第一章 緒論
1.3 論文架構
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
的狀況。
1.3 論文架構
本論文以下的部分，分成幾個章節：第二章為相關的研究探討；第三章為本論文所 提出的方法；第四章以模擬的方式來驗證本論文所提出的方法，並分析討論實驗結果；
第五章為結論與未來的研究方向。
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
第二章 相關研究
2.1 移動模型
車用無線網路和其他無線網路最大的差異在於車輛移動的方式及其特徵。由於受限於實 驗規模，往往很難根據真實道路車輛的移動加以追蹤及記錄，以作為反覆實驗的原始資 料。所以有許多學者提出各種模型[1][7]，以模擬的方法呈現車輛在道路上的移動情形，
透過資料傳輸的模擬實驗，了解各種傳輸協定實際上可能的效能表現。如 Saha 等人在 [21]首先將道路資料納入模擬實驗當中，讓節點能依道路的拓樸移動。實驗結果雖然顯 示和傳統所使用在開放空間中的 Random Waypoint 移動方式，差異並不大，但卻開啟了 車輛移動模型後續的相關研究。例如，將道路交通號誌納入考量，來模擬實際的車輛分 布及車流。像是 Choffnes 等人在[7]提出的 STRAW (STreet RAndom Waypoint)的移動模 型，則是將車輛移動以一套跟車模式來模擬。該跟車模式是由微觀交通研究學者所提出 [20]，如表 2.1，說明每一輛車在行進間，與前車的距離是由車輛長度、駕駛人的反應時 間以及車輛制動的性能所決定。其中反應時間是指前車煞車燈亮起到駕駛人開始做出對 應減速動作的時間，至於車輛開始減速到完全停止所需要預留的距離，則以γ∙V2來表 示，V 是當時駕駛者車輛的速度，γ的數值則通常以與前車相對最大平均減速度兩倍的 倒數來估計，根據經驗約等於 0.023 秒2 / 英尺。除了車輛以外，道路上的設施，也影 響了車流量的狀況，如 Mahajan 等人在[16]提出 SSM (Stop Sign Model)、TLM (Traffic Sign Model)等模式，用實驗展示模擬號誌對於道路交通的影響。
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
表 2.1 R.W. Rothery 所提出的跟車模式[20]。
where:
S = average spacing rear bumper to rear bumper in meters
V= speed of current car
α= the effective vehicle length β= the driver’s reaction time
γ= the reciprocal of twice the maximum average deceleration of a following vehicle
從這些研究的實驗結果來看，都證明在更接近真實的模擬環境中，不論
topology-based 或是 position-based 的繞徑方法，網路傳輸的效能都會受到嚴重的影響。
[24]則是更進一步將車輛節點區分為不同的角色類別，如公車、計程車和自用車等，搭 配微觀的車輛移動模式，以實驗來了解這些節點移動方式的差異。之後又有學者針對更 真實的道路環境，提出模擬車輛的移動模式，在[1]中則是導入在無線網路模擬實驗中所 使用的 Mask-Based Mobility Model (MBMM)，套用在車輛的道路環境。也就是根據一 天不同的時段，配合不同地理環境及道路空間的特性(attraction weight)，以及車輛可能 停留或移動的時間和速度等，套用數種模式來模擬車輛的移動。有別於以往單純模擬車 輛以最短路徑行駛的方式，納入更多人們在市區內可能移動的方式，來達到更接近於現 實的狀況模擬。所以，當我們以模擬實驗來檢驗相關的繞徑問題時，必須考量各種符合 實際車用道路環境的因素，如跟車模式、路口交通號誌以及不同車輛的組合。
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
經由這些模型得以在實驗中呈現出道路車輛移動方式的特殊性，以及和其他 MANET 領域節點移動的差異，並透過對這些差異存在的理解，找出影響網路傳輸效能 的關鍵。Divecha 等人在[8]直接以實驗來觀察四種移動模型對繞徑方法效能的影響。如 圖 2.1，這四種移動模型包含 Random mobility model、Random point group model、Freeway mobility model 及 Manhattan mobility model。作者以實驗結果說明不同移動模型、節點 密度和資料傳輸路徑幾個因素，對兩種繞徑協定(DSDV、DSR)效能上的影響。
圖 2.1 Divecha 等人在實驗中使用的四種移動模型[8]。
Bai 等人在[2]則提出一套架構(如圖 2.2)，以 mobility metrics、connectivity metrics 及 performance metrics 三項指標來分析移動模型對網路效能的影響。其中前兩項為與
Random mobility model Random point group model
Freeway mobility model Manhattan mobility model
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
protocol 無關的度量值，包括空間移動範圍，速度、地理環境限制等移動因素，還有無 線網路連接特性，如連結度、連接時間、傳輸路徑等因素。至於後者則直接與 protocol performance 相關，包含常用的資料流量以及繞徑所需要的成本。透過不同種類道路環 境的模擬實驗，由實驗結果來說明移動模型如何影響傳輸效能，以及從連結特性來了解 造成影響的原因。最後，作者也將繞徑協定的組成(building blocks)加以分析，並分別從 實驗結果來探討移動模式對繞徑協定效能的影響。
圖 2.2 Bai 等人所提出用來分析移動模型對 MANET 效能影響的架構[2]。
