一种基于改进灰色模型的车联网节点缓冲队列预测方法

本发明涉及车联网，尤其涉及一种基于改进灰色模型的车联网节点缓冲队列预测方法。

背景技术：

1、车联网是以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-车、车-路、车辆与互联网之间，进行无线通信和信息交换，以实现智能交通管理控制、车辆智能化控制和智能动态信息服务的一体化网络。车联网技术的兴起，为解决车辆安全问题提供了新的手段。

2、作为车联网关键应用之一，在协同车辆安全系统(cooperative vehicle safetysystems，cvss)中，车辆通过追踪邻居车辆及其移动性来探测潜在的碰撞威胁，为了追踪邻居车辆，每一个车辆频繁地将自身状态信息通过ieee 802.11p无线信道，广播给一定范围内的邻居车辆，收到上述消息的车辆通过分析邻居车辆的位置、速度等状态，预测潜在碰撞威胁并发出预警。但是，车辆过于频繁的广播会造成信道拥塞，负载增加，数据包发生碰撞或延迟，造成安全消息无法及时正确地到达目标车辆，进而对车辆的行车安全造成潜在危险。因此，为保证车辆等节点之间在不同场景下的消息递送，对车联网广播消息的拥塞控制进行优化是必要的。

3、现有论文《performance analysis of the ieee 802.11distributedcoordination function》(ieee journal on selected areas in communications，2000年)，通过公式推导获得系统吞吐量最大时，最小竞争窗口cwopt与节点数量n之间的关系。但是，论文只考虑了饱和通信的情况，过于理想化。

4、现有论文《车联网中基于k均值聚类的拥塞控制方法》(计算机工程与设计，2020年)，针对十字路口下车辆密度过大时造成的车联网拥塞问题，提出基于k-means聚类的车联网拥塞控制方法。但依靠车辆密度作为拥塞指标调节竞争窗口值也存在一些问题。例如信道忙闲程度除了受车辆密度影响，也与车辆广播消息发送速率有关，此时仅将车辆密度作为信道拥塞的唯一指标并不合理。

5、现有论文《面向车联网中cams速率的自适应拥塞控制研究》(知网研究生论文，2021年)，为使拥塞控制机制能够很好地适应快速变化的网络环境，根据信道当前忙闲状态对拥塞窗口进行了动态调整，但对信道状态并未详细划分忙闲等级。

6、综上，上述现有技术存在通信情况过于理想化的问题，且将车辆密度作为信道拥塞的唯一指标不够合理，信道忙闲等级需要进行详细划分。

技术实现思路

1、本发明的目的在于提供一种基于改进灰色模型的车联网节点缓冲队列预测方法。本发明解决了将车辆密度作为信道拥塞的唯一指标不够合理的问题；有效缓解了拥塞控制的时滞问题，实现车联网下基于竞争窗口的拥塞控制优化设计。

2、本发明的思想为：本发明的预测方法加入改进灰色预测模型(grey models)，通过少量的、不完全的信息，建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述。本发明对信道状态进行了预测，并对竞争窗口进行动态调整，实现对车联网广播消息拥塞控制的优化。

3、为了实现上述发明目的，本发明采用技术方案具体为：

4、一种基于改进灰色模型的车联网节点缓冲队列预测方法，包括以下步骤：

5、s1：监控节点队列；通过软件监控各节点，由此得到的节点队列数据将作为改进灰色模型所需的初始数据；

6、s2：计算总延迟tall；通过软件记录数据包在某一节点的发送时间及到达另一节点的时间，用到达时间减去发送时间即为总延迟，为接下来步骤s3的公式推导做好准备；

7、s3：计算队列长度最大值m；依据分组时延公式推导得出队列最大值m，推导所得的m将作为s6中计算队列饱和度的重要参数；

8、s4：改进灰色预测模型；调整背景值系数，达到预测值误差最小，实现对队列长度预测，只有队列预测值准确才能保证s6中队列饱和度c的精确，从而实现对信道状态的正确预测；

9、s5：获得队列长度预测值数据；利用s4中改进的灰色预测模型对s1中的节点队列数据进行预测获得队列长度预测值q，所得q将作为s6中计算队列饱和度的重要参数；

10、s6：计算队列饱和度c；将队列长度预测值q及分组时延公式推导得出的队列最大值m两者相除，得出的数值即为队列饱和度，队列饱和度c的数值大小将正确反映信道的忙闲状态；

