2. 厦门市智慧交通诱导工程技术研究中心(厦门理工学院), 福建 厦门 361024
2. Xiamen Engineering Research Center for Intelligent and Inductive Transportation System (Xiamen University of Technology), Xiamen Fujian 361024, China
车载自组织网络(Vehicular Ad Hoc NETwork,VANET)是一种新型的移动自组织网络,具有节点快速移动、网络拓扑实时变化、节点数量众多、移动轨迹受限、通信环境复杂多变等特点。这些特点带来了很多新挑战,引出了许多新的研究[1-2]。由于VANET的这些特点,研究成果难以真正部署在实际车辆中进行验证,网络仿真就成为一种很好的替代方案。然而,仿真是否反映真实的VANET环境,对成果验证有极大的影响[3]。在仿真的准确性中,最为关键的一个因素就是信道传播模型。真实世界和仿真模型的差别是协议运行在真实世界上的表现与预期差异巨大的主要原因。
针对城市环境的传播问题,现有研究提出了一些解决方案,引入了障碍物的影响。为降低计算的复杂性,文献[4-5]的传播模型均利用建筑物完全阻止信号的传输,排除了所有的非视距传输(Not Line of Sight,NLOS)。文献[6]也提出了一个简单的模型来降低因障碍物造成的网络连通性,直接把一个较长的距离设定为视距传输(Line of Sight,LOS)的固定通信距离,若中间有建筑物,则设定一个较短的通信距离。文献[7]则指出假设节点的固定通信距离不但使得结果不精确,也导致不同协议之间的比较不够准确。除了路旁障碍物以外,道路上的车辆本身也对通信有较大的影响[8]。文献[9]提出的模型考虑车辆本身作为障碍物对信号传播的影响,不过需要较复杂的计算以及收集极为复杂的车辆模型。文献[10]则在高速公路上对此模型进行了仿真分析并与其他模型进行比较。基于射线跟踪的模型[11]能较为精确地描述信号传播的路径损耗,但需要障碍物形状数据以及车辆精确位置等大量信息[12]。
针对上述模型的不足,本文在计算复杂度与模型准确性之间折中考虑,提出了一个考虑路旁障碍物影响的信道传播模型I-Corner,把信号的传播分为视距传输、经过1次转向的非视距传输和禁止传输三类,并推导了接收端的接收功率以及分组传递率(Packet Delivery Ratio,PDR)。仿真实验结果表明该模型能有效模拟障碍物对信号传播的影响。
1 问题描述传播模型在无线网络仿真中是非常关键的一个因素,对网络性能影响十分巨大,因此尽量模拟真实环境是网络仿真中一个关键的环节。现实中的车辆通信环境十分复杂,道路两旁的建筑物、树木以及其他车辆节点等都会对信号传输产生巨大的影响;网络中的信号经过多次的反射、折射,效果会有较大程度上的衰减。因此,信道传播模型在VANET的仿真中是很关键的一个因素。
移动自组织网络仿真中常使用TwoRayGround模型进行模拟,它的信号传输包括直接的直线传播以及地面反射两种传播路径。TwoRayGround模型是确定性信道衰落模型的一种,在这种模型中,两个节点相距不超过接收阈值的范围即可接收到数据包;相反,即使超过极短的距离,也会完全接收不到数据包。
TwoRayGround这种理想的传播模型只勉强适合于开阔的地面,并不能真实地反映城市环境VANET的通信情况。VANET在城市环境中的传输受到路旁障碍物的极大影响,如图 1所示,B与A直线距离较短,在没有任何障碍物的情况下分组传递率较高,但由于两辆车位于不同的道路,路旁建筑物严重影响了信号的传输,使得A、B之间的分组传递率陡降。
VANET这种复杂的通信环境,对通信协议的设计有巨大的影响。如图 2所示,把车辆节点抽象成无向图中的节点,则网络拓扑可定义为一个无向图G=〈V,E〉。当节点B的传输范围(图中虚线圆弧所示范围)较大时,则不考虑障碍物的影响,图中其他4个节点均位于B的传输范围内,图中节点之间的实线与虚线均为有效的传输路径,即图中的有效边;否则,只有A与E、C与D之间的实线为有效的传输路径。在介质访问控制(Medium Access Control,MAC)协议的设计中,更多的节点位于传输范围内,意味着参与信道竞争的节点数增多,冲突会加剧,从而造成性能下降。不考虑障碍物,图中节点的度会增加,对多跳路由协议的设计也产生不良影响,如在A与D之间会增加一些并不存在的路径A—B—D或A—C—D,或者减少路径的跳数。
为解决这个问题,需要设计一个考虑城市环境中障碍物影响的信道传播模型,为通信协议的设计与分析提供依据。
