专 业 学 位 硕 士 学 位 论 文

基于随机几何的车联网通信建模分析研究
Research on Modeling and Analysis of Internet of Vehicles
Communication based on Stochastic Geometry

作 者 姓 名： 齐乐乐
工 程 领 域： 计算机技术
学 号： 31909175
指 导 教 师： 刘 倩
完 成 日 期： 2021.10.12

大连理工大学
Dalian University of Technology
 大连理工大学专业学位硕士学位论文

摘 要

近年来，智能交通系统的快速发展使得车联网技术成为研究热点，第五代移动通信
技术（5G）的到来更是极大地促进了车联网的发展。目前车联网的通信协议主要有两种，
一种是 IEEE 802.11p 协议（又称 WAVE，Wireless Access in the Vehicular Environment），
另外一种是由我国主推的 LTE-V（Long Term Evolution - Vehicle）协议，然而这两种协
议在实际中都存在各自的局限性，因此融合二者优势的协作式网络成为可行的解决方案
之一。同时，5G 网络的软件定义网络技术（Software defined network, SDN）为实现 IEEE
802.11p 和 LTE-V 的协作提供了技术支持和保障。本文便是基于 5G-802.11p 这种协作式
的网络场景展开研究的。
基于现有车联网的几何分布模型存在的不足，本文首先利用随机几何中的泊松点过
程和泊松线过程提出了一种更合理的几何分布模型，并根据提出的模型和现有的联网方
案推导了 5G-802.11p 这种协作式的网络场景下覆盖率与车辆个数、基站个数和路侧单
元个数之间关系的数学解析表达式；然后，对现有的联网方案进行改进，提出了一种更
符合实际的联网方案，重新推导了新的联网方案下覆盖率的数学解析表达式，并通过仿
真实验验证了所推导的理论结果的正确性；最后，将推导的理论应用于实际：结合我国
交通现状，以大连市甘井子区为例讨论了 5G-802.11p 协作式的网络场景下基于现有的
基站当达到理想的覆盖率时需要增建的路侧单元的数量问题。
本文的主要创新点如下：
（1）基于车辆、路侧单元分布的特点提出了一种更合理的几何分布模型，并基于所
提出的模型推导了车联网中覆盖率的表达式。现有的几何模型仅考虑到了车辆，路侧单
元分布的随机性，忽略了部署的路侧单元和行驶中的车辆沿道路分布的特点。为了更好
地描述这一特点，本文首先捕获了道路结构，即采用泊松线过程对道路的分布建立模型，
然后限制车辆、路侧单元位于道路上分别采用相互独立的一维泊松点过程建立几何分布
模型。
（2）对现有的联网方案进行改进，提出了一种更符合实际的联网方案，并基于所提
出的模型和联网方案重新推导了车联网中覆盖率的表达式。考虑到现有联网方案中单个
路侧单元能够同时服务的车辆个数无限制的假设与实际严重不符，当车辆密度过大时，
路侧单元将达到一个饱和状态。因此，引入了单个路侧单元同一时刻最多能够服务的车
辆个数，提出了一种更符合实际的联网方案，并与理想状态进行了比较。

关键词：车联网；5G-802.11p 协作式网络；随机几何；泊松点过程；覆盖率

- I -
 基于随机几何的车联网通信建模分析研究

Research on Modeling and Analysis of Internet of Vehicles

Communication based on Stochastic Geometry
Abstract

With the rapid development of intelligent transportation system in the past decade, the
Internet of vehicles (IoVs) technology has become a research hotspot in the field of intelligent
transportation. The arrival of the fifth generation mobile communication technology (5G) has
greatly promoted the development of IoVs.
At present, there are two main communication protocols in the IoVs: the 802.11p/WAVE
protocol and the LTE-V protocol (which is raised by China Communications). However, these
two protocols have their own limitations in practice. Therefore, a cooperative network
combining them protocols will provide a feasible solution. Fortunately, the software defined
network (SDN) adopted by 5G networks provides a positive support to the realization of V2I
communications over 5G-802.11p collaborative networks.
Based on the shortcomings of the existing geometric distribution model of the Internet of
vehicles, this paper first proposes a more reasonable model by using the Poisson Point Process
(PPP) and Poisson Line Process (PLP) in stochastic geometry and according to the proposed
model and the existing networking scheme, the relationship between the coverage probability
and the number of vehicles, base stations (BS) and roadside units (RSUs) in 5G-802.11p
cooperative network scenario is derived. Then, the existing networking scheme is improved,
and a more practical networking scheme is proposed. The mathematical expression of coverage
under the new networking scheme is derived, and the correctness of the theoretical results is
verified by simulation experiments. Finally, the theory is applied to practice: Taking Ganjingzi
District of Dalian City as an example, this paper discusses the number of RSUs that need to be
built to reach the ideal coverage based on the existing BSs under the 5G-802.11p cooperative
network scenario.
Main contributions of this paper are summarized as follows:
(1) Based on the distribution characteristics of vehicles and roadside units, we propose a
more reasonable geometric distribution model for the IoV scenario and derive the expression
of coverage based on the proposed model. Existing geometric models only consider the
randomness of the distribution of vehicles and roadside units, but ignore the characteristics of
the distribution of roadside units and vehicles along the road. In order to better describe this
feature, we first capture the road structure, that is, the Poisson Line Process is used to model
the road distribution. Then the vehicles and roadside units are limited to be located on the road,

- II -
 大连理工大学专业学位硕士学位论文

and the geometric distribution models are established by using the independent one-
dimensional Poisson Point Process.
(2) It is known that the number of vehicles that a single roadside unit can serve
simultaneously cannot be set as infinity in practice as that of theoretical assumption . When the
vehicle density is too high, the roadside unit will reach a saturation state. Therefore, we
introduce the maximum number of vehicles that can be served by a single roadside unit
simultaneously in the derivation of coverage probability. We also compare the coverage
probability of the practical case with that of the ideal case (i.e. the number of vehicles served
by one RSU is set as infinity).

Key Words ： IOVs; 5G-802.11p collaborative networks; stochastic geometry; PPP;

coverage probability

- III -
 基于随机几何的车联网通信建模分析研究

目 录
摘 要 ............................................................................................................................. I
Abstract ............................................................................................................................. II
1 绪论 .............................................................................................................................. 1
1.1 研究背景及意义 ............................................................................................... 1
1.2 国内外研究现状及存在问题 ........................................................................... 3
1.2.1 随机几何理论在无线通信领域的应用 ................................................ 3
1.2.2 随机几何理论在 IoV 领域的应用 ........................................................ 4
1.2.3 存在的问题 ............................................................................................ 5
1.3 本文主要研究工作 ........................................................................................... 7
1.4 本文结构安排 ................................................................................................... 8
2 相关技术及理论基础 ................................................................................................ 12
2.1 5G-802.11p 协作式 V2I 通信 ........................................................................ 12
2.1.1 基于 802.11p 的竞争式 V2I 通信 ....................................................... 12
2.1.2 基于 LTE 的中心管控式 V2I 通信 .................................................... 14
2.1.3 5G-802.11p 的协作式 V2I 通信 ......................................................... 16
2.2 随机几何理论 ................................................................................................. 17
2.2.1 泊松点过程 .......................................................................................... 17
2.2.2 泊松线过程 .......................................................................................... 18
2.3 本章小结 ......................................................................................................... 19
3 车联网模型改进及覆盖率推导分析 ........................................................................ 21
3.1 基于随机几何的车联网模型 ......................................................................... 21
3.1.1 基于随机几何的车联网模型 .............................................................. 21
3.1.2 基于阈值距离的联网方案 A .............................................................. 22
3.2 距离分布 ........................................................................................................... 24
3.2.1 接入路侧单元时的距离分布 .............................................................. 25
3.2.2 接入基站时的距离分布 ...................................................................... 27
3.3 干扰的拉普拉斯变换 ..................................................................................... 28
3.3.1 泊松线过程生成的路上路侧单元产生的干扰 .................................. 29
3.3.2 水平过原点的路上路侧单元产生的干扰 .......................................... 33
3.3.3 基站产生的干扰 .................................................................................. 34

- IV -
 大连理工大学专业学位硕士学位论文

3.4 覆盖率 ............................................................................................................. 34

3.4.1 不同情况下的覆盖率 .......................................................................... 34
3.4.2 连接概率 .............................................................................................. 35
3.4.3 总覆盖率 .............................................................................................. 38
3.5 本章小结 ......................................................................................................... 39
4 联网方案改进及覆盖率推导分析 ............................................................................ 41
4.1 改进后的联网方案 B ..................................................................................... 41
4.2 不同情况下的覆盖率 ..................................................................................... 41
4.3 连接概率 ......................................................................................................... 45
4.4 总的覆盖率 ..................................................................................................... 47
4.5 本章小结 ......................................................................................................... 49
5 实践应用 .................................................................................................................... 50
5.1 基于联网方案 A 的理论应用 ........................................................................ 51
5.2 基于联网方案 B 的理论应用 ........................................................................ 53
5.3 本章小结 ......................................................................................................... 57
结 论 .......................................................................................................................... 59
参 考 文 献 .................................................................................................................... 62
攻读硕士学位期间发表学术论文情况 .......................................................................... 66
致 谢 .......................................................................................................................... 67
大连理工大学学位论文版权使用授权书 ...................................................................... 68

- V -
 大连理工大学专业学位硕士学位论文

1 绪论

1.1 研究背景及意义
随着人们生活水平的提高，汽车变得越来越普及，人们对于汽车的需求也不再仅仅
满足于代步工具，导航、车载信息娱乐等已成为基础需求[1-3]。然而，汽车数量的大幅度
提升为人们的日常生活带来方便的同时也带来了很多问题。“世界卫生组织（World
Health Organization, WHO）”在 2019 年发布的一份关于全球道路安全的报告显示，交
通事故每年约 125 万起，是所有年龄段公民的第八大死因。如果不采取某些预防措施来
解决这些问题，到 2030 年，交通事故将成为第五大死因。据官方统计，中国每年发生
交通事故的数量稳居世界第一。自 2000 年以来，中国每年大概有 10 万人左右死于车祸，
相当于每天有 300 人左右丧生于交通事故[4]。

图 1.1 车联网示意图
Fig. 1.1 Schematic diagram of Internet of vehicles

科学界多年来一直在研究提高道路安全和预防交通事故的系统方法。智能交通系统
（Intelligent Transportation System, ITS）应运而生，旨在实现诸如智慧停车、交通事故预
警、智能信号灯、智慧驾驶等服务。以车联网为通信管理平台的实现是智能交通的关键
[5]
。尤其是随着 5G 商用步伐的加快，车联网作为 5G 产业中最重要的应用场景之一，受

- 1 -
 基于随机几何的车联网通信建模分析研究

到广泛的关注[6]。5G 网络有许多极其重要的特性，例如高可靠性、低延时等，这些特性
将会从多个方面促进车联网的发展，使得车联网迎来新的发展高峰[7-9]。
车联网在过去几年中发展迅速，这得益于避免拥堵、低运营成本和道路安全保证等
有益特性[10]。车联网是指利用“车对车（Vehicle to Vehicle, V2V）”和“车对基础设施
（Vehicle to Infrastructure, V2I）”的交互作用在车辆和其他物体之间进行通信 。车联
[11]

网是智慧城市的一个重要组成部分，能够实现道路、车辆、建筑物、基础设施和周围环
境的数据共享、交互、控制、管理和大数据收集[12,13]。目前，车联网的通信主要包含两
个方面：第一个方面是车辆与车辆之间的通信；另一个方面是车辆与基础设施之间的通
信。其中，和车辆与车辆间的通信相比，车辆与基础设施之间的通信可以发挥辅助通讯
功能，对车辆的传感器系统进行补充，因此车辆与基础设施之间的通信将是实现完整自
动汽车系统的重要一环。同时车辆与基础设施的通信不但创造了巨大的商业利润空间，
而且由于其集中式的控制方式也有利于国家交通部门收集和分析城市交通信息，然后进
行全局模式下的战略设计和控制[14-16]。因此，本文主要对车辆与基础设施之间的通信过
程中的网络质量问题进行了分析研究。
如图 1.1 所示，车联网由车辆和基础设施组成，车辆收集或感知有关速度、位置的
交通信息，并将其传输到基础设施或其他车辆。此外，该基础设施还为乘客和司机提供
有用的服务和其他交通信息，这使得驾驶辅助系统（包括车道保持辅助系统和行车辅助
系统等）得到了很好的发展，能够为驾驶员提供可靠的路线指导和及时的危险预警等。
然而，随着科技的进步和生活水平的提高，驾驶辅助系统已经逐渐不能满足人们的
需求，自动驾驶技术越来越得到人们的关注，尤其是 5G 的到来，更是将自动驾驶技术
带入一个新的发展阶段，人们期待自动驾驶技术在经过部分自动化、高度自动化阶段后
最终达到完全自动化的水平，然而这将对车联网的网络质量提出极高的要求。对于辅助
驾驶系统而言，网络质量主要是对驾驶员的驾驶体验产生一定的影响，而对于自动驾驶
而言，网络质量的影响则是致命性的，它将直接威胁到人们的生命财产安全，例如 2016
年 5 月 7 日美国特斯拉汽车公司生产的电动轿车在自动驾驶的模式下发生的一起交通事
故直接导致驾驶员身亡；2018 年 3 月 18 日美国一名女子被优步自动驾驶车辆（车辆处
于自动驾驶模式，但一名驾驶员位于驾驶座位上）撞伤后不幸身亡；2009-2015 年间谷
歌自动驾驶汽车在道路测试期间发生了 11 起小事故。
综上所述，自动驾驶技术的应用需要格外谨慎，它直接威胁的是人们的生命健康，
而稳定高质量的网络环境便是其得以发展甚至普及的关键前提之一。然而，就我国而言，
由于基站在最初建设的时候并不是以服务车联网为目的，因此仅仅依靠基站将可能导致

- 2 -
 大连理工大学专业学位硕士学位论文

一些拥堵的路段或者偏远区域的车辆得不到很好的网络覆盖，考虑到基站选址复杂且成
本昂贵，因此通过新建基站来提高覆盖率不是一个明智的选择，于是本文提出通过新建
价格低廉、选址要求低的路侧单元来提高网络质量的解决方案，认为这将是一个兼顾网
络质量与成本的更合理方案。
目前应用于车联网中车辆与基础设施之间通信的协议方案有两种：一种是因车联网
而生的 IEEE 802.11p 通信协议；另一种是我国主推的基于 LTE 架构的 LTE-V 协议[17]。
而我国主推的基于 LTE 架构的 LTE-V 通信协议将无法对本文提出的方案提供合理的支
持，基于现有的基站通过增建路侧单元来提高车联网的覆盖率就需要考虑两种通信协议
的协作问题，幸运的是，5G 网络的软件定义网络技术为两者的结合提供了理论依据，
同时，文献[18]也给出了两协议协作的详细分析并对其可行性进行了验证。本文的研究
便是基于 5G-802.11p 协作式网络场景下展开的，通过对车联网的建模分析对这种协作
式的网络场景下路侧单元的部署提供一个参考。

1.2 国内外研究现状及存在问题

1.2.1 随机几何理论在无线通信领域的应用
随机几何是一种广泛使用的数学工具，是分析大规模自组织网络和蜂窝网络的重要
工具。近年来，基于随机几何的蜂窝网络数学模型建模和性能评价方面，已有不同的研
究成果。根据各类文献的调研，基于随机几何来计算重要的网络性能指标（包括覆盖概
率、平均速率和丢包率等）常用的八种方法在建模的准确性、数学可分析性、数值复杂
性等方面提供了不同的作用。这些方法可以分为：1）瑞利衰落假设；2）最近的干扰近
似值；
3）其他设备间干扰的近似值[19]；4）适用于任意所研究链路衰落的 Plancherl-Parseval
定理[20]；5）数值理论上其他小区干扰的矩生成函数（MGF）；6）基于 MGF 的性能指
标的等价表示[21]；7）在参考文献[22]中使用其他单元的分布表示等价的单元分布；8）
使用 MGF 直接计算空间平均值[23]。
随机几何理论中所有点过程描述的点的分布都具有一定的随机性。由于随机几何的
空间随机性，早期主要应用于节点分布具有随机性的无线网络中，如：移动自组织网络、
无线认知网络、无线传感网络等。由于基站的分布因城市、乡村、地形等因素出现不同
程度的随机性，因而传统的规则六边形建模并不十分合理，基于基站分布出现的这种随
机性，2010 年首次应用于蜂窝网络的基站分布建模，随后随机几何理论被广泛应用于该
领域[24]。因此本文将采用相对成熟的随机几何理论对基站的分布建立模型。