11、s7：竞争窗口调整；根据队列饱和度c大小细分信道忙闲等级，不同等级对应各自竞争窗口调整方式，以便实现对竞争窗口的动态调整，优化拥塞控制。

12、步骤s1包括以下步骤：

13、s11:使用软件进行仿真实验，车辆均匀分布在l长的车道公路上同向行驶，车辆数为n辆，仿真时间为t；

14、s12:设置实验参数：设置时隙σ，数据发送速率为v，最短帧间间隔sifs固定为t。

15、步骤s2包括以下步骤：

16、s21：统计数据包发送时间t1，以及数据包到达时间t2；

17、s22：用数据包到达时间减去发送时间计算得出总延迟tall，即tall＝t2-t1；

18、步骤s3包括以下步骤：

19、s31：利用分组时延公式推导队列最大长度m，时延公式如下：

20、tall＝tsend+tspread+tdeal+tqueue        (1)

21、其中，tall表示总延迟，tsend表示发送时延，tsend＝psize/bw；tspread表示传播时延，tspread＝d/vg；tdeal表示退避时延，tdeal＝0.5*cwmin*σ；tqueue表示源节点排队时延，tqueue＝m/bw；psize表示数据包大小，bw表示带宽，d表示节点之间的距离，vg表示光速，cwmin表示竞争窗口最小值，σ表示时隙；

22、s32：设每个节点的队列长度最大值为m，推导得出m表达式为：

23、m＝tqueue*bw

24、＝[tall-(tsend+tspread+tdeal)]*bw

25、＝(t2- t1- psize /bw-d/vg-0.5* cwmin*σ)*bw    (2)。

26、步骤s4包括以下步骤：

27、s41：初始化背景值系数λ；

28、s42：迭代计算模型平均拟合误差；

29、s43：求得使平均拟合误差取得最小值时的λ值即为改进灰色预测模型的最优背景值系数；

30、步骤s6包括以下步骤：

31、s61：将队列饱和度定义为c，c的表达式为:c＝q/m；

32、s62：将步骤s3得到的队列最大值m及步骤s5得到的队列预测值q代入公式；

33、s63：计算得出队列饱和度c；

34、c＝q/m

35、 ＝q/(tqueue*bw)

36、 ＝q/[tall-(tsend+tspread+tdeal)]*bw

37、 ＝q/[(t2-t1-psize/bw-d/vg-0.5*cwmin*σ)*bw]                       (3)

38、步骤s7包括以下步骤：

39、s71：根据队列饱和度c的百分比不同划分信道忙闲等级；

40、s72：对竞争窗口大小cw作出调整，其中cwmax为竞争窗口最大值，cwopt具体表示为：

41、

42、n表示节点数量，tc表示数据包发送碰撞时间的固定值，σ表示时隙；

43、s73：如果0≤c<25％，则表示此时信道处于空闲状态，竞争窗口值cw作出调整为：

44、cw＝cwmin；

45、s74：如果25％≤c<75％，则表示此时信道处于稀疏状态，竞争窗口值cw作出调整为：cw＝min((1+e-1/c)×cwopt,cwmin)；

46、s75：如果75％≤c<95％，则表示此时信道处于拥塞状态，竞争窗口值cw作出调整为：cw＝(1+e-1/c)×cwopt

47、s76：如果95％≤c<100％，则表示此时信道处于饱和状态，竞争窗口值cw作出调整为：cw＝min((1+e-1/c)×cwopt,cwmax)。

48、与现有技术相比，本发明的有益效果为：

49、1、本发明通过计算选取最优背景值系数，使得改进后的灰色预测模型能够对队列长度进行精确预测，进而实现对信道拥塞的提前控制，有效缓解了拥塞控制的时滞问题。

50、2、本发明通过划分信道忙闲等级，对竞争窗口大小进行相应调整，实现车联网下基于竞争窗口的拥塞控制优化设计。

51、3、本发明实现竞争窗口大小的自适应动态调整，尤其是在车辆密集，节点竞争信道比较激烈的情况下，如果窗口大小为常量，可能导致大量的碰撞，从而增大时延和降低吞吐量，反之，如果窗口大小动态可调节，就能降低时延和提高吞吐量。本发明还提高了数据投递率和网络的性能，本发明实现简单，节点的负载较轻。