Machine Translated by Google
cảm biến
Bài báo
Mô hình phân tích mới cho Kiểm soát truy cập phương tiện IEEE 802.11p/bd, có xem
xét hiệu ứng thu thập trong Internet của phương tiện
1 2
Dương Vương , Jianghong Shi 1,*, Zhiyuan Fang
Trích dẫn: Wang, Y.; Shi, J.; Fang, Z.;
Chen, L. Một mô hình phân tích mới cho
IEEE 802.11p/bd Medium
Kiểm soát truy cập, có cân nhắc
về Hiệu ứng Chụp trên Internet
của Xe cộ. Cảm biến 2023, 23, 9589.
https://doi.org/10.3390/s23239589
Biên tập viên học thuật: Qiong Wu
và Pingyi Fan
Đã nhận: ngày 31 tháng 10 năm 2023
Sửa đổi: ngày 29 tháng 11 năm 2023
Được chấp nhận: ngày 1 tháng 12 năm 2023
Đã xuất bản: ngày 3 tháng 12 năm 2023
Bản quyền: © 2023 của các tác giả.
Được cấp phép MDPI, Basel, Thụy Sĩ.
Bài viết này là một bài viết truy cập mở
được phân phối theo các điều khoản và
điều kiện của Creative Commons
Giấy phép ghi công (CC BY) ( https://
creativecommons.org/licenses/by/
4.0/).
Cảm biến 2023, 23, 9589. https://doi.org/10.3390/s23239589
1
và Lingyu Chen
1
Trường Tin học, Đại học Hạ Môn, Hạ Môn 361005, Trung Quốc; yangwang@stu.xmu.edu.cn (YW); chenly@xmu.edu.cn
(LC)
2
Tập đoàn Truyền thông Di động Trung Quốc Shanxi Co., Ltd., Thái Nguyên 030032, Trung
Quốc; fangzhiyuan@sx.chinamobile.com
* Thư từ: shijh@xmu.edu.cn; ĐT: +86-139-0601-3456
Tóm tắt: Mạng đặc biệt dành cho xe cộ truyền thống (VANET), đang phát triển thành Internet phương tiện (IoV),
đã thu hút sự chú ý lớn vì tiềm năng to lớn của nó trong việc cải thiện an toàn đường bộ, quản lý giao thông,
hỗ trợ dịch vụ thông tin giải trí và thậm chí cả lái xe tự động. IEEE 802.11p, là tiêu chuẩn quan trọng cho
truy cập không dây trong môi trường xe cộ, đã được phát hành trong hơn một thập kỷ và sự phát triển của nó,
IEEE 802.11bd, cũng đã được phát hành được vài tháng. Do các mô hình phân tích cho điều khiển truy cập môi
trường (MAC) IEEE 802.11p/bd đóng vai trò quan trọng trong việc đánh giá hiệu suất và tối ưu hóa giao thức
MAC nên rất nhiều mô hình phân tích đã được đề xuất. Tuy nhiên, các mô hình phân tích hiện tại vẫn chưa
chính xác do bỏ qua một số yếu tố quan trọng của bản thân MAC và các kịch bản truyền thông thực tế. Được
thúc đẩy bởi điều này, một mô hình phân tích mới được đề xuất, dựa trên mô hình chuỗi Markov hai chiều (2-D)
mới . Ngược lại với các nghiên cứu hiện tại, tất cả các yếu tố quan trọng đều được xem xét trong mô hình đề
xuất này, chẳng hạn như cơ chế đóng băng backoff, giới hạn thử lại, trạng thái sau backoff, xác suất đến gói
khác nhau cho hàng đợi bộ đệm trống và mô hình hàng đợi của các gói trong bộ đệm. . Ngoài ra, ảnh hưởng của
hiệu ứng bắt dưới kênh Fading Nakagami-m cũng đã được xem xét.
Sau đó, các biểu thức truyền thành công, truyền xung đột, thông lượng không bão hòa chuẩn hóa và độ trễ gói
trung bình đều được rút ra một cách tỉ mỉ tương ứng. Cuối cùng, độ chính xác của mô hình phân tích đề xuất
được kiểm chứng thông qua kết quả mô phỏng, cho thấy nó chính xác hơn các mô hình phân tích hiện có.
Từ khóa: mạng ad hoc phương tiện; internet của phương tiện; IEEE 802.11p/bd; kiểm soát truy cập trung
bình; hiệu ứng chụp; Nakagami-m mờ dần
1. Giới thiệu
Mạng ad hoc dành cho xe cộ (VANET) là mối quan tâm rộng rãi của giới học thuật và ngành
công nghiệp vì tiềm năng to lớn của nó trong việc cải thiện an toàn đường bộ, nâng cao hiệu
quả giao thông, cung cấp dịch vụ thông tin giải trí và thậm chí hỗ trợ lái xe tự động [1,2].
Hưởng lợi từ sự phát triển nhanh chóng của công nghệ thông tin và truyền thông [3–11], VANET
truyền thống đang phát triển thành internet trên phương tiện giao thông (IoV) [12]. Nó có thể
hỗ trợ các chế độ liên lạc xe cộ không đồng nhất, bao gồm xe với xe (V2V), xe với người đi bộ
(V2P), xe với cơ sở hạ tầng (V2I) và xe với mạng (V2N), như trong Hình 1 , để đáp ứng các yêu
cầu của các ứng dụng an toàn hoặc không an toàn khác nhau [13,14]. Tuy nhiên, chìa khóa để
thực hiện các ứng dụng khác biệt phụ thuộc vào việc các phương tiện có truy cập kênh không dây
một cách hiệu quả hay không. Là một tiêu chuẩn truy cập kênh quan trọng cho IoV, IEEE 802.11p
phác thảo các thông số kỹ thuật của lớp vật lý (PHY) và lớp điều khiển truy cập trung bình
(MAC), trong đó lớp sau bao gồm chức năng phối hợp phân tán (DCF) và truy cập kênh phân tán
nâng cao (EDCA) . Theo EDCA, bốn quyền truy cập
https://www.mdpi.com/journal/sensors
Machine Translated by Google
Cảm biến 2023, 23, x ĐỂ ĐÁNH GIÁ CỦA NGƯỜI ngang hàng 2 trên 21

Cảm biến 2023, 23, 9589 2 trên 21

cái sau bao gồm chức năng phối hợp phân tán (DCF) và truy cập kênh phân tán nâng cao (EDCA). Theo

EDCA, bốn loại truy cập (AC) được xác định.

Trongmục
danh thực tế,được
(AC) mỗi xác
hàngđịnh.
đợi AC đượcthực
Trong gọi tế,
là chức năng đợi
mỗi hàng truyAC
cập kênh
được phân
gọi tán nâng
là hàng cao (EDCAF),
đợi phân tán nâng các
cao.
đó là mộtđây
(EDCAF), biến
là thể
một nâng
biến cao
thể của DCF.
nâng cao Nó tranh
của DCF. giành chứcgiành
Nó tranh năng truy cập kênh cơ hội truyền dẫn
(TXOP)
tải bằngđang
(TXOP) cáchphát
sử dụng
triểnbộbằng
thamcách
số EDCA [15].
sử dụng mộtTrên thực số
bộ tham tế,EDCA
IEEE[15].
802.11bd, như một cơ hội truyền
Thực ra,
phiên
là bảnbản
phiên IEEE 802.11p,
phát cũngIEEE
triển của áp dụng các giao
802.11p, cũng thức DCF nguyên
sử dụng và EDCAmẫu
[16].
DCF Do
và thực
EDCA tế là IEEE
- giao 802.11bd,
thức DCF là
giao DCF
thức thứclà
truy cập
giao kênh
thức thiết
truy cập yếu của
kênh IEEEyếu
thiết 802.11p/bd,
của điều này là cần thiết [ 16]. Do thực tế giao
Để đề
bd, xuất
cần một mô
đề xuất hình
một phân phân
mô hình tích tích
hiệu hiệu
quả nhằm đánh
quả để giágiá
đánh hiệu năng
hiệu chính
năng của xác của
IEEE IEEE IEEE 802.11p/
802.11p/bd.
802.11p/bd
hiệu DCF (hoặc
suất chính xác EDCA) trong802.11p/bd
của IEEE IoV. DCF (hoặc EDCA) trong IoV.

Vệ tinh
RSU: Đơn vị bên đường
GW: Cổng
HS: Điểm nóng
Internet BS: Trạm gốc
Internet V2V: Xe với xe
Lãnh địa V2P: Xe tới người đi bộ
V2I: Xe đến cơ sở hạ tầng
BS V2N: Xe với Mạng
V2N

BS

Cơ sở hạ tầng GW
Lãnh địa
GW

HS

V2P V2I
RSU RSU

V2V

đặc biệt
Lãnh địa

Hình 1. Cấu trúc thông

thông tin
tin liên
liên lạc
lạc xe
xe cộ
cộ không
không đồng
đồng nhất.
nhất.

Vì DCF là cơ sở của loạt tiêu chuẩn IEEE 802.11 nên rất nhiều công cụ phân tích
Do DCF là cơ sở của loạt tiêu chuẩn IEEE 802.11 nên rất nhiều mô hình phân tích dựa trên
công trình tiên phong của Bianchi trong [17] đã được đề xuất, dưới các phương pháp khác nhau.
các mô hình dựa trên công trình tiên phong của Bianchi trong [17] đã được đề xuất, theo các giả
định khác nhau, trong các tình huống giao tiếp khác nhau [15,18–43]. Tuy nhiên, không ai trong số họ
giả định, trong các kịch bản giao tiếp khác nhau hoàn toàn có thể hiển thị tất cả các đặc điểm của DCF và phân tích
hiệu suất của
[15,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41 ,42,43]. Tuy nhiên, DCF
chính xác trong các kịch bản IoV, đặc biệt đối với những trường hợp bỏ qua hiệu ứng bắt giữ [17–35].
không ai trong số họ có thể thể hiện đầy đủ tất cả các đặc tính của DCF và phân tích Trên thực tế,
khi máy thu nhận được công suất tín hiệu từ một máy phát cao hơn
hiệu suất của DCF một cách chính xác trong các kịch bản IoV, đặc biệt đối với những người bỏ qua
hiệu ứng bắt giữ của các máy phát khác, một hiện tượng phổ biến trong
hiệu ứng chụp [17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35]. Trong thực tế, khi giao
tiếp không dây có thể xảy ra [43–45]. Theo [45], hiệu năng hệ thống
máy thu nhận được công suất tín hiệu từ một máy phát cao hơn công suất tín hiệu của mạng IEEE 802.11
khác có thể được cải thiện nhờ hiệu ứng thu. Tuy nhiên, có
máy phát, hiệu ứng bắt giữ, là một hiện tượng phổ biến trong mạng không dây, chỉ có một số mô hình
phân tích trong tài liệu hiện có xem xét hiệu ứng bắt giữ trong
giao tiếp, có thể xảy ra [43,44,45]. Theo [45], hiệu suất hệ thống của IEEE thường xuyên sử
dụng các kênh truyền dẫn mờ dần trong thông tin liên lạc xe cộ [36–43]. Theo [46,47],
Mạng 802.11 có thể được cải thiện nhờ hiệu ứng chụp. Tuy nhiên, chỉ có một vài mô hình kênh Nakagami-
m đại diện cho phading quy mô nhỏ trong thông tin liên lạc xe cộ.
các mô hình phân tích trong tài liệu hiện có xem xét hiệu ứng bắt giữ thường xuyên và phản ánh môi
trường lái xe thực tế. Vì vậy, phân tích IEEE 802.11p/bd DCF
các kênh fade được sử dụng trong thông tin liên lạc xe cộ [36,37,38,39,40,41,42,43]. Theo mô hình
kênh fade này thì cần thiết để thể hiện hiệu suất thực sự của nó trong IoV. Mặc dù
[46,47], mô hình kênh Nakagami-m thể hiện pha đinh quy mô nhỏ trong xe cộ, hiệu ứng bắt giữ dưới
kênh pha đinh Nakagami-m được xem xét trong [42], các tác giả
giao tiếp và phản ánh một môi trường lái xe thực tế. Vì vậy, việc phân tích IEEE chỉ cho thấy công
thức dạng không đóng cho thông lượng chuẩn hóa. Ngoài ra,
DCF 802.11p/bd theo mô hình kênh Fading này là cần thiết để thể hiện hiệu ứng bắt giữ thực sự của
nó trong kênh Fading Nakagami-m cũng đã được xem xét trong phần trước của chúng tôi.
hiệu suất trong IoV. Mặc dù hiệu ứng bắt dưới kênh Fading Nakagami-m vẫn hoạt động trong [43] trong
điều kiện bão hòa, đây là trường hợp đặc biệt mà tất cả các phương tiện trong
Xem xét trong [42], tác giả chỉ đưa ra công thức dạng không đóng cho mạng luôn có các gói được
truyền đi. Trên thực tế, các phương tiện thường xuyên bị
thông lượng bình thường hóa. Ngoài ra, hiệu ứng bắt giữ trong điều kiện không bão hòa pha đinh
Nakagami-m , có nghĩa là hàng đợi đệm của các phương tiện không phải lúc nào cũng có
kênh cũng được xem xét trong công việc trước đây của chúng tôi trong [43] trong điều kiện bão hòa, các
gói đang chờ được truyền đi [26,48,49]. Được thúc đẩy bởi điều này, chúng tôi thực hiện màn trình diễn
là trường hợp đặc biệt tất cả các phương tiện trong mạng luôn có các gói tin để phân tích IEEE
802.11p/bd DCF chính xác hơn bằng cách đề xuất một mô hình hai chiều mới (2-
được truyền đi. Trên thực tế, các phương tiện thường ở trong điều kiện chưa bão hòa, có nghĩa là
D) Mô hình chuỗi Markov, trong đó bao gồm tất cả các đặc điểm quan trọng của bản thân DCF,
rằng ứng
hiệu hàngbắt
đợidưới
bộ đệm của
kênh các phương
Fading tiện được
Nakagami-m khôngxem
phải lúcđểnào
xét, làmcũng
cho có các gói chờ được truyền đi và
thủ tục phân tích hợp lý hơn. Theo hiểu biết tốt nhất của chúng tôi, đây là phân tích đầu tiên
về hiệu suất chưa bão hòa của IEEE 802.11p/bd DCF có xét đến khả năng thu
Machine Translated by Google

Cảm biến 2023, 23, 9589 3 trên 21

hiệu ứng dưới kênh fade Nakagami-m bằng cách đề xuất mô hình Markov 2-D mới
khác với những cái hiện có. Những đóng góp của nghiên cứu này là gấp ba.