- 3 -
 基于随机几何的车联网通信建模分析研究

1.2.2 随机几何理论在 IoV 领域的应用

正如 1.1.1 节中提到的，无论是 LTE-V 还是 802.11p 都存在各自的优缺点，因此两
者的结合可以互补缺陷，5G-802.11p 这种协作式的双层网络将集成二者的优点。在我国，
LTE 网络经过多年的发展已经拥有了成熟的架构、丰富的多媒体应用和完善的盈利模式
，在我国也拥有了庞大的用户群体。LTE 是一种最可靠的无线通信技术，它具有低时
[25]

延、高数据速率等优点，能充分考虑通信的时间保证较低的传输时延，所以应用在车联
网中能极大的改善车载自组网的缺点。另一方面 LTE 的资源有限，会存在拥堵现象，恰
好车载自组织网络又可以解决此缺点，所以混合网络将二者的优点进行了融合[26-28]。作
为 LTE 的延伸网络，标准的上，下行峰值速率分别可以达到 500Mbps 和 1Gbps 能够满
足国际电信联盟对峰值的要求，并且部署速度很快，在 2015 年，世界已经有大概 131 家
运营商和 60 多个国家开始部署此网络[29,30]。目前对于该网络的研究大多是基于协议层
的，对于我国而言，这种协作式网络面临的另一个现实的问题则是如何基于现有的基站
战略性地部署路侧单元来提高车联网的网络质量。而对于车联网网络质量的分析首先要
建立一个合理的几何分布模型。
在车联网通信中，一部分学者为研究如何提高车联网中的可靠性问题对车辆分布建
立了模型。文献[31]的作者对 2500 辆出租车的行动轨迹数据进行分析，计算其熵，得
出了车辆行为模型具有高度的规律性这一结论，并提出了利用车辆的历史轨迹数据进行
建模预测车辆的下一步行动的方法。文献[32]中提出了一种用于分析车联网中车辆通过
多跳车辆对车辆通信链路与路旁接入单元进行通信的数学模型，同时推导出了在不同道
路环境下，车联网所提供的连接可靠性与多跳链路中跳数之间关系的数学表达式。在文
献[33]中，作者提出了一种用于分析直线道路上车辆间连接概率的分析模型，该模型可
用于分析在不同车辆密度情况下安全消息在多跳 V2V 通信链路中的成功传输概率。文
献[34]分析了车辆间不同通信模型对车联网通信中车辆接入车联网概率的影响，并提出
了一种更符合真实情况下的 V2V 通信模型。文献[35,36]将道路上的车辆划分到不同的
车辆群中，建模分析了不同车辆群之间和同一车辆群内车辆的连接概率与道路上车辆密
度以及车辆通信距离之间的关系。也有一部分学者基于车辆分布的随机性，利用随机几
何中的泊松点过程对车辆以及基站的分布建立模型。随机几何中的泊松点过程很好地描
述了车辆和基站随机分布的特点。本文也将利用随机几何这一强大的数学工具对车辆、
基站、道路以及路侧单元建立一个更合理的模型。
随机几何理论由多种点过程理论组成，不同点过程描述具有不同分布特征的点。硬
核过程、簇过程、泊松点过程是随机几何理论中三种比较常见的点过程，三者描述的点

- 4 -
 大连理工大学专业学位硕士学位论文

的分布都具有一定的随机性，同时又呈现不同的特征：硬核过程描述的点与点之间具有
严格的排斥性，它规定了任意两点之间的距离大于给定的阀值；簇过程则与硬核相反，
首先随机生成一些点作为母点，然后以各个母点为中心，在其周围生成各自的子点，它
的生成过程决定了簇过程描述的点是成簇分布的，各个簇内部的点具有一定的吸引性[37-
；泊松点过程是随机几何理论中应用最广泛的点过程，它描述的点与点之间是相互独
40]

立的，具有很强的随机性，同时泊松点过程还具有一个优点——可分析性强，这也是它
得到广泛应用的一个十分重要的原因[41]，毕竟一个好的模型不仅仅要尽可能地符合实际
分布的特点，更要具有很强的可分析性，建模的目的便是进行理论分析。
基于现有的研究成果对车辆、基站、路侧单元建立一个更加贴合实际的几何分布模
型是本文展开研究的第一步，也是关键性的一步，这直接关系到分析结果的可信度以及
实用性。本文基于上述的研究成果以及现有研究的不足，结合随机几何的特性给出一个
更加贴合实际的几何分布模型，并基于给出的模型对车联网中的覆盖率问题进行分析，
对路侧单元的部署具有一定的参考意义。

1.2.3 存在的问题

图 1.2 现有的几何分布模型
Fig. 1.2 Existing geometric distribution models

正如上述提到的，现有的基于随机几何中泊松点过程对车辆以及路侧单元的几何分
布建模仅仅考虑到了车辆、路侧单元随机分布的特点，如图 1.2 所示，这种几何建模并

- 5 -
 基于随机几何的车联网通信建模分析研究

未考虑道路分布模型，也就是忽略了实际生活中车辆分布的一个最显著的特点：行驶中
的车辆总是分布于道路上，而道路主要是线性的且不规则地分布于二维平面上。另一方
面，对于路侧单元的建模也并未考虑到其沿道路分布的特点。因此，现有的建模均未很
好的体现车辆以及路侧单元分布的特点，使得现有的这种模型并不十分贴合实际。
综上所述，图 1.2 中描述的几何分布模型主要存在如下三点问题：
（1）未考虑道路的几何分布。车辆的分布与道路息息相关，对于车辆几何分布的捕
获脱离了道路便将脱离实际，因此未考虑道路的分布将导致该模型不能很好地对车辆的
分布进行描述。
（2）忽略了车辆沿道路分布的特征。上述模型由于未考虑道路的分布，也就不能将
车辆沿道路分布的特点很好地描述。
（3）忽略了路侧单元沿道路分布的特征。由于增建的路侧单元是专门服务于车联
网的，因此路侧单元的部署也将是沿道路进行的，并不是完全随机的。

图 1.3 理想的几何分布模型
Fig. 1.3 Ideal geometric distribution models

针对目前研究存在的以上三点问题，图 1.3 描述了一个更加贴合实际的车辆、基站

以及路侧单元的几何分布模型。即：一个更加合理的几何分布模型首先要捕获道路的结
构，然后限制车辆和路侧单元位于道路上分别对其建立模型，注意，车辆和路侧单元的
建模是相互独立的。现有的研究由于在开始建模时便与实际存在一定的差距，因此理论

- 6 -
 大连理工大学专业学位硕士学位论文

结果可能并不能很好地对实际生活中的问题提供一个良好的指导。只有几何模型与实际
更加相符，得出的结论才能更加准确，从而对实际生产生活中面临的问题给出一个可信
的解决方案。因此，本文在对 5G-802.11p 这种协作式的网络场景下的网络质量进行分析
之前，首先要对道路、车辆、路侧单元以及基站建立一个更加符合实际的几何分布模型。
以得到具有实际意义的理论结果。

1.3 本文主要研究工作
本文主要对 5G-802.11p 这种协作式的网络场景下的车联网的网络质量进行分析以
得到覆盖率的数学表达式，并根据覆盖率与基站、路侧单元以及车辆密度的关系对实际
中的问题进行讨论。因此，研究的第一步则是对 5G-802.11p 这种协作式的网络场景下道
路、车辆、路侧单元以及基站的分布建立合理的几何模型。因为 5G-802.11p 这种协作式
的网络场景涉及联网选择的问题，因此研究的第二步则是选取一个合适的联网方案。最
后基于模型与联网方案对车联网的覆盖率等进行分析。
本文首先基于上述现有模型存在的问题，提出了一种更加合理的几何分布模型，并
基于该模型与现有联网方案对车联网中的覆盖率进行了分析，得出覆盖率的数学表达式；
然后，考虑到现有联网方案的不足，提出一种更加合理的联网方案，根据提出的模型和
新的联网方案重新推导了覆盖率的表达式，并通过仿真实验对理论推导结果的正确性进
行了验证；最后，以大连市甘井子区为例将所得理论应用于实际，给出在现有基站下达
到理想的覆盖率时路侧单元的部署建议。
综上所述，本文具体的研究工作如下：
（1）提出一种更合理的几何分布模型。
对于车辆的分布建模，本文认为更合理的模型应该是首先捕获道路结构，然后在每
条道路上随机放置车辆节点。为了实现这一目标，本文首先根据泊松线过程将道路建模
为无向线路网络，然后采用一维泊松点过程在每条道路上放置车辆结点；对于路侧单元
而言，通常情况下，路侧单元同样是分布于每条道路上，因此，与车辆分布类似，采用
一维泊松点过程在每条道路上放置路侧单元节点。但应注意的是，车辆与路侧单元的模
型是相互独立的；对于基站，目前随机几何理论在基站分布方面的应用已经十分成熟，
为了便于分析，本文采用二维泊松点过程对基站的分布建立模型。
（2）提出关于覆盖率问题的解决方案。
考虑到现有基站在建立之初，并不是以服务车联网为目的，因此仅靠现有基站无法
为车辆提供稳定、高质量的网络环境，而基站的建设成本昂贵、选址要求高，因此通过
增建基站来提高网络质量将耗费较大的人力财力。相比于基站而言，路侧单元具有成本

- 7 -
 基于随机几何的车联网通信建模分析研究

低、选址灵活的优点，因此通过增建路侧单元来提高网络质量能够兼顾低成本的要求，
更为合理。
（3）推导所提方案下的覆盖率的表达式。
由上述方案可知，增建的路侧单元的个数与覆盖率密切相关，为了得到达到理想覆
盖率时所需增建的路侧单元的个数，本文依据所建立的模型与现有的联网方案推导了覆
盖率与路侧单元强度的关系式，进而由泊松点过程强度与个数的性质，得到增建不同个
数的路侧单元时对应的覆盖率情况，最后分析出达到理想覆盖率所需要增建的路侧单元
的个数。其中，为方便分析，本文将分析覆盖率的问题转为分析总干扰的拉普拉斯变换
问题，先对各类干扰进行分析，根据总干扰的拉普拉斯变换与覆盖率的关系得到最终覆
盖率的表达式。需要注意的是，现有的联网方案为了便于分析，未考虑由于车辆密度过
大导致的路侧单元达到饱和的情况，即认为单个路侧单元同一时刻可以服务的车辆的个
数是没有限制的。
（4）提出新的联网方案，并重新推导覆盖率的表达式。
由上述覆盖率与路侧单元强度的关系式容易得出在达到理想的覆盖率时需要增建
的路侧单元的个数，然而为了便于分析忽略了路侧单元的饱和情况以及车辆密度对于覆
盖率的影响。实际生活中，早晚高峰、假期等都可能导致某一时间段内车辆密度过大，
进而使得路侧单元达到饱和的情况，因此为了得出实际覆盖率与车辆密度的关系，本文
在上述结论的基础上，加入车辆密度的影响，提出了一种新的联网方案，重新推导了覆
盖率的表达式，并据此得出了覆盖率随车辆密度的变化情况。
（5）理论应用于实际。
以大连市甘井子区为例，运用上述推导的理论结果，对比了两种联网方案下的联网
概率以及覆盖率随各影响因素的变化曲线，给出了不同情况下达到理想的覆盖率需要增
建的路侧单元的数量问题，将理论结论应用于实际，为 5G-802.11p 这种协作式的车载网
络环境下路侧单元的实际部署提供理论参考。

1.4 本文结构安排
本文主要利用随机几何理论这一强大的数学工具对 5G-802.11p 这种协作式的车联
网通信进行研究，根据本文提出的几何分布模型与联网方案推导了车联网中覆盖率的表
达式，并据此给出基于现有基站下达到理想覆盖率时路侧单元的部署策略。本文的章节
组织结构如图 1.4 所示。
本文首先对随机几何理论以及 5G-802.11p 协作式网络场景进行了简单的介绍，然

- 8 -
 大连理工大学专业学位硕士学位论文

后针对要研究的内容展开一系列的工作，最后以大连市甘井子区为例将所推导的理论应
用于实际。本文具体的结构安排如下：

结合我国城交通现状，给出 5G-
网络协议分析
802.11p 协作式网络的合理性。

模型改进及 针对现有车联网模型的不足进
理论推导分析 行改进，并基于改进后的模型进
行理论推导与分析。

针对现有联网方案的不足进行
联网方案改进
改进，并基于改进后的联网方案
及理论推导分析
与模型进行理论推导与分析。

设计仿真实验，分别对所推导的
集成仿真验证
理论结果进行验证。

将所推导的理论结果应用于实
实践应用
践，解决实际问题。

图 1.4 车联网通信建模分析框图
Fig. 1.4 Modeling and analysis process of IoV

- 9 -
 基于随机几何的车联网通信建模分析研究

第一章，介绍了利用随机几何理论对 5G-802.11p 这种协作式的车联网通信进行研

究的背景和意义。给出了随机几何理论在无线通信以及车联网领域的研究现状，分析得
出现有的研究存在的问题，针对存在的问题说明了本文研究存在的意义。
第二章，对本文涉及的相关技术以及数学理论进行了简单介绍。一方面，由于本文
的研究是在 5G-802.11p 协作式网络场景下展开的，因此本文分析了 IEEE 802.11p 通信
协议和我国主推的基于 LTE 架构的 LTE-V 协议的优缺点，结合我国城市交通的特点说
明了 5G-802.11p 这种协作式的网络协议存在的意义。另一方面，由于本文是基于随机几
何中的相关理论对这种协作式的网络环境下的几何分布建立的模型，因此本章首先对下
文将使用的随机几何这一数学工具做了简单的介绍，主要是对随机几何理论中的泊松点
过程以及泊松线过程的定义以及关键的性质进行了详细的描述，为下文的研究提供理论
基础。
第三章，主要基于随机几何理论中的泊松点过程和泊松线过程分析了 5G-802.11p 这
种协作式的车联网网络环境下影响覆盖率的相关因素，并给出了覆盖率与基站密度，路
侧单元密度的关系式。首先，针对现有模型存在的问题，考虑进道路的结构以及车辆与
路侧单元沿道路分布的特征，本章提出了更加合理的几何分布模型；其次，考虑到网络
质量与接收端和发射端的距离直接相关，选择了 5G-802.11p 这种双层网络下车辆基于
阈值距离的联网选择方案 A；然后，经过分析将求覆盖率转为求总干扰的拉普拉斯变换
式，对可能产生干扰的干扰源进行了分析，由干扰的拉普拉斯变换的公式得出了各类干
扰的拉普拉斯变换，从而得到总干扰的拉普拉斯变换的表达式；最后，由总干扰的拉普
拉斯变换的表达式与覆盖率的关系得到覆盖率的一般表达式，并设计仿真实验对推导结
论的正确性进行验证。
注意，由于本文研究的网络场景是一个双层网络，而车辆在选择连接到基站和路侧
单元时覆盖率是不同的，因此本章基于覆盖率的一般表达式分别推导了车辆在接入基站
和路侧单元时的覆盖率，为得到平均情况下的覆盖率表达式，本章分析了联网方案 A 下
车辆接入基站和路侧单元的概率，最后根据车辆与距离最近的发射器（基站或者路侧单
元）之间的距离 𝜌 的分布得到平均情况下的覆盖率。
第四章，提出更加符合实际的联网方案 B，并基于提出的联网方案重新推导了覆盖
率的数学表达式。在第三章选择的联网方案 A 中，为了便于分析，忽略了路侧单元的饱
和情况，即认为单个路侧单元在同一时刻可以服务的车辆的个数没有限制，这是一个极
为理想的假设，严重脱离实际。为得到更加符合实际的结论，本章引入了使单个路侧单
元达到饱和状态的车辆个数 N，对联网方案进行了改进，改进后的联网方案 B 规定了当

- 10 -
 大连理工大学专业学位硕士学位论文

单个路侧单元同一时刻接入的车辆个数大于 N 时则不再允许其它车辆接入，这种联网
方案与第三章提出的联网方案 A 相比，更贴合实际。联网方案的改进导致车辆的连接概
率以及覆盖率都发生了改变，类似于第三章的分析思路，本章对联网方案 B 下的覆盖率
进行了分析，得到了更加贴合实际的覆盖率的表达式，并设计仿真实验对理论结果的正
确性进行验证。
第五章，将第三、四章推导的理论结论应用于实际：结合我国交通现状，以大连市
甘井子区为例讨论了 5G-802.11p 协作式的网络场景下基于现有的基站当达到理想的覆
盖率时需要增建的路侧单元的数量问题。
最后，对本文基于随机几何在 5G-802.11p 协作式网络场景下车联网通信的研究进
行总结，并对未来的工作做出展望。

