辆的高速移动和动态拓扑变化，车辆之间的连接是短暂的；为了避免网络带宽的浪费，更好的完成多媒体文件传输，所有请求车辆在选择传输节点的时候需要考虑车辆之间的服务时间；使用类似于LET计算方法，考虑S′中车辆的负载来预测车辆之间的服务时间ST，φ={φ₁,φ₂,...}代表负载集合，即正在服务车辆的个数；对于任意车辆A_i∈A和负载为φ_i的S_j∈S'，传输半径均为γ，坐标为(x_i,y_i)和(x_j,y_j)，速度分别为v_i和v_j，θ_i和θ_j代表运动方向，车辆A_i和S_j之间的预测服务时间为 

${\mathrm{ST}}_{i,j}=\frac{\sqrt{(a^2+c^2)-{(\mathrm{ad}-\mathrm{bc})}^2}-(\mathrm{ab}+\mathrm{cd})}{a^2+c^2}\×(1-\frac{1}{{\mathrm{\φ}}_j})---\left(1\right)$

在这里a=v_icosθ_i-v_jcosθ_j，b=x_i-x_j，c=v_isinθ_i-v_jsinθ_j，d=y_i-y_j；和簇S'所有车辆的服务时间计算完毕之后，A_i得到预测服务时间集合ST_i，从中选择一个服务时间最大的节点进行传输，即  ${\mathrm{Select}}_i=\underset{\∀A_i}{\max }\left\{{\mathrm{ST}}_i\right\};$

②间接互惠博弈模型 

使用信誉保持机制，遵循社会规范，促进稳定的社会合作；假设用G和B代表提供者和请求者的信誉等级，在这里，设定一个门限值，超过门限值为G，否则为B，C和D代表提供者合作与不合作，提供者和请求者的信誉组合集合为{GG,GB,BG,BB}；信誉评价标准和策略如表1，提供者在四种信誉组合下选择自己的动作策略；当遇到信誉好的请求者即GG和BG，提供者必须合作才能获得好的信誉；信誉好的提供者遇到信誉坏的请求者即GB不合作任能维持好的信誉，所以选择无成本的不合作动作；信誉坏的提供者遇到信誉坏的请求者即BB时，具有多种可能，为了促进合作，我们假设合作能带来好信誉，不合作带来坏信誉，所以最终选择是合作； 

表1信誉评估和策略 

每个车辆维持一个离散的信誉系统R_i，包含每个车辆的信誉值r_i和其拒绝服务的次数ND_i，即R_i={γ_i,ND_i}；γ_i={1,2,...}，γ_i值越大表明其信誉高并且有可能得到别人的帮助，ND_i≥0是整数；博弈模型使用一个四元组表示(V,P,R,U)；V代表参与者集合，是所有请求车辆和拥有相应多媒体资源的车 辆；P是被请求车辆的策略，P=(C,D)；R是信誉系统集合；U是每个车辆的效用函数； 

对于新加入的车辆x，为了使x在没有来得及为别人提供服务的情况下能得到其他车辆的服务，信誉值设置为γ₀，则x的信誉系统为(γ₀,0)；假设一段时间后车辆x的信誉系统变为(γ_x,ND_x)，在选择车辆s合作传输资源的时候，车辆s会向车辆x收取单位资源的费用，用price(s,x)表示： 

$\mathrm{price}(s,x)=c(1+\frac{{\mathrm{ND}}_X}{{\mathrm{\γ}}_x+{\mathrm{ND}}_X})---\left(2\right)$

c为基本的资源收费标准；为了惩罚车辆的自私行为，按照车辆不合作的次数和信誉值的比例收取额外的费用，这符社会规范中的法律规范；一旦出现恶劣行为将会永远记录在案，随着提供的贡献值的增大，恶劣行为的影响将越小，即额外收取的费用越小；此时车辆s因贡献这些单位资源而获得收益U=price(s,x)； 

假设bus和RSU是值得信任的局部代理，跟踪其覆盖范围内的每个请求车辆的传播过程，为请求车辆提供携带相应多媒体簇车辆信息的同时，观察每个请求车辆的选择，根据他们的交互情况，按照公式(3)更新每个被选择车辆的信誉系统；假设请求车辆i选择了簇中的车辆j进行传输，并且其信誉组合为γ_jγ_i；车辆j的信誉系统为 