2 城市环境信道传播模型 2.1 模型假设真实且精确的环境数据,比如建筑物的外形尺寸、窗户、外墙材质,道路中的车辆大小与形状,路旁树木的稠密与形状等,往往难以获取。基于这种情况而建立的三维模型并不够精确,在这种并不足够精确的三维模型下即使进行精确的传播模型计算,也很难提高对现实世界的信号传输模拟精度。为此,需要在计算精度与复杂度之间作一个折中以应对大规模的仿真。为了建立一个简单可行的模型,作如下假设:
1) 道路两旁只有规则立方体建筑物,表面光滑无窗;
2) 信号传输路径除了道路以外,没有其他路径,即建筑物高度足够,建筑物之间没有缝隙与空洞,不考虑信号从建筑物之间以及建筑物上方通过;
3) 车辆节点配备全向天线实现全向传输;
4) 街道宽度固定,且所有街道宽度一致;
5) 车辆都配备电子地图与定位系统。
2.2 I-Corner模型Corner[13]是一种简单高效的模型,它把信号的传输分为三类:视距传输LOS,1类非视距传输NLOS1和2类非视距传输NLOS2。其中NLOS1是指信号传输中经过1次转向,NLOS2则是经过2次转向。在Corner中,假设道路两旁只有规则的表面光滑建筑物,信号的非视距传输路径仅考虑反射和衍射,其信号路径损耗PL计算如式(1)所示:
$PL=10\lg ({{10}^{\frac{P{{L}_{D}}}{10}}}+{{10}^{\frac{P{{L}_{R}}}{10}}})$ | (1) |
其中:PLD和PLR分别为衍射路径损耗和反射路径损耗。在Corner的模型中,考虑的是2.4GHz的无线频率,而VANET使用的是5.9GHz高频无线电,高频无线电波衍射能力较弱,主要依赖直线与反射传播。为此对Corner模型进一步改进,提出只考虑主要的反射路径损耗PLR的传播模型I-Corner。由于VANET中的高频信号特性,在经过路口转向传输时信号损耗已经很大,而且路口与路口之间的距离较远,因此信号经过多个路口的传输可以忽略不计,I-Corner不考虑两次及以上的信号转向,只考虑不需转向的视距传输以及一次转向的非视距传输,其他传输的信号被中断。
2.2.1 地图位置处理I-Corner模型涉及障碍物的影响,因此信号传输中需要判断节点与道路、路口之间的位置关系。如图 3所示,设路口中心点为J(x,y),定义路口范围为以J为中心的一个圆,其半径Rj=(2/2)W(其中W为道路宽度),则定义一个节点位于路口J的范围为该节点与J的距离小于Rj。路口J有4个路口转角点,分别设为J0、J1、J2和J3,其坐标分别为J0(x-0.5W,y+0.5W)、J1(x-0.5W,y-0.5W)、J2(x+0.5W,y+0.5W)和J3(x+0.5W,y-0.5W)。
首先计算节点与所有路段之间的欧氏距离,距离最短的即为节点所在路段;然后对两个节点之间的传输是视距还是非视距进行判断。如图 3所示,节点B在节点A的视距传输范围内,而节点C、D和E均因为受到障碍物阻挡,位于非视距传输范围内。判断一个节点是否在另一个节点的视距范围内,需要判断信号发送、接收节点和信号接收节点所在路段的路口转角点位置之间的关系。如图 3所示,A是信号发送节点,判断信号接收节点C是否在A的视距范围,则需要判断A、C、J0和J2之间的位置关系;若接收节点为D,则需要判断A、D、J1和J3之间的位置关系;B和E的判断与此类似。假设节点A、B分别为信号发送与接收节点,节点B所在路段的路口转角点位置为JB1、JB2(图 3所示例子中JB1=J3,JB2=J2),则判断节点B是否在节点A视距范围内的算法伪代码如下所示:
if(RS(A)==RS(B)){
LOS传输
}else if(J=P(A,B)) {//有公共端点J
if(Distance(A,J)<Rj ||Distance(B,J))<Rj){
LOS传输
}else if (Angle(A,JB1)<Angle(A,B)<
Angle(A,JB2)){
LOS传输
}else{
经过1次转向的NLOS传输<
}
}else{ //没有公共端点
至少经过两次转向,定义两个节点不在传输范围内
}
其中:
RS(A)为节点A所在路段;
RS(B)为节点B所在路段;
P(A,B)为节点A、B的公共端点;
Distance(A,B)为点A、B间的欧氏距离;
Angle(A,B)为以A、B为端点的线段与水平线之间的夹角;
JB1、JB2为节点B所在路段与信号发送节点A之间的路口。
2.2.2 I-Corner视距传输在视距传输中,使用TwoRayGround模型,它在接收端的接收功率如式(2)[14]所示:
$\Omega (d)={{P}_{t}}\frac{{{G}_{t}}{{G}_{r}}{{H}_{t}}^{2}{{H}_{r}}^{2}}{{{d}^{n}}L}$ | (2) |