1. Một mô hình chuỗi Markov 2-D mới được đề xuất, khác với mô hình hiện có
những cái đó. Trong mô hình chuỗi Markov 2-D được đề xuất, tất cả các đặc điểm chính của
DCF được xem xét, tức là cơ chế đóng băng dự phòng, cơ chế truy cập ngay lập tức,
giới hạn thử lại hữu hạn, thủ tục post-backoff, xác suất đến gói khác nhau theo
các trạng thái kênh khác nhau cho bộ đệm trống và mô hình xếp hàng của hàng đợi bộ đệm.

2. Hiệu ứng bắt dưới kênh Fading Nakagami-m được xem xét. Sau đó, các biểu thức dạng
đóng của quá trình truyền thành công, truyền xung đột, thông lượng chưa bão hòa
được chuẩn hóa và độ trễ gói trung bình đều được rút ra một cách tương ứng một cách tỉ mỉ.
3. Để kiểm chứng tính chính xác của mô hình đề xuất, kết quả mô phỏng được đưa ra. Ngoài ra,

nó cũng được so sánh với các mô hình phân tích hiện có. Đúng như dự đoán, đề xuất
mô hình chính xác hơn các mô hình hiện tại về mặt chưa bão hòa chuẩn hóa
thông lượng và độ trễ gói trung bình.

Phần còn lại của bài viết này được tổ chức như sau. Phần 2 khảo sát các nghiên cứu liên quan.
Phần 3 trình bày tổng quan về DCF và phát triển một mô hình phân tích mới cho
DCF. Phần 4 xác nhận tính chính xác của mô hình phân tích được đề xuất cho DCF bằng cách
so sánh nó với các mô hình hiện có. Cuối cùng, Phần 5 kết luận bài viết. Ngoài ra,
Bảng 1 trình bày danh sách các chữ viết tắt được sử dụng trong bài báo.

Bảng 1. Danh sách các chữ viết tắt.

Viết tắt Sự định nghĩa

2-D hai chiều

3-D ba chiều
AC Danh mục truy cập
ACK Nhìn nhận
BEB Rút lui theo cấp số nhân nhị phân
BER Tỷ lệ lỗi bit

BS Trạm cơ sở
CSMA/CA Nhà cung cấp dịch vụ cảm nhận được nhiều quyền truy cập với khả năng tránh va chạm
DCF Chức năng phối hợp phân tán

DIFS Không gian liên khung được phân phối

EDCA Truy cập kênh phân phối nâng cao

EDCAF Chức năng truy cập kênh phân phối nâng cao

FIFO Nắm tay vào trước ra trước

GW Cổng vào
HS Điểm nóng
IoV Internet phương tiện
MAC Kiểm soát truy cập trung bình

NAV Vectơ phân bổ mạng

vật lý Thuộc vật chất

RSU Đơn vị bên đường

RTS/CTS Yêu cầu gửi/xóa để gửi
SIFS Không gian liên khung ngắn
TXOP Cơ hội truyền tải
VANET Mạng ad hoc xe cộ
V2I Từ phương tiện đến cơ sở hạ tầng

V2N Xe đến mạng

V2P Xe tới người đi bộ

V2V Xe với xe

2. Công việc liên quan

Do việc sử dụng rộng rãi loạt tiêu chuẩn IEEE 802.11 trong khu vực mạng không dây cục bộ
mạng, rất nhiều mô hình phân tích cho các giao thức MAC được áp dụng (ví dụ: DCF hoặc EDCA)
trong các kịch bản mạng khác nhau đã được đề xuất để đánh giá hiệu suất của nó
Machine Translated by Google

Cảm biến 2023, 23, 9589 4 trên 21

và sau đó thiết kế giao thức MAC đáp ứng yêu cầu của các kịch bản khác nhau bởi các nhà nghiên cứu trên khắp
thế giới.

Như đã biết, Bianchi, G. lần đầu tiên đề xuất mô hình chuỗi Markov 2-D (được gọi là mô hình Bianchi [17])

để phân tích giao thức DCF trong điều kiện kênh lý tưởng và điều kiện bão hòa mà không xem xét cơ chế đóng

băng backoff và giới hạn thử lại.

Dựa trên công trình tiên phong này, rất nhiều công trình nghiên cứu đã được các nhà nghiên cứu trên toàn thế

giới thực hiện. Ví dụ, Duffy, K. và cộng sự. mở rộng mô hình của Bianchi đến điều kiện không bão hòa [18],

trong khi Madhavi, T. et al. DCF giảm va chạm được mô hình hóa với giới hạn thử lại hữu hạn [19]. Mặc dù cơ

chế đóng băng backoff và điều kiện không bão hòa được xem xét trong [20], giới hạn thử lại hữu hạn và thủ tục

post-backoff bị bỏ qua. Ngoài ra, giới hạn thử lại hữu hạn được đưa vào mô hình trong [21], nhưng quy trình hậu

lùi vẫn bị bỏ sót. Trong [22], hiệu suất của thông lượng bão hòa và độ trễ cho DCF dựa trên [17], có xem xét

giới hạn thử lại hữu hạn và cơ chế đóng băng dự phòng, được phân tích. Ngoài ra, IEEE 802.11p DCF được phân

tích và tối ưu hóa trong điều kiện bão hòa trong [23], dựa trên mô hình chuỗi Markov 2-D trong [22]. Mặc dù

hiệu suất của thông lượng bão hòa và độ trễ cho IEEE 802.11p EDCA được phân tích trong [24], sự khác biệt giữa

các mô hình chuỗi 2-D Markov trong [17,24] là việc xem xét giới hạn thử lại. Hơn nữa, trong [15,25], IEEE

802.11p EDCA được phân tích trong các điều kiện không bão hòa có xem xét giới hạn thử lại và cơ chế đóng băng
chờ, trong khi cơ chế sau xem xét mô hình xếp hàng và bỏ qua thủ tục sau lùi. Hơn nữa, Cao và cộng sự. đã phân

tích EDCA với việc xem xét cơ chế đóng băng backoff, giới hạn thử lại hữu hạn và trạng thái nhàn rỗi cho bốn

AC [26], chính xác hơn mô hình được đề xuất trong [15] để xem xét mô hình xếp hàng. Tuy nhiên, những nghiên

cứu này đều dựa trên cơ sở các điều kiện kênh lý tưởng, không phù hợp với thực tế là kênh có ảnh hưởng đến

giao thức DCF hoặc EDCA trong IoV.

Do đó, Zhang, Y. et al. đã phân tích DCF dựa trên [17] trong các điều kiện kênh khác nhau [27]. Ngoài

ra, Peng, H. et al. đã trình bày phân tích xác suất của DCF trong kịch bản nhiều nhóm, trong khi xác suất không

đổi được sử dụng cho lỗi truyền của gói [28]. Tuy nhiên, cơ chế đóng băng backoff và thủ tục backoff đều bị bỏ

qua. Do đó, Almohammedi, AA và cộng sự. đã xem xét cơ chế đóng băng backoff và điều kiện không bão hòa trong

mô hình chuỗi Markov 2-D và phân tích thông lượng của DCF theo tỷ lệ lỗi bit khác nhau (BER) [29]. Ngoài ra,

Bành, J. và cộng sự. cũng đã điều tra tác động của lỗi truyền kênh với xác suất không đổi đối với một gói

trong [30]. Hơn nữa, Alshanyour, A. et al. đã đánh giá IEEE 802.11 DCF dựa trên mô hình chuỗi Markov ba chiều

(3-D) trong điều kiện bão hòa và chỉ xem xét BER không đổi [31]. Trong khi đó trong [32], một mô hình Markov 3-

D phân cấp đã được đề xuất để phân tích các mạng dựa trên IEEE 802.11 DCF chưa bão hòa trong các điều kiện

kênh dễ bị lỗi (thực hiện bằng cách thay đổi xác suất lỗi khối không đổi ). Trong [33], Wang, N. và cộng sự.
đã đánh giá IEEE 802.11p EDCA dựa trên mô hình chuỗi Markov 3-D trong cả điều kiện bão hòa và chưa bão hòa,

trong khi tác động của việc điều chế và làm mờ kênh được mô hình hóa bằng BER không đổi để đơn giản hóa. Ngoài

ra, Harkat, Y. và cộng sự. đã phân tích thông lượng bão hòa và độ trễ truy cập trung bình với BER không đổi

[34]. Trong [35], mô hình chuỗi Markov 3-D cũng được sử dụng để phân tích thông lượng và độ trễ truy cập trung

bình cho EDCA theo các giá trị khác nhau của BER.

Thật không may, các mô hình phân tích nêu trên đều bỏ qua ảnh hưởng từ hiệu ứng
bắt giữ. Vì hiệu ứng bắt giữ tồn tại trong các hệ thống truyền thông không dây nên
cần phải xem xét nó để làm cho kết quả phân tích chính xác hơn [36,44,45,50]. Do đó,
Shah, AFMS và cộng sự. đã phân tích thông lượng bão hòa của DCF bằng cách xem xét
hiệu ứng bắt giữ trong môi trường pha đinh Rayleigh dựa trên mô hình của Bianchi [36].
Trong [37], Lei, L. và cộng sự. đã phân tích thông lượng bão hòa của DCF có xem xét
hiệu ứng bắt giữ theo mô hình lan truyền trong không gian tự do dựa trên mô hình
chuỗi Markov 3-D. Tuy nhiên, cả cơ chế đóng băng backoff và thủ tục backoff đều bị bỏ
qua. Trong khi đó ở [38,39], Daneshgaran, F. et al. đã phân tích thông lượng bão hòa
và thông lượng không bão hòa có xem xét hiệu ứng bắt giữ trong kênh Fading Rayleigh,
Machine Translated by Google

Cảm biến 2023, 23, 9589 5 trên 21

tương ứng. Tuy nhiên, họ đã bỏ qua thủ tục hậu lùi và thử lại giới hạn trong mô hình 2-D của mình.
Các mô hình Markov Trong [40], Han, H. et al. cũng cung cấp thông lượng bão hòa của DCF với
xem xét hiệu ứng bắt trong kênh Fading Rayleigh và giới hạn thử lại. Lại,
trong [41], Sutton GJ và cộng sự. đã mô hình hóa DCF với hiệu ứng bắt giữ dưới sự làm mờ Rayleigh
kênh dựa trên mô hình Markov 3-D, nhưng cơ chế đóng băng backoff đã bị bỏ qua.
Hơn nữa, Leonardo, EJ và cộng sự. phân tích thông lượng của DCF có xem xét
về hiệu ứng bắt giữ dưới các kênh Fading Hoyt, Rice và Nakagami-m trong [42], trong khi
bỏ qua cơ chế đóng băng dự phòng và giới hạn thử lại. Ngoài ra, dạng đóng
các biểu thức về hiệu ứng bắt giữ và thông lượng bị bỏ qua. Mặc dù hiệu ứng chụp dưới
kênh fade Nakagami-m được đưa vào công việc trước đây của chúng tôi [43], độ bão hòa
điều kiện giả định là để thuận tiện nên mô hình này chưa sát với thực tế cho lắm.
Do đó, một mô hình phân tích mới xem xét tất cả các yếu tố quan trọng (tức là, thời gian chờ
cơ chế đóng băng, cơ chế truy cập ngay lập tức, giới hạn thử lại hữu hạn, thủ tục hậu
backoff , xác suất đến gói khác nhau ở các trạng thái kênh khác nhau đối với kênh trống
đệm, mô hình xếp hàng của hàng đợi bộ đệm và hiệu ứng chụp trong kênh mờ dần Nakagami-
m) được đề xuất để phân tích hiệu suất của IEEE 802.11p/bd DCF trong thực tế.
kịch bản giao tiếp xe cộ. Sau đó, chúng tôi cẩn thận rút ra các biểu thức dạng đóng
truyền thành công, truyền xung đột, thông lượng chưa bão hòa và trung bình
độ trễ gói tương ứng. Trên thực tế, mô hình phân tích đề xuất có thể dễ dàng mở rộng
phân tích hiệu suất của EDCA. Các phương pháp mở rộng tương tự có thể được tham khảo
trong [15,25,26].

