車載自組網(wǎng)絡(luò)(VANET)是移動自組網(wǎng)絡(luò)(MANET)的延伸,，是智能交通系統(tǒng)(ITS)的重要組成部分,，能有效地提高道路安全性，改善交通擁塞狀況,，滿足人們對駕駛安全性和舒適性的要求,。

    在MANET網(wǎng)絡(luò)中，網(wǎng)絡(luò)層次劃分有拓撲管理方便,、能量利用高效,、數(shù)據(jù)融合簡單等優(yōu)點，成為當前重點研究的技術(shù),。在分級結(jié)構(gòu)中,，網(wǎng)絡(luò)中的節(jié)點邏輯上被劃分為簇，每個簇通常由1個簇頭和多個普通節(jié)點組成,，簇有利于降低路由開銷,、改善網(wǎng)絡(luò)延遲。CBRP協(xié)議[1](Cluster Based Routing Protocol)是最早的Ad Hoc分簇路由協(xié)議之一,，也是一種基于分簇結(jié)構(gòu)的源路由按需路由協(xié)議,。成簇算法是成簇路由的關(guān)鍵，好的成簇算法可以提高傳輸?shù)耐哆f率,，減少路由的跳數(shù),。改善成簇算法、提高成簇的穩(wěn)定性,，是將MANET中的成簇路由引入VANET中關(guān)鍵技術(shù),。
1 幾種典型成簇算法
    最小ID算法[2]是最早的成簇算法，即在成簇范圍內(nèi)選擇ID最小節(jié)點作為簇頭,。在VANET中,，節(jié)點快速移動、網(wǎng)絡(luò)拓撲頻繁變化,、鏈路不穩(wěn)定,，使用最小ID算法會造成簇不穩(wěn)定、簇頭變化快,，從而影響傳輸?shù)膶崟r性,，增大了網(wǎng)絡(luò)的丟包率。
    最高節(jié)點度分簇算法[3]借鑒了因特網(wǎng)中選擇路由器的方法,，盡可能減少路由器的數(shù)目,，節(jié)點之間通過交互控制消息知道其他節(jié)點的鄰居節(jié)點數(shù)目，擁有相鄰節(jié)點最多的節(jié)點被選舉為簇頭,。該算法的優(yōu)點在于路由的跳數(shù)少,，從而減少了網(wǎng)絡(luò)中分組投遞的平均時延,。但是該算法不限制簇內(nèi)的節(jié)點數(shù)，簇的資源按照輪詢的方式共享,，當簇內(nèi)節(jié)點數(shù)量過多時,，每個用戶節(jié)點的吞吐量急劇下降，使得整個系統(tǒng)的性能也隨之降低,。當節(jié)點運動速度快時，簇頭的更換頻率也會急劇上升,，導(dǎo)致大量的簇維護開銷,，不適用于高移動性的車載網(wǎng)路。
    節(jié)點權(quán)重分簇算法[4-6]是在考慮多個因素的基礎(chǔ)上,，根據(jù)節(jié)點適合作為簇頭的程度來為每個節(jié)點分配相應(yīng)的權(quán)重,，算法一般描述為：
    W=a×mobility+b×degree+c×erengy+d×else  (1)
其中a、b,、c,、d為權(quán)值系數(shù)。mobility表示節(jié)點的移動性,，degree表示節(jié)點度,，energy表示剩余能量，else表示其他影響因素,?？紤]車載網(wǎng)路中的獨特因素，節(jié)點剩余能量可以不予考慮,，重點考慮車輛的移動性,。選舉更穩(wěn)定的節(jié)點作為簇頭增加數(shù)據(jù)傳輸?shù)耐哆f率。此方法的缺點是考慮的因素多,、簇頭變化頻率多,，適合于節(jié)點移動性小的場景。
    負載平衡算法[7],、最小ID算法和最高節(jié)點度分簇算法都傾向于選擇某些節(jié)點作為簇頭,，使得這些節(jié)點的負擔較重，很容易耗盡能量,。為此,，需要在簇頭間實施負載平衡，使所有節(jié)點都可以較公平地充當簇頭,。這種算法簇頭的負載分布特性較好,，但是簇結(jié)構(gòu)很不穩(wěn)定，而且在車載自組織網(wǎng)絡(luò)中的車輛有充足的能量可以不予考慮,。
