3

研究与探讨

《移动通信》2025年第5期

车联网中基于多指标度量的紧急消息广播协议

陈宇峰1,2，范家俊1,2，向郑涛1,2，占逸夫1,2，谭京铮1,2，李波1,2

【摘 要】基于V2V模式的多跳广播是车联网中快速传播时效性数据的重要技术之一，然而网络中节点的高速移动会导致拓扑结构的快速变化，使得多跳广播过程面临着巨大的挑战。因此如何明智地选择广播过程当中的下一跳对提高车联网的性能至关重要。针对这一问题，提出了一种多指标度量的多跳紧急消息广播协议，该协议综合考虑多个指标评估通信范围内的邻居节点，包括节点间的信道衰落概率、链路连通概率、距离、角度和周围的拥堵状况。同时引入备选节点协助传输，以提高可靠性。仿真结果表明，与经典协议BP-EMD和NDBP相比，本协议在多跳广播中有着更高的投递率和更少的冗余，并且具有更小的传输次数和端到端延迟。

【关键词】车联网；多跳广播；紧急消息

中图分类号：TN929.5 文献标志码：A

文章编号：1006-1010(2025)05-0104-09

引用格式：陈宇峰,范家俊,向郑涛,等. 车联网中基于多指标度量的紧急消息广播协议[J]. 移动通信, 2025,49(5): 104-112.

CHEN Yufeng, FAN Jiajun, XIANG Zhengtao, et al. Multi-Metric Emergency Message Broadcasting for the Internet of Vehicles[J]. Mobile Communications, 2025,49(5): 104-112.

0 引言

智慧交通系统（ITS, intelligent transportation system）是一种以互联网为基础的综合性技术和管理系统，旨在改善道路交通安全，提高道路交通效率[1]。其中车辆自组网（VANET, Vehicular Adhoc Network）是智慧交通领域的重要研究内容，同时也是智慧交通系统的关键技术之一。作为一种高度动态和自组织的无线网络，VANET允许车辆之间以及车辆与基础设施之间进行通信和数据交换[2]，同时为车辆提供实时通信环境，从而实现更安全、高效和智能的道路交通系统。当城市道路中发生交通事故时，需要及时准确地把紧急事件传播到受影响区域，以提醒该区域内的车辆驾驶员及时采取安全措施，避免二次伤害的发生[3]。然而VANET中的车辆节点具有高度移动性，网络拓扑结构也在发生频繁变化，这是由于车辆分布的不均匀及车辆速度和车道变化导致的，而且现实场景中的环境因素也会影响网络性能，所以在VANET环境下实现紧急消息的快速传播面临很大挑战。在V2V通信模式下，车辆的传输范围有限，在处理时间紧迫型的交通安全信息时通常采用多跳广播协议。在这种通信模型下，以车辆为中继节点，以V2V通信方式将消息一步步地传播到目标区域。VANET中紧急消息的传输受多种因素影响，比如链路质量、信号衰减状况、交通状况等。因此要设计一种高效的多跳广播协议就要综合考虑这些因素，通过多个指标的评估选择最合适的转发节点。

目前为止已经有很多关于多跳广播协议的研究。泛洪协议是实现最简单的方法，在该协议下，网络中所有的车辆节点都会参与广播，每个节点在收到紧急消息后都会广播给自己所有邻居。这样虽然实现了多跳广播，但其缺点也是显而易见的，即随着参与广播的车辆数增加，通信量增大，如果不加控制，网络中的广播流量会引发广播风暴和带宽负载。鉴于此，GPSR协议[6]的多跳转发过程遵循贪心策略，选择距离目的地址最近的下一跳作为自己的转发节点，从而有效地控制了广播流量，抑制了广播风暴现象。但是当遇到链路不稳定的情况，或是候选节点超出了发送方的传输范围时，所选转发节点可能无法接收到消息。为此，REMR协议[7]通过考虑车辆节点的位置信息，预测节点间的相对位置，进而将不稳定的邻居节点从下一跳的候选列表中移除。此外，REMR协议还利用车辆的速度及移动角度信息来最小化可能的链路中断。然而其在评估转发节点时没有全面考虑影响交通状况的因素，因此还不能够适应复杂多变的网络环境。据此，Debalki等人[8]提出了一种基于多准则的多跳VANETS广播抑制协议。该协议利用邻居节点的多个属性来评估节点的质量值，使每个邻居节点能够使用其质量值争夺下一跳转发权，从而使高质量节点被授予最早的访问通道。但由于每个邻居节点的等待时间都是不同的，给广播过程中数据包的填充带了困难，同时也会增大开销。