- 11 -
 基于随机几何的车联网通信建模分析研究

2 相关技术及理论基础

本文的研究是在 5G-802.11p 协作式网络场景下展开的，主要使用了随机几何理论

中的泊松点过程和泊松线过程对道路、车辆、路侧单元和基站的几何分布建立了模型，
并基于建立的模型分析了 5G-802.11p 协作式车联网通信中的覆盖率问题。因此，在具体
分析之前，本章分别给出了 5G-802.11p 协作式网络协议的介绍以及泊松点过程和泊松
线过程的定义与性质。

2.1 5G-802.11p 协作式 V2I 通信

目前，应用于车联网中车辆与基础设施之间通信的协议方案有两种：一种是因车联
网而生的 IEEE 802.11p 通信协议；另一种是我国主推的基于 LTE 架构的 LTE-V 协议
[17]
。本节首先分别介绍了基于 LTE 的中心管控式 V2I 通信方式和基于 802.11p 的竞争
式 V2I 通信方式，分析了两种协议的优缺点；然后，基于上述两大协议优缺点的分析以
及我国基础设施部署不够完善、车流量大等城市交通现状指出两协议结合的必要性，并
结合[18]的研究分析了 5G-802.11p 的协作式 V2I 通信的合理性与可行性。为本文研究所
基于的 5G-802.11p 协作式网络场景提供理论与技术依据。

2.1.1 基于 802.11p 的竞争式 V2I 通信

IEEE 802.11p 通信协议凭借其优良的性能如超低时延、链路建立迅速等成为了一个
研究的热点。IEEE 802.11p 本质上是 IEEE 802.11（IEEE 2007）标准协议族中的一个修
正案，IEEE 802.11 是无线局域网（wireless local area networks, WLAN）广泛使用的技术。
不同的是，IEEE 802.11p 能够适应车-X 通信所遵循的特性。IEEE 802.11 标准的第一个
版本发表于 1997 年，它描述了 WLAN 的 MAC（Medium Access Control）层和 PHY（Port
Physical Layer）。多年来，该标准不断开发和拓展，并产生了一系列修正案，以便实现
以下功能：
（1） 扩展功能（如安全性、服务质量或互操作性）；
（2） 支持先进的传输技术;
（3） 在多个频带进行操作（如 2.4GHz 和 5.8GHz 的 ISM（Industrial Scientific
Medical）频段）。
这些修订案汇集到一个版本，从而形成了最新的标准 IEEE 802.11-2007（IEEE 2007）。
IEEE 802.11p 是 IEEE 802.11a 的变体，增加了对车-X 通信规范的描述：高度动态的移
动环境、消息传输方式、低时延和在预留频率范围内操作。这些特性要求对标准做相应

- 12 -
 大连理工大学专业学位硕士学位论文

的调整。从历史上看，IEEE 802.11p 标准是从“ASTM E2213-03 路边和车辆系统之间的

远程通信和信息交换的标准规范”
（ASTM 2003）演变过来的，ASTM E2213 标准在 2004
年转变为 IEEE 兼容风格。在随后的几年里，标准化的讨论继续进行，成果通过 IEEE 802
通信组投票的第一个版本是 4.0 版草案[42]。IEEE 802.11p 与“常规”IEEE 802.11 网络的
根本区别是使用非基本服务集（outside of a BSS, OCB）的概念进行通信的能力。
为了更好地适应车联网对于网络延迟等的需求，国外相关研究人员起草并通过了
DSRC（Dedicated Short Range Communication，专用短程通信技术）标准，如图 2.1 所
示，DSRC 架构下车辆联网必须具备两种硬件设备，即安装于车辆内部的车载设备 OBU
（On Board Unit，车载单元）和部署于道路边上的路侧设备 RSU（Road Side Unit，路侧
单元），OBU 和 RSU 通过专用短程通信技术实现消息的交换从而辅助驾驶员更加安全
高效地行驶。

图 2.1 DSRC 架构下车联网场景示意图

Fig. 2.1 Scenario diagram of IoVs under DSRC architecture

DSRC 架构采用 WAVE（Wireless Access in Ve-hicular Environment，车载环境中的

无线接入协议）作为它的通信协议，图 2.2 描述了 WAVE 协议栈，如图所示，WAVE 是
基于 802.11p 标准的，其 MAC 层和 PHY 层就是 802.11p 协议，不同的是，为了提供多
通道操作 WAVE 在原始 802.11p MAC 层上添加了 IEEE 1609.4 的 MAC 扩展层。正因
如此，该协议存在 802.11 系列协议固有的缺点，例如：隐藏终端、暴露终端、通信范围
有限等问题，同时，其竞争式访问信道（CSMA/CA（Carrier Sense Multiple Access with
Collision Avoid，载波侦听多路访问／冲突避免））的通信方式也导致 IEEE 802.11p 协

- 13 -
 基于随机几何的车联网通信建模分析研究

议对车辆密度十分敏感，尤其是在车辆密度较大的城市网络场景中其无法提供稳定的
QoS（Quality of Service，网络服务质量）性能。而我国面临的却是庞大的车流量和过低
的车载设备普及率，因此，车辆密度势必严重影响车联网的网络质量，故 IEEE 802.11p
通信协议并不能很好地适应我国的城市交通现状[43,44]。

安全应用 非安全应用

应用层
应用层
SAE J2735 消息层
IETF RFC
传输层
IEEE 1609.3 793/768
WSMP
安全 IETF RFC
网络
2460
IEEE 1609.2 WAVE LLC

IEEE 1609.4 WAVE MAC 扩展

WAVE MAC
IEEE
802.11p
WAVE PHY

图 2.2 WAVE 协议栈

Fig. 2.2 WAVE protocol stack

2.1.2 基于 LTE 的中心管控式 V2I 通信

长期演进（Long Time Evolved，LTE）协议是 3GPP 组织于 2004 年提出的通用型协
议框架。经过了多年的发展，LTE 已经拥有了成熟的架构、丰富的多媒体应用和完善的
盈利模式，在我国也拥有了庞大的用户群体[45]。
为满足车联网的需求，中国政府根据中国的交通情况，与移动通信集团和车辆企业
合作，提出了基于 LTE 的 LTE-V 协议。
基于 LTE 的 V2I 通信较基于 802.11p 的 V2I 通信更有优势，一方面，LTE 系统的
主要设备为基站，与 DSRC 架构下的路侧单元相比基站一般具有更高的传输功率，因此
LTE 的通信范围更广（通常是大于 10 千米），这将为驾驶员提供更长的反应时间，对
于禁止通过预警（Do Not Pass Warning，DNPW）以及失控预警（Control Losing Warning，
CLW）十分重要；另一方面，正如 2.1.1 节中提到的，802.11 系列协议采用的竞争式访

- 14 -
 大连理工大学专业学位硕士学位论文

问信道的通信方式导致其对车辆密度十分敏感，而 LTE 与其不同，在 LTE 协议中，无

线信道被划分为较小的无线电资源块（Resource Block , RB），在 LTE 系统中存在一个
中心调度程序，其根据不同的调度算法来实现 RB 的调度，因此 LTE 系统中的车辆不需
要竞争访问信道，这使得 LTE 协议较 802.11 系列协议的有着更大的用户容量。

控制信号
数据

MME P-GW
S-GW

互联网

X2

基础设施

图 2.3 V2I 通信中的 LTE 框架

Fig. 2.3 LTE framework in V2I communication

图 2.3 描述了 LTE-V 协议架构，如图所示，LTE-V 协议需要基站作为控制中心，基

站集中控制车辆与基础设施等的通信，控制信号在基站和车辆之间来回传递，其中，移
动管理实体（Mobile Management Entity , MME）是通过监管车辆的移动来管理车辆的基
站切换问题。
LTE 是一种最可靠的无线通信技术，它具有低时延、高数据速率和大覆盖范围等性
能优势，事实上，LTE 系统已经能够满足部分车联网的需求，例如对延迟要求不高的一
般多媒体服务，但却无法解决超低时延问题，同时，车辆与基站的连接过程所需时间也
长（一般为 2-2.5 秒），另外，由于现有基站最初并不是以服务车联网而建，这就导致
了部分拥堵路段附近可能并没有基站提供服务，导致网络质量与实际路况不匹配，而自
动驾驶等的实现以及普及的一个重要的前提便是覆盖广、质量好并且稳定的网络条件，
而基站不但成本高，并且选址复杂，因此，为提高车联网的网络质量以及覆盖范围增建

- 15 -
 基于随机几何的车联网通信建模分析研究

基站却不是一个明智的解决方案，正如一些研究人员所讨论的那样，LTE 网络是否是一
个适合未来车联网发展的框架仍然是一个亟待解决的问题。

2.1.3 5G-802.11p 的协作式 V2I 通信

基于 2.1.1 和 2.1.2 的分析，表 2.1 总结了两协议的特点，如表所示，不管是基于 LTE
架构的 LTE-V 协议还是 IEEE 802.11p 协议都有其优缺点，因此两协议的结合将可能提
供一个较好的解决方案。

表 2.1 LTE 与 IEEE802.11p 协议的特点

Tab. 2.1 The feature of LTE and IEEE802.11p protocol
LTE IEEE 802.11p
较大的通信范围 部署方便
较高的无线资源利用率 支持超低时延
优点 较高的通信容量 无连接和预处理程序
可控时延， QoS 支持
高速支持 V2V 直连支持
缺少车联网的相关算法 较小的通信范围
缺点 连接过程需要初始化 较低的通信容量
部署复杂 不可控的时延

在 LTE-802.11p 协作式网络场景下，车辆根据所在的位置、周围的网络设备情况以
及所给的联网方案等选择通过 LTE 协议的基站或 IEEE802.11p 的 RSU 与其他基础设施
建立连接，以使车联网得到更优的网络质量、更高的覆盖率等。
从目前的研究来看，两种协议的结合并不是一个新的想法，已有诸多研究人员对
LTE-802.11p 这种协作式 V2I 通信展开研究，目前的研究主要是对这种协作式网络场景
下两种协议的切换问题展开的，例如文献[46-49]的作者分别从不同的角度出发讨论了两
协议的切换算法。
如今，第五代移动通信技术（5G）的到来推动了数以万计技术的发展，其中车辆通
信技术便是其中重要的一项。5G 将为无线通信的性能带来巨大提升，其实现了网络时
延的进一步减少、网络容量的进一步增加，而车联网作为 5G 最重要的用例之一将可以
充分利用 5G 带来的优势来实现高可靠低延迟的车联网通信[50]。同时，5G 的软件定义网
络技术更是为两协议的结合提供了很好的技术支持，因此本文对车联网通信的相关研究
便是基于 5G-802.11p 协作式网络场景下进行分析。

- 16 -
 大连理工大学专业学位硕士学位论文

2.2 随机几何理论
本文在 1.2 节中已经对随机几何理论做了简单的介绍，并总结了随机几何理论在无
线通信和 IoV 领域的应用。由于本文主要使用了随机几何理论中的泊松点过程和泊松线
过程对道路、车辆、路侧单元和基站的几何分布建立了模型，并基于建立的模型分析了
5G-802.11p 协作式车联网通信中的覆盖率问题。因此，在具体分析之前，本节分别给出
了泊松点过程与泊松线过程的定义与关键性质，为下一章推导覆盖率的数学表达式提供
了重要的理论依据，是本文公式推导的关键所在。

2.2.1 泊松点过程
泊松点过程是随机几何理论中最常用的点过程之一，该点过程描述的点相互独立
且呈现很强的随机性，基于车辆与基站分布的随机性，本文将采用不同维度的泊松点
过程分别对车辆和基站的分布进行描述。下面是介绍了下文将应用到的泊松点过程的
定义与相关的性质。
以下给出的是泊松点过程的定义。
在 d 维欧式空间上的强度测度为 𝜆 的泊松点过程满足以下两个条件：
（1）对于每个紧致集 𝐵 ⊂ 𝑅 𝑑 ，其中点的个数 𝑁(𝐵) 服从强度为 𝜆𝑆 的泊松分布：
(𝜆𝑆)𝑘
ℙ[𝑁(𝐵) = 𝑘] = 𝑒 −𝜆𝑆 （2.1）
𝑘!

（2）若 𝐵1 , 𝐵2 , … 𝐵𝑚 是互不相交的闭集合，则：𝑁(𝐵1 ), 𝑁(𝐵2 ), … 𝑁(𝐵𝑚 ) 是相互独

立的随机变量。
其中，𝑁(𝐵) 表示集合 𝐵 中点的个数， 𝑆 表示集合 𝐵 所占面积。
以下给出的是泊松点过程的性质。
由泊松点过程的定义可知，若某一分布服从泊松点过程，那么必然满足以上两个条
件，即由条件（1）（2）可得泊松点过程两条十分重要的性质：
性质 1.1：由条件（1）可知，若面积为 𝑆 的区域内点集 𝐵 的分布服从强度为 𝜆 的泊
松点过程，那么该区域内点的个数 𝑁(𝐵) 服从强度为 𝜆𝑆 的泊松分布。
性质 1.1 推广：性质 1.1 为二维空间的情况，现将该性质推广到一维空间：若长度
为 𝐿 的线上点集 𝐸 的分布服从强度为 𝜂 的一维泊松点过程，那么该线上点的个数 𝑁(𝐸)
服从强度为 𝜂𝐿 的泊松分布。事实上，性质 1.1 可推广到任意维度，因本文只涉及一维与
二维相关结论，此处不做过多分析。
性质 1.2：由条件（2）可知，互不相交的泊松点过程，其点的个数是相互独立的随
机变量。

- 17 -
 基于随机几何的车联网通信建模分析研究

2.2.2 泊松线过程
本文考虑到道路的线性特征，采用了泊松线过程对道路的分布进行描述，因此，下
面对泊松线过程的定义及其性质做了相关介绍。以下给出的是泊松线过程的定义。

图 2.4 霍夫变换
Fig. 2.4 Hough transform

泊松线过程其实是由泊松点过程经过霍夫变换而得到的。如图 2.4 所示，左边的线

D 是由右边的点经过霍夫变换变换而来的。其中，𝑟 ∈ [−𝑅, 𝑅] 是右边的点的横坐标，对
应于左边线 D 与原点的距离，𝑟 的正负表示线的位置，当其为正时，表示对应的线位于
原点的上方，为负时表示对应的线位于原点的下方；𝜃 ∈ [0,2𝜋] 是右边的点的纵坐标，
它对应于左边线与横轴正方向的夹角。

图 2.5 泊松点过程与泊松线过程的对应关系
Fig. 2.5 Correspondence between PPP and PLP

经过上述的霍夫变换，能够实现泊松点过程中的点与泊松线过程中的线一一对应关

- 18 -
 大连理工大学专业学位硕士学位论文

系。如图 2.5，左边区域中服从泊松点过程的点对应于右边圆域中的唯一的一条线。因
此，通过矩形区域中的泊松点过程可以唯一地对应于圆域里的一个等强度的泊松线过程，
于是可以利用泊松线过程对道路的分布建立模型，如图 2.6 所示。

图 2.6 道路分布模型
Fig. 2.6 Model of road distribution

以下给出的是泊松线过程的性质。
由泊松线过程的生成过程可知，泊松线过程生成的线与泊松点过程生成的点具有一
一对应的关系，即圆域中泊松线过程生成的线的个数即为矩形区域中泊松点过程生成的
点的个数，又由泊松点过程定义可得泊松线过程的两条重要性质如下：
性质 2.1：圆域 𝑏(𝑜, 𝑅) 内线集 𝑀 中线的分布服从强度为 𝜆𝑀 的泊松线过程，那么线
的个数 𝑁(𝑀) 服从强度为 2𝜋𝜆𝑀 𝑅 的泊松分布。
证明：圆域 𝑏(𝑜, 𝑅) 中强度为 𝜆𝑀 的泊松线过程的线的个数等价于面积为 2𝜋𝑅 的矩
形区域中强度为 𝜆𝑀 的泊松点过程的点的个数，又由泊松点过程的性质 1.1，点的个数服
从强度为 𝜆𝑀 𝑆 = 2𝜋𝜆𝑀 𝑅 的泊松分布，得证。
性质 2.2：互不相交的泊松线过程，其线的个数是相互独立的随机变量。