其中:d为发送节点与接收节点之间的距离;Pt表示发送功率;Gt和Gr分别表示发送者与接收者的天线增益;Ht和Hr则为天线高度;L是系统损耗;n是路径损耗指数。在本文的仿真中Gt=Gr=1,Ht=Hr=1.5m,L=1,n=4。
2.2.3 I-Corner非视距传输文献[13]提出反射路径损耗公式如下:
$P{{L}_{R}}=10\lg {{\left( \frac{\lambda }{4\pi ({{r}_{m}}+{{r}_{s}})} \right)}^{2}}+{{L}_{w}}\left\lfloor \frac{2\sqrt{{{r}_{m}}{{r}_{s}}}}{{{W}_{m}}{{W}_{s}}} \right\rfloor $ | (3) |
其中λ为波长。Lw系数与障碍物的介电常数和电导率相关,为简化设计,在I-Corner中和Corner一样设其值为-2。在I-Corner的假设中,所有街道宽度一致,故反射路径损耗PLR简化表示如下:
$P{{L}_{R}}=10\lg {{\left( \frac{\lambda }{4\pi ({{r}_{m}}+{{r}_{s}})} \right)}^{2}}-2\left\lfloor \frac{2\sqrt{{{r}_{m}}{{r}_{s}}}}{W} \right\rfloor $ | (4) |
其中:rm和rs分别为发送节点与接收节点到路口的距离;W为道路宽度。假设传输功率为Tx,则接收端的接收功率为:
$\Omega ={{T}_{x}}-P{{L}_{R}}$ | (5) |
式(4)的路径损耗仍然和TwoRayGround一样,是一种确定性的模型。最近的研究[15-16]表明,Nakagami信道衰落传播模型最适合于VANET环境的仿真。为使接收端接收的信号的包络服从Nakagami分布,更贴近真实传输情况,I-Corner同样加入Nakagami分布。
在Nakagami模型中,描述接收信号强度x的分布的概率密度函数表示为:
$f(x;m,\Omega )=\frac{2{{m}^{m}}}{\Gamma (m){{\Omega }^{m}}}{{x}^{2m-1}}{{e}^{-\frac{m}{\Omega }{{x}^{2}}}};x\ge 0,\Omega \ge 0,m\ge \frac{1}{2}$ | (6) |
其中:Γ是伽玛函数;m是形状因子;Ω是平均的接收功率。
2.3 分组传递率分析信道传播模型对分组传递率有很大的影响,分组传递率则是在通信协议的设计中至为重要的一个考虑因素,对分组传递率的错误估计将影响协议设计的策略。
假设信号只受传播模型的影响,没有冲突和其他节点干扰,信号强度服从Nakagami分布:
$p(x;m,\Omega )=\frac{{{m}^{m}}}{\Gamma (m){{\Omega }^{m}}}{{x}^{m-1}}{{e}^{-\frac{m}{\Omega }x}}$ | (7) |
它的累积分布函数是正则伽玛函数:
$F(x;m,\Omega )=\int_{0}^{x}{f(u;m,\Omega )du}=P(m,\frac{m}{\Omega }x)$ | (8) |
其中P是不完全伽玛函数,可表示为:
$P(m,\frac{m}{\Omega }x)=\frac{1}{\Gamma (m)}\gamma (m,\frac{m}{\Omega }x)$ | (9) |
其中:γ是下不完全伽玛函数。设分组接收的信号强度阈值为RxTh,即信号强度超过RxTh时分组可成功接收,令
$t=\frac{m}{\Omega }R{{x}_{Th}}$ | (10) |
则分组传递率PDR(即成功接收分组的概率)为:
$PDR=P(m,\frac{m}{\Omega }x|x>R{{x}_{Th}})=1-\frac{1}{\Gamma (m)}\gamma (m,\frac{m}{\Omega }R{{x}_{Th}})=1-\frac{1}{\Gamma (m)}\gamma (m,t)$ | (11) |
根据文献[16],当距离小于50m时,Nakagami分布中的m=3;当距离位于50m~150m时,m=1.5;当距离超过150m时,m=1。
m=3时:
$PDR=1-\frac{1}{2}(2\gamma (2,t)-{{t}^{2}}{{e}^{-t}})=1-\frac{1}{2}(2(\gamma (1,t)-t{{e}^{-t}})-{{t}^{2}}{{e}^{-t}})={{e}^{-t}}(1+t+\frac{1}{2}{{t}^{2}})$ | (12) |
m=1.5时:
$\begin{align} & PDR=1-\frac{2}{\sqrt{\pi }}(\frac{1}{2}\gamma (\frac{1}{2},t)-{{t}^{\frac{1}{2}}}{{e}^{-t}})=1-\frac{2}{\sqrt{\pi }}(\frac{1}{2}\sqrt{\pi }erf(\sqrt{t})-{{t}^{\frac{1}{2}}}{{e}^{-t}}) \\ & =1-erf({{t}^{\frac{1}{2}}})+\frac{2}{\sqrt{\pi }}{{t}^{\frac{1}{2}}}{{e}^{-t}} \\ \end{align}$ | (13) |
其中erf()为误差函数,可近似表示为:
$erf(x)\approx \frac{x}{\left| x \right|}\sqrt{1-\exp (-{{x}^{2}}\frac{4/\pi +a{{x}^{2}}}{1+a{{x}^{2}}})}$ | (14) |
其中:
$a=\frac{8(\pi -3)}{3\pi (4-\pi )}\approx 0.140012$ | (15) |
m=1时:
$PDR=1-\gamma (1,t)={{e}^{-t}}$ | (16) |
综合式(2)、(4)、(5)、(10)、(12)、(13)和(16),可得出PDR在不同情况下的表达式。
3 仿真实验及结果分析本文采用NS-3进行仿真实验以分析I-Corner的分组传递率及其在通信协议性能上的影响。相对其他网络仿真器,NS-3对新型网络的支持更好,提供了支持VANET仿真模拟实验的车载环境无线接入(Wireless Access in the Vehicular Environment,WAVE)模块,支持用于VANET通信标准的802.11p。因此,使用NS-3进行VANET的仿真,其模拟结果更加真实和更具有指导意义。
本文实现了传播模型I-Corner并加入到NS-3中进行仿真。仿真中选取TwoRayGround模型自由空间下的传输距离300m作为期望的传输距离,设定发送功率,其他物理设备所使用的802.11p协议的相关参数如表 1所示。
仿真场景如图 1所示,道路宽度18m,车辆A、B分别在该路段向路口移动并发送与接收数据。图 4用不同灰度的直线来表示位于不同位置的两个节点间的PDR,直观地表示了障碍物对通信的影响:只有至少一个节点位于路口附近时,信号的传播才有较大可能绕过街角障碍物;否则信号的传播将较大可能地在街角转弯处被中断。而对于单纯的TwoRayGround模型来说,因为其有效传输范围为300m,即使两个节点都位于离路口150m远的位置,其直线距离仍小于300m,PDR为100%,相当于路口没有任何障碍物存在。
为进一步清楚分析I-Corner对PDR的影响,作为几个特例,把车辆A分别固定在离路口150m、100m和50m处,车辆B则在路口处向另外一条道路移动。图 5是仿真与理论分析的PDR结果。在图例中前面的数字表示车辆A到路口的距离,中间的数字5或2分别表示5.9GHz或2.4GHz无线电频率,t和s分别表示理论分析与仿真实验,如150-5t表示车辆A离路口150m,使用5.9GHz频率的理论分析结果。
从图 5可以看到,I-Corner的仿真结果与理论分析结果较为接近。在发送信号的A车离路口较远时,5.9GHz信号几乎不能转向传输。如A车离路口150m时,B车在路口视距传输范围内未完全进入另一个路段时,PDR可达0.783,一旦B车完全进入另一个路段3m(即距路口中心12m),PDR迅速下降至0.006左右,
通信基本失败,直线传输效应明显,I-Corner有效地模拟了街角阻挡信号传播的情况。B车在同样的位置,当A车靠近路口时,在100-5s和50-5s两种情况,PDR分别从0.954和0.993下降到0.201和0.814。此结果说明,随着信号发送位置越来越靠近路口,信号传输逐渐可以绕过街角障碍物。从图 5还可看出:随着接收节点远离路口,PDR迅速降低,但2.4GHz的信号比5.9GHz的下降速度慢很多,这表明低频信号有较好的转向能力。例如,100-2s中离路口中心29m远时PDR仍然高达0.574,在100-5s中则下降到0.037。这进一步说明了高频信号难以绕过街角障碍物,在城市中路口与路口之间的距离极少有低于20m的,信号经过两次及以上的转向几乎没有可能,I-Corner舍弃这一部分信号的传输有其合理性,可以大大降低计算的复杂度,从而提高仿真的速度与规模。