为解决上述问题，本文提出了一种多指标度量的多跳紧急消息广播协议。该协议采用多个指标来评估每个节点通信范围内的邻居节点，既考虑了车辆节点的交通状况特点，又关注了通信双方的链路连通和信道衰落情况，弥补了GPSR协议和REMR协议的不足。同时引入了备选节点，用于在所选择的转发节点失效时代替原转发节点完成一跳广播，提高了链路稳定性和紧急消息的投递率。

主要贡献如下：

（1）考虑多个指标综合评估转发节点的性能。为了减少信道衰落和干扰的影响，引入了Nakagami信道衰落模型模拟信号，用以获取通信双方节点间的数据包成功传输率；引入链路连通概率，评估通信节点间链路保持连通的概率；引入密度比，减少转发节点在广播时遇到的信道干扰。通过对以上指标做综合的评估，选出最有利于紧急消息（EM, Emergency Message）传输的节点以适应复杂多变的车联网环境。

（2）采用备选节点转发机制。为了解决最优转发节点（OFN, Optimal Forwarding Node）在通信链路中断时导致的传输失败问题，引入一个备选节点（SPN, Spare Node），代替其完成转发的任务。备选节点SPN会在收到EM时开启计时器等待时间Twait，如果在等待过程中没有收到来自OFN发送的EM，则认为OFN失效，进而协助OFN完成转发。

（3）在实现效果上，该协议与一些经典协议相比，可以达到更高的投递率和更小的端到端时延，且消息的传输过程有着更少的冗余。

1 协议设计

1.1 系统模型

本协议设计的是在城市场景中紧急消息的多跳广播过程，即当事故车辆节点产生EM后，EM沿着事故影响区域（RoI, Region of Interest）的方向传播下去，以提醒正在驶向事故地点的车辆采取安全措施，直到它覆盖了整个RoI。图1中给出了城市道路事故示意图。在该场景中，假设在M和N两十字交叉路口之间的道路L上发生了事故，那么RoI定义为：

式中：L为从事故发生点位置到交叉路口N之间的路段区域，N为左侧十字路口的路段区域。设置RoI的目的是防止EM无限扩散，节省网络开销。该区域内的车辆在收到EM时需要采取诸如刹车、变道等操作避免二次碰撞的发生；同时需要沿着EM的广播方向向后方车辆传输EM，直到EM覆盖整个RoI区域。

在图1中，EM由事故车辆W产生并获取它的位置（x0,y0），通过A(xa,ya)、B(xb,yb) 等车辆节点逐跳转发，直到传输到RoI所表示的最远位置处为止。在道路L上的事故得到妥善处理之前，事故车辆W会持续广播紧急消息EM。

为了便于分析该协议，本文进行如下假设：

（1）所有车辆都配备GPS全球定位系统，可以获取到自己的位置和速度信息。

（2）所有车辆都装载车载单元OBU，用于实现车辆节点之间的通信，比如获取邻居节点的位置、速度、航向等信息。

（3）车辆之间发送两种消息：信标消息和紧急消息。信标消息用于告知邻居节点自己的位置信息；紧急消息在出现事故时发送，用于通知紧急事件到受影响的范围。

1.2 广播协议设计

该广播协议主要由两部分组成：车辆节点之间通过定期交换信标消息实现路由表的维护；事故车辆发送紧急消息，其他车辆节点参照路由表完成紧急消息的转发。

（1）路由表的维护

车辆节点维护的路由表格式如表1所示：

路由表中存储的是经由当前节点后，最有利于EM传输的两个邻居节点，两节点分别为最优转发节点OFN和备选节点SPN，它们是由收到来自邻居节点的信标消息所评选出来的。信标消息中描述了生成该消息的车辆的属性信息，格式如表2所示。其中密度比（densityRatio）字段表示车辆节点周围的密度情况，详细解释见1.4节。节点可以从收到的信标消息中获取邻居节点位置，移除不在广播方向上的节点，之后从剩余节点中作评估，选出OFN和SPN填充到自身路由表。随着信标消息的定期发送，车辆节点不断更新自己的路由表，始终动态维护着OFN和SPN。同时为保证路由表中信息的有效性，表中信息每隔5 s更新一次。车辆节点收到信标消息后更新路由表的过程如图2所示。

