张鹏 朱敏 高兴荣

摘  要：目前国内外研究人员均未能就车载自组织网络丢包率较高这一问题提出有效的解决方案，鉴于此，文章探索了一种基于无人机协同组网的地空一体式车载自组网框架，并对网络性能进行分析。仿真结果表明，通过无人机协同组网可以大大降低VANET网络丢包率，对未来无人驾驶场景中VANET网络的构建具有一定的参考价值。

关键词：车载自组织网络;无人机;协同组网

中图分类号：TP391.4    文献标识码：A  文章编号：2096-4706（2021）18-0061-04

Abstract： At present， researchers at home and abroad have failed to put forward an effective solution to the problem of high packet loss rate of on-board self-organizing network. In view of this， this paper explores a ground air integrated on-board self-organizing network framework based on UAV cooperative networking， and analyzes the network performance. The simulation results show that the packet loss rate of VANET network can be greatly reduced through UAV cooperative networking， which has a certain reference value for the construction of VANET network in the future unmanned driving scene.

Keywords： on-board self-organizing network; UAV; cooperative networking

0  引  言

随着信息技术的飞速发展，无人驾驶将成为新一代智能交通系统的核心技术[1]。在无人驾驶的场景中，车辆具有更高的机动性和不确定性，这就要求车辆等之间时刻保持高度的通信稳定性[2]。

移动自组织网络通信技术可以为车辆之间的稳定通信提供了技术支持。车辆采用移动自组织网络的通信架构，构建车载自组织网络（Vehicular Ad-hoc Network， VANET）[3]。VANET网络无需预置基础设施，具备动态可重构性，是面向未来无人驾驶的新型网络方案[4]。

VANET网络具有其本身独特的性质，主要表现为：（1）车辆的快速移动以及频繁的变换位置导致网络拓扑结构变化比传统自组织网络更频繁;（2）VANET网络不仅需要及时传递信息，还要实现无人驾驶等功能，故VANET實时性要求比移动自组织网络更高;（3）信号干扰和网络拓扑结构快速变化导致VANET比传统移动自组织网络丢包率更高，影响网络的实时连通性能。因此，如何降低VANET丢包率是目前研究的热点[5]。

随着无人机技术的飞速发展，人们逐渐把目光转向可以灵活部署、自由移动的无人机。无人机与VANET结合，能够取长补短，在自组网通信发挥出较大优势。无人机移动灵活、体积小、能够轻易摆脱地形的束缚，保障视距通信质量。这些都使得无人机成为降低VANET丢包率的可能途径。

国内外针对无人机在VANET中的研究主要集中在资源分配、能源优化和路由算法上。例如文献[6]采用发送端自主决策的分布式策略，提出了干扰感知的节点接入机制。文献[7]利用移动节点辅助位置管理策略引入到无线自组网的GPSR协议中，提出基于地理位置信息的高可靠性路由算法GPSR-HRU。文献[8]提出了适用于VANET网络的三维GPSR路由算法。文献[9]考虑低复杂度需求，提出了空地协作组网下的无人机位置部署及能量优化机制。这些文献对无人机协同VANET组网的资源分配和路由算法提出了新思路，但未能针对丢包率较高的问题提供解决方案。

因此，本文针对VANET存在高丢包率的问题，引入无人机协同组网方式，探索了一种基于无人机协同组网的地空一体的车载自组网架构。该网络架构充分利用无人机移动灵活、体积小等特点，用于提高VANET网络的稳定性和灵活性。网络性能分析表明，基于无人机协同组网的车载自组网的网络架构具有良好的性能。

1  网络架构方案及飞行策略

1.1  车辆

车辆携带有支持自组网无线通信的设备，行驶在区域内不同位置。

1.2  无人机

区域内部署两类无人机：自动飞行无人机（Automatic Flight UAV， AFU）、巡航无人机（Circular Flight UAV， CFU）。无人机在通信距离范围内，能够与车辆组建自组网。

1.3  基于分层的无人机部署方案

空中部署的无人机分成两层架构，在第一层部署AFU无人机。AFU无人机随机在区域内飞行。第二层部署CFU无人机。CFU无人机根据区域的范围和通信距离，提前规划航迹巡航，保障区域内的通信。两类无人机部署在不同的高度，如图1所示。

1.4  CFU无人机协同组网的飞行策略

如何规划CFU无人机的航迹，将决定网络架构的稳定性和有效性。假设区域为正方形区域，边长为R。无人机最大通信距离为Rd，飞行高度为h，无人机按照圆形航迹飞行。投影到地面后，无人机的航迹在地面投影为以半径r的圆形。

为了保证巡航无人机之间航迹互不干扰，并且能够最大程度保障通信，假设无人机圆形航迹的数量为k，k需要满足式（1）中的要求，

通过式（1），解得k≥5。取k=5，得到飞行航迹为5个圆形，航迹部署图如图2所示。

在一个圆形航迹上部署2架无人机，处于圆心对角位置，保持相对速度一致，绕着航迹运动，航迹部署方案如图3所示。

为了保证圆形航迹区域内的车辆都在它的通信范围内，航迹半径需满足式（3）要求：

根据式（2）得到：

最终，得到第二层无人机部署方案如图4所示，共规划5个航迹，每个航迹上同时由两架无人机处于对角位置沿着逆时针飞行。

通过图4方案部署CFU无人机，利用无人机保证车辆之间的连通性，同时连接尽可能多的车辆。与传统平面结构相比，分层的网络结构能够减轻网络局部的拓扑结构变化对整个网络的影响。在路由的计算和生成过程中，只需要部分节点参与，有效减少了路由和控制开销。此外，分层结构能实现对网络的有效控制和管理，提高了网络的扩展性。

