摘要

本文提出了一种系统架构，使移动节点能够查询大量部署在智能交通系统场景中的无线传感器网络。我们确定了网络中三种不同的节点：移动 Sink 节点（要查询 WSN 的节点，可以移动）、Vice Sink 节点（可以与移动 Sink 节点直接进行通信）以及普通的传感器节点（感知物理现象，通过多跳方式进行通信）。我们提出了专门为这种场景定制的协议和算法，这样的参考架构很好的涵盖了 WSN 部署在停车场或者公路上的情况，它们为车辆提供周边环境信息。

我们介绍分析了一种简单的地理路由协议和两种不同的负载均衡技术，通过大量模拟来评估所提出方案的性能，并把简单的地理路由协议和两种不同的负载均衡技术进行了对比。

1. 介绍

飞速发展的智能交通系统（Intelligent Transport Systems , ITS）涵盖了从航空运输和交通管制到驾驶员警示和交通监测这样的车载服务等诸多领域，交通信息的收集和交流在智能交通应用中起着至关重要的作用。但大多数传统的智能交通系统只能检测位置固定的车辆，并且由于在部署通信和电力线缆上的开销，这些传统系统没有被广泛应用，目前交通规划和管制所用到的交通数据大多是用有线传感器获得的。设备本身的成本、维护设备的费用以及耗时的安装过程使得这些现有的传感器系统无法在实时交通监测和控制中大规模部署。如文献[5]和[6]中所述，无线传感器网络（Wireless sensor network, WSN）因其安装和维护的简便性，可能会显著提高现有的交通运输系统的效率。

WSN 通常由以下两部分组成：(i) 一组部署在观察区域的节点，用于执行数据收集相关的任务。(ii) 一个或者多个 Sink 节点，将 WSN 收集到的数据传递给终端用户。通常 WSN 被部署在远程和（或）敌对区域，Sink 节点需要通过某种形式的远距离连接（即卫星通讯、Wi-Fi、Wi-Max 等）连接到后端。

我们假设 WSN 被部署在一条公路上，或者在覆盖有某个普遍服务的城市区域。我们进一步假设终端用户在城市中移动时直接与 WSN 交流，即同时扮演终端用户和 Sink 节点的角色。在这种情况下，移动用户可以直接访问到无处不在的 WSN 所提供的服务，而不需要借助于存储数据的远程仓库。这就是智能交通系统所对应的场景，WSN 使得车辆可以直接获取周围环境的信息，然后利用这些信息做出恰当的决策。比如说，WSN 可用于检测道路上是否结冰，或者检测市中心路边停车位的状态。

虽然直观上看起来很清晰，但是仍需要对 WSN 的架构和协议进行细化。在本文的工作中，我们对文献[1]和[2]中提出的原始系统架构进行了改进，使它能够支持城市环境中的智能交通系统。

一个或多个移动 Sink 节点向 WSN 进行查询，随后 WSN 回复其所请求的信息。WSN 的部署在几何结构上没有特别要求，数据包通过一种预测地理信息路由机制在网络中路由，最终目的地的位置自动适应于移动用户的移动模式。这种适应过程是通过一个移动预测模型来实现的，这个模型在转发数据包时会考虑速度变化、方向的突变等因素。

此外，我们在这里也指出文献[2]中所强调的网络负载均衡问题：移动管理策略和地理转发让网络中的一部分节点额外承载了压力，使它们能量耗尽。为了延长网络的存活时间，我们在此引入一种能量感知转发策略和一种延迟感知转发策略。在这样的策略中，节点对下一跳的决策不仅基于地理信息，还基于相邻节点的能量消耗或者向另一个节点发送数据包所预期的延迟。为了做到这一点，把简单地理信息转发中的度量标准（目标方向和相邻节点方向的标量积）通过能量感知转发中所消耗的能量和延迟感知转发中的延迟进行加权。通过这种方式，我们希望避免某个节点承载过大压力，从而提高系统性能。