（2）紧急消息的转发

在出现事故时，事故车辆广播发送紧急消息EM，收到EM的车辆会根据EM中的信息做出相应处理，直到EM传输到事故所能影响的最远范围处。具体流程如下：

1）事故车辆生成紧急消息EM并广播发送。当车辆发生事故时，该事故车辆根据自身ID、位置以及所维护的路由表中的最优转发节点ID、备选节点ID，生成紧急消息EM并广播。紧急消息EM的格式如表3所示。

2）中间节点收到紧急消息EM的处理与转发。收到紧急消息EM的车辆节点判断自己是否为EM中携带的OFN或SPN。若为OFN，则修改EM并转发：更改EM中发送方ID为自己的ID，再由所维护的路由表更新EM字段中的最优转发节点ID和备选节点ID后广播；若为SPN，则需先等待Twait的时间。若在Twait结束后没有再次收到相同序列号的EM，则表明OFN没有完成广播的操作，此时SPN就要代替OFN完成转发的任务。相反，如果SPN在等待过程中收到了由OFN发送的EM，就表示OFN的广播过程顺利完成了，SPN停止其等待过程。中间节点收到EM后的处理与转发过程如图3所示。重复整个过程，直到EM被转发到RoI范围的最远处。

2 评估指标的计算和权重分配

2.1 信道衰落概率

2.2 链路连通概率

2.3 距离和角度

在本协议中，考虑距离因素是为了尽量减少紧急消息转发的跳数，虽然考虑紧急消息EM传输到下一跳节点的概率可以保证接收方能够最大可能收到该消息，但它选取的转发节点可能是距离自身很近的节点。那么EM就需要经过更多跳才能转发到目标区域，从而使得延迟增加。同样的道理，在评估中需优先选取距离当前节点角度更小的节点作为转发节点[13]。

在如图4所示的例子当中，车辆节点A和B是处在EM广播方向上且位于节点S的通信范围内的两个邻居节点。为了减少多跳广播的跳数，节点S会优先选取距离自身更远的节点。每个邻居节点的距离比dr计算如下：

式中：dis为当前节点S(xs,ys)和候选节点X(xi,yi)之间的距离。

对于角度因素，考虑到当前转发节点和候选节点形成的夹角θ越小，越利于EM的多跳广播[14]。如图4所示，候选节点A和B与节点S形成的夹角分别为∠a 和∠b。采用计算余弦值的方式对夹角进行评估，以∠a为例，将车辆节点A所在位置投影到节点S所在水平线上点C的位置，则：

式中：dAS为节点S与候选节点A之间的欧几里得距离；dCS表示节点S与候选节点A在水平方向上的距离。

2.4 密度比

交通密度是衡量交通状况的重要因素，也是交通流模型的重要组成部分[15]。在EM的多跳广播过程中，交通状况会对传输延迟和开销造成一定影响。如果消息在转发过程中所选转发节点周围的密度过大，会导致车辆之间的信道干扰更加显著,从而需要更多的冲突检测和重传[16]，增大开销。

在本文所设计的广播协议当中，每个车辆节点周围的车辆数由收到的邻居节点的信标消息数量衡量。这可能导致在节点需要计算其周围密度时，部分邻居节点的信标消息还没有送达，或是丢失了，从而导致通过检测车辆节点周围的车辆总数来评估密度的方法存在一定程度的不准确性。

为此，使用局部检测到的邻居节点实际速度数据，根据速度和密度的负相关关系动态评估交通密度状况。给出如下公式表示：

式中：n为当前车辆节点检测到的周围车辆数；vi为邻居节点i的速度；vmax为车辆最大速度。对于某辆车来说，周围车辆的速度应该相差不大，即部分节点的速度值对平均速度的影响很小。那么未收到部分邻居的信标消息并不影响对节点周围密度的评估，这就解决了由检测车辆数评估密度比的不准确问题。