2.3 本章小结
本章对下文将涉及的相关技术以及运用的理论基础做了简单的介绍。
首先分别介绍了我国主推的基于 LTE 架构的 LTE-V 协议和最初便是因车联网而生
的 IEEE 802.11p 通信协议的优缺点，根据我国庞大的车流量和过低的车载设备普及率的
城市交通现状，提出并介绍了下文将要研究的 5G-802.11p 这种协作式的车联网通信协
议，讨论了这种协作式的网络场景下想要提高覆盖率将面临的问题，并提出了增建路侧

- 19 -
 基于随机几何的车联网通信建模分析研究

单元这一兼顾成本与网络质量的解决方案。
然后，为给出不同覆盖率要求下需要增建的路侧单元的数量，需要对 5G-802.11p
这种协作式的车联网通信的网络质量问题进行分析。由于本文是基于随机几何中的相
关理论对这种协作式的网络环境下的几何分布建立的模型，因此，对下文将使用的随
机几何这一数学工具做了简单的介绍，并对随机几何理论中的泊松点过程以及泊松线
过程的定义以及关键的性质进行了详细的描述，其中泊松点过程与泊松线过程的性质
在下文的相关公式推导过程中将被广泛应用，为下文的分析研究提供了理论基础。

- 20 -
 大连理工大学专业学位硕士学位论文

3 车联网模型改进及覆盖率推导分析

随着人们生活水平的提高，汽车变得越来越普遍，为研究 5G-802.11p 协作式车联网

中的网络性质，就要对车辆，基站以及路侧单元的几何分布建立合适的模型，又考虑到
行驶中的车辆总是分布于道路上的特征，因此本章首先对道路的分布建立模型，然后将
车辆固定于道路上再对车辆的分布建立模型。基于建立的几何模型，得到彼此的距离关
系，进而推导出覆盖率的表达式，对 5G-802.11p 这种协作式的协议下的车联网的覆盖率
进行分析。

3.1 基于随机几何的车联网模型
本节首先基于道路，车辆，路侧单元和基站的分布特点建立了几何模型，然后，因
为本文研究的是 5G-802.11p 协作式的车联网通信问题，为了便于分析这种双层的网络，
选择了一种基于阈值的联网方案来给定不同情况下车辆的联网选择。

3.1.1 基于随机几何的车联网模型
目前现有的车辆分布模型一般在研究区域内采用随机几何理论中的点过程建立模
型，而现实中车辆在一定区域中的分布却并不是完全随机的，该分布有一个显著的特征，
即行驶中的车辆是总位于道路上的。本文主要基于随机几何理论，针对现有车辆分布模
型的不足，提出一种更为合理的模型，将行驶中的车辆总是分布于道路上这一特征考虑
进模型中，使得模型更加贴合实际。因此，车辆分布的模型势必与道路相关联，于是在
对车辆分布建立模型之前首先要对道路进行一个合理的建模，考虑到车辆总是分布于道
路上这一特征，将车辆固定于道路上建立一个更加符合实际的模型。同理，路侧单元的
分布与车辆分布具有类似的特点，因此可采用同一类模型对路侧单元的分布进行描述，
需要注意的是，两个模型是相互独立的。为了推导出覆盖率的表达式，也要对基站的分
布建立合理的模型。
因为道路的分布因地形城市的不同而呈现较大的差异，考虑到研究的可分析性以及
结论的一般性，认为道路的分布也是具有随机性的，采用泊松线过程对道路的分布建立
模型；结合车辆分布的随机性以及沿道路分布的特征，本文选取沿道路线性分布的一维
泊松点过程对车辆与路侧单元的分布建立模型；对于将要增建的路侧单元，考虑到不同
道路、同一道路不同路段车辆密集程度不同，对路侧单元的需求呈现出一定的随机性，
并且路侧单元与车辆的分布类似，都呈现出沿道路分布的特点，因而路侧单元分布也采
用一维泊松点过程建立模型。需要注意的是，车辆和路侧单元的模型是相互独立的两部
分；由于基站的分布因城市、乡村、地形等因素出现不同程度的随机性，因而传统的规

- 21 -
 基于随机几何的车联网通信建模分析研究

则六边形建模并不十分合理，基于基站分布出现的这种随机性，随机几何理论在基站建
模方面得到广泛的应用，因此本文对基站的建模采用了已经广泛使用的二维泊松点过程。
下面对上述的建模做出详细的数学描述。

图 3.1 模型示意图
Fig. 3.1 Schematic diagram of the model

为了便于分析，如图 3.1，本文假设圆域 𝑏(𝑜, 𝑅) 为要研究的区域，要研究的目标车

辆在过圆心的水平道路上，且位于圆心位置。下面依据以上分析对模型进行了具体的描
述：
（1）道路模型：为了方便数学公式的推导，道路模型两部分组成：一部分道路服从
强度为 𝜆 的二维泊松线过程，另一部分则是增添一条水平过圆心的道路，长度为 2𝑅 。
需要注意的是，道路模型的这两部分是相互独立的。
（2）基站模型：基站服从强度为 𝜆𝐵 的二维泊松点过程。
（3）路侧单元模型：路侧单元服从强度为 𝜆𝑅 的一维泊松点过程。
（4）车辆模型：车辆服从强度为 𝜇 的一维泊松线过程。

3.1.2 基于阈值距离的联网方案 A
因为本文对车联网通信的相关研究是在 5G-802.11p 协作式网络场景下的，如图 3.2
所示，这是一个双层网络，因此车辆联网时将需要一个合理的联网方案来规定不同情况

- 22 -
 大连理工大学专业学位硕士学位论文

下车辆的联网选择，即车辆将根据给出的联网方案选择是接入基站还是某一个路侧单元。
在推导覆盖率之前，首先要选择一个联网方案，规定车辆在不同情况下的连接选择规则。

表 3.1 符号说明
Tab. 3.1 Symbol description
符号 含义
𝜆 道路分布模型强度
𝜆𝐵 基站分布模型强度
𝜆𝑅 路侧单元分布模型强度
𝜇 车辆分布模型强度
𝑑 阈值距离
𝑉 目标车辆
𝜌 目标车辆与其接入的设备之间的距离
𝑇 信干比的阈值
𝑡 与所在道路中心的距离
𝑟𝑅 泊松线过程生成的路上无路侧单元干扰区的半径
𝑁𝑅 路侧单元的个数
1
路侧单元的功率
𝜎𝑅
1
基站的功率
𝜎𝐵
𝑟 目标车辆与某道路中心的距离
𝑁1 𝐷1类道路的个数
𝑁2 𝐷2类道路的个数
𝑟𝑟 水平过原点的路上无路侧单元干扰区的半径
𝑟𝐵 无基站干扰区的半径
𝑁𝐷 泊松线过程生成的路的条数
𝑟𝑣 泊松线过程生成的路上无车辆干扰区的半径
𝑟𝑟𝑣 水平过原点的路上无车辆干扰区的半径
1
车辆的功率
𝜎𝑣
𝑁𝑣 车辆的个数
𝑁𝐵 基站的个数
𝑁 单个路侧单元可以同时服务的最大车辆个数
𝐷0 水平过原点的道路

- 23 -
 基于随机几何的车联网通信建模分析研究

考虑到网络质量与接收器和发射器之间的距离直接相关，因此，本文选择文献[20]
中提出的一种基于阀值距离的方案：给定阀值距离 𝑑，以目标车辆为圆心，若在圆域
𝑏(𝑜, 𝑑) 内有路侧单元，则该车辆接入距离它最近的路侧单元，否则接入距离它最近的基
站。
表 3.1 给出了下文将使用的关键符号说明。
注意到，为了方便分析计算，这种联网方案忽略了车辆密度过大时单个路侧单元饱
和的情况，即认为路侧单元始终不会达到饱和状态。

Internet

LTE 通信范围
802.11p 通信范围
LTE 通信链路
802.11p 通信链路
图 3.2 5G-802.11p 协作式网络场景
Fig. 3.2 5G-802.11p collaborative network

3.2 距离分布
上一小节中选择了一种基于阈值距离的联网方案，给出了车辆不同情况下的联网选
择，为了便于后续的公式推导和表示，假设车辆与距离最近的发射器（基站或者路侧单
元）之间的距离为 𝜌。下面对距离 𝜌 的分布进行分析。

- 24 -
 大连理工大学专业学位硕士学位论文

3.2.1 接入路侧单元时的距离分布
由 2.2.2 中给出的联网方案 A 可知，以目标车辆为圆心，若在圆域 𝑏(𝑜, 𝑑) 内有路侧
单元，则该车辆接入距离它最近的路侧单元，因此目标车辆与最近的路侧单元的距离 𝑑𝑅
的累积概率分布函数（Cumulative Distribution Function, CDF） 𝐹𝑑𝑅 (𝜌) 可以表示为：

𝐹𝑑𝑅 (𝜌) = ℙ[𝑑𝑅 ≤ 𝜌] = 1 − ℙ[𝑑𝑅 > 𝜌] (3.1)

因为目标车辆与最近的路侧单元的距离为 𝑑𝑅 ，因此 𝑑𝑅 > 𝜌 表示在以 𝜌 为半径的圆

域 𝑏(𝑜, 𝜌) 内没有路侧单元，表示为：𝑁𝑅 (𝑏(𝑜, 𝜌)) = 0 ，其中 𝑁𝑅 (𝑏(𝑜, 𝜌)) 表示圆域 𝑏(𝑜, 𝜌)
内路侧单元的数量。因此目标车辆与最近的路侧单元的距离 𝑑𝑅 的累积概率分布函数
𝐹𝑑𝑅 (𝜌) 又可以表示为：

𝐹𝑑𝑅 (𝜌) = 1 − ℙ[𝑁𝑅 (𝑏(𝑜, 𝜌)) = 0] (3.2)

下面求解圆域 𝑏(𝑜, 𝜌) 内没有路侧单元的概率：ℙ[𝑁𝑅 (𝑏(𝑜, 𝜌)) = 0]。

因为路侧单元是沿道路分布的，因此，圆域 𝑏(𝑜, 𝜌) 内没有路侧单元的概率等价于
圆域 𝑏(𝑜, 𝜌) 内每条路上都没有路侧单元的概率。而道路建模为相互独立的两部分，因此
圆域 𝑏(𝑜, 𝜌) 内没有路侧单元的概率可以表示为：

ℙ[𝑁𝑅 (𝑏(𝑜, 𝜌)) = 0]

∞ 𝑛

= ∑ (ℙ[𝑁𝑟𝑜𝑎𝑑𝑠 (𝑏(𝑜, 𝜌)) = 𝑛] × ∏ ℙ[𝑁𝑅 (𝑟𝑜𝑎𝑑𝑖 ) = 0]) × ℙ[𝑁𝑅 (𝑟𝑜𝑎𝑑0 ) = 0]

𝑛=0 𝑖=1
0
2 −2𝜆𝑅 √𝜌2 −𝑟𝑖2
∞ (2𝜆𝑅 √𝜌2 − 𝑟𝑖 ) 𝑒
(2𝜋𝜆𝜌)𝑛 𝑒 −2𝜋𝜆𝜌 (2𝜆𝑅 𝜌)0 𝑒 −2𝜆𝑅𝜌
=∑ × ×
𝑛! 0! 0!
𝑛=0
( )
𝜌
2 −𝑟 2
= exp [−2𝜆𝑅 𝜌 − 2𝜋𝜆 ∫ (1 − 𝑒 −2𝜆𝑅 √𝜌 ) d𝑟] (3.3)
𝑟=0

其中，𝑁𝑟𝑜𝑎𝑑𝑠 (𝑏(𝑜, 𝜌)) 表示圆形区域 𝑏(𝑜, 𝜌) 内泊松线过程生成的路的条数，𝑁𝑅 (𝑟𝑜𝑎𝑑𝑖 )

表示泊松线过程生成的某一道路 𝑖 上路侧单元的个数，𝑁𝑅 (𝑟𝑜𝑎𝑑0 ) 表示目标车辆所在的
水平过原点的路上路侧单元的个数。该表达式的推导使用了第二章中介绍的泊松点过程
以及泊松线过程的数量关系性质。
综上所述，目标车辆与距离它最近的路侧单元之间的距离 𝑑𝑅 的累积概率分布函数
𝐹𝑑𝑅 (𝜌) 可以表示为：

- 25 -
 基于随机几何的车联网通信建模分析研究

𝐹𝑑𝑅 (ρ) = ℙ[𝑑𝑅 ≤ ρ] = 1 − ℙ[𝑑𝑅 > ρ] = 1 − ℙ[𝑁𝑅 (𝑏(𝑜, ρ)) = 0]

ρ
2 −𝑟 2
= 1 − exp [−2λ𝑅 ρ − 2πλ ∫ (1 − 𝑒 −2𝜆𝑅√𝜌 ) d𝑟] (3.4)
𝑟=0

为了验证推导的公式（3.4）的正确性，本文设计了仿真实验，应用本文 3.1.1 中所
提出的几何分布模型建模，由于模型是基于随机几何理论的，因此可以根据坐标方便地
获取各个车辆与所接入的路侧单元之间的距离 𝑑𝑅 ，给定不同的 ρ 统计计算 𝑑𝑅 ≤ ρ 的概
率，得到距离 ρ 的 CDF 的仿真值。

表 3.2 实验中配置的仿真参数
Tab. 3.2 Simulation parameters
符号 描述 取值
𝜆𝐵 基站分布模型强度 0.5 个/𝑘𝑚2
𝜆𝑅 路侧单元分布模型强度 0.05 个/ 𝑘𝑚2
𝜇 车辆分布模型强度 30 辆/ 𝑘𝑚2
𝑑 阈值距离 0.1km
𝑅 圆域半径 5km

图 3.3 接入路侧单元时距离 ρ 的 CDF

Fig. 3.3 CDF of distance ρ to nearest RSU.

- 26 -
 大连理工大学专业学位硕士学位论文

仿真实验中配置的仿真参数如表 3.2 所示。图 3.3 分别给出了接入路侧单元时距离

ρ的 CDF 的理论值与仿真值，如图所示，根据本文所推导的公式（3.4）计算得到的理论
值与仿真实验得到的仿真值基本一致，这验证了理论推导结果的正确性。
由其分布函数易得其密度函数 𝑓𝑑𝑅 (𝜌) 可表示为：
ρ
′ (ρ) 2 −𝑟 2
𝑓𝑑𝑅 (ρ) = 𝐹𝑑𝑅 = 2λ𝑅 [exp (−2λ𝑅 ρ − 2πλ ∫ (1 − 𝑒 −2𝜆𝑅√𝜌 ) d𝑟 )] (3.5)
𝑟=0

3.2.2 接入基站时的距离分布
与目标车辆接入路侧单元时的分析类似，目标车辆与最近的基站的距离 𝑑𝐵 的累积
概率分布函数 𝐹𝑑𝐵 (𝜌) 可表示为：

𝐹𝑑𝐵 (ρ) = ℙ[𝑑𝐵 ≤ ρ] = 1 − ℙ[𝑑𝐵 > ρ] (3.6)

图 3.4 接入基站时距离 ρ 的 CDF

Fig. 3.4 CDF of distance ρ to nearest BS.