$R_j=\left\{\begin{array}{cc}({\mathrm{\γ}}_j+1,{\mathrm{ND}}_j)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=C\\ ({\mathrm{\γ}}_j-{\mathrm{ND}}_j,{\mathrm{ND}}_j+1)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=D,{\mathrm{\γ}}_j>{\mathrm{ND}}_j\\ (0,{\mathrm{ND}}_j+1)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=D,{\mathrm{\γ}}_j\≤{\mathrm{ND}}_j\\ ({\mathrm{\γ}}_j,{\mathrm{ND}}_j)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈\left(\mathrm{GB}\right),p_j=D\end{array}\right.---\left(3\right)$

为了避免车辆本身对信誉系统R_j进行恶意伪造，使用了“打卡式”信誉维护系统；只有具有专门充值机的代理点bus和RSU才能够修改信誉系统，车辆本身 只能显示其信誉系统值； 

③博弈模型的有效性分析 

根据公式(3)的更新准则，当车辆s为信誉好的车辆x提供服务时，s的信誉体系为(γ_s+1,ND_s)，单位资源收益为

当s选择不合作时，信誉系统变为(γ_s-ND_s,ND_s+1)，收益为0；两种情况下，s在将来的某一时刻请求资源时，其所付出的代价分别是 $c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s+1+{\mathrm{ND}}_s}),$ $c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s-{\mathrm{ND}}_s+{\mathrm{ND}}_s+1});$ 此时车辆s需付价格差为 

$\mathrm{PP}=c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s-{\mathrm{ND}}_s+{\mathrm{ND}}_s+1})-c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s+1+{\mathrm{ND}}_s})=c(\frac{1}{{\mathrm{\γ}}_s+1}+\frac{{\mathrm{ND}}_s^2}{{({\mathrm{\γ}}_s+1)}^2+({\mathrm{\γ}}_s+1){\mathrm{ND}}_s})$

$=c(\frac{1}{{\mathrm{\γ}}_s+1}+\frac{{\mathrm{ND}}_s^2}{{\left(\frac{{\mathrm{\γ}}_s+1}{{\mathrm{ND}}_s}\right)}^2+\frac{({\mathrm{\γ}}_s+1)}{{\mathrm{ND}}_s}})---\left(4\right)$

多媒体文件较大时，s将多付不少费用；并且上次收益为0，s将亏损好多；从公式（4）中看出，PP随着γ_s的增加而增加，随着ND_s的增加而减小；s因上次不合作导致其信誉系统为(0,ND_s+1)或者(γ_s-ND_s,ND_s+1)，如果这两个信誉系统都小于信誉门限值(即变为B)，则s在本次的请求中根本得不到服务，这是最严重的惩罚；另外，对于车辆x来说，如果本次信誉处于B，那么车辆s将具有合法的理由不提供服务，那么车辆x会积极与其他车辆合作；所以在本激励模型下，车辆都会合作，积极转发消息并贡献自己的资源； 

本发明的效果和益处是能够模拟真实环境下节点的多媒体传输情况，适用于自私的VANET环境；实验表明本发明提高了VANET中多媒体资源的成功查询率和回传率，降低了回传过程的回传延迟，提高了车辆用户的满意度； 