2. 系统架构

我们的场景由一个信息检索区域组成，区域中部署了用于感知所关注的物理现象的节点、一个或多个在其周围移动和查询数据的移动用户。举个例子来说，这个场景可以描述在高峰时期，车辆四处移动并在特定区域寻找空闲的停车位的情况。为了寻找车位，车辆扮演一个 Sink 节点的角色，它暂时连接到这个网络并发送一个查询请求来询问区域的信息，然后等待相应的数据。在上述场景中，我们可以确定如图 1 所示的三个不同的角色：

l 传感器节点（Sensor nodes , SNs），负责“感知”某一特定的区域。我们假设在城市的一个街区或者一个贸易中心周围部署了大量传感器节点，来检测附近的停车位是否空闲。假设每个传感器节点都知道自己的地理位置，比如说在部署时将坐标存储在每个节点中，或者使用分布式定位方案，让网络节点协同重现出其空间分布[7]。

l Vice Sink 节点（VSs），负责与 MS 通信的边缘节点。假设每个 VS 都知道自己的位置以及与它距离最近的 VS 的位置，拥有唯一的递增标识符(ID)。

l 移动 Sink 节点（Mobile sinks, MSs），由那些在部署了 Vice Sink 节点的区域中移动的节点组成。假设每一个移动 Sink 节点都配有一个 GPS 之类的卫星接收器，这样它就可以随时获得位置、方向和速度等信息。

图 1 系统架构

VS 沿 WSN 网络周边散布，对其密度没有特别的限制。我们并不假定 MS 总是可达的，所以 MS 可能多次断开连接；也不假定 VS 会形成一个子网，因为它们之间不一定要相互连接。假设 MS 按照限定的随机路径点移动模型移动，它们的位置被限制在 WSN 周围。如图 2 所示，移动用户驱车沿城市街区行驶，寻找空闲的停车位。

图 2 一个示例场景：汽车在附近部署了 WSN 的建筑物周围移动，寻找空闲车位

通信架构需要设计成这样一种方式：允许 MS 发送查询和接收相关的响应，并且以透明的方式管理可能的断连。这意味着要在 MS、VS 和 SN 之间定义合适的接口。

3. 路由框架设计

我们的路由框架基于一种增强了移动预测的地理路由转发策略。当 MS 将一个查询注入到网络中之后，我们希望根据在原始请求消息中包含的移动性信息来预测 MS 的新位置，然后把响应消息送达网络中更外层的节点。通常来说，响应数据包会到达最接近 MS 预估位置的 VS 节点，如果 MS 确实接近了 VS，响应便被成功送达，否则数据包要被路由到 MS 最有可能的实际位置上。为了实现这一点，我们提出了一种地理转发策略和一种有效的移动预测方案，能够在 VS 中使用 MS 中可用的最新移动信息。

图 3 概括了参考场景，MS 通过第一个 VS 向 WSN 中注入一个查询，之后这个查询被转发到其感兴趣的区域（灰色标注），目标节点（最接近区域中心的）通过查询同区域中的其他节点来聚合区域中所感兴趣的数据，然后将聚合的数据发往目的地。所请求的信息首先经各个 SN 的多跳转发，最终由最后一个 VS 送到移动 Sink 节点。

图 3 应用场景示例

3.1 数据包格式

在详细介绍路由策略之前，我们先介绍一下同时支持地理转发和移动预测策略所需的五种不同类型的数据包。数据包、包的字段和管理包的网络节点如下：

HELLO 包：一种周期性发送的简单数据包，包含节点的 ID、地理位置、是否为 VS 节点的标志、剩余能量（用于能量感知转发）和当前占空比（用于延迟感知转发）。

MOBILITY 包：一种由 MS 发往每个相邻的 VS 的简单数据包，包含移动方向、地理坐标、速度和一个全局时间戳。

ALERT 包：在收到 MS 发来的移动模式发生变化的通知时，每个 VS 所生成的消息。它包含了 MOBILITY 包所含有的全部信息，再加上原始 VS 的 ID、发送者的网络地址和 ALERT 包的目的地的地理坐标。

QUERY 包：当 MS 选择了查询的目标区域后其自身生成的消息。它包含和 MOBILITY 包中一样的移动信息、目标区域的中心地理坐标及其感兴趣的半径、发送者的网络地址还有包的 TTL。

REPLY 包：由最靠近 QUERY 包的目标区域中心的 SN 生成的消息，它包含 MOBILITY 包中含有的所有原始 MS 的移动信息（从 QUERY 包中复制的）、根据移动信息和经过的时间逐跳估算的 MS 的实际位置、发送者的网络地址以及包的 TTL（从 QUERY 包复制的）。

3.2 地理转发

如第 2 节所述，假设网络的每个节点都知道自己的位置，并且每个 MS 都使用了一个卫星接收器，这样它就能够知道自己的坐标、速度、方向和全局时间戳。简单起见，我们用 TargetPos 来标识存储在 QUERY 包中的目标区域的坐标，用 MsPos 来标识存储在 REPLY 包中的 MS 的坐标，用 CurrentPos 来标识当前进行下一跳的决策的节点的坐标。