为了记录车辆节点的邻居节点速度值，为每个节点设计一个长度可变的速度表，格式如表4所示：

当车辆节点收到邻居节点发送的信标消息时，执行如下步骤：

（1）检查自己的速度表中是否存在该邻居节点的速度数据。如果有，则更新；如果没有，则添加。

（2）清理表中的过期数据。在收到信标消息时记录当前时间currentTime，并与表中每条数据的存入时间对比，清除表中存入时间与currentTime相差超过1 s的数据。

（3）计算密度比。在车辆节点生成信标消息时，由公式(21)计算该节点周围的密度，作为信标消息的密度比。如果此时速度表的长度为零，说明在过去1 s内没有收到邻居节点消息。此时无法衡量周围的密度值，不再填充密度比字段，并标记密度比无效。

2.5 加权评估

为保证信标消息传输的可靠性，使得车辆节点能够及时准确地更新路由表，需要为信道衰落概率和链路连通概率赋以较高的权重[17]。同时为了兼顾和适应城市道路场景中交通状况的动态变化特点，为表示交通状况的距离、角度和密度比赋以相对较低的权重。综合权重weight的加权计算如下：

如果车辆节点收到的信标消息中密度比字段有效，按公式(22)进行综合权重weight的加权计算，如果密度比字段无效，按公式(23)进行综合权重weight的加权计算。

3 仿真分析

仿真中使用图1所示的城市道路场景。在仿真过程中，单个车辆的运动具有随机性，其随机性在仿真过程中通过车辆的跟驰模型来体现；同时，在同一车辆到达率情况下，车辆进入道路的时机也具有随机性。这种随机性也反映了实际交通的特性。在进行路由协议分析时，需要考虑这些随机因素对协议性能的影响。因此，在实验过程中，对于某一场景，需要进行多次仿真并对结果进行统计。在仿真中，对每个实验场景进行了20次实验。

3.1 实验环境与仿真参数

车辆的移动对无线通信有一定影响[18]，道路交通仿真软件SUMO（Simulation of Urban Mobility）[19]能够很好地模拟交通流实现不同场景下的交通仿真[20]。Veins（Vehicle In Network Simulator）[21]是一个用于车辆间通信和车辆网络仿真的开源框架[22]。它基于两个独立的仿真器：OMNeT++用于网络通信仿真，SUMO用于交通仿真。在实验中使用OMNeT++5.6.2和SUMO1.1.0，建立了基于Veins5.2的城市交通场景。在仿真实验中为便于实验数据的统计，在目标区域附近固定一个车辆节点作为目的节点。事故车辆持续发送300个EM数据包以便留出足够的时间妥善处理事故。详细的仿真参数如表5所示：

为了验证所提协议的性能，将它与以下两种协议作对比：

（1）BP-EMD协议：该协议的期望转发节点（ERN）的选择以加权概率来度量，考虑了三个关键影响因素：距离、链路可用性和数据包接收概率，其中距离因素的权重最高。当ERN无法成功接收到报文时，其他节点将协助分发报文。

（2）NDBP协议：该协议的特点是车辆节点每次都选择距离自身最近的节点进行中继转发。

评估的指标为：

（1）投递率（PDR）：PDR是指目的节点收到的紧急消息EM的数量与源节点发送的EM数量的比值，用来评估路由的可靠性。

（2）转发跳数（FH）：FH是指紧急消息EM从源节点传输到目的节点所转发的次数，用来评估路由的及时性。

（3）端到端时延（EED）：EED指的是紧急消息EM从源节点到目的节点所经历的时间，用来评估路由的及时性。

（4）平均传输次数（Average Transmission）：在紧急消息EM传输过程中，参与广播的车辆节点平均传输EM的次数，用来评估协议的通信效率。

（5）数据包冗余数（Packet Redundant）：在紧急消息EM的传输过程中，接收节点所接收的冗余EM的数量，用来评估网络中数据传输的可靠性和传输效率。

（6）平均冲突次数（Average Collisions）：指的是在网络中传输的信标消息和紧急消息的数据包之间发生冲突的次数，用来评估网络的可靠性。

3.2 不同车辆到达率下的投递率

图5为不同车辆到达率下的投递率对比。整体来看，随着车辆到达率的增加，三种协议的投递率都在增加，其中，本协议的投递率最高。这主要是由于随着车辆到达率的增加，车辆在转发时有了更多选择，提高了成功转发的概率。以到达率为0.4为例，本协议相比于BP-EMD协议提高了8.67个百分点，相比于NDBP协议提高了25.33个百分点。可见NDBP协议相对表现最差，主要是因为该协议每次选择距离发送方最近的节点广播消息，导致消息冗余和碰撞的增加。BP-EMD协议的性能要明显优于NDBP，该协议在度量期望中继节点（ERN）时尽可能选择距离自身更远的节点。本协议会优先选取周围密度较小的候选节点作为转发节点，这使得车辆之间的信道干扰更小，因此相比BP-EMD协议链路更稳定。