因为目标车辆与最近的基站的距离为 𝑑𝐵 ，因此𝑑𝐵 > 𝜌表示在以 𝜌 为半径的圆域

𝑏(𝑜, 𝜌) 内没有基站，表示为：𝑁𝐵 (𝑏(𝑜, 𝜌)) = 0，其中 𝑁𝐵 (𝑏(𝑜, 𝜌)) 表示圆域 𝑏(𝑜, 𝜌) 内基
站的数量。因此目标车辆与最近的基站的距离 𝑑𝐵 的累积概率分布函数 𝐹𝑑𝐵 (𝜌) 又可以表
示为：

- 27 -
 基于随机几何的车联网通信建模分析研究

2
𝐹𝑑𝐵 (ρ) = 1 − ℙ[𝑁𝐵 (𝑏(𝑜, ρ)) = 0] = 1 − 𝑒 −λ𝐵 πρ (3.7)

其中，圆域 𝑏(𝑜, 𝜌) 内没有基站的概率推导使用了第二章中介绍的泊松点过程的数量关

系性质。
类似 3.2.1 节设计仿真实验，仿真实验中配置的仿真参数与上一小节一致（如表 3.2
所示），图 3.4 分别给出了接入基站时距离 ρ 的 CDF 的理论值与仿真值，如图所示，根
据本文所推导的公式（3.7）计算得到的理论值与仿真实验得到的仿真值基本一致，证明
理论结果符合实际。
由其分布函数易得其密度函数 𝑓𝑑𝐵 (𝜌) 可表示为：
2
𝑓𝑑𝐵 (ρ) = 𝐹𝑑′ 𝐵 (ρ) = 2πλ𝐵 ρ 𝑒 −λ𝐵 πρ (3.8)

3.3 干扰的拉普拉斯变换
在分析干扰的拉普拉斯变换和具体推导覆盖率之前，为了便于分析，首先做一些关
键性的假设与符号说明：
（1） 假设所有的无线信道都具有瑞利衰落，衰落系数 ℎ~ 𝑒𝑥𝑝(𝜂)。
（2） 假设与干扰相比，接收器的噪声可以忽略不计，信干比 𝑆𝐼𝑅 非常接近信干噪
比 𝑆𝐼𝑁𝑅。
1 1 1
（3） 发射器的功率为 𝜎 ，其中基站、路侧单元的发射功率分别为 𝜎 、𝜎 。
𝐵 𝑅
（4） 假设所有的车辆均位于线性道路上，且分布强度均为 𝜇。
（5） 接收器与最近的发射器之间的距离为 𝜌。
本文忽略了噪声的影响，使用信干比 𝑆𝐼𝑅 作为覆盖率的度量，认为当信干比 𝑆𝐼𝑅 超
过预先给定的阀值 𝑇 时接收器联网成功。因此，覆盖率等价于信干比 𝑆𝐼𝑅 大于阈值 𝑇 的
概率，即覆盖率可以表示为：
1/σℎρ−α
ℙ𝑐𝑜𝑣 (ρ) = ℙ[𝑆𝐼𝑅 > 𝑇] = ℙ [ > 𝑇] = ℙ[ℎ > σ𝑇𝐼ρα ] = 1 − ℙ[ℎ ≤ σ𝑇𝐼ρα ](3.9)
𝐼
其中，𝐼 表示干扰，ℎ 表示瑞利衰落系数，本文取瑞利衰落参数 𝜂 = 1 ，即：ℎ~ 𝑒𝑥𝑝(1)
因此，覆盖率又可以表示为：
−𝛼 −𝛼
ℙ𝑐𝑜𝑣 (𝜌) = 1 − ℙ[ℎ ≤ 𝜎𝑇𝐼𝜌−𝛼 ] = 𝐸[1 − (1 − 𝑒 −𝜎𝑇𝐼𝜌 )] = 𝐸[𝑒 −𝜎𝑇𝐼𝜌 ] (3.10)

又由干扰的拉普拉斯变换定义：ℒ𝐼 (𝑠) = 𝐸[𝑒 −𝑠𝐼 ]，故：

ℙ𝑐𝑜𝑣 (𝜌) = ℒ 𝐼 (𝜎𝑇𝜌𝛼 ) (3.11)

- 28 -
 大连理工大学专业学位硕士学位论文

由上述分析可知，覆盖率等价于参数 𝑠 = 𝜎𝑇𝜌𝛼 时总干扰的拉普拉斯变换。因此，

覆盖率推导的基本方案如下：
（1） 首先要对干扰进行分析，得出总干扰的拉普拉斯变换，进而推出覆盖率的一
般表达式；
（2） 因为车辆连接基站与路侧单元时的覆盖率不同，因此对一般表达式加以分析，
分别得出车辆在连接基站时的覆盖率ℙ𝑐𝑜𝑣 |𝐵 与连接路侧单元时的覆盖率
ℙ𝑐𝑜𝑣 |𝑅 ；
（3） 对连接概率进行分析，分别求出车辆连接基站的概率ℙ𝐵 与连接路侧单元的概
率ℙ𝑅 ；
（4） 各个覆盖率与其对应的连接概率的乘积之和即为总的覆盖率ℙ𝑐𝑜𝑣 (𝜌)；
（5） 注意到此时的覆盖率与最近距离𝜌相关，故根据 3.2 节中对距离分布的分析，
得到最终的覆盖率ℙ𝑐𝑜𝑣 。
因此，本节首先分析了总干扰的拉普拉斯变换，详细的分析如下。

3.3.1 泊松线过程生成的路上路侧单元产生的干扰
若目标车辆周围圆域 𝑏(𝑜, 𝑟𝑅 ) 内无路侧单元，那么位于该圆域内的道路上便不会存
在来自路侧单元产生的干扰，于是，我们认为圆域 𝑏(𝑜, 𝑟𝑅 ) 为一个无干扰区。根据道路
是否穿过无干扰区，可将其分为两类，如图 3.5 所示，其中 𝐷1 表示的是一类没有穿过无
干扰区的道路，𝐷2 表示的是一类穿过无干扰区的道路，𝑡 表示某一位置与道路中心的距
离。
因为目标车辆所受的干扰与干扰源的位置直接相关，因此首先给出条件拉普拉斯变
换（以干扰源的位置为条件）：

𝑠 𝑠
ℒ𝐼 (𝑠) = 𝐸 [exp (− ∑ ℎ ∥ 𝑥 ∥−𝛼 )] = 𝐸 [∏ exp (− ℎ ∥ 𝑥 ∥−𝛼 )] (3.12)
𝜎 𝜎
𝑥∈Φ 𝑥∈Φ

又因为 ℎ~ 𝑒𝑥𝑝(1)，故：

𝑠 1
ℒ𝐼 (𝑠) = 𝐸 [𝐸ℎ [∏ exp (− ℎ ∥ 𝑥 ∥−𝛼 )]] = 𝐸 [∏ 𝑠 ] (3.13)
𝜎 1 + ∥ 𝑥 ∥−𝛼
𝑥∈Φ 𝑥∈Φ 𝜎
其中，𝑥 表示某一个干扰源，Φ 表示某一类干扰源的集合，∥ 𝑥 ∥ 表示设备与干扰源 𝑥 之
间的距离。公式（3.13）为以干扰源的位置为条件，假设所有的信道都服从瑞利衰落的
条件下干扰的拉普拉斯变换式。

- 29 -
 基于随机几何的车联网通信建模分析研究

D1

t=0 t= rR2 − r 2 t = R2 − r2

D2 r rR R

图 3.5 两类道路模型示意图
Fig. 3.5 Model diagram of two kinds of roads

下面分别分析 𝐷1 ，𝐷2 两类道路上的路侧单元产生干扰的拉普拉斯变换。

对于 𝐷1 类的某一道路，该条道路上所有的路侧单元产生的干扰的拉普拉斯变换可
以表示为：

1
𝑔1 (𝑟) = E [ ∏ 𝑠 ]
𝑥∈𝐷1 {1 + ‖𝑥‖−𝛼 }]
𝜎𝑅
𝑚
1
= ∑ (ℙ[𝑁𝑅 = 𝑚] ∏ 𝑠 2 )
𝑚≥0 𝑖=1 1 + σ (𝑟 + 𝑡𝑖2 )−α/2
𝑅
√𝑅 2 −𝑟 2
1
=exp [−2𝜆𝑅 ∫ (1 − 𝑠 ) d𝑡 ] （3.14）
𝑡=0
1 + 𝜎 (𝑟 2 + 𝑡 2 )−𝛼/2
𝑅

其中，ℙ[𝑁𝑅 = 𝑚]表示路侧单元的个数为 m 个的概率，这个概率的计算是利用了泊

松点过程关于点数的性质。上述公式为得到平均情况下某一条 𝐷1 类的道路上所有的路
侧单元产生的干扰的拉普拉斯变换，对某一条道路上路侧单元的数量 m 求了期望，得到
平均情况下的表达式。以下是公式（3.14）的详细推导过程：
𝐷1 类某一条道路上所有的路侧单元产生的干扰的拉普拉斯变换 𝑔1 (𝑟) 可以表示为：

1
𝑔1 (𝑟) = E [ ∏ 𝑠 ] （3.15）
{1 + ‖𝑥‖ −𝛼 }]
𝑥∈𝐷1 𝜎𝑅

- 30 -
 大连理工大学专业学位硕士学位论文

如图 3.5 所示，某个路侧单元𝑥𝑖 与它所在道路中心的距离用 t 表示，因此，它与目标

车辆之间的距离可以表示为：∥ 𝑥𝑖 ∥= (𝑟 2 + 𝑡𝑖2 )−1⁄2 。假设该条道路上路侧单元的数量
𝑁𝑅 = 𝑚，因此 𝑔1 (𝑟) 可以表示为：
𝑚
1
𝑔1 (𝑟) = ∑ (ℙ[𝑁𝑅 = 𝑚] ∏ 𝑠 ) （3.16）
𝑚≥0 𝑖=1 1 + σ (𝑟 2 + 𝑡𝑖2 )−α/2
𝑅

对某个路侧单元 𝑥𝑖 与它所在道路中心的距离 t 用求期望，可以得到平均情况下单个

路侧单元产生的干扰的拉普拉斯变换，因此：
𝑚
1
𝑔1 (𝑟) = ∑ (ℙ[𝑁𝑅 = 𝑚] (Et [ 𝑠 ]) ) （3.17）
𝑚≥0 1 + σ (𝑟 2 + 𝑡𝑖2 )−α/2
𝑅

由于路侧单元分布的随机性，认为某个路侧单元 𝑥𝑖 与它所在道路中心的距离 t 的分
布服从区间 [−√𝑅 2 − 𝑟 2 , √𝑅 2 − 𝑟 2 ] 上的均匀分布，因此，
𝑚
√𝑅2 −𝑟 2
𝑓(𝑡)
𝑔1 (𝑟) = ∑ (𝑃[𝑁𝑅 = 𝑚] ( ∫ 𝑠 d𝑡) )
𝑚≥0 1 + σ (𝑟 2 + 𝑡 2 )−α/2
−√𝑅2 −𝑟 2 𝑅

𝑚
√𝑅2 −𝑟 2
𝑃[𝑁𝑅 = 𝑚] d𝑡
= ∑( 𝑚( ∫ 𝑠 2 ) ) （3.18）
𝑚≥0 (2√𝑅 2 − 𝑟 2 ) 1 + σ (𝑟 + 𝑡 2 )−α/2
−√𝑅2 −𝑟 2 𝑅

根据泊松点过程的性质，长度为 2√𝑅 2 − 𝑟 2 的路上路侧单元的个数服从密度为

2𝜆𝑅 √𝑅 2 − 𝑟 2 的泊松分布，因此：
𝑚
𝑚 √𝑅 2 −𝑟 2
2 −𝑟 2 (2𝜆𝑅 √𝑅 2 − 𝑟 2) 1
𝑔1 (𝑟) = ∑ (𝑒 −2𝜆𝑅√𝑅 𝑚 ( ∫ 𝑠 2 d𝑡) )
𝑚! (2√𝑅 2 − 𝑟 2 ) 1 + (𝑟 + 𝑡 2 )−𝛼/2
𝑚≥0 𝑡=−√𝑅2 −𝑟 2 𝜎𝑅
𝑚
√𝑅 2 −𝑟 2 1
(2𝜆𝑅 ∫𝑡=0 𝑠 2 d𝑡)
1 + 𝜎 (𝑟 + 𝑡 2 )−𝛼/2
2 −𝑟 2 𝑅
= 𝑒 −2𝜆𝑅√𝑅 ∑ （3.19）
𝑚!
𝑚≥0

( )

- 31 -
 基于随机几何的车联网通信建模分析研究

根据 𝑒 𝑥 的泰勒展开，可以得到：
√𝑅 2 −𝑟 2
√𝑅 2 −𝑟 2
2λ𝑅
𝑔1 (𝑟) = 𝑒 −2𝜆𝑅 exp [ ∫ 𝑠 2 d𝑡]
𝑡=0
1 + σ (𝑟 + 𝑡 2 )−α/2
𝑅

√𝑅 2 −𝑟 2
1
= exp [−2𝜆𝑅 ∫ (1 − 𝑠 ) d𝑡] （3.20）
𝑡=0
1 + 𝜎 (𝑟 2 + 𝑡 2 )−𝛼/2
𝑅

对于 𝐷2 类的某一道路，观察上图可知，该道路可能存在干扰的区间与 𝐷1 类道路不
同，故积分区间变为：[−√𝑅 2 − 𝑟 2 , −√𝑟𝑅2 − 𝑟 2 , ] ∪ [√𝑟𝑅2 − 𝑟 2 , √𝑅 2 − 𝑟 2 ]，因此，只需要
对上述 𝐷1 类的道路的分析结果修改积分上下限便可以十分方便地得到 𝐷2 类道路的分
析结果，即：𝐷2 类道路中某一条道路上所有的路侧单元产生的干扰的拉普拉斯变换可以
表示为：

√𝑅2 −𝑟 2
1
𝑔2 (𝑟) = exp −2𝜆𝑅 ∫ (1 − 𝑠 2 ) d𝑡 （3.21）
1 + 𝜎 (𝑟 + 𝑡 2 )−𝛼/2
𝑡=√𝑟𝑅2 −𝑟 2 𝑅
[ ]

综上所述，位于泊松线过程生成的道路上的路侧单元产生的干扰的拉普拉斯变换
ℒ𝐼𝑅 (𝑠, 𝑟𝑅 )为：
𝑘 𝑗

ℒ𝐼𝑅 (𝑠, 𝑟𝑅 ) = ∑ (ℙ[𝑁1 = 𝑘] ∏ 𝑔1 (𝑟𝑖 )) ∑ (ℙ[𝑁2 = 𝑗] ∏ 𝑔2 (𝑟𝑖 ))

𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

𝑘 𝑘 𝑗
(2λπ(𝑅 − 𝑟𝑅 )) 𝑒 −2λπ(𝑅−𝑟𝑅) (2λπ𝑟𝑅 )𝑗 𝑒 −2λπ𝑟𝑅
= (∑ (𝑟 )
∏ 𝑔1 𝑖 ) (∑ ∏ 𝑔1 (𝑟𝑖 ))
𝑘! 𝑗!
𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

𝑅 𝑟𝑅

= exp [−2πλ ( ∫(1 − 𝑔1 (𝑟)) d𝑟 + ∫ (1 − 𝑔2 (𝑟)) d𝑟)] （3.22）

𝑟𝑅 0

其中，ℙ[𝑁1 = 𝑘]表示 𝐷1 类道路有 k 条的概率，ℙ[𝑁2 = 𝑗]表示 𝐷2 类道路有 j 条的概率。

上述公式为得到平均情况下位于泊松线过程生成的道路上的路侧单元产生的干扰的拉
普拉斯变换，分别对 k 和 j 求了期望。

- 32 -
 大连理工大学专业学位硕士学位论文

以下是公式（3.22）的详细推导过程：
如图 3.5，泊松线过程生成的路分为 𝐷1 ，𝐷2 两类，因此泊松线过程生成的路上的路
侧单元产生的干扰的拉普拉斯变换可以表示为：

ℒ𝐼𝑅 (𝑠, 𝑟𝑅 ) = 𝑀1 ⋅ 𝑀2 （3.23）

其中，𝑀1 表示 𝐷1 类道路上所有路侧单元产生的干扰的拉普拉斯变换，𝑀2 表示 𝐷2 类路
上所有路侧单元产生干扰的拉普拉斯变换。
根据公式（3.14），上述公式又可以表示为：
𝑘 𝑗

ℒ 𝐼𝑅 (𝑠, 𝑟𝑅 ) = (∑ ℙ[𝑁1 = 𝑘] ∏ 𝑔1 (𝑟𝑖 )) ⋅ (∑ ℙ[𝑁2 = 𝑗] ∏ 𝑔2 (𝑟𝑖 )) （3.24）

𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

其中，𝑁1 表示 𝐷1 类路的条数，𝑁2 表示 𝐷2 类路的条数。根据泊松线过程的性质，𝐷1 类

路的条数服从强度为 2𝜆𝜋(𝑅 − 𝑟𝑅 ) 的泊松分布，𝐷2 类路的条数服从强度为 2𝜆𝜋𝑟𝑅 的泊松
分布，因此：

ℒ𝐼𝑅 (𝑠, 𝑟𝑅 )
𝑘 𝑘 𝑗
(2λπ(𝑅 − 𝑟𝑅 )) 𝑒 −2λπ(𝑅−𝑟𝑅) (2λπ𝑟𝑅 )𝑗 𝑒 −2λπ𝑟𝑅
= (∑ ∏ 𝑔1 (𝑟𝑖 )) (∑ ∏ 𝑔2 (𝑟𝑖 )) (3.25)
𝑘! 𝑗!
𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