3. Mô hình phân tích đề xuất

Trong phần này, một mô hình phân tích mới được đề xuất để đánh giá hiệu suất
của giao thức DCF IEEE 802.11p/bd. Khác với công việc hiện tại, chúng tôi phát triển một
mô hình Markov 2-D mới để rút ra các biểu thức dạng đóng của chất chưa bão hòa chuẩn hóa
thông lượng và độ trễ gói trung bình, đây là hai đánh giá thường được sử dụng chính
các chỉ số. Để thuận tiện, các ký hiệu và biến quan trọng được sử dụng trong phân tích
quy trình được tóm tắt trong Bảng 2.

Bảng 2. Các khái niệm được sử dụng trong mô hình phân tích đề xuất.

Khái niệm Sự định nghĩa

wj Cửa sổ tranh chấp của giai đoạn backoff j

CWmin Khoảng thời gian tranh chấp tối thiểu

CWmax Khoảng thời gian tranh chấp tối đa

M Giai đoạn lùi tối đa

f Thời gian truyền lại ở giai đoạn backoff tối đa
σ Thời lượng của một khoảng thời gian chờ

λpkt Tốc độ gói tin đến của lớp trên

λe ff Tỷ lệ gói tin đến hiệu quả
Xác suất hàng đợi bộ đệm không trống
q ab Xác suất gói tin đến khi kênh bận
ai Xác suất gói tin đến khi kênh không hoạt động
pi Xác suất kênh không hoạt động trong một khe thời gian chờ
τtra Xác suất truyền trong điều kiện chưa bão hòa
sat
τtra Xác suất truyền trong điều kiện bão hòa
ptra Xác suất để có ít nhất một phương tiện truyền
ps Xác suất truyền thành công trong điều kiện chưa bão hòa
pc Xác suất truyền va chạm trong điều kiện không bão hòa
sat
Pc Xác suất truyền va chạm trong điều kiện bão hòa
p s Xác suất truyền thành công khi có ít nhất một xe truyền
zth Ngưỡng chụp
tôi
Thông số Fading Nakagami
pcap Xác suất của hiệu ứng bắt giữ
σave Thời lượng của khe ảo trong điều kiện chưa bão hòa

Tb Thời lượng kênh bận

Machine Translated by Google

Cảm biến 2023, 23, 9589 6 trên 21

Bảng 2. Tiếp theo

Khái niệm Sự định nghĩa

Ts Thời gian trung bình để truyền thành công

Tc Thời gian trung bình để truyền va chạm

µe ff Tốc độ dịch vụ hiệu quả của các gói

µsuc Tốc độ dịch vụ của các gói được truyền thành công
µdis Tỷ lệ tràn gói
ρ Cường độ dịch vụ
pk Xác suất trạng thái ổn định khi độ dài hàng đợi là k
xếp hạng Chiều dài tải trọng
xếp hạng

TS Thời gian cần thiết để truyền tải thành công

Rt Tốc độ dữ liệu

Rb Tốc độ truyền cơ bản

po f Xác suất tràn của hàng đợi bộ đệm

Dque Độ trễ hàng đợi
DMAC Độ trễ của lớp MAC
Lave Số lượng gói trung bình trong hàng đợi bộ đệm
Dave Độ trễ gói trung bình
N Số lượng xe

3.1. Mô tả ngắn gọn về DCF

Theo giao thức DCF, các phương tiện trong mạng tranh giành mạng không dây
kênh do nhà cung cấp dịch vụ cảm nhận đa truy nhập có cơ chế tránh xung đột (CSMA/
CA) , cơ chế này dựa trên cơ chế rút lui hàm mũ nhị phân có khe (BEB). Trên thực tế, mỗi
phương tiện có gói được truyền cần phải cảm nhận kênh trước khi truyền. Nếu như
kênh không hoạt động trong một khoảng thời gian vượt quá không gian liên khung phân tán (DIFS),
xe truyền gói tin. Đây được gọi là cơ chế truy cập ngay lập tức. Nếu không thì,
thủ tục lùi lại được gọi để trì hoãn việc truyền nhằm tránh va chạm. Theo
đối với sơ đồ BEB, thời gian chờ ngẫu nhiên được chọn thống nhất trong khoảng [0, CW 1],
trong đó CW là cửa sổ tranh chấp có CWmin = W0 tối thiểu . Bộ đếm lùi
được giảm đi một ở cuối mỗi khe nhàn rỗi và xe sẽ truyền ngay lập tức
khi bộ đếm lùi về 0. Tuy nhiên, nếu kênh bận, bộ đếm thời gian chờ sẽ
sẽ bị đóng băng. Khi kênh lại ở chế độ chờ trong nhiều hơn một DIFS, bộ đếm thời gian chờ
sẽ được nối lại. Việc truyền gói dữ liệu (DATA) từ xe nguồn thành công nếu xe đích
có thể nhận được xác nhận (ACK) từ xe đích.
xe nguồn sau một khoảng thời gian không gian liên khung ngắn (SIFS). Ngược lại, việc truyền tải này
đã thất bại và việc truyền lại được lên lịch bằng cách bắt đầu một khoảng thời gian chờ khác với CW
tăng gấp đôi. Nếu đạt đến cửa sổ tranh chấp tối đa (CWmax = WM = 2 MW0) và
thì CW có thể được đặt thành WM nhiều nhất là f lần trước khi loại bỏ gói này. Vì thế
giá trị của CW được đặt lại thành CWmin sau khi truyền thành công hoặc bị loại bỏ do
đạt đến giới hạn thử lại (M + f). Thủ tục lùi lại sẽ được thực hiện ngay sau khi
vào cuối mỗi lần truyền, ngay cả khi hiện tại không có đường truyền bổ sung nào được xếp hàng đợi.
Đây được gọi là cơ chế hậu lùi.
Chế độ truy cập cơ bản và chế độ truy cập yêu cầu gửi/xóa để gửi (RTS/CTS)
là hai kỹ thuật truy cập được hỗ trợ bởi giao thức DCF. Trên thực tế, chế độ truy cập cơ bản
là cơ chế bắt tay hai chiều sử dụng các gói DATA/ACK, trong khi RTS/CTS
chế độ truy cập là cơ chế bắt tay bốn chiều sử dụng các gói RTS/CTS để dự trữ
tài nguyên kênh trước khi truyền. Trong thực tế, cái sau tuân theo các quy tắc rút lui tương tự
như trước đây và giảm nguy cơ xung đột gói lớn bởi các gói RTS/CTS ngắn.
Vì khoảng thời gian truyền liên tục được bao gồm trong điều khiển nêu trên
gói, mỗi phương tiện cập nhật vectơ phân bổ mạng (NAV) của mình bằng RTS hoặc CTS và
sau đó trì hoãn việc truyền trong một khoảng thời gian xác định để tránh xung đột.
 Tốc độ truyền cơ bản
Machine Translated by Google
Xác suất tràn của hàng đợi bộ đệm
Độ trễ hàng đợi

Độ trễ của lớp MAC

Cảm biến 2023, 23, 9589 Số lượng gói trung bình trong hàng đợi bộ đệm 7 trên 21

Độ trễ gói trung bình

Số lượng xe

3.2. Mô hình chuỗi Markov 2-D mới lạ

3.2. Mô hình chuỗi Markov 2-D mới Trong Hình

Trong2,Hình
một mô hình chuỗi Markov 2-D mới được đề xuất để mô hình hóa hành vi
2, một mô hình chuỗi Markov 2-D mới được đề xuất để mô hình hóa hoạt động của
của giao
giao thức
thứcDCF trong
DCF IoV.IoV.
trong Trong mô hình
Trong mô chuỗi
hình Markov
chuỗi này, điềunày,
Markov kiện điều
chưa kiện
bão hòa là bão
chưa
hòatứcđược
sided, xem
là bộ đệmxét, tức phương
của mỗi là bộ tiện
đệm sẽ
củatrống
mỗi với
phương tiện(1sẽ trống
xác suất ), trongvớiđóxác
biểusuất (1
thị xác q), trong đó q
biểu suất tồn suất
thị xác tại các
tồn gói trong
tại các bộtrong
gói đệm sau khi sau
bộ đệm truyền
khi thành
truyềncông
thành công hoặc loại bỏ gói do đạt
hoặc đến
làm giới
rơi gói
hạn do
thửđạt đếnCác
lại. giới hạn thái
trạng thử lại. Cáctại
của xe trạng
thờithái
điểmcủa phương tiện tại thời điểm đó
t là

1,. .được
., được
biểu biểu
diễn diễn
dưới dưới
dạng dạng
{s(t),
( ),
b(t)},
( ), trong
trong đó
đó s(t)
( ) với
có các
các giá
giá trị
trị từ
từ {0,
{0, 1,…,định
+ } nghĩa
được là M + f} được định nghĩa l
giai trị
đoạngiai
backoff
đoạn ngẫu nhiên
backoff và nhiên
ngẫu ( ) với
và các
b(t)giá
vớitrị
cáctừgiá
{0,trị
1,…,
từ {0,1})
1,.được
. .,định
Wi nghĩa là giá
1}) được định nghĩa là giá trị
của bộ đếm backoff tại thời điểm .. Hơn nữa, các trạng thái ( ), ( ) đề cập đến các trạng
thái của bộ đếm backoff tại thời điểm t. Hơn nữa, các trạng thái {s(t)e , b(t)} đề cập đến các trạng thái có
bộ đệm trống, có nghĩa là hàng đợi bộ đệm của một xe trống sau khi bộ đệm trống thành công, có
nghĩa là hàng đợi bộ đệm của một xe trống sau khi bộ đệm trống thành công
đường truyền hoặc sự cố. Các biến ngẫu nhiên này phụ thuộc vào việc truyền tải tối đa hay lỗi.
Các biến ngẫu nhiên này phụ thuộc vì giá trị tối đa
Giá trị của bộ đếm backoff phụ thuộc vào giai đoạn backoff
Giá trị của bộ đếm backoff phụ thuộc vào giai đoạn backoff

2,0tôi
Tôi

là tôi
₫
W 0
2 iW0, 0 i M (1)
<< +
=

= W M MiM
, f
Tôi

Wi (1)
WM, M < i ≤ M + f

1 q
1/W0 1/W0 1/W0
...

piai pi(1 ai) pi(1 ai) ... pi(1 ai)

0e,0 0e,1 0e,W0 1
piai
piai
1 piai (1 pi)ab
(1 pi)(1 ab) (1 pi)(1 ab)
q
(1 pi)ab

(1 pi)ab (1 pi)ab

1/W0 1/W0 1/W0

piai
số Pi
pi số Pi

0,0 0,1
...
0,W0 1
1 pc
máy tính

1 pi 1 pi
1/W0 1/W0 ... 1/W0
số Pi số Pi số Pi

1,0 1,1
...
1,W1 1
1 pc
máy tính

1 pi 1 pi
...

máy tính

1/W0 1/W0 ... 1/W0

số Pi số Pi số Pi

M,0 M,1
...
M,WM 1
1 pc
máy tính

1 pi 1 pi
...

máy tính

1/W0 1/W0 ... 1/W0

số Pi số Pi số Pi
...
1 M+f,0 M+f,1 M+f,WM 1

1 pi 1 pi

Hình Hình
2. Mô2.
hình
Mô chuỗi Markov Markov
hình chuỗi 2-D được2-D
đề được
xuất. đề xuất.

Gọi (Đặt
, )b(j,
là phân
k) làbốphân
cố định
bố cốcủa mô của
định hìnhmôchuỗi
hình Markov 2-D trong
chuỗi Markov Hình 2.
2-D trong Hình 2.
Sau đó,
dướixác suất
dạng Sauchuyển đổisuất
đó, xác trạng thái đổi
chuyển một trạng
bước có thểmột
thái được biểu
bước có thị
thể được biểu thị bằng

P{(0e , k 1)|(0e , k) } = pi(1 ai), 1 ≤ k ≤ W0 1

P{(0, k 1)|(0e , k) } = piai , 1 ≤ k ≤ W0 1

P{(0, k)|(0e , k) } = (1 pi)ab , 1 ≤ k ≤ W0 1

P{(0e , k)|(0e , k) } = (1 pi)(1 ab ), 1 ≤ k ≤ W0 1

P{(0, k)|(0e , 0) } = (1 pi)ab/W0, 1 ≤ k ≤ W0 1

P{(0e , 0)|(0e , 0) } = 1 piai (1 pi)ab

P{(0, 0)|(0e , 0) } = piai + (1 pi)ab/W0

(2)
P{(j, k 1)|(j, k) } = pi , 0 j M + f , 1 k Wj 1

P{(j, k)|(j, k) } = 1 pi , 0 j M + f , 1 k W0 1

P{(0, k)|(j, 0) } = (1 pc)q/W0, 0 j < M + f , 0 k W0 1

P{(0e , k)|(j, 0) } = (1 pc)(1 q)/W0, 0 ≤ j < M + f , 0 ≤ k ≤ W0 1

P{(j + 1, k)|(j, 0) } = pc/Wmin(j+1,M) , 0 ≤ j < M + f , 0 ≤ k ≤ W0 1

P{(0, k)|(M + f , 0) } = q/W0, 0 ≤ k ≤ W0 1

P{(0e , k)|(M + f , 0) } = (1 q)/W0, 0 ≤ k ≤ W0 1

Machine Translated by Google

Cảm biến 2023, 23, 9589 8 trên 21

Do đó, dựa trên Hình 2 và Phương trình (2), chúng ta có thể thu được thêm các kết quả sau
xác suất ở trạng thái ổn định, tức là,

j b(j, 0) = (pc) b(0, 0), 1 ≤ j ≤ M + f (3)