3.3 移动管理

移动管理机制的主要目的是向 VS 提供 MS 最新的移动信息。这是利用了 REPLY 包必定会到达 WSN 的外层部分，然后再到达离预估的 MS 位置更近的 VS 的特点实现的。如果 MS 对这个 VS 来说是不可达的，就必须对 REPLY 包的转发采取适当的决策。出于这样的目的，每当 MS 可以与一个 VS 进行通信时就向其发送一个包含关于位置、速度、方向和全局时间戳的新信息的 MOBILITY 包。VS 使用一个结构来维护这些数据，并且在收到更新的数据包时对结构进行更新操作。

MS 可以调头，也可以仅仅转个弯，如果不能将新的 MOBILITY 包直接送达足够近的 VS，那么就要把新的移动信息告知这些 VS。因此我们引入了一种可以把新的移动信息告知一定数量 VS 的算法，这样 REPLY 包到达一个 VS 后可以被有效转发到合适的目的地。当 VS 检测到移动模式的方向发生急剧变化时，它会向附近的各个 VS 发出警示，告知它们新的移动信息。

很明显，这种技术引入了额外的通信开销，但同时它在关键情况下具有更高的消息送达率和更低的延迟。为了避免无用信息在网络中传播，需要为数据包设置一个适当的生存时间(TTL)字段。这样，在特定区域寻找停车位的用户可以认为该信息在给定时间之后已经过期；然后它会转发一个新的查询，直到收到应答。算法 3 中展示了地理转发和移动预测策略的组合。

4. 负载均衡技术

能耗是 WSN 的主要问题之一，特别是像本文中考虑的大规模部署的情况。WSN 由多个电池供电的节点组成，这些节点相互协作，将感知到的信息分发给查询信息的节点。在理想情况下，所有的节点消耗相同的能量，并且几乎在同一时间死亡。显然，由于特殊的网络部署方案和拓扑结构以及流量负载，一些节点会比其他节点承载更大的压力，它们大概率会率先死亡。当有节点死亡时，整个网络自身需要重新进行配置，这反过来又意味着需要消耗更多的资源。能量感知策略旨在通过智能的转发策略或高效的 mac 协议使网络达到均衡，从而延长网络的生命周期（亦即首个节点死亡的时间）。

4.1 能量感知转发

在 3.2 节中已经说明，每个节点通过使接近目的地的进度最大来选择消息的下一跳。节点在网络构建阶段广播它的位置，通过交换 HELLO 数据包来收集它的相邻节点的信息，每个节点都会定期广播它的位置以及它的电池消耗信息。为了使提出的策略尽可能的具有普适性，我们进一步假设能量消耗直接取决于发送和接收数据包的数量，即，在节点 i：

通过这个量来决定选择哪一个作为下一跳。

4.2 延迟感知转发

5. 性能评价

为了评价系统的性能，我们使用开源模拟工具 Omnet++[10]进行了大量的数值模拟。假设

个传感器按照规则的网格布局，均匀部署在如图 2 所示的正方形中心的一个孔周围，两个连续传感器之间的距离为 25 m。孔的尺寸为 500m×500m。沿着道路的每一边还安装了一些等距的 VS 节点，VS 之间的距离固定为 125 米。移动用户以一个在最小值和最大值之间均匀分布的速度移动，并且每 30 秒以一定的概率反转移动方向(顺时针或逆时针)，移动用户当前的速度每 5 秒更新一次。MS 沿公路移动，只能与各个 VS 通信，通信范围为 25 米。当 MS 到达外面公路的一个角，它就改变移动方向，同时保持顺时针或逆时针的移动模式。

MS 随机选择起始位置和初始移动方向，在网络中选择一个区域，通过选定的 VS 向该区域发送一个 QUERY 包。每当一个查询被注入到网络中时，MS 就启动一个计时器，并相应地设置包的生存时间(TTL)字段，超过 TTL 之后，查询将被丢弃。MS 再次发送相同的 QUERY 包，直到计时器超时前仍没有收到回复。我们将超时时间设置为 90 秒，节点通信速率为 250kb /s，采用 CSMA/CA 机制管理媒体访问。此外，通过给每个分组传输引入额外的延迟来考虑占空比操作。

除了我们提出的方案之外，我们还评估了基本泛洪策略的情况，它在响应返回到 MS 的方式上与我们的方案不同，响应只是由每个 SN 简单地转发到它的相邻节点，直到遇到 VS。当响应到达 VS 时，响应消息将被存储起来，直到最后一次消息投递（或者在超时后被删除）。我们评估的参数如下：