     隨著車載自組織網(wǎng)絡(luò)的發(fā)展,，越來越多的成簇算法適合在車載自組織網(wǎng)絡(luò)場景中,。參考文獻[8]提出了一種新的成簇算法，專用于車載自組織網(wǎng)絡(luò),，該算法把速度作為主要影響成簇的因素,，并對速度采用模糊處理提高了成簇的穩(wěn)定性。算法還選擇一個權(quán)重第二優(yōu)的節(jié)點作為臨時簇頭,，當簇頭突然失效時臨時簇頭就充當簇頭直到選出新的簇頭,。雖然該算法用于高速移動的場景，但是當簇頭速度變化較大時,，簇頭更換也較為頻繁,，由于網(wǎng)絡(luò)拓撲變化快，臨時簇頭的性能不穩(wěn)定會降低成簇的穩(wěn)定性,。
    Affinity Propagation(AP)聚類算法[9]是近年來提出的較穩(wěn)定的類聚算法之一,。它根據(jù)N個數(shù)據(jù)點之間的相似度進行聚類，這些相似度可以是對稱的,，即兩個數(shù)據(jù)點互相之間的相似度相同(如歐氏距離),；也可以是不對稱的,即兩個數(shù)據(jù)點互相之間的相似度不等。相似度是AP算法中的重要因素,，數(shù)據(jù)點i和點j的相似度記為S(i,，j)。一般使用歐氏距離來計算,，所有點與點的相似度值全部取為負值,。參考文獻[10]將AP類聚算法用于車載自組織網(wǎng)絡(luò)中，大大提高了在高速多節(jié)點下成簇的穩(wěn)定性,。但是AP算法本身有自己的缺陷,，AP算法是基于距離的成簇算法，當速度變化大時,，簇頭仍然更換較快,，并且它需要大量的迭代循環(huán)算法，這增加了成簇的時延,并不能提高成簇路由的吞吐量和時延,。
    結(jié)合AP成簇算法和節(jié)點權(quán)重成簇算法的優(yōu)缺點,，本文提出了一種基于節(jié)點相似度和節(jié)點度的穩(wěn)定成簇算法，該算法適合速度變化較大的場景,。
2 SD算法描述
    假設(shè): (1)每個車輛都裝有GPS設(shè)備,可以隨時準確知道自己的位置坐標,，速度表提供車輛速度信息;(2)每個節(jié)點配備一個半雙工全向天線?？梢越邮崭鱾€方向發(fā)出的信號;(3)車輛的通信范圍為250 m,。

3 SD算法流程
     SD算法的具體過程如下：
    (1)初始化，每個節(jié)點都處于未分配狀態(tài)。鄰居數(shù)目N為0,，相似度S=0,，設(shè)置權(quán)值W為-1 000，設(shè)置自己的狀態(tài)為U(未分配),。設(shè)置綜合權(quán)值W為一個很低的負數(shù),不設(shè)置為0,，這是因為選擇權(quán)值W最大的作為簇頭,而相似度是一個負數(shù)，這樣便于新節(jié)點的加入,。
    (2)節(jié)點進入網(wǎng)絡(luò),，通過GPS獲取自己的位置信息,通過速度表獲得自己的速度信息和權(quán)值W。因為剛進入網(wǎng)絡(luò)都參與簇頭的競爭,，設(shè)置自己的狀態(tài)為CH,，將獲得信息加入hello包中廣播給鄰居節(jié)點。
    (3)獲得鄰居節(jié)點hello包,，提取鄰居列表信息。通過式(2)計算自己與鄰居節(jié)點的相似度,，將鄰居節(jié)點的信息與相似度存儲到鄰居列表中,。當節(jié)點的狀態(tài)為簇頭存儲兩跳范圍內(nèi)的節(jié)點信息時,CM和GM分別存儲。
    (4)遍歷鄰居列表,，獲得鄰居節(jié)點個數(shù)即節(jié)點度,，計算出自己權(quán)值W并與鄰居權(quán)值對比，如果自己的權(quán)值大于所有鄰居節(jié)點的權(quán)值,，設(shè)置自己的狀態(tài)為CH,，廣播自己的位置、速度,、狀態(tài)以及W,。否則設(shè)置自己的狀態(tài)為CM，廣播自己的位置,、速度,、狀態(tài)、W以及鄰居列表信息,。
    (5)當節(jié)點感知可達范圍內(nèi)有2個以上的簇頭即收到多個簇頭廣播包,，設(shè)置自己的狀態(tài)為GM。廣播自己的位置,、速度,、狀態(tài)、W信息,。
4 仿真結(jié)果分析
　　為了驗證SD算法的性能,使用NS2對算法性能進行評估,。
4.1 算法性能衡量標準
    (1)簇的數(shù)量
    在相同的范圍和相同的節(jié)點數(shù)量條件下，簇的數(shù)量直接影響了分簇算法的性能,。簇的數(shù)量越多,，意味著在相同距離內(nèi)的平均跳數(shù)越多,，從而信息傳輸?shù)臅r延更大，并且投遞率也會大大降低,。簇頭數(shù)量少雖然路由跳數(shù)少但是每個簇管理成員增多,，這樣給簇頭造成很大的壓力，從而影響路由性能,。在分簇算法研究中,，簇的數(shù)量是常用來衡量分簇算法性能的標準之一。