(Wj k)(pc)
b(j, k) = jb (0, 0) (4)
Wj pi

M+f 1
(5)
b(0, 0) = (1 pc) b(j, 0) + b(M + f , 0)
j=0

W0 1 k
1 pi piai
q b(0e , 0) = b(0, 0) 1 + (6)
W0(ab + piai piab ) k=1 ab + pi piab

Quá trình dẫn xuất chi tiết của các biểu thức trên được bỏ qua để tiết kiệm không gian và khuyến khích độc

giả quan tâm tham khảo [15,17]. Bằng cách sử dụng các biểu thức trên, chúng ta có thể dễ dàng có được

M+f Wj 1 M+f+1 M+1 f M+f+1

pc (pc) 1 2W0 cái(1 (2 cái) M) W02M(máy tính) (1 (pc) ) + (pc) pc 1 pc
b(j, k) = b(0, 0) + + (7)
1 pc 2pi
j=1 k=0 1 2 cái

W0 1 W0 1
W0 1
(W0 1)(1 pi)ab
b(0e , k) + b(0, k) = 1 + 2pi b(0, 0) + 1 + b(0e , 0) (8) 2pi
k=0 k=0

Khi đó, theo điều kiện chuẩn hóa cho phân bố cố định, ta có

W0 1 M+f Wj 1

b(0e , k) + b(j, k) = 1 (9)

k=0 j=0 k=0

Sau khi thay thế Phương trình (6)–(8) vào Phương trình (9), chúng ta có thể thu được

W0 1 k
W0 1 1 q pc(pc
= 1 + )·M+f+1
1 + + + 2pi 1 pc (W0 1)(1 pi )ab pi piai
1 +
1b (0,0) W0(ab+piai piab ) 2pi ab+pi piab
k=1
(10)
1 2W0 cái (1 (2 cái ) M) W02M(pc )
M+1 (1(pc ) f )+(pc ) M+f+1 pc
+ +
2pi 1 2pc 1 pc

Do đó, xác suất mà một phương tiện liên quan truyền trong một khe được chọn ngẫu nhiên
có thể được biểu thị bằng

M+f M+f+1
1 (pc) b(j, 0) = 1
τtra = pc b(0, 0) (11)
j=0

Sau đó, thay (10) vào (11), chúng ta có được

1(pc ) M+f+1 W0 1 pc(pc ) M+f+1 (W0 1)(1 pi )ab

τtra = 1 + + 2pi 1 pc 1 qW0(ab+piai
+ 1 +
1 pc piab ) 2pi

1 (12)
W0 1 k M+1 (1(pc ) f )+(pc ) M+f+1 pc
pi piai 2W0 máy tính (1 (2pc ) W02M(máy tính )
· 1 + k=1 1
+
ab+pi piab + 2pi M) 1 2pc 1 pc
Machine Translated by Google

Cảm biến 2023, 23, 9589 9 trên 21

trong đó ai và ab lần lượt là xác suất của gói đến trong một khe nhàn rỗi và một khe bận . Nếu gói đến tuân

theo phân phối Possion thì hai giá trị này được tính như sau

∞ k 0
(λσ) λσ (λσ) λσ λσ = 1 ee
= 1 e
k! 0!
ai = k=1
∞ 0 (13)
k λTb = 1 (λTb ) λTb λTb = 1 ee
ab e 0!
(λTb ) k!
= k=1

trong đó σ là khoảng thời gian của một khe nhàn rỗi và Tb là khoảng thời gian của một khe bận. Ở
đây, thời lượng của một vị trí thành công và một vị trí bị va chạm được coi là giống nhau để đơn giản.
Ngoài ra, xác suất kênh không hoạt động đối với phương tiện liên quan được tính bằng

n-1
pi = (1 τtra) (14)

trong đó n là số lượng phương tiện và τtra là xác suất truyền tải được tính theo Công thức (12). Do
việc xem xét hiệu ứng bắt giữ, xác suất truyền xung đột trong một khe nhất định có thể được tính
bằng

n-1
pcap(k + 1, z0) k k n k 1
máy tính
1 C n-1 (τtra) (1 τtra) (15)
k + 1
= k=1

k ở đâu C
n-1 = (n 1)!/[k!(n k 1)!] và pcap(·, ·) là xác suất xảy ra hiệu ứng bắt giữ. Theo
[45,51], hiệu ứng bắt giữ xảy ra ở phương tiện mục tiêu nếu công suất tín hiệu nhận được từ một số
phương tiện lớn hơn tổng công suất tín hiệu của những phương tiện khác. Đối với hệ thống giới hạn suy
N
luận, điều kiện bắt là γt/ k=1,k=t γk > z0, trong đó γt , γk và z0 là công suất tín hiệu từ một phương
tiện, công suất tín hiệu nhiễu từ các phương tiện khác và ngưỡng chụp tương ứng. Theo giả thuyết điều
khiển công suất hoàn hảo, xác suất bắt được điều kiện trên n 1 nhiễu (n ≥ 2) có thể được tính bằng
[51]

∞ N
pcap(n, z0) = n 0 fγt (γt) · Pr γt/ k=1,k=t γk > z0 dγt
∞
(16)
γt/z0
= n fγn 1 (γn 1)dγn 1 dγt
0 fγt (γt) 0

trong đó fγt (γt) là công suất nhận tức thời và fγn 1 (γn 1) là tích chập (n 1) của fγt (γt). Việc Fading

Nakagami-m phù hợp hơn với kịch bản IoV dẫn đến việc áp dụng rộng rãi nó trong nghiên cứu VANET [52]. Vì vậy, kênh

Fading Nakagami-m được xem xét ở đây. Khi đó, fγt (γt) và fγn 1 (γn 1) của (16) có thể được cho bởi

m 1 mγt
mmγt
fγt (γt) = e γ
, γ ≥ 0 (17)
γ mΓ(m)

mm(n 1) mγn 1
m(n 1) 1
fγn 1 (γn 1) γ n 1 e γ
(18)
= γ m(n 1)Γ(mn m)

α
trong đó m [1/2, ∞) là tham số hình dạng. γ= Ptx · C · r là công suất thu trung bình được xác
Tôi

định bởi công suất truyền (Ptx), số mũ suy hao đường truyền ( α) và hằng số liên quan đến độ lợi
ăng-ten (C). Ngoài ra, đối với tất cả các phương tiện trong mạng, tần số sóng mang và tốc độ ánh
sáng đều giống nhau. Theo nghiên cứu trước đây của chúng tôi trong [52], xác suất bắt được (tức
là Phương trình (16)) có thể được biểu diễn thêm dưới dạng

∞ k
N ( 1) Γ(mn + k)
pcap(n, z0) (19)
= Γ(m)Γ(mn m) k!(mn m + k)z0 mn m+k
k=0

Theo phương pháp số trong [17], ta có thể thu được τtra và pc bằng cách tìm ra bộ phương
trình (hệ phi tuyến tính) gồm các phương trình (12) và (15) sau
 p nz , =
0 mn mk +
Machine Translated by Google mũ lưỡi trai

m mkz) k = 0
( (Γmn)Γ mk mn !( + ) 0

Theo phương pháp số trong [17], ta thu được và rút ra được bộ phương trình (hệ phi tuyến tính)

Cảm biến 2023, 23, 9589

gồm các phương trình (12) và ( đưa (13) vào (12) và (19) vào (15) , tương ứng. Mặc dù thông số 21bắt giữ
10 trên

và tham số hình dạng ( ) của bộ phương trình này được đưa ra trước, nhưng xác suất có ít nhất một gói

trong bộ đệm xe ( ) vẫn chưa xác định, đó là mối liên hệ gửi (13) vào (12 ) và (19) thành (15), mặc dù

ngưỡng bắt (z0)

và thamđộsốdịch
Cường hìnhvụ
dạng (m)xác
được củađịnh
bộ phương trình
bởi tốc này của
độ đến đượccác
chogói
trước, xác suất
và dịch vụ cóđểít nhất một gói
trong bộ đệm phương tiện (q) vẫn chưa xác định, điều này có liên quan đến
chúng tôi coi mỗi phương tiện là một hàng đợi M/M/1/K với chính sách vào trước xuất trước (FIFO) ( cường
độ dịch vụ ρ được xác định bởi tốc độ đến của các gói và tốc độ dịch vụ. Ở đây, chúng tôi
trong Hình 3), trong đó gói tin đến của mỗi bộ đệm từ lớp trên được xử lý mỗi phương tiện như một hàng
đợi M/M/1/K với chính sách vào trước ra trước (FIFO) (như được hiển thị trong
xử lý đó
trong vớigói
tốcđến
độ của
(tính
mỗibằng gói từ
bộ đệm trên
lớpgiây,
trên pkts/s) và khoảng
là một quy thời gian dịch vụ. Hình 3),
trình Possion
với
mỗi tốc
gói độ
được
λ (tính
phân phối
bằng theo
gói trên
cấp số
giây,
nhânpkts/s)
với giávàtrị
khoảng
trungthời
bìnhgian . Ngoài
1 ⁄phục vụ cho mỗira, còn
gói
được phân phối theo cấp số nhân với giá trị trung bình 1/µe ff . Ngoài ra, đối với mỗi hàng đợi bộ đệm,
hàng đợi bộ đệm, độ dài tối đa là K (bao gồm cả gói đang phục vụ). độ dài tối đa là K (bao
gồm cả gói đang phục vụ).

λ hiệu ứng
λ hiệu ứng
λ hiệu ứng
λ
hiệu ứng

0 1 2 K 2 K 1 K

μ hiệu ứng
μ hiệu ứng μ hiệu ứng μ hiệu ứng

Hình 3. Sơ đồ chuyển trạng thái của hàng đợi M/M/1/K.

Hình 3. Sơ đồ chuyển trạng thái của hàng đợi M/M/1/K .

Theo [53], xác suất hàng đợi bộ đệm của bất kỳ phương tiện nào không trống là
Theo [53], xác suất mà hàng đợi bộ đệm của bất kỳ phương tiện nào không được đưa ra bởi
λpkt
được cho bởi 1
ừ ừ
q = 1 K+1 (20)
1 λpkt λ
ừ ừ 1 gói hàng

μ
= 1
= 1 và tốc độ dịch vụ gói hiệuq quả được cho bởi
λpkt hiệu ứng

trong đó ρ = K + 1
ừ ừ
λ
gói hàng

1
(21)
ff = µsuc + µdis µe
μ hiệu ứng

trong đó µsuc (tức là tốc độ dịch vụ tối đa của việc truyền gói tin thành công cho một thiết bị liên quan

bởi
trong đó = 1 và tốc độ dịch vụ gói hiệu quả được đưa ra bởi phương tiện) được tính

n-1
1
j+1 pcap(j + 1, zth)C
j
=tra+) (1
μμμ(τ
ứng hiệu
n 1
đã ngồi j
thành công
τ
đã ngồi

đĩa tra
)n-j-1
j=0
µsuc = (22)
σ đại lộ
đã ngồi

trong đó
(tức là tốc độ dịch vụ tối đa của phương tiện truyền gói thành công) được cho bởi trong đó τ

đã ngồi

tra
và σ đã ngồi

đại lộ là thời gian khe trung bình và xác suất truyền ở mức bão hòa,
tương ứng. Hơn nữa, pcap(·, ·) là xác suất bắt được biểu thị bằng (19) với pcap (1, ·) = 1 (tức là chỉ có một xe truyền dẫn đến việc

truyền thành công).

Ngoài ra, tốc độ các gói bị loại bỏ do đạt đến giới hạn thử lại
có thể được tính bằng
đã ngồi M+f+1
(P c )
µdis = (23)
σ đại lộ
đã ngồi

Vì τ đã ngồi

cạm bẫyc ,
đã ngồi
và σ đã ngồi

đại lộ là các giá trị xác suất truyền, xác suất va chạm
và độ dài trung bình của một khe ảo ở trạng thái bão hòa, chúng ta có thể thay thế ρ = ai = ab = 1
vào (12) và giải bằng số một hệ phi tuyến tính cho các giá trị của chúng. Các bước chi tiết

để tìm hai giá trị này có thể được tìm thấy trong công việc trước đây của chúng tôi trong [43]. Vì thế, sau

thay (21), (22) và (23) vào (20), giá trị của q có thể thu được bằng giá trị cho trước của
λ. Cuối cùng, tập phương trình gồm (12) và (15) chưa biết tham số τtra và
pc có thể được giải bằng số bằng một giải pháp duy nhất.