附图说明

图1是VANET层次构架示意图。 

图2是基于分布式Tracker服务器的多媒体文件查询算法示意图。 

图3是基于间接互惠博弈的树状回传算法示意图。 

图4(a)是随着车辆变化，多媒体资源成功查询率示意图。 

图4(b)是随着车辆变化，多媒体查询成功时的平均跳数示意图。 

图4(a)和(b)中 

P2P-BT非自私：非自私VANET环境中，基于P2P-BT的多媒体合作共享方法； 

SC-P2P非自私：非自私VANET中，基于对等网络的社会集群方法； 

E-TTP2P非自私：非自私VANET环境中，加强的两层对等网络方法； 

P2P-BT自私：自私VANET环境中，基于P2P-BT的多媒体合作共享方法； 

SC-P2P自私：自私VANET中，基于对等网络的社会集群方法； 

E-TTP2P自私：自私VANET环境中，加强的两层对等网络方法； 

图5(a)是随着车密度变化，多媒体资源回传率示意图。 

图5(b)是随着车密度变化，多媒体价格示意图。 

图6是随着时间变化，多媒体资源回传延迟示意图。 

图5(a)和(b)，图6中 

P2P-BT N=150：自私VANET环境中，car和bus的车总量为150时，基于P2P-BT的多媒体合作共享方法； 

P2P-BT N=350：自私VANET环境中，ar和bus的车总量为350时，基于P2P-BT的多媒体合作共享方法； 

SC-P2P N=150：自私VANET环境中，car和bus的车总量为150时，基于对等网络的社会集群方法； 

SC-P2P N=350：自私VANET环境中，ar和bus的车总量为350时，基于对等网络的社会集群方法； 

E-TTP2P N=150：自私VANET环境中，car和bus的车总量为150时，加强的两层对等网络方法； 

E-TTP2P N=350：自私VANET环境中，ar和bus的车总量为350时，加强的两层对等网络方法； 

图7是基于间接互惠博弈工作流程图。 

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； 

初始状态，网络中不同多媒体资源只有部分车辆拥有；本文方法PB-MCSM与基于对等网络的社会集群方法Social Cluster-based P2P，简称为SC-P2P和加强的两层对等网络方法Enhanced two-tier P2P，简称为E-TTP2P进行对比；仿真参数设置如表2： 

表2参数设置 

分别在car自私和非自私场景下进行实验，从如图4(a)看出PB-MCSM的成功查询率在两种场景下都优于对比方法；虽然在非自私场景下PB-MCSM的查询率与对比方法的相差不大，但是在自私场景下，PB-MCSM的查询率比对比方法的高并呈长生趋势，而对比方法的查询率则在5-10之间动荡；这是因为1)SC-P2P和E-TTP2P方法中使用了兴趣簇结构，簇成员大多数是car，所以簇首是car的概率大；但由于自私，car将不会转发请求消息；2)车辆稀疏时car高速移动，拓扑动态变化较快，导致簇结构的频繁改变，car遇到非自私car的概率很小并和非自私节点的连接时间短暂，查询算法很难进行；3)在车辆密集时，由于SC-P2P和E-TTP2P使用广播的查询算法，导致网路中请求包冗余，网路负载重，数据包发生碰撞也将导致请求包的丢失，因此车辆的密度对这两种机制的查询率影响较小；PB-MCSM充分运用了bus和RSU不自私的优势，使用bus和RSU作为Track跟踪器，并且积极转发消息；在车辆稀疏下，携带相应资源的车辆很少，资源匮乏，查询算法执行较为困难，查询率不高；随着车辆密度增加，携带相应多媒体资源的车辆增多，资源丰富，使得查询速度较快，多媒体查询率逐渐上升；自私场景下的查询率比较低是因为请求car在没有bus和RSU下只能选择向周围car发送请求；car的自私行为导致查询率下降；从图中看出这 种情况发生率很小； 

查询算法影响了路由跳数，如图4(b)所示，PB-MCSM的跳数比其他两种方法的跳数小，且自私场景下跳数变得较小；1)PB-MCSM中的请求车辆主要使用car-bus和car-RSU通信向非自私的bus和RSU发送请求消息，bus和RSU的信息检索列表及时更新，并且信息比较完备，能更够方便快捷的查找到携带相应的车辆，因此PB-MCSM的资源查询跳数较小；2)对比方法中的请求车辆主要car-car通信向car发送请求消息进行资源查询，但是car自私行为导致很少的car进行请求消息的转发，请求car只能依赖少数非自私car、bus和RSU进行查询，bus和RSU能够在很少的跳数下完成查询，因此对比方法的平均跳数维持在较小值； 

图5(a)描述多媒体请求的回传率；不同车辆密度下，PB-MCSM的回传率相对于对比方法的要高；随着时间的变化，对比方法的回传率减小并在某个较低值上下波动，PB-MCSM的回传率却出现上升后在某个较高值处趋向于稳定；这是因为PB-MCSM使用了博弈的方法激励了车辆积极贡献自己的资源，使得请求car得到其他车辆的服务的概率变大；对比方法没有解决车辆自私行为，只能利用少数非自私车辆得到多媒体资源，维持较低的回传率；从图5(b)中反应车辆获得单位资源时所付的费用中，得到不同车辆密度下，随着时间的变化，PB-MCSM逐渐减小，而其他方法则相反；这是因为PB-MCSM的回传率比其他方法的较大，并且车辆都逐渐开始合作传输资源；因为该费用与贡献值成反比，所以车辆所需付出的费用较低；而其他方法由于自私节点依然自私并拒绝服务；该费用与拒绝次数成正比车辆密度较大时，车辆所付的费会随着拒绝服务次数逐渐增大逐渐增加；从这两方面实验结果，说明了PB-MCSM中的博弈方法，能够很好地激励车辆进行合作，积极参与多媒体的传输； 