根据公式（3.14）可得：
𝑅 𝑟𝑅

ℒ𝐼𝑅 (𝑠, 𝑟𝑅 ) = exp [−2πλ ( ∫(1 − 𝑔1 (𝑟)) d𝑟 + ∫ (1 − 𝑔2 (𝑟)) d𝑟)] （3.26）

𝑟𝑅 0

3.3.2 水平过原点的路上路侧单元产生的干扰
观察图 3.5 可知，目标车辆所在道路为 𝐷2 类道路的一种特殊情况，若在 𝑏(𝑜, 𝑟𝑟 ) 内
该道路上无路侧单元，那么其存在路侧单元的区间为[−𝑅, −𝑟𝑟 ] ∩ [𝑟𝑟 , 𝑅]，即水平过原点
的路上路侧单元产生干扰的拉普拉斯变换ℒ𝐼𝑟 (𝑠, 𝑟𝑟 )为：
𝑅
1
ℒ𝐼𝑟 (𝑠, 𝑟𝑟 ) = exp [−2𝜆𝑅 ∫ (1 − 𝑠 ) d𝑡] （3.27）
𝑡=𝑟𝑟
1 + 𝜎 𝑡 −𝛼
𝑅

- 33 -
 基于随机几何的车联网通信建模分析研究

3.3.3 基站产生的干扰
服从二维泊松点过程的基站，对圆域 𝑏(𝑜, 𝑅) 中圆心处产生的干扰的拉普拉斯变换
是众所周知的，由下式给出：

ℒ𝐼𝐵 (𝑠, 𝑟𝐵 ) = exp [−λ (π𝑠 δ Γ(1 + δ)(1 − δ) − π𝑟𝐵2 𝐻δ (𝑟𝐵α /𝑠))] （3.28）

其中，𝑟𝑅 是不存在基站干扰的无干扰区的半径，𝐻 是高斯超几何函数，𝛿 = 2⁄𝛼 。

综上可得，总干扰的拉普拉斯变换 ℒ𝐼 (𝑠, 𝑟𝑅 , 𝑟𝑟 , 𝑟𝐵 ) 为：

ℒ𝐼 (𝑠, 𝑟𝑅 , 𝑟𝑟 , 𝑟𝐵 ) = ℒ𝐼𝑅 (𝑠, 𝑟𝑅 )ℒ𝐼𝑟 (𝑠, 𝑟𝑟 )ℒ𝐼𝐵 (𝑠, 𝑟𝐵 ) （3.29）

3.4 覆盖率
本节是本文的最重要的部分之一，主要根据上文中的分析得到最终的覆盖率，然后
得到覆盖率与基于现有的基站的情况下增建的路侧单元的个数的关系，得到达到理想覆
盖率时，需要增建的路侧单元的个数。根据上述分析，已经得到了总干扰的拉普拉斯变
换，而覆盖率等价于当参数 𝑠 = 𝜎𝑇𝜌𝛼 时总干扰的拉普拉斯变换，因此等价于已经得到
了覆盖率的一般表达式。然而，本文对车联网通信的相关研究是在 5G-802.11p 协作式网
络场景下的，这是一个双层网络，车辆联网可以选择基站也可能选择路侧单元，而车辆
不同的联网选择将导致不同的覆盖率，因此下文分别讨论了车辆在接入基站和路侧单元
的情况下的覆盖率，为了得到总的覆盖率，又根据联网方案分别推导了连接基站和路侧
单元的概率。详细的分析过程及结论如下所述。

3.4.1 不同情况下的覆盖率

图 3.6 接入路侧单元示意图
Fig. 3.6 Scene of access to RSU

- 34 -
 大连理工大学专业学位硕士学位论文

由上述易知，覆盖率可表示为：

ℙ𝑐𝑜𝑣 (ρ) = ℒ𝐼𝑅 (𝜎𝑇𝜌𝛼 , 𝑟𝑅 )ℒ𝐼𝑟 (𝜎𝑇𝜌𝛼 , 𝑟𝑟 )ℒ𝐼𝐵 (𝜎𝑇𝜌𝛼 , 𝑟𝐵 ) (3.30)

当目标车辆接入路侧单元时，说明目标车辆与最近的路侧单元之间的距离为𝜌，如
图 3.6 所示，即圆域 𝑏(𝑜, 𝜌) 内不存在路侧单元，故：𝑟𝑅 = 𝑟𝑟 = 𝜌，而此时并没有得到基
站的分布条件，因此基站的分布随机，即 𝑟𝐵 = 0 ，因此，当目标车辆接入路侧单元时的
覆盖率ℙ𝑐𝑜𝑣|𝑅 可以表示为：

ℙ𝑐𝑜𝑣|𝑅 = ℒ𝐼𝑅 (𝜎𝑇𝜌𝛼 , 𝜌)ℒ 𝐼𝑟 (𝜎𝑇𝜌𝛼 , 𝜌)ℒ𝐼𝐵 (𝜎𝑇𝜌𝛼 , 0) (3.31)

当目标车辆接入基站时，说明目标车辆与最近的基站之间的距离为 𝜌 ，在以目标车
辆为圆心的圆域 𝑏(𝑜, 𝑑) 内不存在路侧单元，如图 3.7 所示，即：𝑟𝑅 = 𝑟𝑟 = 𝑑, 𝑟𝐵 = 𝜌，因
此，当目标车辆接入路侧单元时的覆盖率ℙ𝑐𝑜𝑣|𝐵 可以表示为：

ℙ𝑐𝑜𝑣|𝐵 = ℒ𝐼𝑅 (𝜎𝑇𝜌𝛼 , 𝑑)ℒ𝐼𝑟 (𝜎𝑇𝜌𝛼 , 𝑑)ℒ𝐼𝐵 (𝜎𝑇𝜌𝛼 , 𝜌) (3.32)

图 3.7 接入基站示意图
Fig. 3.7 Scene of access to BS

3.4.2 连接概率
在 2.5.1 中分别推导出了目标车辆在接入路侧单元和基站时的覆盖率，为得到总的
覆盖率，本节基于上文给出的联网方案分别推导了目标车辆接入基站和路侧单元时的概
率。
由给定的联网方案可知，当在圆域 𝑏(𝑜, 𝑑) 内无路侧单元时接入基站，因此目标车辆
连接基站的概率等价于在圆域 𝑏(𝑜, 𝑑) 内无路侧单元的概率，即接入基站的概率ℙ𝐵 可以

- 35 -
 基于随机几何的车联网通信建模分析研究

表示为：ℙ𝐵 = ℙ[𝑁𝑅 (𝑏(𝑜, 𝑑)) = 0]，圆域 𝑏(𝑜, 𝑑) 内没有基站的概率推导使用了第二章中

介绍的泊松点过程的数量关系性质，整理可得：
𝑑
2 −𝑟 2
ℙ𝐵 = ℙ[𝑁𝑅 (𝑏(𝑜, 𝑑)) = 0] = exp [−2𝜆𝑅 𝑑 − 2𝜋𝜆 ∫ (1 − 𝑒 −2𝜆𝑅√𝑑 ) 𝑑𝑟] （3.33）
𝑟=0

以下是公式（3.33）的详细推导过程：
由上文分析可知，目标车辆接入基站的概率等价于圆域 𝑏(𝑜, 𝑑) 内没有路侧单元的
概率，即目标车辆接入基站的概率 ℙ𝐵 可以表示为：

ℙ𝐵 = ℙ[𝑁𝑅 (𝑏(𝑜, 𝑑)) = 0] = 𝑀3 ⋅ 𝑀4 （3.34）

其中，𝑀3 表示圆域 𝑏(𝑜, 𝑑) 内由泊松线过程生成的路上没有路侧单元的概率，𝑀4 表

示圆域 𝑏(𝑜, 𝑑) 内水平过原点的路 𝐷0 上没有路侧单元的概率，因此：
∞ 𝑛

ℙ𝐵 = (∑ ℙ[𝑁𝐷 (𝑏(𝑜, 𝑑)) = 𝑛] ∏ ℙ[𝑁𝑅 (𝐷𝑖 ) = 0]) ⋅ (ℙ[𝑁𝑅 (𝐷0 ) = 0]) （3.35）
𝑛=0 𝑖=1

其中，ℙ[𝑁𝐷 (𝑏(𝑜, 𝑑)) = 𝑛] 表示圆域 𝑏(𝑜, 𝑑) 内由泊松线过程生成的道路的数量为 𝑛 的概

率；ℙ[𝑁𝑅 (𝐷𝑖 ) = 0] 表示圆域 𝑏(𝑜, 𝑑) 内由泊松线过程生成的某一道路 𝐷𝑖 上路侧单元的个
数为 0 的概率；ℙ[𝑁𝑅 (𝐷0 ) = 0] 表示圆域 𝑏(𝑜, 𝑑) 内水平过原点的路 𝐷0 上路侧单元的个
数为 0 的概率。
在圆域 𝑏(𝑜, 𝑑) 内服从泊松线过程的道路的数量服从强度为 2𝜋𝜆𝑑 的泊松分布；在圆
域 𝑏(𝑜, 𝑑) 内 由 泊 松 线 过 程 生 成 的 某 一 道 路 𝐷𝑖 上 路 侧 单 元 的 个 数 服 从 强 度 为

2𝜆𝑅 √𝑑2 − 𝑟𝑖2 的泊松分布；在圆域 𝑏(𝑜, 𝑑) 内水平过原点的路 𝐷0 上路侧单元的个数服从

强度为 2𝜆𝑅 𝑑 的泊松分布，因此上式可以表示为：

0
2 −2λ𝑅 √𝑑2 −𝑟𝑖2
∞ 𝑛 (2λ𝑅 √𝑑2 − 𝑟𝑖 ) 𝑒
(2πλ𝑑)𝑛 𝑒 −2πλ𝑑 (2λ𝑅 𝑑)0 𝑒 −2λ𝑅𝑑
ℙ𝐵 = ∑ ×∏ × (3.36)
𝑛! 0! 0!
𝑛=0 𝑖=1
( )
根据公式（3.14）可得：
𝑑
2 −𝑟 2
ℙ𝐵 = exp [−2πλ ∫ (1 − 𝑒 −2𝜆𝑅 √𝑑 ) d𝑟] ⋅ 𝑒 −2λ𝑅𝑑
𝑟=0

- 36 -
 大连理工大学专业学位硕士学位论文

𝑑
2 −𝑟 2
= exp [−2λ𝑅 𝑑 − 2πλ ∫ (1 − 𝑒 −2𝜆𝑅√𝑑 ) d𝑟] （3.37）
𝑟=0

为了验证推导的公式（3.37）的正确性，本文设计了仿真实验：应用本文 3.1.1 中所
提出的几何分布模型建模，由于所提出的模型是基于随机几何理论的，因此可以方便地
获取车辆、路侧单元以及基站的位置坐标，根据坐标可以计算出某一车辆 𝑣𝑖 与某一路侧
单元 𝑅𝑗 之间的距离 𝑑𝑣𝑖 𝑅𝑗 ，由此得到车辆 𝑣𝑖 与距离其最近的路侧单元之间的距离 𝑑𝑖 ，可

以表示为：𝑑𝑖 = 𝑚𝑖𝑛 {𝑑𝑣𝑖 𝑅𝑗 , 𝑗 ∈ 𝐶}，其中 𝐶 为仿真区域内路侧单元的集合。由给定的联

网方案 A，车辆接入路侧单元概率的仿真值可以表示为 𝑑𝑖 < 𝑑 的概率，即：ℙ𝑅 =
ℙ{ 𝑑𝑖 < 𝑑, 𝑖 ∈ 𝑉}，其中 𝑉 为仿真区域内车辆的集合，因此车辆接入基站概率的仿真值可
以表示为ℙ𝐵 = 1 − ℙ𝑅 = 1 − ℙ{ 𝑑𝑖 < 𝑑, 𝑖 ∈ 𝑉}。根据上述步骤及公式分别统计计算了
𝑑 = 0.01, 0.1, 1 时不同路侧单元强度下连接基站的概率，得到不同情况下的仿真值，仿
真实验中配置的其它相关仿真参数如表 3.2 所示。

图 3.8 联网方案 A 下接入基站的概率

Fig. 3.8 Connection probability of BS under networking schemes A

图 3.8 分别给出了𝑑 = 0.01, 0.1, 1 时不同路侧单元强度下连接基站概率的理论值与

仿真值，如图所示，根据本文所推导的公式（3.37）计算得到的理论值与仿真实验得到
的仿真值基本一致，证明理论结果符合实际。

- 37 -
 基于随机几何的车联网通信建模分析研究

本文假定车辆接入基站和路侧单元的概率之和为 1，因此，目标车辆接入路侧单元
的概率ℙ𝑅 可以表示为：

ℙ𝑅 = 1 − ℙ𝐵 （3.38）

3.4.3 总覆盖率
总的覆盖率可以由不同情况下的覆盖率和连接概率表示为：

ℙ𝑐𝑜𝑣 = ℙ𝑅 ℙ𝑐𝑜𝑣|𝑅 + ℙ𝐵 ℙ𝑐𝑜𝑣|𝐵 （3.39）

根据前边的分析可知，该表达式与接收器和发射器之间的距离 𝜌 相关，因此，为了
得到覆盖率的一般表达式，需要对距离𝜌求期望，即总的覆盖率可以表示为：
∞

ℙ𝑐𝑜𝑣 = ∫ (ℙ𝑅 ℙ𝑐𝑜𝑣|𝑅 𝑓𝑑𝑅 (𝜌) + ℙ𝐵 ℙ𝑐𝑜𝑣|𝐵 𝑓𝑑𝐵 (𝜌)) 𝑑𝜌 （3.40）

0
为了验证推导的公式（3.40）的正确性，本文设计了仿真实验：应用本文 3.1.1 中所
提出的几何分布模型建模，根据模型给定的坐标以及给出的联网方案 A 容易得到各车
辆与接入的路侧单元（或基站）之间的距离，分别计算了干扰链路的衰落服从参数 𝜂 = 1
的瑞利衰落时各个车辆的 𝑆𝐼𝑅，给定不同的阈值 T，统计 𝑆𝐼𝑅 > 𝑇 的概率作为覆盖率的
仿真值，即：ℙ𝑐𝑜𝑣 = ℙ{𝑆𝐼𝑅 > 𝑇 }。

表 3.3 实验中配置的仿真参数
Tab.3.3 Simulation parameters
符号 描述 取值
𝜆𝐵 基站分布模型强度 0.5 个/𝑘𝑚2
𝜆𝑅 路侧单元分布模型强度 0.05 个/ 𝑘𝑚2
𝜇 车辆分布模型强度 30 辆/ 𝑘𝑚2
1 1
/ 路侧单元/基站最大发射功率 23dBm/43dBm
𝜎𝑅 𝜎𝐵
𝑑 阈值距离 0.2km
𝑅 圆域半径 10km
𝜂 瑞利衰落参数 1
𝛼 路损指数 4

仿真实验中配置的仿真参数如表 3.3 所示，图 3.9 分别给出了不同 SIR 阈值 T 下覆

盖率的理论值与仿真值，如图所示，根据本文所推导的公式（3.40）计算得到的理论值
与仿真实验得到的仿真值基本一致，证明理论结果符合实际。

- 38 -
 大连理工大学专业学位硕士学位论文

图 3.9 联网方案 A 下不同 SIR 阈值 T 下的覆盖率

Fig. 3.9 Coverage under different T under networking schemes A

3.5 本章小结
本章是本文的重点，主要基于随机几何理论中的泊松点过程和泊松线过程分析了
5G-802.11p 这种协作式的车联网网络环境下影响覆盖率的相关因素，并给出了覆盖率与
基站密度，路侧单元密度的关系式。为得到这种协作式网络环境下覆盖率的表达式，本
章主要做了如下工作：
（1）基于随机几何理论中的泊松点过程和泊松线过程分别对基站、道路、路侧单元
和车辆的几何分布建立了更加合理的模型。其中，对车辆和路侧单元的几何分布建模时
考虑到了路侧单元和行驶中的车辆总是沿道路分布的特点，首先对道路建立了模型，然
后将路侧单元和车辆限制于道路上采用相互独立的一维的泊松点过程建立了更加符合
实际的分布模型。
（2）选择了 5G-802.11p 这种双层网络下车辆的联网选择方案。由于本文是基于 5G-
802.11p 这种更适合我国城市交通现状的协作式的网络场景下对车联网的通信问题进行
讨论的，因此目标车辆将面临一个联网的选择问题，为了便于后续的分析需要给出一个
方案规定车辆在不同情况下的联网选择。考虑到网络质量与接收端和发射端的距离直接
相关，本文采用了一种基于阈值距离的联网方案，注意到，该联网方案为了便于分析，

