车载自组网路边性能与防碰撞算法仿真

资 源 简 介

本项目构建了一个针对智能交通系统的车载自组网（VANET）仿真平台，旨在提升城市道路环境下的通信可靠性与行车安全。针对城市环境中车辆高速移动导致的拓扑结构频繁变化、网络稀疏连通及局部最优等挑战，本项目设计并实现了基于地理位置信息的鲁棒路由协议。核心功能利用电子导航地图提供的道路拓扑与车流信息，结合车辆实时GPS定位数据进行智能路由决策。在仿真环境中，项目根据设定的城市交通网络模型随机分布车辆节点，重点模拟了十字交叉路口的车辆行驶行为，并应用了防碰撞算法。同时，通过分析车辆与路边节点（RSU）及车辆间的相对位置，系统实现了实时的安全预警机制。该项目不仅能模拟数据传递过程，还能生成不同车辆密度和移动模式下的城市交通信息网络可视化结果，用于评估算法在提高行车效率、减少交通事故以及优化区域交通通信设计方面的实际效果，为智能交通系统的路况信息改善提供理论与数据支持。

详 情 说 明

车载自组织网络中路边性能及防碰撞算法仿真研究

项目介绍

本项目是一个基于MATLAB开发的智能交通系统（ITS）车载自组网（VANET）仿真平台。该项目旨在针对城市道路环境，模拟车辆的高速移动、网络通信及行车安全预警机制。

系统构建了一个曼哈顿网格形式的城市交通模型，在其中模拟车辆节点的随机分布与移动，并通过路边单元（RSU）辅助进行网络性能分析。核心功能涵盖了基于地理位置信息的路由性能估算、网络连通性分析以及基于相对运动矢量的防碰撞算法。通过实时可视化界面，用户可以直观地观察车辆运行轨迹、通信链路状态及安全预警情况，并生成相关的统计图表以评估算法效果。

功能特性

• 城市交通拓扑建模：基于3x3网格构建曼哈顿移动模型，模拟规则的城市道路布局及十字路口。
• 车辆移动性模拟：实现了车辆沿道路直线行驶、边界循环（Toroidal边界）以及在路口基于概率（30%）的随机转向逻辑。
• 网络通信性能分析：

* 计算网络连通度及RSU覆盖率。 * 模拟基于地理位置的贪婪转发路由，估算跳数、包投递率（PDR）及端到端延迟。

• 行车安全防碰撞算法：基于车辆间的相对距离与相对速度矢量，实时检测潜在的碰撞风险并触发预警。
• 实时可视化与数据统计：

* 动态展示车辆移动、RSU位置、通信链路及红色预警圈。 * 绘制包投递率、网络延迟、碰撞预警次数及网络覆盖率随时间变化的统计曲线。

系统要求

• MATLAB R2016b 或更高版本
• Statistics and Machine Learning Toolbox（用于距离计算和样本抽样）

使用方法

1. 直接运行主程序脚本。
2. 程序启动后将自动弹出图形窗口，展示仿真动画。
3. 仿真结束后（默认100秒），窗口中将保留最终的动态视图以及分析图表。

详细功能与算法实现分析

本项目的主程序（main）通过离散时间步进的方式不仅模拟了物理层的车辆运动，还模拟了网络层的数据传输特征。以下是代码的详细实现逻辑分析：

1. 参数与环境初始化

代码首先设定了仿真区域为 1000m x 1000m，包含50辆车和9个固定在交叉路口的路边单元（RSU）。

• 通信参数：通信半径设定为250米，基础误码率设定为1%。
• 安全参数：防碰撞预警的距离阈值为40米。
• 道路构建：通过线性插值生成3x3的网格坐标，构建水平和垂直的道路线段约束车辆位置。

2. 节点初始化

• 车辆分布：车辆被随机放置在定义的水平或垂直道路上。
• 速度矢量：根据所在道路的方向（上、下、左、右），赋予车辆5m/s至20m/s之间的随机速度。
• RSU部署：RSU节点被静态初始化在所有道路交叉口的坐标位置，作为固定的路侧基础设施。

3. 移动模型 (Manhattan Mobility)

在每个仿真步长（0.5秒）内，程序执行以下移动逻辑：

• 位置更新：根据当前速度矢量更新车辆坐标。
• 边界处理：实施循环边界条件，当车辆驶出区域一侧时，会从对侧重新进入，保持车辆总数不变。
• 路口转向：代码检测车辆与最近RSU（路口）的距离。如果距离小于10米且满足随机概率（rand < 0.3），车辆将改变行驶方向（例如从水平变为垂直），并修正坐标至路口中心，防止偏移道路。

4. 网络拓扑与连通性分析

系统每一步都会重新计算网络状态：

• 利用欧氏距离公式生成所有节点间的距离矩阵。
• 邻接矩阵构建：根据通信半径（250m）判断节点间是否连通。
• RSU覆盖率：计算处于任意RSU通信范围内的车辆比例。
• 网络连通度：统计至少拥有一个邻居节点的车辆比例，反映网络的稀疏程度。

5. 防碰撞算法 (Anti-Collision)

代码在双重循环中遍历所有车辆对，实现了基于相对运动的预警机制：

• 距离筛选：首先筛选出距离小于预警阈值（40m）的车辆对。
• 相对运动矢量检测：计算两车的相对速度（dv）和相对位置（dp）。
• 判定逻辑：计算相对速度与相对位置的点积。如果结果为负值（表示两车正在相互通过或靠近），则判定为存在碰撞风险并计数；如果结果为正（表示两车在相互远离），则不触发预警。

6. 路由性能估算模型

代码并没有模拟完整的网络协议栈，而是采用概率模型估算路由性能：

• 源-被动对选择：随机选取网络中的源节点和目的节点。
• 连通性检查：通过广度优先搜索（BFS）或路径检测函数确认物理路径是否存在。
• 传输模拟：

* 根据几何距离估算所需的跳数（Hops）。 * 基于跳数和基础误码率计算总丢包率公式：1 - (1 - 误码率)^跳数。 * 通过随机数判定数据包是否成功投递。 * 延迟计算包含每跳的处理延迟和传播延迟。

• 使用移动平均滤波法（加权0.95/0.05）平滑PDR和延迟曲线，以减少随机性带来的图表抖动。

7. 可视化模块

使用了MATLAB的句柄图形技术进行高效绘图：

• 主视图：每2个时间步刷新一次。显示灰色道路背景、绿色五角星表示RSU、蓝色圆形表示车辆。
• 动态元素：

* 连通链路：随机抽取并绘制部分处于通信范围内的V2V链路（青色线）。 * 预警高亮：被判定为有碰撞风险的车辆会被标记红色圆圈。

• 统计图表：右上角图表显示包投递率和端到端延迟随时间的走势；右下角图表通过柱状图展示碰撞预警次数，通过折线图展示网络连通度和RSU覆盖率。