從以上 Divecha 與 Bai 等人的研究，我們可以知道，不同移動模型對網路上節點連 接的特性(connectivity)，彼此互不相關，對繞徑方法效能的影響也各不同，所以在我們 的研究中會以較為接近真實環境的移動模型，也就是高速公路的場景與市區道路
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
(Manhattan style)的場景，來做模擬實驗，以取得較為實際的數據結果。
其他對 VANET 移動模型的相關研究還包括：[12]是從數個研究中，來說明 VANET 的特性，並指出高速移動、拓樸的快速變化及短暫的連結時間是導致網路效能下降最主 要的原因。Harri 等人[11]則對各種 mobility model 做了較大規模的研究調查，歸納出在 真實的模擬環境應具備的特性，也對在各研究中所提出的移動模型，分析其特性及探討 之間的差異。另外為了瞭解道路地圖的拓樸與車輛移動之間的關係，作者提出一套可以 產生各種地圖及車輛移動方式的模型，透過實驗來瞭解和網路傳輸效能的影響。但這些 研究都是以追蹤現實車輛移動的方式來分析，需要牽涉的研究規模較大，故在我們的研 究當中，不採用這樣的模式。
2.2 VANET 上繞徑協定的效能研究
由於 VANET 節點移動的特性，影響了許多繞徑協定的效能。在[5]的研究中，作者 在 random waypoint 的移動場景下，觀察在不同節點移動速度下(以每個節點移動一段距 離後，停留時間的長短來控制節點的移動性)，各個繞徑協定的效能差異。實驗中針對 DSDV、TORA、DSR 及 AODV 四種繞徑協定，觀察各協定的封包傳輸率、繞徑封包的 負擔以及封包傳遞路徑與最短路徑(shortest path)之間的差異。結果顯示，各繞徑協定所 呈現出的效能特性各有不同。像是 DSR 與 AODV 在移動變化較劇烈的情況下(停留時間 較短)，封包傳輸率的影響較小；相對的，DSDV 和 DSR 的封包傳遞路徑則較接近最佳 路徑，另外繞徑協定 TORA 的效能則與資料來源端的數量有關。
至於Stojmenovic等人則是在[23]對於一些常用的 position-based 繞徑協定，做了定 性分析，以不同的特性分類來說明各繞徑協定之間的差異。例如在greedy forwarding 的 決策上，以鄰近節點位置、傳輸成功率、hop count及無線電功率等因素，來比較這些繞 徑方法的差異以及效能。並且，在對於concave節點所採用的兩種不同路徑回復(recovery
‧
為代表的 reactive topology-based 繞徑方法和 position-based 的 Greedy PerimeterStateless Routing (GPSR)[15]，兩者在特性上的不同。在 VANET 的環境中，作者認為 position-based 的繞徑方法在通訊節點距離增加的情況下，能比 reactive topology-based 的方法維持一定的資料傳輸率，而且繞徑封包的負擔比 reactive topology-based 方法有 更好的延展性，不會因為傳輸範圍而受影響。而 reactive topology-based 方法則當通訊 節點的距離增加，資料傳輸率則因需要更多的路徑維護封包而下降。[17]則是以 Ad Hoc On-Demand Distance Vector (AODV) 和 GPSR 兩種繞徑方法在真實的車輛追蹤模型上 做比較，並分別指出 AODV 常因廣播風暴[18]的問題，以及 GPSR 因為選擇錯誤的鄰近 節點當作下一個跳接節點(hop)，往往使得在實際 VANET 環境下效率不彰。因而作者分 別提出 Preferred Group Broadcasting (PCB)，以無線功率來控制廣播封包的發送，改善 AODV 的效能；以及以節點的移動訊息(velocity)，而非原始的位置資訊(position)，來改 善 GPSR 的效能。
Bernsen 等人[3]則是進一步對於所謂在 VANET 上的 QoS (Quality of Service) 繞徑 協定，做了更深入的研究。與一般具有基礎架構網路不同，在 VANET 上的 QoS 並不 能針對不同服務的封包作分類並給予保證或預留的頻寬，因為即使有道路旁的基礎架構
‧
國立 政 治 大 學
‧
Na tiona
l Ch engchi University
(V2I)，也無法在車輛高速移動時給予任何頻寬的保證。所以在 VANET 的 QoS 目標通 常是盡可能讓封包傳遞的路徑能最穩定，也是路徑能維持最長的時間，或者在環境許可 情況下，能在一定的時限內再恢復連結路徑。作者分析了四種繞徑協定：MURU、GVGrid、
PBR 與 DeReQ，這些方法分別使用車輛的位置、速度、移動模式、連線的延遲時間和 可靠度，甚或一些交通號誌及路邊設施來幫助封包選擇最穩定的路徑，以提升封包傳遞 的效能。作者也以不同特徵，來分類及描述四個方法的差異，像是目標，設計使用的原 理差異以及系統需求等，透過這樣的研究讓我們可以瞭解這些方法對於改善效能所採取 的策略有那些。然而，由於各個方法的研究彼此都是獨立的，我們很難了解若是站在一 個相同的評估環境中(諸如相同的道路拓樸，相同的車輛移動模型，相同的無線傳播模 型等)，這些策略或方法在效能上的差異為何。
透過這些相關研究，可以幫助我們對於幾種較為通用的繞徑協定，進一步了解其特 性與效能之間的關係，讓我們在面對不同繞徑方法做最佳路徑的選擇時，能提供一些思 考的方向，例如在節點密集的環境中，position-based 的效能較佳，而 topology-based 的 繞徑方法則容易受到廣播風暴的影像而降低效能。
2.3 跨層式(Cross-Layer)設計
一般傳統網路的分層式(layer)架構設計，雖然能讓網路系統保持彈性，對於系統的 擴充性也有許多好處，但在 VANET 網路環境中，往往由於節點移動或群聚，造成實體
一般傳統網路的分層式(layer)架構設計，雖然能讓網路系統保持彈性，對於系統的 擴充性也有許多好處，但在 VANET 網路環境中，往往由於節點移動或群聚，造成實體