3.3. Tính toán thông lượng chuẩn hóa

Đặt η là thông lượng chuẩn hóa. Vì nó là tỷ lệ của thời gian thành công
truyền tải trọng gói (TLp ) đến độ dài trung bình của một khe ảo (σave), nó có thể
được tính như
Machine Translated by Google

Cảm biến 2023, 23, 9589 11 trên 21

psuc ptraTLp
η = (24)
σave
xếp hạng

trong đó TLp = Rt , Lp là tải trọng của gói được truyền (thường được giả định giống nhau cho tất cả các gói để đơn
giản) và Rt là tốc độ truyền dữ liệu. ptra là xác suất mà một hoặc nhiều phương tiện truyền trong một khe nhất

định, psuc biểu thị xác suất một phương tiện truyền thành công trong một khe nhất định với điều kiện một hoặc nhiều

phương tiện truyền. Sau đó, độ dài trung bình của một khe ảo có thể được tính như sau

σave = (1 ptra)σ + psuc ptraTs + ptra(1 psuc)Tc (25)

trong đó σ, Ts , Tc lần lượt biểu thị khoảng thời gian trung bình của một khe nhàn rỗi, truyền thành công và truyền

xung đột. Giả sử có n phương tiện cạnh tranh để truyền tải trong mạng; thì ptra có thể được tính bằng

N
(26)
ptra = 1 (1 τtra)

Khi đó, theo (26), psuc có thể được tính bằng

N
k n-k
(1 τtra) pcap(i, z)
[n!/(k!(n
k=1 k)!)](τtra)
p s
psuc = = N (27)
ptra 1 (1 τtra)

Đối với chế độ cơ bản, thời lượng trung bình của quá trình truyền thành công và truyền thất bại

đường truyền tương ứng được tính là

T cơ bản

S = TH + TLp + TSIFS + TACK + TD IFS + 2TPD

(28)
T cơ bản

c = TH + TLp + TD IFS + TPD

trong đó TH là thời lượng truyền của tiêu đề gói bao gồm tiêu đề PHY (PHYhdr) và tiêu đề MAC (MAChdr).

TLp , TSIFS, TD IFS, TACK và TPD lần lượt là khoảng thời gian truyền thành công tải trọng gói, SIFS,
DIFS, truyền ACK thành công và độ trễ lan truyền.

Đối với chế độ RTS/CTS, thời lượng trung bình của việc truyền thành công và truyền thất bại có
thể được tính như sau:

T srts
= TRTS + TCTS + TH + TLp + TACK + TD IFS + 3TSIFS + 4TPD
(29)
T rts
c = TRTS + TD IFS + TPD

trong đó TRTS và TCTS lần lượt là khoảng thời gian truyền thành công của RTS và CTS .
Ngoài ra, các tham số khác được xác định giống như các tham số trong Công thức (28).

3.4. Tính toán độ trễ gói trung bình

Độ trễ gói trung bình để truyền thành công một gói được định nghĩa là thời gian trung bình từ khi bắt đầu

gói đi vào hàng đợi bộ đệm MAC cho đến khi kết thúc khi nó được nhận thành công. Do hệ thống hàng đợi M/M/1/K được

xem xét, nếu một gói từ lớp trên không bị loại bỏ, nó sẽ vào hàng đợi bộ đệm MAC và chờ được truyền đi (hoặc bị

loại bỏ khi đạt đến giới hạn thử lại). Kết quả là, nó bao gồm hai phần, tức là độ trễ hàng đợi (Dque) và độ trễ MAC

(DMAC). Cái trước là khoảng thời gian kể từ thời điểm gói này đi vào hàng đợi MAC cho đến thời điểm nó trở thành

phần đầu của hàng đợi và phần sau là khoảng thời gian từ thời điểm nó trở thành phần đầu của hàng đợi cho đến thời

điểm nó được nhận thành công. Do đó, độ trễ gói trung bình có thể được tính như sau

Dave = Dque + DMAC (30)

Machine Translated by Google

Cảm biến 2023, 23, 9589 12 trên 21

Theo sơ đồ chuyển trạng thái cho hàng đợi M/M/1/K được hiển thị trong Hình 3, chúng ta có

pk+1 = ρpk , 0 ≤ k < K (31)

trong đó cường độ dịch vụ ρ có thể được tính bằng

λpkt λpkt (32)

ρ = =
µe ff µsuc + µdis

Sau đó, dựa trên phương trình (31), chúng ta có thể thu được

p0, 0 k K (33)
k pk = ρ

K
Sau đó, theo điều kiện chuẩn hóa, tức là j=0 pj = 1, xác suất
ity rằng hàng đợi của bất kỳ phương tiện nào trống được cho bởi

1 K+1
ρ , ρ = 1
1 ρ
(34)
p0 = 1
K+1 , ρ = 1

Do đó, kết hợp các phương trình (33) và (34), xác suất tràn của hàng đợi bộ đệm
MAC có thể được biểu thị bằng

ρ K(1K+1
ρ), ρ = 1
1 ρ
= (35)
po f 1
K+1 , ρ = 1

Trong thực tế, đối với hệ thống hàng đợi M/M/1/K, số lượng gói trung bình trong hàng đợi có thể được tính như
sau:

K
1
K ρ 1 (K + 1)ρ K K+1
ρ kpk = kpk = + Kρ , ρ = 1 (36)
Lave = 1
K+1
ρ k=1
k=0 (1 ρ)(1 ρ K+1)

trong đó ρ có thể được cho bởi (32) và K là độ dài hàng đợi tối đa đã cho. Nó có giá trị
K K
1 k = K
chỉ ra rằng Lave = công kpk = khi ρ = 1. Theo Little's
K+1 2
k=0 k=1
thức [49], thời gian chờ trung bình cho một gói trong hàng đợi bộ đệm (tức là độ trễ hàng
đợi) có thể được tính bằng
Lave
(37)
Dque =
λpkt(1 po f)
trong đó po f và Lave có thể thu được bằng phương trình (35) và (36).
Để tính toán độ trễ MAC, nó có thể được biểu thị bằng

M+f M+f j Wi
= Ts + jTc + σave 1 ·
j (máy tính) (1 máy tính)
(38)
DMAC = E[T (j) ] · P (j) 2 M+f+1
j=0 j=0 tôi=0 1 (pc)

trong đó ET (j) biểu thị độ trễ trung bình của việc truyền thành công một gói ở giai đoạn lùi j và P

(j) biểu thị xác suất gói được truyền thành công ở giai đoạn lùi j với tiền đề là không bị loại bỏ.
pc và σave có thể thu được tương ứng bằng các phương trình (15) và (25). Hơn nữa, Wi có thể thu được
theo Công thức (1) và Ts và Tc có thể được tính theo Công thức (28) hoặc (29).
Machine Translated by Google giai đoạn lùi lại với tiền đề là không bị loại bỏ. và theo phương Có thể

trình (15) và (25), tương ứng. Hơn nữa, có thể thu được bằng và có thể được
tính bằng Công thức (28) hoặc (29).
Cảm biến 2023, 23, 9589 Cuối cùng, sau khi thay Phương trình (37) và (38) thành Phương trình
13 trên 21
(30),
độ trễ gói có thể được biểu thị bằng

L bà +
Cuối cùng, sau khi thay thế Phươngđại lộtrình (37) và (38) thành Phương trình (30), gói1trung
(c ) bình
(1 j
W pp j
)
D = +++ T JT σ c
2
Tôi

độ trễ có thể được biểu thị như

đại lộ
λ (1 p của ) j= 0
S c đại lộ

Tôi
=0 1( ) Pc Mf + + 1

gói hàng

M+f j j
Lave Wi - 1
Ở đâu Dave ,
= , , ,+ , vàTscó thể +được
+ jTc σave tính bằng phương
(1 - chiếc)
(máy tính)
· trình (15), ( (39)
2 M+f+1
λpkt(1 po f)
j=0 tôi=0 1 (máy tính)
(29)), (35) và (36), tương ứng. trong đó pc,

σave, Ts , Tc, po f và Lave có thể được tính bằng các phương trình (15), (25), (28) (hoặc (29)),
4. Đánh
(35) giátương
và (36), mô hình
ứng. và đánh giá hiệu suất

4. Đánh Để
giá xác
mô hình và đánh
nhận tínhgiáhiệu
hiệu quả
suất của mô hình phân tích được đề xuất, mô phỏng được đưa ra.

Để đơn
hình
giản,
phânkịch
tíchbản
được
mô đề
phỏng
xuất,
là kết
tất quả
cả các
mô phỏng
phương tiện được xác nhận tính hiệu quả của mô
được tặng.
vi một bướcĐểnhảy
đơn của
giản, kịchgiao
nhau, bản tiếp
mô phỏng là tất
với một RSU,cảvícác
dụ:phương tiện
phạm vi nằmnhảy
bước trong phạm
giao tiếp V2I của
nhau, giao tiếp với RSU, ví dụ: kịch bản giao tiếp V2I
như trong Hình 4, như trong [54]. như trong Hình 4, như
trong [54].

RSU

Kịch bản giao tiếp V2I.

Hình 4. Hình 4. Kịch bản giao tiếp V2I.

Để kiểm chứng tính chính xác của mô hình đề xuất, nó được so sánh với mô hình của Zheng [15]

và mô hình của Malone [18] với một hàng đợi AC duy nhất để đảm bảo tính công bằng. Thật đáng để chỉ ra
rằng mô hình của Zheng vẫn được áp dụng trong tác phẩm mới nhất của họ trong [55]. Kể từ khi truyền
tốc độ trong phạm vi 3 và 27 Mbps được hỗ trợ bởi IEEE 802.11p [29,50], tốc độ 3 Mbps
tốc độ truyền được chọn trong mô phỏng. Giống như trong [43], ngưỡng chụp được đặt thành
z0 = 2, vì giá trị ngưỡng bắt nhỏ hơn có nghĩa là hiệu quả bắt giữ lớn hơn
có nhiều khả năng xuất hiện hơn. Hơn nữa, gói tin đến của mỗi bộ đệm, là một Possion
quy trình, được đặt thành λ = 10 gói/s, vì phân tích hiệu suất của DCF nằm trong phạm vi

Giả thuyết về điều kiện không bão hòa Các thông số chính được sử dụng được liệt kê trong Bảng 3.

Bảng 3. Các thông số mô phỏng.

Thông số Cài đặt

xếp hạng 1024 byte

MAChdr 224 bit
PHYhdr 192 bit
ACK 304 bit
RTS 352 bit
CTS 304 bit
Machine Translated by Google

Cảm biến 2023, 23, 9589 14 trên 21

Bảng 3. Tiếp theo

Thông số Cài đặt

TSIFS 32 µs
TD IFS 58 µs
σ 13 µs
TPD 2 µs
Rt 3 Mb/giây
tôi 1,5

zth 2

W0 32

WM 1024
M 5
2

f λpkt 10 gói/giây
Thời gian mô phỏng 200 giây

4.1. Xác suất truyền tải và xác suất va chạm

Theo phương trình (12) và (15), xác suất truyền động của xe
(τtra) liên quan đến cửa sổ tranh chấp tối thiểu (W0), giai đoạn lùi tối đa (M),
thời gian truyền lại ở giai đoạn lùi tối đa (f), số lượng phương tiện (n) và
xác suất truyền xung đột trong điều kiện không bão hòa (pc). Như thể hiện trong
Hình 5 và 6, với sự gia tăng số lượng phương tiện, xác suất lây truyền
đầu tiên tăng lên, sau đó giảm dần, trong khi xác suất truyền va chạm
ngày càng trở nên lớn hơn. Rõ ràng, điều này được xác định bởi đặc điểm của
Giao thức DCF.
Trong điều kiện chưa bão hòa, khi số lượng phương tiện ít thì khả năng xảy ra
của một bộ truyền va chạm cũng nhỏ. Khi đó xác suất truyền thành công
đối với các gói trong hàng đợi bộ đệm của phương tiện cao, điều đó cũng có nghĩa là có ít
các gói đang chờ được gửi trong hàng đợi bộ đệm hoặc thậm chí không có gói nào đang chờ được gửi
đôi khi dẫn đến xác suất truyền nhỏ hơn. Với sự gia tăng về số lượng
của các phương tiện trong mạng thì khả năng truyền va chạm tăng lên. Kết quả là,
các phương tiện cần nhiều thời gian hơn để truyền gói thành công và số lượng gói
chờ để được truyền trong hàng đợi bộ đệm tăng lên, dẫn đến tăng
xác suất các phương tiện truyền tải. Tuy nhiên, khi số lượng phương tiện tăng
đến một giá trị nhất định thì xác suất truyền bắt đầu giảm. Lý do là một
khả năng truyền va chạm cao dẫn đến tăng khả năng bị trễ
việc truyền tải các phương tiện, điều này dẫn đến việc các phương tiện có nhiều thời gian hơn để truyền gói tin,

nghĩa là xác suất truyền bắt đầu trở nên nhỏ hơn. Như được thấy trong Hình 5,
so với kết quả lý thuyết về xác suất lây truyền được tính toán bởi Zheng
mô hình và mô hình Malone, các giá trị lý thuyết tính toán theo mô hình đề xuất
gần hơn với kết quả mô phỏng. Lý do là mô hình của Malone không

xem xét cơ chế đóng băng backoff, dẫn đến giảm thời gian chờ đợi
trước khi truyền gói tin và sau đó tăng xác suất xung đột. Bên cạnh đó,
Mô hình của Zheng bỏ qua ảnh hưởng của hiệu ứng bắt giữ, nghĩa là hiệu ứng bắt giữ tăng lên
tỷ lệ truyền thành công và giảm thời gian chờ đợi trước khi truyền gói tin,
và sau đó làm tăng xác suất truyền tải. Vì vậy, xác suất truyền
thu được từ mô hình đề xuất, có xem xét cơ chế đóng băng dự phòng
và hiệu ứng bắt giữ gần với xác suất truyền thực tế hơn nhiều.
Tương tự, như trong Hình 6, do mô hình đề xuất chịu ảnh hưởng của
tính đến hiệu ứng nắm bắt, một phương tiện có thể truyền tín hiệu thành công giữa các phương tiện bị va chạm

xe cộ. Điều đó có nghĩa là khả năng xảy ra va chạm truyền tải sẽ giảm đi. Kết quả là,
xác suất lý thuyết của việc truyền va chạm thu được từ mô hình đề xuất
gần với kết quả mô phỏng hơn so với hai mô hình còn lại. Vì vậy, khi
phân tích hiệu suất của DCF (hoặc EDCA), chúng ta nên xem xét đầy đủ các đặc điểm
 Machine Translated by Google

Cảm biến 2023, 23, 9589 15 trên 21

Cảm biến 2023, 23, x ĐỂ ĐÁNH GIÁ CỦA NGƯỜI ngang hàng 15

của chính giao thức và xem xét ảnh hưởng của hiệu ứng chụp lên giao thức
hiệu suất trong môi trường IoV thực.