• 延迟：从 MS 发送查询到接收到回复所经过的时间。
• 跳数：每个数据包所经过的平均跳数。
• 首次失效时间：网络中首个节点电源耗尽经过的时间。

图 4 显示了四种转发策略下的首次失效时间。模拟的结果是通过对每个 N 值（即网络中的节点数）运行 50 次不同的模拟，并记录第一个消耗完所有的初始能量的节点的时间得到的。可以看出，随着网络规模的增大，简单地理路由胜过了负载均衡技术。

对于所评估的最大网络，延迟感知转发比地理信息转发的平均首次失效时间要小 10%，而能量感知转发比地理信息转发小 20%。另一方面，对于规模最小的网络，三种策略的性能几乎相同。泛洪策略在所有情况下的表现都是最差的，正如预期的那样，为了向 MS 发送响应而引入的大量消息迅速耗尽 SN 的能量，这导致网络的生存周期减短。

图 4 首次失效的平均时间

图 5、图 6 描述了泛洪转发方案和地理转发方案的数据包总数和引入的相应开销,这是通过计算网络中与某个消息的传递相关的所有数据包的数量来计算的。根据首次失效时间的结果(图 4)，可以观察到泛洪方案产生的数据包总数要多得多。反之，由于为了建立到 MS 的优化路由而交换的控制数据包，地理转发的开销要大得多。但是这样的开销是值得的，因为数据包的总数比泛洪情况下要少。

图 5 数据包总数随节点数变化

图 6 开销随节点数变化

图 7 绘制了同一组模拟的数据包延迟情况。可以看出，地理转发和能量感知转发的性能相似，但延迟感知转发在任何规模的网络中都显著降低了数据包延迟。实际上，这种策略根据能量消耗自适应地减少或增加占空比，因此，在模拟开始时，压力较小的节点可以以更低的延迟转发数据包。

图 7 数据包的平均延迟

图 8 显示了一个数据包从查询注入到应答接收之间经过的跳数随节点数的变化。可以很容易看出，三种策略的跳数大致相同，且都随着网络的大小而增加。这反映了 QUERY 和 REPLY 包所使用的路由并不依赖于（至少在长度方面）节点间的能量消耗水平。

图 8

我们现在感兴趣的是在改变 MS 的移动条件时，评估这三种转发策略的性能。具体来说，我们将网络规模固定在 N=924，将 Vmin 设置为 5m/s，Vmax 设置为 20m/s，转向的概率从 0.125 到 1。在这组模拟中，我们仍然测量首次失效时间、数据包延迟和数据包跳数。

图 9 显示了增加 MS 转向概率时的首次失效时间情况。首先，我们观察到能量感知转发的性能总是优于地理转发，而延迟感知转发在小网络中首次失效时间较短，在大网络中出现首次失效时间较长。

图 9 首次失效时间随转向概率变化

图 10 平均延迟随转向概率变化

图 11 跳数随转向概率变化

6. 结论

本文提出了一种系统架构和一套路由协议，以实现让移动节点从静态无线传感器网络中查询数据的智能交通系统的应用。这个应用程序场景非常适合汽车在一个热门的停车场附近移动寻找车位的情况，用来检测车位空闲或被占用的传感器自行组织为一个无线传感器网络。MS 可能会周期性地与 WSN 断开连接，这取决于节点在其移动的道路上的部署情况。为了有效地应对 MS 难以预测的移动模式，我们描述了一种能够通过移动预测策略克服漏洞的地理路由策略。

我们介绍了一种基于三种类型节点的系统架构：移动 Sink 节点（MS），即查询 WSN 的移动节点，Vice Sink 节点（VS），即负责与 MS 通信的节点，传感器节点（SN），即执行查询和响应转发，但只能通过 VS 到达 MS 的简单节点。我们介绍了两种简单的负载均衡技术，它们在进行路由决策时分别考虑了能量和延迟。这些策略已经经过测试，并在多种设定（网络大小和 MS 移动模式）上与简单的地理转发协议进行了对比。我们提出的方案已在一个简单的泛洪算法上进行了测试，评估了其效率和由于控制数据包的传输造成的开销。

未来可能的研究方向包括设计和测试适当的缓冲区管理策略、数据聚合和数据融合算法等。我们还打算开发一个小型的测试床，以评估在真实硬件场景下的结果。