3.2 对通信协议影响的分析信道传播模型对分组传递率影响极大,进而影响到通信协议的设计策略。广播是VANET中最为基础的通信协议,其中Flood洪泛广播协议又是最简单的一种协议。原始的Flood协议是接收到新的广播数据后就立即转发,这在节点密度较高时极易产生冲突,从而造成性能急剧下降[17]。为此本文对Flood协议进行简单的修改,每个节点收到新数据后,在0到Tmax时间范围内随机延迟一段时间再转发以避免不必要的冲突。如何修改协议以获得更好的性能不在本文讨论范围内。
3.2.1 仿真场景与参数图 6是通过OpenStreetMap截取再转化成SUMO[18]格式的2.5km×2.5km大小的厦门市部分城区仿真地图。地图中主干路段最大限速60km/h,支线路段限速40km/h。
实验用SUMO产生汽车流,利用SIMO提供的traceExporter工具产生NS-2格式的tcl轨迹文件,然后用NS-3提供的Ns2MobilityHelper导入NS-2格式的tcl轨迹文件进行仿真实验。经过一段热身时间稳定后随机指定一辆汽车广播若干紧急数据,这些紧急数据要求仿真地图范围内所有的车辆都接收。同时分别设定10%和40%的节点同样随机地广播数据作为背景流以模拟轻和重的网络负载。仿真实验中的物理层设备参数见表 1,其他参数见表 2。如表 2所示,定义不同的节点密度(即不同的车辆数)、不同的背景流量为一个实验场景,每个场景仿真100次取平均值进行分析。
覆盖率是VANET广播中一个最为重要的性能指标之一,是指在一次广播发送中所有实际接收分组的节点占全部应接收分组节点的百分比。本文以此为衡量指标,对不同信道模型在不同场景下的网络性能进行分析。
如图 7所示,节点稀疏时网络连通性较差,故覆盖率都不高。由于单纯的TwoRayGround模型中不受障碍物的影响,节点的有效传输距离更远,因此其网络连通性更好,覆盖率也就比其他两种情况都要高。随着节点数增加,网络连通性有所改善,全部模型的覆盖率都逐渐增大;但达到一定程度后,覆盖率反而下降,这是因为网络已基本处于连通状态,节点数继续增多时,节点密度过高造成冲突增多。I-Corner模型中性能下降较慢,因为它的部分信号被阻挡,有效传输距离更近,从而造成的信号冲突更少;而TwoRayGround+Nakagami的模型中虽然信号没有被阻挡,但Nakagami分布使得它的信号平均有效传输距离下降,故性能位于另外两个模型之间。从图 7中还可看到,在网络负载较轻时,若网络场景稀疏,TwoRayGround模型的覆盖率达到58.4%,而I-Corner的覆盖率仅27%,下降了31.4个百分点,这说明信道模型对网络协议性能的影响较大。
在网络负载变重时,如图 8所示,所有情况的覆盖率都有一定程度的降低。TwoRayGround模型的性能下降进一步加快,相对地,TwoRayGround+Nakagami和I-Corner 模型的覆盖率下降速度要慢一些。由于Nakagami分布的原因,使得信号的强度有所变弱,故TwoRayGround+Nakagami的覆盖率在高密度重负载的情况下,其信号冲突相对单纯的TwoRayGround模型反而变少,因而覆盖率更高一些。进一步地,在I-Corner模型中,障碍物的加入阻挡了一些信号的传输,造成的冲突也更少一些,其覆盖率在三者之中最高,达到76.65%,而TwoRayGround模型只有63.33%,I-Corner提升了13.32个百分点。I-Corner模型在网络负载重时,从稀疏场景覆盖率最低到稠密场景覆盖率最高,说明在评价网络协议的时候,信道传播模型的影响非常大。
本文提出了一个专为城市环境设计的车载自组网信道传播模型,并推导了该模型下的接收端接收功率以及分组传递率。该模型考虑路旁建筑物的影响,把信号分为直接的视距传输、经过1次转向的非视距传输和禁止传输三类。理论分析和仿真结果表明,该模型能较好地模拟5.9GHz高频信号的直线传输效应,反映了障碍物对信号传播的影响,提高了仿真的准确性,同时计算复杂度不高,适合大规模的仿真。由于条件所限,本文并未对该模型用真正硬件进行实际测量,也未考虑车辆作为障碍物对信号传输的影响,这将是下一步工作的重点。
[1] | 王昭然, 谢显中, 赵鼎新. 车载自组织网络关键技术[J]. 电信科学, 2011, 27 (1) : 44-51. ( WANG Z R, XIE X Z, ZHAO D X. Key technique of vehicular Ad Hoc network[J]. Telecommunications Science, 2011, 27 (1) : 44-51. ) (0) |
[2] | SAIF A, MOATH M, ALI H, et al. A comprehensive survey on vehicular Ad Hoc network[J]. Journal of Network and Computer Applications, 2014, 37 (1) : 380-392. (0) |