Cảm biến 2023, 23, x ĐỂ ĐÁNH GIÁ CỦA NGƯỜI ngang hàng 16 giờ

Hình 5. Xác suất truyền tải.

Hình 5. Xác suất truyền tải.

Trong điều kiện chưa bão hòa, khi số lượng xe ít thì khả năng xảy ra va chạm hộp số cũng nhỏ.

Khi đó, xác suất truyền thành công các gói trong hàng đợi bộ đệm của xe là cao, điều này cũng có nghĩa

là có f gói đang chờ gửi trong hàng đợi bộ đệm, hoặc thậm chí không có gói nào đang chờ gửi s-lần, dẫn

đến xác suất truyền nhỏ hơn. Với sự gia tăng số lượng phương tiện trong mạng lưới, khả năng xảy ra va

chạm ở đường truyền cũng tăng lên. Do đó, các phương tiện cần nhiều thời gian hơn để truyền các gói

thành công và số lượng các gói được truyền trong hàng đợi bộ đệm tăng lên, dẫn đến khả năng truyền của

các phương tiện cũng tăng lên. Tuy nhiên, khi số lượng xe tăng đến mức đạt giá trị thì xác suất truyền

tải bắt đầu giảm. Nguyên nhân là do khả năng truyền xung đột cao dẫn đến khả năng truyền tải của các

phương tiện bị trễ tăng lên, khiến phương tiện phải mất nhiều thời gian hơn để truyền các gói, tức là

xác suất của nhiệm vụ t bắt đầu trở nên nhỏ hơn. Như được thấy trong Hình 5, so sánh các kết quả lý

thuyết về xác suất truyền được tính toán bằng mô hình của Zheng và Hình 6 của Mal . Xác suất va chạm.

hình,kết
chạm. cácquả
giámôtrị lý thuyết
phỏng. Lý do tính
là toán theo mô hình đề xuất gần giống nhau hơn nhiều. Hình 6. Xác suất va
mô hình của Malone không xét đến độ trễ f- 4.2. Thông lượng chuẩn hóa

cơ chế hoạt
hình
bão đề động,
hòa xuất dẫn
được chịu đến
ảnh
chuẩn giảm
chothời
hưởng
hóa của gian
chế chờcập
Nhưtruy
độ được trước
hiển khi
cơ thị truyền
bản trong pa
Hình
dưới số Tương
xetự,
7, các
lượng giánhư
khác trịtrong
của
nhau Hình
đưa6,
thông
được do mô
lượng không
ra.
tiện Cácthể
và sau
có giá
đó trị xác
tăng
truyền lýthành
thuyết
suất công
va chạm.
thôngNgoài
lượngra, mô hình
chuẩn của Zheng
hóa trong bỏ va
số các quachạm
hiệucho
ứngtất
bắtcảgiữ,
các một phương
mô hình được
tính
mức độtheo
lưuPhương
loát đótrình
của (24). Như đã thấy từ là hiệu ứng bắt giữ làm tăng các trục trặc truyền tải
thành công. Điều cóhiệu
nghĩaứnglà
bắt giữ,
khả nghĩa
năng xảy ra va chạm truyền tải sẽ giảm đi. Kết quả là, Hình 7,
thông lượng chuẩn hóa đầu tiên tăng lên cùng với sự gia tăng số lượng
và được
thu giảm từ
thời
cácgian chờ tiện
phương trướcmôkhi
hìnhtruyền
được gói, sau đó
đề xuất, sautăng xác suất
đó giảm khi sốlý lượng
thuyếtphương
t của tiện
việc tăng
truyền
sauxung
khi đột
đạt được
với
xáchai
suất
mô nhiệm
hình còn
vụ. lại.
Do đó,
Do xác
đó, suất
khi a-truyền
giá trị
dẫn tối
mà cánh
đa của
quạt
thông
thu lượng
được gần
chuẩn
vớihóa.
kết Nguyên
quả mô nhân
phỏnglàhơn
do so
số
lượng phương tiện
mô xem
nên hình,
xétkhi
đầyxem
đủ xét
đặc cơ chếcạnh
tính đóngtranh
băng tài
backoff và kênh
nguyên hiệu là
ứngnhỏ
thungay
giữ từ
hiệu
đầusuất của DCF
và thông (hoặc
lượng EDCA),
chuẩn hóa chúng ta

gần và
thức
cạnh hơn nhiều
xem
tranh tàivới
xét ảnh xác
nguyên suất
hưởng củatruyền
kênh, hiệu
sự tải chụp
va ứng
chạm thực tế.
ngàylên bản
giao
càng thân
thức
gia giao
tăng
tăng dần.
và sự Khiphí
lãng ngày
tàicàng có nhiều
nguyên phương tiện
kênh ngày
càng môi
trong nghiêm trọng,
trường điềutế
IoV thực này khiến
cuối cùng sẽ

dẫn đến giảm thông lượng chuẩn hóa. Trên thực tế, các giá trị lý thuyết
mô hình của Zheng gần với kết quả mô phỏng hơn nhiều so với mô hình của Malone,
4.2. Thông lượng được chuẩn hóa
vì trước đây xem xét cơ chế đóng băng dự phòng. Tuy nhiên, về mặt lý thuyết
trị bNhư
thuđược
đượchiển thịhình
từ mô trong Hình
phân 7, đề
tích cácxuất
giá gần
trị với
của kết
thông
quảlượng khônghơn
mô phỏng bãonhiều,
hòa được chuẩn hóa cho các giá

chế độ truy cập theo số lượng phương tiện khác nhau được đưa ra. Các giá trị lý thuyết của thông lượng

không chính xác cho tất cả các mô hình được tính theo Công thức (24). Như được thấy trong Hình, thông lượng

chuẩn hóa trước tiên tăng khi số lượng phương tiện tăng, sau đó giảm khi số lượng phương tiện tăng sau khi

đạt mức tối đa.

Machine Translated by Google

Cảm biến Cảm

2023, 23, 2023,
x ĐỂ ĐÁNH 17 trên 21
biến 23,GIÁ CỦA NGƯỜI ngang hàng
9589 16 trên 21

và cao hơn đáng kể so với giá trị lý thuyết của các mô hình khác khi số lượng
phương tiện có kích thước lớn. Lý do là mô hình phân tích được đề xuất không chỉ xem xét đầy đủ
các đặc điểm của chính giao thức DCF mà còn xem xét ảnh hưởng của việc thu thập
hiệu quả, do đó cải thiện tính chính xác của phân tích lý thuyết.
Như được hiển thị trong Hình 8, các giá trị của thông lượng chưa bão hòa được chuẩn hóa cho
Chế độ RTS/CTS đầu tiên tăng dần và sau đó giảm dần. Ngoài ra,
thông lượng chuẩn hóa cho chế độ RTS/CTS lớn hơn thông lượng cho chế độ truy cập cơ bản.
Nguyên nhân là do cơ chế RTS/CTS hạn chế xung đột ở các khung điều khiển nhỏ hơn
(tức là RTS và CTS), tránh được sự xung đột của các gói lớn hơn một cách hiệu quả, do đó tránh được

lưu lượng bình thường hóa giảm mạnh khi số lượng phương tiện tăng lên. Hơn thế nữa,
khi số lượng xe lớn, giá trị lý thuyết của thông lượng chuẩn hóa
mà mô hình đề xuất thu được cũng cao hơn một chút so với các mô hình khác và
gần hơn với kết quả mô phỏng. Lý do cũng giống như chế độ truy cập cơ bản.

Ngoài ra, theo Hình 7 và 8, có thể thấy rằng thông lượng chuẩn hóa
Cảm biến 2023, 23, x ĐỂ ĐÁNH GIÁ CỦA NGƯỜI ngang hàng 17 trên 21 đối với chế độ RTS/CTS ít bị ảnh hưởng bởi kênh hơn so với chế độ cơ bản và với

tăng số lượng phương tiện, thông lượng bình thường của phương tiện trước đây tăng đáng kể
lớn hơn cái sau.

Hình 7. Thông lượng chưa bão hòa được chuẩn hóa cho chế độ truy cập cơ bản.

Như được hiển thị trong Hình 8, các giá trị của thông lượng không bão hòa được chuẩn hóa cho chế độ RTS/CTS

trước tiên tăng dần và sau đó giảm dần. Ngoài ra, thông lượng chuẩn hóa cho chế độ RTS/CTS lớn hơn thông lượng

cho chế độ truy cập cơ bản.

Lý do là cơ chế RTS/CTS hạn chế xung đột ở các khung điều khiển nhỏ hơn (tức là RTS và CTS), tránh xung đột một

cách hiệu quả với các gói lớn hơn, do đó tránh được sự sụt giảm mạnh về thông lượng chuẩn hóa khi số lượng phương

tiện tăng lên. Hơn nữa, khi số lượng phương tiện lớn, các giá trị lý thuyết về thông lượng chuẩn hóa thu được từ

mô hình đề xuất cũng cao hơn một chút so với các mô hình khác và gần với kết quả mô phỏng hơn nhiều. Lý do cũng

giống như chế độ truy cập cơ bản. Ngoài ra, theo Hình 7 và 8, có thể thấy rằng thông lượng chuẩn hóa cho chế độ
RTS/CTS ít bị ảnh hưởng bởi kênh hơn so với chế độ cơ bản và với sự gia tăng số lượng phương tiện, thông lượng

chuẩn hóa của cái trước lớn hơn đáng kể so với cái sau.

Hình 7. Thông lượng chưa bão hòa được chuẩn hóa cho chế độ truy cập cơ bản.
Hình 7. Thông lượng chưa bão hòa được chuẩn hóa cho chế độ truy cập cơ bản.

Như được hiển thị trong Hình 8, các giá trị của thông lượng không bão hòa được chuẩn hóa cho chế độ RTS/CTS

trước tiên tăng dần và sau đó giảm dần. Ngoài ra, thông lượng chuẩn hóa cho chế độ RTS/CTS lớn hơn thông lượng

cho chế độ truy cập cơ bản.

Lý do là cơ chế RTS/CTS hạn chế xung đột ở các khung điều khiển nhỏ hơn (tức là RTS và CTS), tránh xung đột một

cách hiệu quả với các gói lớn hơn, do đó tránh được sự sụt giảm mạnh về thông lượng chuẩn hóa khi số lượng phương

tiện tăng lên. Hơn nữa, khi số lượng phương tiện lớn, các giá trị lý thuyết về thông lượng chuẩn hóa thu được từ

mô hình đề xuất cũng cao hơn một chút so với các mô hình khác và gần với kết quả mô phỏng hơn nhiều. Lý do cũng

giống như chế độ truy cập cơ bản. Ngoài ra, theo Hình 7 và 8, có thể thấy rằng thông lượng chuẩn hóa cho chế độ
RTS/CTS ít bị ảnh hưởng bởi kênh hơn so với chế độ cơ bản và với sự gia tăng số lượng phương tiện, thông lượng

chuẩn hóa của cái trước lớn hơn đáng kể so với cái sau.

Hình 8. Thông lượng không bão hòa được chuẩn hóa cho chế độ RTS/CTS.
Hình 8. Thông lượng không bão hòa được chuẩn hóa cho chế độ RTS/CTS.

4.3. Độ trễ gói trung bình

Hình 9 và 10 đưa ra sự so sánh giữa các giá trị lý thuyết của độ trễ gói trung bình được tính toán bằng các

mô hình phân tích khác nhau và kết quả mô phỏng cho cơ bản
 Machine Translated by Google

Cảm biến 2023, 23, 9589 17 trên 21

kiểm soát viên 2023, 23, x ĐỂ ĐÁNH GIÁ ĐÁNH GIÁ

kiểm soát viên 2023, 23, x ĐỂ ĐÁNH GIÁ ĐÁNH

GIÁ 4.3. Độ trễ gói trung bình

Hình 9 và 10 đưa ra sự so sánh giữa các giá trị lý thuyết của trung bình
môđược
hìnhtính
và mô
bằng
hình
cácMalone
mô hình
được
phân
tính
tích
toán
và bằng
kết quả
các mô
phương
phỏngpháp
kháctính
nhautoán
cho độ
cơ trễ
bản đồng gói
chế độ truy cập và chế độ RTS/CTS tương ứng. Trong đó, giá trị lý thuyết của
ing
tínhvăn học
toán [15,18],
bằng tươngpháp
các phương ứng.tính
Do đã xemtrong
toán xét đầy
mô đủ
hìnhmôđồng
hìnhđềcharac
xuất và môtính
được hìnhtheo
Malone đượctrình
phương
(37), trong khi các giá trị lý thuyết của Zheng
giao thứcDo
[15,18]. DCF
đãvà
xemảnh
xéthưởng
đầy của hiệu
đủ mô ứng
hình bắt giữ,
charac tương
và mô hìnhứng là các
Malone giá
được trịtoán
tính lý thuyết trong
bằng các tài liệu
phương pháp
tính toán tương ứng
Độ
ảnhtrễ
đặc góicủa
hưởng
điểm được
của tính
hiệu toán
ứng bằng
bắt, cácmô hình
giá trịđề
lýxuất gầntương
thuyết hơn nhiều với mô phỏng
ứng [15,18] giao
. Do xem thức
xét đầyDCF
đủ và
các
Giao thức DCF và ảnh hưởng của hiệu ứng bắt giữ, các giá trị lý thuyết của gói trung bình
Độ trễ gói được tính toán theo mô hình đề xuất gần hơn với độ trễ mô phỏng được tính toán
theo mô hình đề xuất và gần với kết quả mô phỏng hơn nhiều.