图6描述了用户感知的多媒体回传延迟，PB-MCSM的延迟比对比方法的延迟要小；随着时间的变化，对比方法逐渐增大，车辆密度对传输延迟的影响很小；PB-MCSM的延迟只是在开始阶段增大，随后逐渐减小；车辆密度对传输延迟影响较大；这主要因为1)对比方法在自私环境下主要从bus和RSU进行多媒体的下载；由于车辆的增多，bus和RSU会更加繁忙，服务队列变得很长；并且对比方法着重于查询，没有解决服务调度问题，因此车辆由于等待服务时间长而延迟变大；2)PB-MCSM使用了博弈方法激励车辆car合作，使得请求车辆有更多路由选择；此外PB-MCSM使用了树状传输，将传输过程分散，减少了车辆由于服务排队延迟而造成的传输延迟，及时的获得多媒体资源。 

Claims (1)

1.一种VANET中基于P2P-BT的多媒体合作共享方法，其特征在于，该方法主要包括两个主要部分：

第一部分：VANETs层次架构的建立；

第二部分：基于P2P-BT机制的多媒体合作共享方法，包括基于分布式Tracker服务器的多媒体文件查询算法和基于间接互惠的树状回传算法，

其特征在于如下步骤：

(1)VANET层次架构的建立

根据城市VANET中车辆的运动特点将网络中节点分为三类节点：车辆car、公交车bus和路边单元RSU节点；将城市VANET在逻辑上分为四层：car层、bus层、RSU层和Internet层；car既与通信范围内的car相互通信共享多媒体文件，也与通信范围内的bus进行通信；同样，bus既能够与通信范围内的car通信，接收car控制消息，也能够与通信范围内的RSU交互，接入Internet获得多媒体资源。此外，car与RSU之间也能够进行通信。

(2)基于P2P-BT机制的多媒体合作共享方法

1）基于分布式Tracker服务器的多媒体文件查询算法

①如果car A检测到附近有bus，则发送M_Q给bus；接收到M_Q的bus会检查本地列表，是否含有M.avi信息的原始簇Bc；如果有，bus则向car A返回簇Bc内节点的节点信息；如果没有，bus将向邻居的bus询问，直至查得到相应Bc簇，将簇内节点的节点信息返回给car A；

②如果car A附近没有bus，但car A在某一RSU覆盖范围内，则将M_Q发送给RSU；RSU检查本地列表寻找相应的原始簇Rc，将Rc内节点的节点信息返回给car A；如果没有则直接通过RSU从Internet下载M.avi；

③car A附近没有bus并且处在RSU的盲区内，car就广播M_Q给附近的车辆，附近车辆将查询是否有M.avi；如果有则返回自己的节点信息；否则转发M_Q查询附近bus或者RSU，返回查询结构给car A，进行资源预下载；

④car A接收簇内节点的节点信息后，启动基于间接互惠博弈的树状回传算法；

如果car A查询时间超出Timer门限值，则认为网络中没有M.avi；此时car A向覆盖范围内的bus发送请求下载信息，或通过RSU从Internet下载；

2）基于间接互惠博弈的树状回传算法

算法的具体过程：假设有m个请求节点都在请求多媒体M.avi，集合为A={A₁,A₂,...,A_m}，M.avi的原始簇为S={S₁,S₂,...,S_n}，n是簇内车辆的总数；定义扩展簇S′，初始化阶段，扩展簇S′=S。在树状回传机制中，初始扩展簇S′中的每个节点代表根节点；根据A中车辆请求时间片的不同，划分不同的回传阶段，相同阶段车辆根据服务时间感知的选择算法进行多线程选择，选择合适的车辆进行回传；在回传的初始阶段，从根节点中进行选择；回传时根据间接互惠博弈模型进行参数更新，然后这些请求车辆加入簇S′；最后从A中删除这些节点，成为被选择节点，在接下来的回传阶段上传资源给其他车辆；如此循环直到集合A为空，S′=SUA；