[3] | RAZVAN S, EMMANUEL C, BEYLOT A. Simulation of vehicular Ad Hoc networks: challenges, review of tools and recommendations[J]. Computer Networks, 2011, 55 (14) : 3179-3188. doi: 10.1016/j.comnet.2011.05.007 (0) |
[4] | MARTINEZ F, TOH C, CANO J, et al. Realistic Radio Propagation Models (RPMs) for VANET simulations [C]//WCNC 2009: Proceedings of the 2009 Wireless Communications and Networking Conference. Piscataway, NJ: IEEE, 2009: 5-8. http://cn.bing.com/academic/profile?id=2139953536&encoded=0&v=paper_preview&mkt=zh-cn (0) |
[5] | SOMMER C, ECKHOFF D, GERMAN R, et al. A computationally inexpensive empirical model of IEEE 802.11p radio shadowing in urban environments [C]//WONS 2011: Proceedings of the Eighth International Conference on Wireless On-Demand Network Systems and Services. Piscataway, NJ: IEEE, 2011: 84-90. (0) |
[6] | FERREIRA M, HUGO C, RICARDO F, et al. Stereoscopic aerial photography: an alternative to model-based urban mobility approaches [C]//Proceedings of the Sixth ACM International Workshop on Vehicular InterNET working. New York: ACM, 2009: 53-62. (0) |
[7] | TORRENT-MORENO M, SCHMIDT F, FUBLERET H, et al. Effects of a realistic channel model on packet forwarding in vehicular Ad Hoc networks [C]//WCNC 2006: Proceedings of the 2006 Wireless Communications and Networking Conference. Piscataway, NJ: IEEE, 2006: 385-391. (0) |
[8] | BRIJ B, CHAUHAN D. Analyzing and reducing impact of dynamic obstacles in vehicular Ad Hoc networks[J]. Wireless Networks, 2015, 21 (5) : 1631-1645. doi: 10.1007/s11276-014-0869-9 (0) |
[9] | BOBAN M, VINHOZA T, FERREIRAET M, et al. Impact of vehicles as obstacles in vehicular Ad Hoc networks[J]. IEEE Journal on Selected Areas in Communications, 2011, 29 (1) : 15-28. doi: 10.1109/JSAC.2011.110103 (0) |
[10] | AKHTAR N, ERGEN S, OZKASAP O. Vehicle mobility and communication channel models for realistic and efficient highway VANET simulation[J]. IEEE Transactions on Vehicular Technology, 2015, 64 (1) : 248-262. doi: 10.1109/TVT.2014.2319107 (0) |