Hình 9. Độ trễ gói trung bình cho chế độ truy cập cơ bản.
Hình 9. Độ trễ gói trung bình cho chế độ truy cập cơ bản.
Hình 9. Độ trễ gói trung bình cho chế độ truy cập cơ bản.

Hình 10. Độ trễ gói trung bình cho chế độ RTS/CTS.

Hình 10. Độ trễ gói trung bình cho chế độ RTS/CTS.
Trong Hình 9, khi số lượng phương tiện tăng lên trong mạng lưới thì sẽ có nhiều phương tiện hơn
Hình 10. Độ trễ gói trung bình cho chế độ RTS/CTS. tranh
giành kênh không dây dẫn đến xung đột ngày càng gia tăng. Nó làm cho các phương tiện
Trong Hình 9, khi số lượng phương tiện trong mạng tăng lên, thời gian chờ đợi để truyền
các gói thành công sẽ lâu hơn, điều này cuối cùng dẫn đến sự gia tăng
tranh giành kênh
tiệnkhông
tăng dây
lên dẫn đếnmạng,
xung độ
độttrễ
ngày
góicàng giabình
tăng.
sẽ Nó làmlên.
cho Vì
trong Hìnhđóng
9, khi
băngsốbackoff
lượng
bị bỏphương
qua trong Malone trong trung tăng cơ chế
lâu
kênhhơn để truyền
không dây dẫncác
đếngói thành
xung đột công, điều Nó
gia tăng. này cuối
làm chocùng dẫn gói
độ trễ đến trung
sự cạnh tranh
bình năm.ngày càng
Do cơ chếtăng
đóngđối với
băng
backoff
đột đượcbị bỏ toán
tính qua ởbởi
Malon để truyền
mô hình gói lên,
này tăng thànhđiều
côngđó
lâu
cóhơn, điều
nghĩa là này cuốigói
độ trễ cùng dẫn bình.
trung đến xác
Do suất xung
cơ chế
đóng băng rbblt
th cllsn ngược clcltd
bị bỏ qua trong
b ths mdl Malon
ncrss nên
whchcác
mnshộp
thtsố va chạm sẽ được khuếch đại. Do đó, một xe cần mo
Machine Translated by Google

Cảm biến 2023, 23, 9589 18 trên 21

mô hình, xác suất va chạm được tính toán bởi mô hình này tăng lên, điều đó có nghĩa là khả
năng truyền va chạm được khuếch đại. Do đó, một phương tiện cần nhiều thời gian hơn để
truyền thành công một gói, dẫn đến độ trễ gói trung bình lớn hơn. Do cả mô hình của Zheng
và mô hình đề xuất đều tính đến cơ chế đóng băng backoff nên các giá trị lý thuyết về độ
trễ gói trung bình được tính toán bởi hai mô hình này nhỏ hơn so với mô hình của Malone.
Tuy nhiên, so với mô hình của Zheng, các giá trị lý thuyết thu được từ mô hình đề xuất gần
với kết quả mô phỏng hơn nhiều, bởi vì mô hình đề xuất không chỉ xem xét ảnh hưởng của hiệu
ứng bắt mà còn cả độ trễ xếp hàng.

Tương tự, như trong Hình 10, ở chế độ RTS/CTS, độ trễ gói trung bình tăng dần cùng với sự gia
tăng số lượng phương tiện. Hơn nữa, các giá trị lý thuyết của mô hình đề xuất gần với kết quả mô phỏng
hơn nhiều so với hai mô hình còn lại, điều này càng cho thấy tính chính xác của mô hình đề xuất. Ngoài
ra, kết hợp với Hình 9 và 10, có thể thấy rằng độ trễ gói trung bình cho chế độ RTS/CTS thấp hơn so
với chế độ truy cập cơ bản trong cùng tham số mô phỏng. Điều này là do cơ chế RTS/CTS hạn chế xung
đột ở các khung điều khiển nhỏ hơn (tức là RTS và CTS), tránh xung đột giữa các gói lớn hơn một cách

hiệu quả.

5. Kết Luận

Trong bài báo này, một mô hình phân tích mới của IEEE 802.11p/bd DCF có xem xét hiệu
ứng bắt giữ trong kênh Fading Nakagami-m được đề xuất, mô hình này chính xác hơn các mô hình
phân tích hiện có và phù hợp hơn với kịch bản IoV.
Tất cả các đặc điểm quan trọng của giao thức DCF và hiệu ứng bắt giữ trong kênh Fading Nakagami-m đều được xem xét

trong mô hình đề xuất. Độ chính xác của mô hình đề xuất được xác minh bằng cách so sánh giữa mô phỏng và kết quả

phân tích, cho thấy mô hình đề xuất chính xác hơn mô hình hiện có và thông lượng không bão hòa chuẩn hóa khi xem

xét hiệu ứng bắt cao hơn so với mô hình không xem xét của hiệu ứng chụp. Ngoài ra, độ trễ gói trung bình giảm, được

hưởng lợi từ hiệu ứng bắt giữ. Do đó, khi phân tích giao thức DCF trong các tình huống giao tiếp khác nhau hoặc

thiết kế các giao thức MAC cải tiến dựa trên DCF (hoặc EDCA), hiệu ứng bắt giữ phải được xem xét để làm cho giao

thức MAC hiệu quả hơn trong các tình huống IoV thực tế. Hơn nữa, do EDCA dựa trên DCF với các AC khác nhau, nên mô

hình phân tích được đề xuất có thể dễ dàng mở rộng thành phân tích hiệu suất của EDCA trong IoV, điều này sẽ được

thảo luận trong công việc tương lai của chúng tôi.

Đóng góp của tác giả: Khái niệm hóa, YW và JS; phương pháp luận, YW và LC; phần mềm, YW; xác nhận, JS và LC; phân

tích hình thức, YW và ZF; điều tra, JS; viết— chuẩn bị bản thảo gốc, YW; viết—đánh giá và chỉnh sửa, YW và ZF; giám

sát, JS; quản trị dự án , JS; mua lại tài trợ, LC Tất cả các tác giả đã đọc và đồng ý với phiên bản đã xuất bản

của bản thảo.

Kinh phí: Công trình này được hỗ trợ bởi Dự án trọng điểm khoa học và công nghệ của tỉnh Phúc Kiến (Số tài trợ
2021HZ021004).

Tuyên bố của Ban Đánh giá Thể chế: Không áp dụng.

Tuyên bố đồng ý sau khi được thông báo: Không áp dụng.

Tuyên bố về tính sẵn có của dữ liệu: Dữ liệu được chứa trong bài viết.

Xung đột lợi ích: Tác giả Zhiyuan Fang được tuyển dụng bởi công ty China Mobile Communications Group Shanxi Co., Ltd. Các tác

giả còn lại tuyên bố rằng nghiên cứu được thực hiện mà không có bất kỳ mối quan hệ thương mại hoặc tài chính nào có thể được hiểu

là xung đột tiềm ẩn lãi.

Machine Translated by Google

Cảm biến 2023, 23, 9589 19 trên 21

Người giới thiệu

1. Ninh, H.; Bất kì.; Ngụy, Y.; Ngô, N.; Mu, C.; Trình, H.; Zhu, C. Mô hình hóa và phân tích hệ thống phổ biến thông báo cảnh báo giao thông trong VANET. Xe. Cộng đồng. 2023,

39, 100566. [Tham khảo chéo]

2. Ngô, Q.; Zheng, J. Mô hình hóa và phân tích hiệu suất của giao thức MAC ADHOC cho mạng xe cộ. Wirel. Mạng. 2016,

22, 799–812. [Tham khảo chéo]

3. Ngô, G.; Vương, H.; Trương, H.; Triệu, Y.; Yu, S.; Shen, S. Phương pháp giảm tải tính toán bằng cách sử dụng các trò chơi ngẫu nhiên cho điện toán biên di động đa tác nhân

dựa trên mạng được xác định bằng phần mềm. IEEE Internet Things J. 2023, 10, 17620–17634. [Tham khảo chéo]

4. Wu, G.; Xu, Z.; Trương, H.; Thần, S.; Yu, S. DRL đa tác nhân về độ trễ hoàn thành chung và mức tiêu thụ năng lượng với lý thuyết xếp hàng trong IIoT dựa trên MEC. J. Phân

phối song song. Máy tính. 2023, 176, 80–94. [Tham khảo chéo]

5. Trương, P.; Chen, N.; Thần, S.; Yu, S.; Kumar, N.; Hsu, CH Mạng tích hợp không gian-trên không-mặt đất hỗ trợ AI: Quản lý và tối ưu hóa. Mạng IEEE. 2023, truy cập sớm. [Tham

khảo chéo]

6. Vương, C.; Giang, C.; Vương, J.; Thần, S.; Quách, S.; Zhang, P. Điều phối tài nguyên mạng được hỗ trợ bởi Blockchain trong internet thông minh

của sự vật. IEEE Internet Things J. 2022, 10, 6151–6163. [Tham khảo chéo]

7. Ngô, G.; Chen, X.; Cao, Z.; Trương, H.; Yu, S.; Shen, S. Sơ đồ giảm tải bảo đảm quyền riêng tư trong điện toán biên di động đa truy cập

dựa trên MADR. J. Phân phối song song. Máy tính. 2024, 183, 104775. [Tham khảo chéo]

8. Quách, H.; Chu, X.; Lưu, J.; Zhang, Y. Trí thông minh phương tiện trong 6G: Mạng, truyền thông và điện toán. Xe. Cộng đồng.

2022, 33, 100399. [Tham khảo chéo]

9. Dương, Y.; Vi, L.; Ngô, J.; Dài, C.; Li, B. Một sơ đồ xác thực đa miền dựa trên blockchain để bảo vệ quyền riêng tư có điều kiện trong mạng đặc biệt dành cho xe cộ. IEEE

Internet Things J. 2022, 9, 8078–8090. [Tham khảo chéo]

10. Ngô, Q.; Vương, X.; Quạt, Q.; Quạt, P.; Trương, C.; Li, Z. Sơ đồ lựa chọn phương tiện có độ chính xác và ổn định cao dựa trên cạnh liên kết

học trong mạng xe cộ. Cộng sản Trung Quốc. 2023, 20, 1–17. [Tham khảo chéo]

11. Long, D.; Ngô, Q.; Quạt, Q.; Quạt, P.; Lý, Z.; Fan, J. Sơ đồ phân bổ năng lượng cho tính toán biên phương tiện MIMO-NOMA và D2D

dựa trên DRL phi tập trung. Cảm biến 2023, 23, 3449. [CrossRef] [PubMed]

12. Ji, B.; Trương, X.; Mumtaz, S.; Hàn, C.; Lý, C.; Ôn, H.; Wang, D. Khảo sát trên Internet về phương tiện giao thông: Kiến trúc mạng và

các ứng dụng. Cộng đồng IEEE. Đứng. Mag. 2020, 4, 34–41. [Tham khảo chéo]

13. Ngô, Q.; Vương, S.; Ge, H.; Quạt, P.; Quạt, Q.; Letaief, KB Giảm tải nhiệm vụ nhạy cảm với độ trễ trong sương mù xe cộ được hỗ trợ bằng điện toán

trung đội. IEEE Trans. Mạng. Phục vụ. Người đàn ông. 2023, truy cập sớm. [Tham khảo chéo]

14. Ngô, Q.; Triệu, Y.; Quạt, Q.; Quạt, P.; Vương, J.; Zhang, C. Bộ nhớ đệm hợp tác nhận biết tính di động trong điện toán biên phương tiện dựa trên học tập tăng cường sâu và

liên kết không đồng bộ. IEEE J. Sel. Đứng đầu. Quá trình tín hiệu. 2023, 17, 66–81. [Tham khảo chéo]

15. Zheng, J.; Wu, Q. Mô hình hóa và phân tích hiệu suất của cơ chế EDCA IEEE 802.11p cho VANET. IEEE Trans. Xe. Technol.