- 39 -
 基于随机几何的车联网通信建模分析研究

忽略了路侧单元的饱和情况，即认为单个路侧单元同一时刻能服务的车辆的个数没有限
制。
（3）分析并得出总干扰的拉普拉斯变换式。本文主要解决的是当达到理想的覆盖
率时需要增建的路侧单元的数量，因此需要得到覆盖率的表达式，经过分析将求覆盖率
转为求总干扰的拉普拉斯变换式，因此本文首先分析找到会对车辆联网产生干扰的干扰
源，然后分别由干扰的拉普拉斯变换的公式得出了各类干扰的拉普拉斯变换，从而得到
总干扰的拉普拉斯变换的表达式。
（4）推导出覆盖率的最终表达式。由总干扰的拉普拉斯变换的表达式与覆盖率的
关系得到覆盖率的一般表达式。而由于本文是基于 5G-802.11p 这种协作式的网络环境
下进行研究的，因此车辆根据给出的联网方案将在不同的情况下进行联网选择，注意到，
车辆在选择连接到基站和路侧单元时覆盖率是不同的，本文基于覆盖率的一般表达式分
别推导了车辆在接入基站和路侧单元时的覆盖率，于是为得到平均情况下的覆盖率表达
式，本文分析了联网方案 A 下车辆接入基站和路侧单元的概率，最后根据车辆与距离最
近的发射器（基站或者路侧单元）之间的距离 𝜌 的分布得到平均情况下的覆盖率。

- 40 -
 大连理工大学专业学位硕士学位论文

4 联网方案改进及覆盖率推导分析

本文在第三章推导了覆盖率的表达式，由此可以得到覆盖率随增建的路侧单元数
量的变化公式，据此可以得出在现有基站的基础上，达到理想覆盖率需要增建的路侧
单元的数量。然而，为了便于分析，上文假设车辆密度始终不会使任何一个路侧单元
达到饱和状态，这与现实是不相符的，该部分基于上述结论，引入使路侧单元达到饱
和状态时接入的车辆个数 N，即单个路侧单元最大可接入的车辆的个数为 N，得出此
时的覆盖率的表达式，据此可以得到覆盖率随车辆密度的变化情况。下文将详细介绍
该部分的推导过程。

4.1 改进后的联网方案 B
当考虑进路侧单元的饱和状态后，由于车辆密度的增大会导致路侧单元出现饱和状
态，此后选择连接路侧单元的车辆将无法成功连接，因此，需要对上文的联网方案做出
改进，本文提出了兼顾路侧单元饱和状态的联网方案 B：给定阀值距离 𝑑，以目标车辆
为圆心，若在圆域 𝑏(𝑜, 𝑑) 内有路侧单元且与目标车辆距离最近的路侧单元已接入的车
辆个数小于 N，则该车辆接入距离它最近的路侧单元，否则接入距离它最近的基站。即
引入单个路侧单元同一时刻能够接入车辆的最大个数 N。
改进后的联网方案 B 加强了接入路侧单元的条件，考虑了现实生活中的客观因素，
将会使得得到的理论结果更加贴合实际生活。

4.2 不同情况下的覆盖率
根据 4.1 节中提出的联网方案 B，引入单个路侧单元最大可接入的车辆的个数为 N
后，车辆的密度与覆盖率密切相关，因此总干扰应该包括车辆产生的干扰，而车辆的分
布与路侧单元的分布仅是强度不同，类似于第三章对路侧单元产生的干扰的分析，可以
分别得到泊松线过程生成的道路和水平过原点的道路上的车辆产生干扰的拉普拉斯变
换。
由第三章的分析可知，泊松线过程生成的路有 𝐷1 ，𝐷2 两类，类比第三章分别对两
类道路上车辆产生干扰的拉普拉斯变换进行分析：
对于 𝐷1 类的某一道路上所有的车辆产生的干扰的拉普拉斯变换可以表示为：

√𝑅 2 −𝑟 2
1
𝑔1𝑣 (𝑟) = exp [−2μ ∫ (1 − 𝑠 2 ) d𝑡] （4.1）
𝑡=0
1 + σ (𝑟 + 𝑡 2 )−α/2
𝑣

- 41 -
 基于随机几何的车联网通信建模分析研究

以下是公式（4.1）的详细推导过程：
根据公式（3.13），𝐷1 类某一条道路上所有的车辆产生的干扰的拉普拉斯变换𝑔1𝑣 (𝑟)
可以表示为：

1
𝑔1𝑣 (𝑟) = E [∏ 𝑠 ] （4.2）
𝑣∈𝐷1 {1 + ‖𝑣‖−𝛼 }]
𝜎𝑣

如图 3.5 所示，某个车辆𝑣𝑖 与它所在道路中心的距离用 t 表示，因此，它与目标车

辆之间的距离可以表示为：∥ 𝑣𝑖 ∥= (𝑟 2 + 𝑡𝑖2 )−1⁄2。假设该条道路上车辆的数量 𝑁𝑣 = 𝑚𝑣 ，
因此𝑔1𝑣 (𝑟) 可以表示为：
𝑚𝑣
1
𝑔1𝑣 (𝑟) = ∑ (ℙ[ 𝑁𝑣 = 𝑚𝑣 ] ∏ 𝑠 2 ) （4.3）
𝑚𝑣 ≥0 𝑖=1 1 + σ (𝑟 + 𝑡𝑖2 )−α/2
𝑣

对某个车辆 𝑣𝑖 与它所在道路中心的距离 t 用求期望，可以得到平均情况下单个车辆

产生的干扰的拉普拉斯变换，因此：
𝑚𝑣
1
𝑔1𝑣 (𝑟) = ∑ (ℙ[𝑁𝑣 = 𝑚𝑣 ] (Et [ 𝑠 2 ]) ) （4.4）
𝑚𝑣 ≥0 1 + σ (𝑟 + 𝑡𝑖2 )−α/2
𝑣

由于车辆分布的随机性，认为某个车辆 𝑣𝑖 与它所在道路中心的距离 t 的分布服从区

间 [−√𝑅 2 − 𝑟 2 , √𝑅 2 − 𝑟 2 ] 上的均匀分布，因此，
𝑚𝑣
√𝑅 2 −𝑟 2
𝑓𝑣 (𝑡)
𝑔1𝑣 (𝑟) = ∑ (ℙ[𝑁𝑣 = 𝑚𝑣 ] ( ∫ 𝑠 2 d𝑡) )
1 + (𝑟 + 𝑡 2 )−α/2
𝑚𝑣 ≥0 −√𝑅 2 −𝑟 2 σ𝑣
𝑚𝑣
√𝑅2 −𝑟 2
ℙ[𝑁𝑣 = 𝑚𝑣 ] d𝑡
= ∑ ( 𝑚𝑣 ( ∫ 𝑠 2 ) ) （4.5）
𝑚𝑣 ≥0 (2√𝑅 2 − 𝑟 2 ) 1 + σ (𝑟 + 𝑡 2 )−α/2
−√𝑅2 −𝑟 2 𝑣

根 据 泊 松 点 过 程 的 性 质 ， 长 度 为 2√𝑅 2 − 𝑟 2 的 路 上 车 辆 的 个 数 服 从 密 度 为
2𝜇√𝑅 2 − 𝑟 2 的泊松分布，因此：
𝑚𝑣
𝑚𝑣 √𝑅 2 −𝑟 2
2 −𝑟 2 (2𝜇√𝑅 2 − 𝑟 2) 1
𝑔1𝑣 (𝑟) = ∑ (𝑒 −2𝜇√𝑅 𝑚𝑣 ( ∫ 𝑠 2 d𝑡) )
𝑚𝑣 ! (2√𝑅 2 − 𝑟 2 ) 1 + (𝑟 + 𝑡 2 )−𝛼/2
𝑚𝑣 ≥0 𝑡=−√𝑅2 −𝑟 2 σ𝑣

- 42 -
 大连理工大学专业学位硕士学位论文

𝑚𝑣
√𝑅 2 −𝑟 2 1
(2𝜇 ∫𝑡=0 𝑠 2 d𝑡)
1 + σ (𝑟 + 𝑡 2 )−𝛼/2
2 −𝑟 2 𝑣
= 𝑒 −2𝜇√𝑅 ∑ （4.6）
𝑚𝑣 !
𝑚𝑣 ≥0

( )
根据 𝑒 𝑥 的泰勒展开，可以得到：
√𝑅 2 −𝑟 2
2 −𝑟 2 2𝜇
𝑔1𝑣 (𝑟) = 𝑒 −2𝜇√𝑅 exp [ ∫ 𝑠 d𝑡]
𝑡=0
1 + σ (𝑟 2 + 𝑡 2 )−α/2
𝑣

√𝑅 2 −𝑟 2
1
= exp [−2𝜇 ∫ (1 − 𝑠 2 ) d𝑡] （4.7）
𝑡=0
1 + σ (𝑟 + 𝑡 2 )−𝛼/2
𝑣

对于𝐷2 类的某一道路上所有的车辆产生的干扰的拉普拉斯变换可以表示为：

√𝑅2 −𝑟 2
1
𝑔2𝑣 (𝑟) = exp −2μ ∫ (1 − 𝑠 2 ) d𝑡 （4.8）
1 + (𝑟 + 𝑡 2 )−α/2
σ𝑣
[ 𝑡=√𝑟𝑣2 −𝑟 2 ]

其中，𝑟𝑣 表示不存在车辆干扰的无干扰区的半径。
综上所述，位于泊松线过程生成的道路上的车辆产生的干扰的拉普拉斯变换
ℒ𝐼𝑣 (𝑠, 𝑟𝑣 )可以表示为：
𝑅 𝑟𝑣

ℒ𝐼𝑣 (𝑠, 𝑟𝑣 ) = exp [−2πλ ( ∫(1 − 𝑔1𝑣 (𝑟)) d𝑟 + ∫ (1 − 𝑔2𝑣 (𝑟)) d𝑟)] （4.9）
𝑟𝑣 0

以下是公式（4.9）的详细推导过程：
如图 3.5，泊松线过程生成的路分为 𝐷1 ，𝐷2 两类，因此泊松线过程生成的路上的车
辆产生的干扰的拉普拉斯变换可以表示为：

ℒ𝐼𝑣 (𝑠, 𝑟𝑣 ) = 𝑀5 ⋅ 𝑀6 （4.10）

其中，𝑀5 表示 𝐷1 类道路上所有车辆产生的干扰的拉普拉斯变换，𝑀6 表示 𝐷2 类路上所

有车辆产生干扰的拉普拉斯变换。
根据公式（3.14），上述公式又可以表示为：

- 43 -
 基于随机几何的车联网通信建模分析研究

𝑘 𝑗

ℒ𝐼𝑣 (𝑠, 𝑟𝑣 ) = (∑ ℙ[𝑁1 = 𝑘] ∏ 𝑔1𝑣 (𝑟𝑖 )) ⋅ (∑ ℙ[𝑁2 = 𝑗] ∏ 𝑔2𝑣 (𝑟𝑖 )) （4.11）

𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

其中，𝑁1 表示 𝐷1 类路的条数，𝑁2 表示 𝐷2 类路的条数。根据泊松线过程的性质，𝐷1 类

路的条数服从强度为 2𝜆𝜋(𝑅 − 𝑟𝑣 ) 的泊松分布，𝐷2 类路的条数服从强度为 2𝜆𝜋𝑟𝑣 的泊松
分布，因此：

ℒ𝐼𝑣 (𝑠, 𝑟𝑣 )
𝑘 𝑘 𝑗
(2λπ(𝑅 − 𝑟𝑣 )) 𝑒 −2λπ(𝑅−𝑟𝑣) (2λπ𝑟𝑣 )𝑗 𝑒 −2λπ𝑟𝑣
= (∑ ∏ 𝑔1𝑣 (𝑟𝑖 )) (∑ ∏ 𝑔2𝑣 (𝑟𝑖 )) (4.12)
𝑘! 𝑗!
𝑘≥0 𝑖=1 𝑗≥0 𝑖=1

根据公式（3.14）可得：
𝑅 𝑟𝑣

ℒ 𝐼𝑣 (𝑠, 𝑟𝑣 ) = exp [−2πλ ( ∫(1 − 𝑔1𝑣 (𝑟)) d𝑟 + ∫ (1 − 𝑔2𝑣 (𝑟)) d𝑟)] （4.13）
𝑟𝑣 0

又因为水平过原点的路为 𝐷2 类道路的特殊情况，若 𝑟𝑟𝑣 表示该道路不存在车辆干扰

的无干扰区的半径，那么其存在车辆的区间为 [−𝑅, −𝑟𝑟𝑣 ] ∩ [𝑟𝑟𝑣 , 𝑅] ，即水平过原点的路
上车辆产生干扰的拉普拉斯变换 ℒ𝐼𝑟𝑣 (𝑠, 𝑟𝑟𝑣 ) 可以表示为：
𝑅
1
ℒ𝐼𝑟𝑣 (𝑠, 𝑟𝑟𝑣 ) = exp [−2μ ∫ (1 − 𝑠 ) d𝑡] （4.14）
𝑡=𝑟𝑟𝑣
1 + σ 𝑡 −α
𝑣

由于目标车辆受到的来自路侧单元和基站的干扰并没有随着联网方案的改变而改
变，因此，基于联网方案 B 下的总干扰的拉普拉斯变换 ℒ𝐼2 可以表示为：

ℒ𝐼2 = ℒ𝐼𝑅 (𝑠, 𝑟𝑅 )ℒ𝐼𝑟 (𝑠, 𝑟𝑟 )ℒ𝐼𝐵 (𝑠, 𝑟𝐵 )ℒ𝐼𝑣 (𝑠, 𝑟𝑣 )ℒ𝐼𝑟𝑣 (𝑠, 𝑟𝑟𝑣 ) （4.15）

根据给出的联网方案 B，当目标车辆接入路侧单元时，说明目标车辆与最近的路侧
单元之间的距离为 𝜌，如图 3.4 所示，即圆域 𝑏(𝑜, 𝜌) 内不存在路侧单元，故：𝑟𝑅 = 𝑟𝑟 =
𝜌，而此时并没有得到基站和车辆的分布条件，因此基站和车辆的分布是随机的，即𝑟𝐵 =
𝑟𝑣 = 𝑟𝑟𝑣 = 0。因此，基于联网方案 B，目标车辆接入路侧单元时的覆盖率 ℙ𝑐𝑜𝑣|𝑅2 可以表
示为：

ℙ𝑐𝑜𝑣|𝑅2 = ℒ𝐼𝑅 (𝜎𝑇𝜌𝛼 , 𝜌)ℒ 𝐼𝑟 (𝜎𝑇𝜌𝛼 , 𝜌)ℒ𝐼𝐵 (𝜎𝑇𝜌𝛼 , 0)ℒ𝐼𝑣 (𝜎𝑇𝜌𝛼 , 0)ℒ𝐼𝑟𝑣 (𝜎𝑇𝜌𝛼 , 0) （4.16）

- 44 -
 大连理工大学专业学位硕士学位论文

当目标车辆接入基站时，说明目标车辆与最近的基站之间的距离为 𝜌，在以目标车
辆为圆心的圆域 𝑏(𝑜, 𝑑) 内不存在路侧单元，如图 3.5 所示，即：𝑟𝑅 = 𝑟𝑟 = 𝑑, 𝑟𝐵 = 𝜌，而
此时并没有得到车辆的分布条件，因此车辆的分布随机，即 𝑟𝑣 = 𝑟𝑟𝑣 = 0。因此，基于联
网方案 B，目标车辆接入基站时的覆盖率 ℙ𝑐𝑜𝑣|𝐵2 可以表示为：

ℙ𝑐𝑜𝑣|𝐵2 = ℒ𝐼𝑅 (𝜎𝑇𝜌𝛼 , 𝑑)ℒ𝐼𝑟 (𝜎𝑇𝜌𝛼 , 𝑑)ℒ𝐼𝐵 (𝜎𝑇𝜌𝛼 , 𝜌)ℒ𝐼𝑣 (𝜎𝑇𝜌𝛼 , 0)ℒ𝐼𝑟𝑣 (𝜎𝑇𝜌𝛼 , 0) （4.17）

4.3 连接概率

图 4.1 联网方案 B 下接入基站的概率

Fig. 4.1 Connection probability of BS under networking schemes B

车辆接入路侧单元和基站的概率随着联网方案的改进而变化，根据联网方案 B，在
圆域 𝑏(𝑜, 𝑑) 内有路侧单元且最近的路侧单元已接入的车辆个数小于 N 时才接入距离它
最近的路侧单元，故此时目标车辆接入路侧单元的概率等价于以 d 为半径的圆域内有路
侧单元且该路侧单元已接入的车辆个数小于 N 的概率，而圆域内没有路侧单元的概率
在前文中已经得到，因此在联网方案 B 下，目标车辆接入路侧单元的概率可表示为：