3.3 不同车辆到达率下的转发跳数

图6为不同车辆到达率下的转发跳数对比。整体来说，随着车辆到达率的增加，NDBP协议的转发跳数增加明显，而本协议和BP-EMD协议跳数的变化相对稳定，且本协议的跳数要高于BP-EMD协议。由于NDBP协议会使网络中更多的车辆加入到广播过程，进而跳数也会随着到达率的增加而增加；而本协议和BP-EMD协议的转发策略受网络中车辆数的影响较小，故而跳数相对稳定。此外，BP-EMD协议在每一跳的转发中尽可能选择距离自身更远的节点，因而相比于本协议具有更少的转发跳数。

3.4 不同车辆到达率下的端到端时延

图7为不同车辆到达率下的端到端时延对比。随着车辆到达率的增加，NDBP协议的时延增加明显，而本协议和BP-EMD协议增加的相对平稳。这是因为在NDBP协议下会有更多的车辆加入到转发过程，所以时延会随着转发跳数而增加。而BP-EMD协议在遇到链路不稳定的问题导致数据包丢失时，其他可用节点将协助转发，通过竞争的方式重新选择中继节点，从而增加了额外的等待时间。本协议相比于BP-EMD在不同到达率下都有一定优化，在到达率更高的时候优化效果更明显。这是因为相比于BP-EMD协议，本协议只维护一个备选节点完成在数据包丢失时代替完成转发的任务，所以等待时间更短，降低了整体时延。

3.5 不同车辆到达率下的平均传输次数

图8为不同车辆到达率下的平均传输次数对比。整体来看，三种协议的平均传输次数随着车辆到达率的增加而增加。本协议相比于BP-EMD协议在到达率为0.1时平均传输次数减少了32.04%，在到达率为0.4时减少了26.73%。这和所选转发节点周围的密度有关，转发节点周围密度过大会导致车辆之间的信道干扰更加显著，从而使得丢包率增加，导致传输次数增加。而本协议在评估转发节点时将密度比这一指标考虑在内，优先选择附近密度小的节点作为转发节点。

3.6 不同车辆到达率下的数据包冗余数

图9为不同车辆到达率下的数据包冗余数对比。整体来看，NDBP协议的数据包冗余数最多，而本协议和BP-EMD协议的冗余数相对少很多。这是由于在NDBP协议下参与广播的车辆更多，车辆节点会接收到更多的EM，增加了冗余；而在本协议和BP-EMD协议下参与广播的车辆数受到达率的影响较小，所以冗余数相对NDBP协议小很多。此外，本协议相比于BP-EMD协议有着更少的冗余数，这是因为BP-EMD协议存在潜在的链路不稳定问题，从而会在消息传输失败时重传而增加冗余，而本协议对无线通信过程中链路的连通和信道衰落的情况都做了预估。

3.7 不同车辆到达率下的平均冲突次数

图10为不同车辆到达率下的平均冲突次数对比。随着车辆到达率的增加，三种协议的冲突次数都在增加。其中NDBP协议表现最差，这是因为当有更多的车辆参与到EM的传输过程中时就会导致网络开销增大，引起冲突。本协议在到达率较低时的平均冲突次数要少于BP-EMD，但随着到达率的增加，该性能相比BP-EMD有所下降。这主要是因为本协议对于密度比这一指标赋予的权重相对较小，所以当网络中的车辆到达一定数量后，就会使得所选转发节点周围的密度相比BP-EMD协议的更高，从而出现信道干扰的问题，导致冲突次数的增加。