    (2)簇的穩(wěn)定性
    簇的穩(wěn)定性是所有衡量分簇算法性能的標準中最重要的一個,。簇的穩(wěn)定性越好,，用來維護簇的開銷就越小，路由的生存時間就越長,，用于路由發(fā)現(xiàn)的開銷也就越少,，因此網(wǎng)絡(luò)的吞吐量越大。因此在考慮VANET分簇算法時,，簇的穩(wěn)定性應(yīng)該作為最重要的衡量標準,。
  

節(jié)點個數(shù)不多的情況下，提高更為明顯,，非常適合于車載自組織網(wǎng)絡(luò)的成簇路由中,。
    成簇路由在MANET網(wǎng)絡(luò)中占有非常重要的地位，但是在VANET中網(wǎng)絡(luò)拓撲非常不穩(wěn)定,，合理的成簇算法是成簇路由應(yīng)用在車載自組織網(wǎng)絡(luò)中的關(guān)鍵所在,。本文提出的基于節(jié)點相似度和最大節(jié)點度的成簇算法，增加了車載自組織網(wǎng)絡(luò)中成簇的穩(wěn)定性,，提高了成簇路由在車載自組織網(wǎng)絡(luò)中的性能,。
參考文獻
[1] JIANG M, LI J, TAY Y. Cluster based routing protocol (CBRP) functional specification [Z]. IETF Internet-Draft, Aug 1998.
[2] LIN C R, GERLA M. Adaptive clustering for mobile wireless networks[J]. IEEE J. Select. Areas Communications, 1997,15(7):1265-1275.
[3] GERLA M, TSAI J T. Tsai. Multicluster, mobile, multimedia radionetwork[J]. Wirel. Netw., 1995(1):255-265.
[4] WU H, ZHONG Z, HANZO L. A cluster-head selection and updatealgorithm for ad hoc networks[C]. Proc. IEEE Globecomm Conf., 2010:1-5.
[5] CHATTERJEE M,DAS S K,TURGUT  D. WCA:A weighted clusteringalgorithm for mobile ad hoc networks[J]. Cluster Computing, 2002(5):193-204.
[6] 楊衛(wèi)東. 用于Ad Hoc 網(wǎng)絡(luò)的分簇算法[J]. 北京郵電大學學報，2009,32(5)：61-65.
[7] YOUNIS O, FAHMY S. Heed: a hybrid, energy-efficient, distributed clustering approach for ad-hoc sensor networks[J]. IEEE Trans. on Mobile Computing, 2004,3(4):660-669.
[8] HAFEEZ K A, Zhao Lian, LIAO Zaiyi. A fuzzy-logic-based cluster head selection algorithm in VANETs[C].IEEE Communications (ICC), 2012:203-207.  
[9] FREY B J, DUECK D. Clustering by passing messages between datapoints[J]. Science, 2007,315:972-976.
[10] SHEA C, HASSANABADI B, VALAEE S. Mobility-based  clustering in VANETs using affinity propagation[C]. IEEE  "GLOBECOM" 2009.