[11] | HOSSEINI S, FLEURY M, QADRIET N, et al. Improving propagation modeling in urban environments for vehicular Ad Hoc networks[J]. IEEE Transactions on Intelligent Transportation Systems, 2011, 12 (3) : 705-716. doi: 10.1109/TITS.2011.2143707 (0) |
[12] | BOBAN M, BARROS J, TONGUZ O. Geometry-based vehicle-to-vehicle channel modeling for large-scale simulation[J]. IEEE Transactions on Vehicular Technology, 2014, 63 (9) : 4146-4164. doi: 10.1109/TVT.2014.2317803 (0) |
[13] | GIORDANO E, FRANK R, PAUET G, et al. CORNER: a radio propagation model for VANETs in urban scenarios[J]. Proceedings of the IEEE, 2011, 99 (7) : 1280-1294. doi: 10.1109/JPROC.2011.2138110 (0) |
[14] | HAFEEZ K A, ZHAO L, LIAO Z, et al. The optimal radio propagation model in VANET [C]//ICSNC 2009: Proceedings of the 4th International Conference on Systems and Networks Communications. Piscataway, NJ: IEEE, 2009: 6-11. (0) |
[15] | CHENG L, HENTY B, STANCIL D, et al. Mobile vehicle-to-vehicle narrow-band channel measurement and characterization of the 5.9 GHz Dedicated Short Range Communication (DSRC) frequency band[J]. IEEE Journal on Selected Areas in Communications, 2007, 25 (8) : 1501-1516. doi: 10.1109/JSAC.2007.071002 (0) |
[16] | TORRENT-MORENO M, JIANG D, HARTENSTEIN. Broadcast reception rates and effects of priority access in 802.11-based vehicular Ad-Hoc networks [C]//Proceedings of the 1st ACM International Workshop on Vehicular Ad Hoc Networks. New York: ACM, 2004: 10-18. (0) |
[17] | MYLONAS Y, LESTAS M, PITSILLIDES A, et al. Speed adaptive probabilistic flooding for vehicular Ad Hoc networks[J]. IEEE Transactions on Vehicular Technology, 2015, 64 (5) : 1973-1990. doi: 10.1109/TVT.2014.2339316 (0) |
[18] | MICHAEL B, LAURA B, JAKOB E, et al. SUMO - Simulation of Urban MObility [C]//Proceedings of the Third International Conference on Advances in System Simulation. Barcelona: IARIA, 2011: 63-68. (0) |