4 结束语

本文提出了一种基于多指标度量的多跳紧急消息广播协议，适用于紧急消息在城市道路场景下的传播。为了节省网络开销，本协议定义了RoI区域来防止消息的无限扩散。在最优转发节点OFN和备选节点SPN的评估中，综合考量邻居节点的信道衰落概率、链路连通概率、距离、角度和密度比这五个指标，并根据各个指标所赋予的权重值选出评估值最高的两个节点实现多跳广播过程中的一跳传输。同时引入备选节点机制提高紧急消息传输的可靠性。仿真结果表明，本协议在投递率、端到端时延、传输次数和数据包的冗余数方面优于BP-EMD协议和NDBP协议。在未来的研究中，将考虑部署辅助通信的基础设施协助紧急消息的广播，以提升广播效率。

参考文献：（上下滑动浏览）

[1]Deng Z, Liu X, Tang K, et al. Adaptive broadcasting for VANETs with dynamic and diverse emergency requirements[J]. IEEE Transactions on Wireless Commu- nications, 2023.

[3]Su B, Tong L. Transmission protocol of emergency messages in VANET based on the trust level of nodes[J]. IEEE Access, 2023.

[4]Abbas G, Abbas Z H, Haider S, et al. PDMAC: A priority-based enhanced TDMA protocol for warning message dissemination in VANETs[J]. Sensors, 2019,20(1): 45.

[6]Karp B, Kung H T. GPSR: Greedy perimeter stateless routing for wireless networks[C]//Proceedings of the 6th annual international conference on Mobile computing and networking. 2000: 243-254.

[9]Tian D, Liu C, Duan X, et al. A distributed position-based protocol for emergency messages broadcasting in vehicular ad hoc networks[J]. IEEE Internet of Things Journal, 2018,5(2): 1218-1227.

[12]Eiza M H, Ni Q. An evolving graph-based reliable routing scheme for VANETs[J]. IEEE transactions on vehicular technology, 2013,62(4): 1493-1504.

[15]Kessels F, Kessels R, Rauscher. Traffic flow modelling[M]. Springer International Publishing, 2019.

[16]Xi D, Zhang H, Cao Y, et al. An RSUs-Assisted Hybrid Emergency Messages Broadcasting Protocol for VANETs[J]. IEEE Internet of Things Journal, 2023.

[18]Ge X, Ye J, Yang Y, et al. User mobility evaluation for 5G small cell networks based on individual mobility model[J]. IEEE Journal on Selected Areas in Communications, 2016,34(3): 528-541.

[19]Krajzewicz D, Erdmann J, Behrisch M, et al. Recent development and applications of SUMO-Simulation of Urban MObility[J]. International journal on advances in systems and measurements, 2012,5(3&4).

[20]Krauß S, Wagner P, Gawron C. Metastable states in a microscopic model of traffic flow[J]. Physical Review E, 1997,55(5): 5597.

[21]Sommer C, Eckhoff D, Brummer A, et al. Veins: The open source vehicular network simulation framework[J]. Recent Advances in Network Simulation: The OMNeT++ Environment and its Ecosystem, 2019: 215-252.

[22]Obelovska K, Danych I. Adoption of the OMNET++ simulator for the computer networks learning: a case study in CSMA schemes[C]//The International Conference on Artificial Intelligence and Logistics Engineering. Cham: Springer International Publishing, 2022: 234-243. ★

★原文刊发于《移动通信》2025年第5期★

中图分类号：TN929.5 文献标志码：A

文章编号：1006-1010(2025)05-0104-09

引用格式：陈宇峰,范家俊,向郑涛,等. 车联网中基于多指标度量的紧急消息广播协议[J]. 移动通信, 2025,49(5): 104-112.

CHEN Yufeng, FAN Jiajun, XIANG Zhengtao, et al. Multi-Metric Emergency Message Broadcasting for the Internet of Vehicles[J]. Mobile Communications, 2025,49(5): 104-112.

作者简介

陈宇峰：湖北汽车工业学院教授，硕士生导师，浙江大学计算机科学与技术工学博士，IEEE会员，CCF杰出会员（09599S），中国计算机学会普适计算专业委员会执行委员，网络与数据通信专业委员会执行委员。主要研究方向为智能网联、网络安全、汽车电子。

范家俊：湖北汽车工业学院在读硕士研究生，CCF会员，研究方向为智能网联。

向郑涛：湖北汽车工业学院教授，硕士生导师，博士，CCF高级会员（18572S），主要研究方向为智能交通、网络安全。