2  仿真实验和结果分析

2.1  仿真环境

采用OPNET Modeler 14.5网络仿真工具模拟自组网通信过程，仿真参数为：场景区域大小为10 km×10 km，车辆最大通信距离为2 500米。车辆移动速度范围为0 km/h～ 80 km/h。无人机最大通信距离为2 500米，无人机移动速度范围为0 km/h～100 km/h，每个设备发射功率为5 W，MAC层采用802.11p协议。车辆的运动模型选择为随机运动模型。

2.2  仿真结果分析

首先，仿真无人机协同组网的VANET网络场景（30辆车辆和15架UAV）。无人机规划航迹及分布如图5所示。

为了评估无人机协同组网的网络性能，设置第一个无协同组网的VANET网络场景中，车辆为30辆。为了评估空中无人机节点替代地面车辆协同组网的网络性能，设置第二个无协同组网的VANET网络场景中车辆为45辆，搭建的仿真场景图如图6所示。

无人机协同组网的VANET网络场景中，设置车辆数量为30辆，同时部署无人机15辆，第一层AFU无人机数量为5，飞行高度设置为50米。第二层CFU无人机数量为10，飞行高度设置为100米，飞行航迹设置为5个圆形轨迹，每个圆形航迹上有两架无人机。仿真时间为15分钟，使用相同的aodv协议。三种场景下平均丢包率仿真结果如图7所示。

首先，分析在地面车辆数量相同情况下，有无人机协同组网和没有无人机协同组网的网络性能。红线和绿线分别为无协同组网的VANET（车辆30辆）和有无人机协同组网的VANET的网络（车辆30辆，无人机15架）平均丢包率曲线图。通过对比可以看出，在地面车辆数量相同的时候，没有无人机协同组网情况下，网络平均丢包率达到了13%。通过无人机协同组网，组建分层空中网络架构中，平均丢包率降低了约7%。无人机参与协同组网后，能够起到很好的中继效果，建立起地—空—空—地的有效传输路径，使得网络架构更加稳定，因此能够降低了丢包率。

其次，分析在总数量固定时候，利用相同数量的无人机替代车辆进行协同组网的网络性能。蓝线和绿线分别为无协同组网的VANET（车辆45辆）和有无人机协同组网的VANET的网络（车辆30辆，无人机15架）平均丢包率曲线图。通过对比可以看出，总数量固定时候，利用相同数量的无人机替代车辆，平均丢包率降低了约2%。通过对无人机搭建空中分层架构，并合理规划航迹，充分利用无人机机动灵活、速度快的特点，在较短时间部署完成空域通信网基础。因此，能够降低网络的丢包率，提高网络的抗毁性。

综上，通过无人机协同组网，可以有效降低丢包率，对VANET网络稳定性和连通性方面性能均具有提升。

3  结  论

本文充分利用无人机移动灵活、体积小等特点，提出了一种基于无人机协同组网的车载自组网VANET网络架构。仿真结果表明，通过无人机协同组网，可大大降低VANET网络丢包率，对VANET网络稳定性和连通性方面性能均具有提升，对未来无人驾驶场景中VANET网络的构建具有一定参考价值。

参考文献：

[1] 王笑京，张纪升，宋向辉，等.国际智能交通系统研发热点 [J].科技导报，2019，37（6）：36-43.

[2] 于向軍，槐元辉，姚宗伟，等.工程车辆无人驾驶关键技术 [J].吉林大学学报（工学版），2021，51（4）：1153-1168.

[3] 吴振华，胡鹏.VANET中路由协议分析 [J].通信学报，2015，36（S1）：75-84.

[4] 黎阳，王哲，张楚文，等.面向车载自组织网络路由的轨迹预测算法 [J].计算机研究与发展，2017，54（11）：2421-2433.

[5] 陈强伟，赵建华，杨雪芹，等.一种新的VANET网络链路丢包率估计算法 [J].电讯技术，2018，58（10）：1217-1222.

[6] 范茜莹，黄传河，朱钧宇，等.无人机辅助车联网环境下干扰感知的节点接入机制 [J].通信学报，2019，40（6）：90-101.

[7] 袁学松.基于地理位置信息的无人机可靠路由算法 [J].重庆工商大学学报（自然科学版），2021，38（1）：50-56.

[8] 梁健.基于地理位置信息的三维FANET路由算法研究 [D].西安：西安电子科技大学，2020.

[9] 郜富晓.空地协作组网的无人机位置部署及能量优化机制研究 [D].开封：河南大学，2019.

作者简介：张鹏（1982—），男，汉族，安徽阜阳人，副教授，博士，主要研究方向：无线自组网、网络通信;通讯作者：朱敏（1988—），男，汉族，福建莆田人，助教，硕士，主要研究方向：无线自组网、传感器网络;高兴荣（1982—），男，汉族，安徽合肥人，讲师，硕士，主要研究方向：无线通信、数据通信。