算法中采用到服务时间感知的选择算法和间接互惠博弈模型如下：

①服务时间感知的选择算法

使用类似于LET计算方法，考虑S′中车辆的负载来预测车辆之间的服务时间ST，φ={φ₁,φ₂,...}代表负载集合。对于任意车辆A_i∈A和负载为φ_i的S_j∈S'，传输半径均为γ，坐标为(x_i,y_i)和(x_j,y_j)，速度分别为v_i和v_j，θ_i和θ_j代表运动方向，车辆A_i和S_j之间的预测服务时间为

${\mathrm{ST}}_{i,j}=\frac{\sqrt{(a^2+c^2)-{(\mathrm{ad}-\mathrm{bc})}^2}-(\mathrm{ab}+\mathrm{cd})}{a^2+c^2}\×(1-\frac{1}{{\mathrm{\φ}}_j})---\left(1\right)$

在这里a=v_icosθ_i-v_jcosθ_j，b=x_i-x_j，c=v_isinθ_i-v_jsinθ_j，d=y_i-y_j。和簇S'所有车辆的服务时间计算完毕之后，A_i得到预测服务时间集合ST_i，从中选择一个服务时间最大的节点进行传输，即 ${\mathrm{Select}}_i=\underset{\∀A_i}{\max }\left\{{\mathrm{ST}}_i\right\};$

②间接互惠博弈模型

信誉评价标准和策略如表1；

表1信誉评估和策略

每个车辆维持一个离散的信誉系统R_i，R_i={γ_i,ND_i}。博弈模型使用一个四元组表示(V,P,R,U)。V代表参与者集合，是所有请求车辆和拥有相应多媒体资源的车辆；P是被请求车辆的策略，P=(C,D)；R是信誉系统集合；U是每个车辆的效用函数；

车辆x在选择车辆s合作传输资源的时候，车辆s会向车辆x收取单位资源的费用，用price(s,x)表示：

$\mathrm{price}(s,x)=c(1+\frac{{\mathrm{ND}}_X}{{\mathrm{\γ}}_x+{\mathrm{ND}}_X})---\left(2\right)$

c为基本的资源收费标准。此时车辆s因贡献这些单位资源而获得收益U=price(s,x)；

假设请求车辆i选择了簇中的车辆j进行传输，并且其信誉组合为γ_jγ_i。车辆j的信誉系统为

$R_j=\left\{\begin{array}{cc}({\mathrm{\γ}}_j+1,{\mathrm{ND}}_j)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=C\\ ({\mathrm{\γ}}_j-{\mathrm{ND}}_j,{\mathrm{ND}}_j+1)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=D,{\mathrm{\γ}}_j>{\mathrm{ND}}_j\\ (0,{\mathrm{ND}}_j+1)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈(\mathrm{GG},\mathrm{BG},\mathrm{BB}),p_j=D,{\mathrm{\γ}}_j\≤{\mathrm{ND}}_j\\ ({\mathrm{\γ}}_j,{\mathrm{ND}}_j)& {\mathrm{\γ}}_j{\mathrm{\γ}}_i\∈\left(\mathrm{GB}\right),p_j=D\end{array}\right.---\left(3\right)$

③博弈模型的有效性分析

$\mathrm{PP}=c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s-{\mathrm{ND}}_s+{\mathrm{ND}}_s+1})-c(1+\frac{{\mathrm{ND}}_s}{{\mathrm{\γ}}_s+1+{\mathrm{ND}}_s})=c(\frac{1}{{\mathrm{\γ}}_s+1}+\frac{{\mathrm{ND}}_s^2}{{({\mathrm{\γ}}_s+1)}^2+({\mathrm{\γ}}_s+1){\mathrm{ND}}_s})$

$=c(\frac{1}{{\mathrm{\γ}}_s+1}+\frac{{\mathrm{ND}}_s^2}{{\left(\frac{{\mathrm{\γ}}_s+1}{{\mathrm{ND}}_s}\right)}^2+\frac{({\mathrm{\γ}}_s+1)}{{\mathrm{ND}}_s}})---\left(4\right)$

PP随着γ_s的增加而增加，随着ND_s的增加而减小；激励车辆合作，积极转发消息并贡献自己的资源。

Images