2016, 65, 2673–2688. [Tham khảo chéo]

16. Ngô, Z.; Bartoletti, S.; Martinez, V.; Todisco, V.; Bazzi, A. Phân tích các phương pháp giảm thiểu sự cùng tồn tại đồng kênh được áp dụng cho IEEE

Liên kết phụ 802.11p và 5G NR-V2X. Cảm biến 2023, 23, 4337. [CrossRef] [PubMed]

17. Bianchi, G. Phân tích hiệu suất của chức năng phối hợp phân tán IEEE 802.11. IEEE J. Sel. Khu vực xã. 2000, 18,

535–547. [Tham khảo chéo]

18. Malone, D.; Duffy, K.; Leith, D. Mô hình hóa chức năng phối hợp phân tán 802.11 trong điều kiện không đồng nhất không bão hòa.

Chuyển đổi IEEE/ACM. Mạng. 2007, 15, 159–172. [Tham khảo chéo]

19. Madhavi, T.; Rao, GSB Mô hình hóa xung đột giảm bớt giao thức DCF với giới hạn thử lại hữu hạn. Điện tử. Lett. 2015, 51, 185–187.

[Tham khảo chéo]

20. Weng, CE; Chen, HC Đánh giá hiệu suất của IEEE 802.11 DCF sử dụng mô hình chuỗi Markov cho mạng LAN không dây. Máy tính.

Đứng. Chôn cất. 2016, 44, 144–149. [Tham khảo chéo]

21. Bài hát, C.; Tân, G.; Yu, C. Một giao thức MAC đa kênh được hỗ trợ QoS hiệu quả và hiệu quả cho các mạng ad hoc dành cho xe cộ. Cảm biến 2017,

Ngày 17 tháng 12 năm 2293. [Tham khảo chéo] [PubMed]

22. Vardakas, JS; Sidiropoulos, MK; Logothetis, MD Hành vi hiệu suất của chức năng phối hợp phân tán IEEE 802.11. IET

Vòng tròn. Hệ thống thiết bị 2008, 2, 50–59. [Tham khảo chéo]

23. Tạ, Y.; Hồ, IWH; Magsino, ER Mô hình hóa và tối ưu hóa nhiều lớp của đơn hướng VANET 802.11p. Truy cập IEEE 2017, 6,

171–186. [Tham khảo chéo]

24. Hàn, C.; Diati, M.; Tafazolli, R.; Kernchen, R.; Shen, XS Nghiên cứu phân tích về lớp con MAC IEEE 802.11p trong xe cộ

mạng. IEEE Trans. Trí tuệ. Chuyển. Hệ thống. 2012, 13, 873–886. [Tham khảo chéo]

25. Yao, Y.; Rao, L.; Liu, X. Phân tích hiệu suất và độ tin cậy của giao tiếp an toàn IEEE 802.11p trong môi trường đường cao tốc.

IEEE Trans. Xe. Technol. 2013, 62, 4198–4212. [Tham khảo chéo]

26. Cao, S.; Lee, VCS Một mô hình hiệu suất chính xác và đầy đủ của lớp con MAC IEEE 802.11p cho VANET. Máy tính.

Cộng đồng. 2020, 149, 107–120. [Tham khảo chéo]

27. Trương, Y.; Lý, S.; Thương, Z.; Zhang, Q. Phân tích hiệu suất của IEEE 802.11 DCF trong các điều kiện kênh khác nhau. Trong Kỷ yếu của Hội nghị trí tuệ nhân tạo và công

nghệ thông tin quốc tế chung lần thứ 8 của IEEE (ITAIC), Trùng Khánh, Trung Quốc, ngày 24–26 tháng 5 năm 2019; trang 1–4.
Machine Translated by Google

Cảm biến 2023, 23, 9589 20 trên 21

28. Bành, H.; Nắp.; Abboud, K.; Châu, H.; Triệu, H.; Trang, W.; Shen, X. Phân tích hiệu suất của IEEE 802.11p DCF cho

liên lạc đa trung đội với các phương tiện tự hành. IEEE Trans. Xe. Technol. 2017, 66, 2485–2498. [Tham khảo chéo]

29. Almohammedi, AA; Shepelev, V. Phân tích thông lượng bão hòa của Steganography trong Giao thức IEEE 802.11p khi có kênh truyền không lý tưởng. Truy cập IEEE
2021, 9, 14459–14469. [Tham khảo chéo]

30. Bành, J.; Lý, S.; Đậu, Z.; Yang, S. Thiết kế tối ưu hóa và phân tích hiệu suất của cơ chế MAC IEEE 802. 11p cải tiến dựa trên tính di động cao của phương tiện.

Toán học. Vấn đề. Anh. 2022, 2022, 8974673. [Tham khảo chéo]

31. Alshanyour, A.; Agarwal, A. Mô hình chuỗi Markov ba chiều để phân tích hiệu suất của chức năng phối hợp phân tán IEEE 802.11. Trong Kỷ yếu của Hội nghị Viễn

thông Toàn cầu IEEE 2009 (GLOBECOM), Honolulu, HL, Hoa Kỳ, ngày 30 tháng 11–ngày 4 tháng 12 năm 2009; trang 1–7.

32. Martorell, G.; Femenias, G.; Riera-Palou, F. Mạng IEEE 802.11 chưa bão hòa: Mô hình 3D Markov phân cấp. Máy tính. Mạng.

2015, 80, 27–50. [Tham khảo chéo]

33. Vương, N.; Hu, J. Phân tích hiệu suất của IEEE 802.11p EDCA dành cho mạng xe cộ trong các kênh không hoàn hảo. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 20 của

IEEE về Máy tính và Truyền thông phổ biến (IUCC/CIT/DSCI/SmartCNS), Luân Đôn, Vương quốc Anh, ngày 20–22 tháng 12 năm 2021; trang 535–540.

34. Harkat, Y.; Amrouche, A.; Lamini, ES; Kechadi, MT Lập mô hình và phân tích hiệu suất của cơ chế IEEE 802.11p EDCA cho
VANET trong điều kiện lưu lượng bão hòa và kênh dễ bị lỗi. AEU-Int. J. Điện tử. Cộng đồng. 2019, 101, 33–43. [Tham khảo chéo]
35. Lý, S.; Lý, H.; Gaber, J.; Dương, S.; Yang, Q. Phân tích hiệu suất của giao thức IEEE 802.11p trong IoV trong kênh dễ bị lỗi
điều kiện. An toàn. Cộng đồng. Mạng. 2023, 2023, 5476836. [Tham khảo chéo]

36. Shah, AFMS; Ilhan, H.; Tureli, U. Lập mô hình và phân tích hiệu suất của MAC IEEE 802.11 cho VANET dưới hiệu ứng chụp.

Trong Kỷ yếu của Hội nghị Công nghệ Vi sóng và Không dây lần thứ 20 của IEEE (WAMICON), Sofia, Bulgaria, ngày 8–9 tháng 4 năm 2019; trang 1–5.

37. Lôi, L.; Trương, T.; Chu, L.; Bài hát, X.; Cai, S. Phân tích thông lượng bão hòa của IEEE 802.11 DCF với truyền tải nút không đồng nhất

sức mạnh và hiệu ứng bắt giữ. Int. J. Máy tính phổ biến đặc biệt. 2017, 26, 1–11. [Tham khảo chéo]

38. Daneshgaran, F.; Laddomada, M.; Mesiti, F.; Mondin, M.; Zanolo, M. Phân tích thông lượng bão hòa của IEEE 802.11 trong

sự hiện diện của kênh truyền dẫn không lý tưởng và hiệu ứng bắt giữ. IEEE Trans. Cộng đồng. 2008, 56, 1178–1188. [Tham khảo chéo]

39. Daneshgaran, F.; Laddomada, M.; Mesiti, F.; Mondin, M. Phân tích thông lượng không bão hòa của IEEE 802.11 với sự hiện diện của mạng không lý tưởng

kênh truyền và hiệu ứng bắt giữ. IEEE Trans. Wirel. Cộng đồng. 2008, 7, 1276–1286. [Tham khảo chéo]

40. Hàn, H.; Pei, Z.; Chu, W.; Li, N. Phân tích thông lượng bão hòa của IEEE 802.11b DCF xem xét các hiệu ứng bắt giữ. Trong Kỷ yếu của Hội nghị quốc tế lần thứ 8

năm 2012 về Truyền thông không dây, Mạng và Máy tính di động (WiCOM), Thượng Hải, Trung Quốc, ngày 21–23 tháng 9 năm 2012; trang 1–4.

41. Sutton, GJ; Lưu, R.; Collings, IB Mô hình hóa các mạng không đồng nhất IEEE 802.11 DCF với tính năng bắt và làm mờ Rayleigh. IEEE
Dịch. Cộng đồng. 2013, 61, 3336–3348. [Tham khảo chéo]

42. Leonardo, EJ; Yacoub, MD Công thức chính xác cho thông lượng của IEEE 802.11 DCF trong việc làm mờ Hoyt, Rice và Nakagami-m
kênh truyền hình. IEEE Trans. Wirel. Cộng đồng. 2013, 12, 2261–2271. [Tham khảo chéo]

43. Vương, Y.; Shi, J.; Chen, L. Phân tích hiệu suất của MAC IEEE 802.11p khi xem xét hiệu ứng bắt giữ dưới kênh Fading Nakagami-m trong VANET. Entropy 2023, 25,

218. [Tham khảo chéo]

44. Triệu, H.; Garcia-Palacios, E.; Vương, S.; Ngụy, J.; Ma, D. Đánh giá tác động của mật độ mạng, các nút ẩn và hiệu ứng bắt giữ

để đảm bảo thông lượng trong mạng không dây nhiều bước nhảy. Mạng Ad Hoc. 2013, 11, 54–69. [Tham khảo chéo]

45. Sun, X. Thông lượng tối đa của mạng CSMA khi chụp. IEEE Wirel. Cộng đồng. Lett. 2016, 6, 86–89. [Tham khảo chéo]

46. Trình, L.; Henty, ĐƯỢC; Stancil, DD; Bài, F.; Mudalige, P. Đo lường và mô tả đặc tính kênh băng tần hẹp giữa xe với xe di động của băng tần giao tiếp tầm ngắn

chuyên dụng (DSRC) 5,9 GHz. IEEE J. Sel. Khu vực xã. 2007, 25, 1501–1516. [Tham khảo chéo]

47. Bharati, S.; Trang, W.; Thanayankizil, LV; Bai, F. Hợp tác lớp liên kết dựa trên MAC TDMA phân tán cho xe cộ
mạng. IEEE Trans. Xe. Technol. 2016, 66, 6415–6427. [Tham khảo chéo]

48. Ravi, B.; Thangaraj, J.; Petale, S. Chuyển tiếp lưu lượng dữ liệu để liên lạc giữa các phương tiện trong VANET bằng phương pháp ngẫu nhiên.
Wirel. Pers. Cộng đồng. 2019, 106, 1591–1607. [Tham khảo chéo]

49. Ghosh, A.; Paranthaman, VV; Mapp, G.; Gemikonakli, O.; Loo, J. Kích hoạt liên lạc V2I liền mạch: Hướng tới phát triển các ứng dụng ô tô hợp tác trong hệ thống

VANET. Cộng đồng IEEE. Mag. 2015, 53, 80–86. [Tham khảo chéo]

50. Bazzi, A.; Masini, BM; Zanella, A.; Thibault, I. Về hiệu suất của IEEE 802.11p và LTE-V2V đối với nhận thức hợp tác về các phương tiện được kết nối. IEEE Trans.
Xe. Technol. 2017, 66, 10419–10432. [Tham khảo chéo]

51. Sanchez-Garcia, J.; Smith, DR Xác suất bắt giữ các kênh pha đinh Rician với điều khiển công suất trong máy phát. IEEE Trans.
Cộng đồng. 2002, 50, 1889–1891. [Tham khảo chéo]

52. Vương, Y.; Shi, J.; Chen, L.; Lữ, B.; Yang, Q. Một giao thức MAC dựa trên TDMA có khả năng ghi nhận mới dành cho các thông báo an toàn được phát trong
mạng ad hoc dành cho xe cộ. Truy cập IEEE. 2019, 7, 116542–116554. [Tham khảo chéo]

53. Kleinrock, L. Hệ thống xếp hàng, Tập. 1: Lý thuyết; John Wiley & Sons: Hoboken, NJ, Mỹ, 1975; ISBN 9780471555971.
Machine Translated by Google

Cảm biến 2023, 23, 9589 21 trên 21

54. Ngô, Q.; Shi, S.; Vạn, Z.; Quạt, Q.; Quạt, P.; Zhang, C. Hướng tới quyền truy cập công bằng theo độ tuổi của V2I: Phương tiện thông minh dựa trên DQN

phương pháp huấn luyện và kiểm tra nút. Trung Quốc J. Electron. 2023, 32, 1230–1244.

55. Vương, B.; Zheng, J.; Ren, Q.; Li, C. Phân tích độ trễ phát tin nhắn trong trung đội dựa trên IEEE 802.11p trong một trung đội phương tiện.
IEEE Trans. Xe. Technol. 2023, 72, 13417–13429. [Tham khảo chéo]

Tuyên bố miễn trừ trách nhiệm/Lưu ý của nhà xuất bản: Các tuyên bố, ý kiến và dữ liệu trong tất cả các ấn phẩm chỉ là của (các) tác giả và (các) cộng tác viên

chứ không phải của MDPI và/hoặc (các) biên tập viên. MDPI và/hoặc (các) biên tập viên từ chối trách nhiệm đối với mọi thương tích đối với con người hoặc tài

sản do bất kỳ ý tưởng, phương pháp, hướng dẫn hoặc sản phẩm nào được đề cập trong nội dung.