ℙ𝑅2 = (1 − ℙ[𝑁𝑅 (𝑏(𝑜, 𝑑)) = 0])ℙ[𝑁𝑣 ≤ 𝑁]

𝑑 𝑁−1
−2𝜆𝑅 √𝑑2 −𝑟 2
(𝜇𝜋𝑑 2 )𝑘 −𝜇𝜋𝑑2
= (1 − exp [−2𝜆𝑅 𝑑 − 2𝜋𝜆 ∫ (1 − 𝑒 ) d𝑟]) ∑ 𝑒 （4.18）
𝑟=0 𝑘!
𝑘=0

因此，目标车辆接入基站的概率为：

- 45 -
 基于随机几何的车联网通信建模分析研究

ℙ𝐵2 = 1 − ℙ𝑅2 （4.19）

为了验证推导的公式（4.19）的正确性，本文设计了仿真实验：应用本文 3.1.1 中所
提出的几何分布模型建模，由于所提出的模型是基于随机几何理论的，因此可以方便地
获取车辆、路侧单元以及基站的位置坐标，根据坐标可以计算出某一车辆 𝑣𝑖 与某一路侧
单元 𝑅𝑗 之间的距离 𝑑𝑣𝑖 𝑅𝑗 ，由此得到车辆 𝑣𝑖 与距离其最近的路侧单元之间的距离 𝑑𝑖 ，可

以表示为：𝑑𝑖 = 𝑚𝑖𝑛 {𝑑𝑣𝑖 𝑅𝑗 , 𝑗 ∈ 𝐶}，其中 𝐶 为仿真区域内路侧单元的集合。由给定的联

网方案 B，判断 𝑑𝑖 与阈值 𝑑 的大小关系：若 𝑑𝑖 > 𝑑 ,车辆 𝑣𝑖 接入距离其最近的基站；若

𝑑𝑖 ≤ 𝑑 ，判断与其最近的路侧单元已接入的车辆个数是否小于阈值 N：若小于则 𝑑𝑖 值
不变，表示车辆接入距离最近的路侧单元；若大于则令 𝑑𝑖 = ∞，表示该车辆接入距离其
最近的基站。此时车辆接入路侧单元的概率可以表示为：ℙ𝑅 = ℙ{ 𝑑𝑖 < 𝑑, 𝑖 ∈ 𝑉}，其中
𝑉 为仿真区域内车辆的集合。因此车辆接入基站概率的仿真值可以表示为 ℙ𝐵 = 1 −
ℙ𝑅 = 1 − ℙ{ 𝑑𝑖 < 𝑑, 𝑖 ∈ 𝑉}。根据上述步骤及公式分别统计计算了 𝑑 = 0.01, 0.1, 1 时不同
路侧单元强度下连接基站的概率，得到不同情况下的仿真值。仿真实验中取单个路侧单
元同一时刻可以接入的车辆个数 𝑁 = 50，实验中配置的其它相关仿真参数如表 3.2 所
示。

图 4.2 联网方案 B 下接入基站的概率

Fig. 4.2 Connection probability of BS under networking schemes B

- 46 -
 大连理工大学专业学位硕士学位论文

图 4.1 分别给出了联网方案 B 下 𝑑 = 0.01, 0.1, 1 时不同路侧单元强度下连接基站概

率的理论值与仿真值，如图所示，根据本文所推导的公式（4.19）计算得到的理论值与
仿真实验得到的仿真值基本一致，证明理论结果符合实际。
联网方案 B 下，连接基站概率与车辆密度 𝜇 以及单个路侧单元同一时刻可以接入
的车辆个数 𝑁 有关，图 4.2 分别给出了联网方案 B 下 𝑁 = 25, 50, 100 时不同车辆密度
下连接基站概率的理论值与仿真值，仿真实验中取 𝜆𝑅 = 0.05，𝑑 = 0.1，其它相关仿真
参数如表 3.2 所示。如图 4.2 所示，根据本文所推导的公式（4.19）计算得到的理论值
与仿真实验得到的仿真值基本一致，证明理论结果符合实际。

4.4 总的覆盖率
类似地，基于联网方案 B 下的总覆盖率可以由不同情况下的覆盖率和连接概率表示
为：

ℙ𝑐𝑜𝑣2 = ℙ𝑅2 ℙ𝑐𝑜𝑣|𝑅2 + ℙ𝐵2 ℙ𝑐𝑜𝑣|𝐵2 （4.20）

表 4.1 实验中配置的仿真参数
Tab. 4.1 Simulation parameters
符号 描述 取值
𝜆𝐵 基站分布模型强度 0.5 个/𝑘𝑚2
𝜆𝑅 路侧单元分布模型强度 0.05 个/ 𝑘𝑚2
1 1
/ 路侧单元/基站最大发射功率 23dBm/43dBm
𝜎𝑅 𝜎𝐵
𝑑 阈值距离 0.2km
𝑇 SIR 阈值 5dB
𝑅 圆域半径 10km
𝜂 瑞利衰落参数 1
𝛼 路损指数 4

根据前边的分析可知，该表达式与接收器和发射器之间的距离 𝜌 相关，因此，为了
得到覆盖率的一般表达式，需要对距离 𝜌 求期望，即基于联网方案 B 下，总的覆盖率
ℙ𝑐𝑜𝑣2 可以表示为：
∞

ℙ𝑐𝑜𝑣2 = ∫ (ℙ𝑅2 ℙ𝑐𝑜𝑣|𝑅2 𝑓𝑑𝑅 (𝜌) + ℙ𝐵2 ℙ𝑐𝑜𝑣|𝐵2 𝑓𝑑𝐵 (𝜌)) 𝑑𝜌 （4.21）
0

- 47 -
 基于随机几何的车联网通信建模分析研究

图 4.3 联网方案 B 下不同 SIR 阈值 T 下的覆盖率

Fig. 4.3 Coverage under different T under networking schemes B

为了验证推导的公式（4.21）的正确性，类似 3.4.3 节设计了仿真实验，应用本文

3.1.1 节中所提出的几何分布模型建模，根据模型给定的坐标以及给出的联网方案 B 分
别计算了车辆的 𝑆𝐼𝑅，给定不同的阈值 T，统计 𝑆𝐼𝑅 > 𝑇 的概率作为覆盖率的仿真值。

图 4.4 两种联网方案下不同 SIR 阈值 T 下的覆盖率

Fig. 4.4 Coverage under different T under two networking schemes

- 48 -
 大连理工大学专业学位硕士学位论文

仿真实验中配置的仿真参数如表 4.1 所示，图 4.3 分别给出了联网方案 B 下𝑁 =

25, 50, 100 时不同车辆密度下覆盖率的理论值与仿真值，如图所示，根据本文所推导的
公式（4.21）计算得到的理论值与仿真实验得到的仿真值基本一致，证明理论结果符合
实际。
取 𝑁 = 50，𝜇 = 30 ，其它仿真相关参数如表 4.1 所示，对两种联网方案下的覆盖
率进行仿真实验，实验结果如图 4.4 所示，由于联网方案 A 下得到的仿真值为理想
值，因此得到的覆盖率要大于联网方案 B 下的仿真值，而联网方案 B 下得到的值才更
加符合实际。

4.5 本章小结
本章基于第三章中联网方案 A 的不足，提出了一个更符合实际的联网方案，并基于
提出的模型和联网方案重新推导了一个更符合实际的覆盖率的表达式，并设计仿真实验
对推导结论的正确性进行验证。
在第三章中，为了便于分析，忽略了路侧单元的饱和情况，即认为单个路侧单元在
同一时刻可以服务的车辆的个数没有限制，但这是一个理想情况，实际中单个路侧单元
同一时刻可以服务的车辆的个数一定是有限的。本章将这个使单个路侧单元达到饱和状
态的车辆个数设为 N，引入 N 后，对联网方案进行了改进，提出的联网方案 B 规定了
当单个路侧单元同一时刻接入的车辆个数大于 N 时则不再允许其它车辆接入，这种联
网方案与第三章提出的联网方案 A 相比，更贴合实际。联网方案的改进导致车辆的连接
概率以及覆盖率都发生了改变，类似于第三章的分析思路，本章对联网方案 B 下的覆盖
率进行了分析，得到了更加贴合实际的覆盖率的表达式。

- 49 -
 基于随机几何的车联网通信建模分析研究

5 实践应用

本文第三章和第四章分别讨论了两种联网方案下，覆盖率与基站，路侧单元以及车
辆的关系式，根据上述推导的理论结果，本章以大连市甘井子区为例讨论了 5G-802.11p
协作式的网络场景下基于现有的基站当达到理想的覆盖率时需要增建路侧单元的数量
问题。

图 5.1 大连市甘井子区地图
Fig. 5.1 Map of Ganjingzi district, Dalian city

如图 5.1（左图）所示，大连市甘井子区面积为 460 平方千米，相当于 𝑅 = 12𝑘𝑚 的

圆域。图 5.1（右图）所示，传统的规则六边形建模下 270 个基站铺满甘井子区，因此
取 𝑁𝐵 = 270。
但实际生产生活中，由于选址等因素导致基站的分布并不是规则的，而是表现
出一定的随机性，因此，如图 5.1 中的传统的规则六边形建模并不是十分合理，因此本
文根据基站分布表现出的随机性，基于随机几何提出了更合理的基站分布模型。
图 5.2 表示出了当基站的分布遵循泊松点过程时 270 个基站的分布情况。观察图中
基站的分布容易发现，由于现实生活中基站分布表现出的这种不均匀性，导致一些区域
的覆盖率较低，而基站在最初建设的时候并没有过多的地考虑车辆联网情况，并且道路
随时间的变换也在不断地变化，这将可能导致一些大流量路段的覆盖率较低，因此为了
改善甘井子区车联网的覆盖率情况，根据上文中的理论分析结果，分析不同情况下达到
不同覆盖率时需要增建的路侧单元数量情况。
由于路侧单元的典型覆盖范围是 200 米左右，因此阀值距离 𝑑 = 0.2𝑘𝑚，取信干比
的阀值 𝑇 = 10，下面分别运用第三章和第四章中两种联网方案下推导的覆盖率的数学表
达式进行分析。

- 50 -
 大连理工大学专业学位硕士学位论文

图 5.2 服从泊松点过程的基站分布
Fig. 5.2 Distribution of BSs obeying PPP

5.1 基于联网方案 A 的理论应用

图 5.3 联网方案 A 下的连接概率

Fig. 5.3 Connection probability under networking schemes A

图 5.3 给出了的联网方案 A 下车辆连接基站和路侧单元的概率情况，如图所示，

- 51 -
 基于随机几何的车联网通信建模分析研究

随着增建的路侧单元强度的增加，车辆接入路侧单元的概率逐渐增大，接入基站的概
率逐渐降低。这是由随着路侧单元的增加，在给定阈值范围存在路侧单元的概率增
加，从而导致车辆接入路侧单元的概率增加。当路侧单元的强度为 0.09 时，车辆接入
基站和路侧单元的概率相同，均为 50%。

图 5.4 路侧单元密度与覆盖率关系图
Fig. 5.4 Relationship between density of RSU and coverage

联网方案 A 下，忽略了路侧单元的饱和情况，即认为单个路侧单元可以接入无限多
个车辆，根据公式（3.40）得到图 5.4，该图描述了当基站的数量 𝑁𝐵 = 270时，覆盖率
和路侧单元的强度 𝜆𝑅 之间的关系。
如图 5.4 所示，当未增建路侧单元（即 𝜆𝑅 = 0）时，覆盖率为 79.57%，而后随着𝜆𝑅
的增大，覆盖率逐渐增大，当 𝜆𝑅 = 0.12 时，覆盖率达到最大值：98.72%。接着由于路
侧单元数量过多带来的干扰过大，覆盖率随着路侧单元强度的增大逐步减小。
根据泊松点过程数量和强度的关系式（公式（2.1）），可以得到路侧单元的个数满
(𝜆𝑅 𝑆)𝑘 (𝜆𝑅 𝑆)𝑁𝑅
足：ℙ[𝑁𝑅 = 𝑘] = 𝑒 −𝜆𝑅𝑆 ，因此路侧单元的数量 𝑁𝑅 = 𝑎𝑟𝑔𝑚𝑎𝑥 { 𝑒 −𝜆𝑅𝑆 }。
𝑘! 𝑁𝑅 !

根据上述给出的路侧单元的数量表达式，图 5.5 分别给出了联网方案 A 下达到不同

覆盖率时需要增建的路侧单元的数量。如图所示，当覆盖率达到最大值 ℙ𝑐𝑜𝑣 = 98.72%
时，需要增建的路侧单元的数量最大概率为 54 个；当覆盖率为 ℙ𝑐𝑜𝑣 = 95%，ℙ𝑐𝑜𝑣 = 90%，
ℙ𝑐𝑜𝑣 = 85% 时，需要增建的路侧单元的个数分别为 33 个，25 个和 12 个。

- 52 -
 大连理工大学专业学位硕士学位论文

图 5.5 联网方案 A 下覆盖率与路侧单元个数关系

Fig. 5.5 Relationship between coverage and number of RSUs under networking scheme A

5.2 基于联网方案 B 的理论应用

联网方案 B 考虑了路侧单元饱和的情况，给定了单个路侧单元最大可以接入的车辆
的个数 N，较联网方案 A 更加贴合实际。

图 5.6 两种联网方案下的连接概率
Fig. 5.6 Connection probability under two networking schemes

- 53 -
 基于随机几何的车联网通信建模分析研究

联网方案的改进改变了目标车辆接入基站和路侧单元的概率，图 5.6 描述了两种联

网方案下的连接概率情况。实线表示未考虑路侧单元饱和的情况下的连接概率，即联网
方案 A，虚线表示引入路侧单元饱和的情况后的连接概率，即联网方案 B。观察图 5.6
易得，当考虑进路侧单元饱和的情况后，连接路侧单元的概率均低于未考虑时的情况（如
图黑实线与绿虚线所示），这是由于一部分车辆在路侧单元达到饱和之后无法接入路侧
单元而选择接入基站导致的，同理可理解接入基站的概率情况（如图红实线与蓝虚线所
示）。
实线与虚线的交点分别表示两种情况下接入路侧单元与基站的概率各 50%的情况，
由上图可以看到，当考虑进路侧单元饱和的情况之后，交点处路侧单元的强度的取值明
显变大，这是由于该种情况下随着路侧单元强度的增加连接路侧单元的概率增长较未考
虑饱和状态时要慢。

图 5.7 车辆个数与覆盖率关系图
Fig.5.7 Relationship between coverage and number of vehicles

联网方案 B 中引入了单个路侧单元可以同时服务的最大的车辆个数 N，如图 5.7 所

示，当不考虑路侧单元的饱和状态时，即认为单个路侧单元所能同时服务的车辆的数量
𝑁 = ∞，此时覆盖率最大达到 98.72%，然而这是给定基站的个数 𝑁𝐵 = 270 时能达到的
理想值，实际 N 的取值远不能达到无穷大，即需要考虑路侧单元的饱和问题，这就涉及
到车辆密度的问题。图 5.7 分别给出了 𝑁 = ∞，𝑁 = 100，𝑁 = 50，𝑁 = 25时，覆盖率

- 54 -
 大连理工大学专业学位硕士学位论文

随车辆数量的变化情况，观察上图容易发现，N 的取值越小，覆盖概率越低，并且随着
车辆个数的增加路侧单元达到饱和状态的概率增加，因此所能达到的最优覆盖也随之降
低。
为了比较两种联网方案下的不同，取单个路侧单元可以同时服务的最大车辆个数
𝑁 = 100，道路上的车辆数量 𝑁𝑣 = 10000，对两种联网方案下所能达到的最大覆盖率进
行分析。

图 5.8 两种联网方案下的覆盖率
Fig. 5.8 Coverage under two networking schemes

如图 5.8 所示，当结合实际生活将路侧单元的饱和情况考虑进去之后，最大覆盖率
为当路侧单元的强度取 0.15 时所达到的 96.51%，并没有达到理论值 98.72%。这是因为
改进联网方案后，引入了车辆密度对覆盖率的影响。
图 5.9 和图 5.10 给出了当基站的个数 𝑁𝐵 = 270，单个路侧单元同一时刻可以服务
的最大车辆数量 𝑁 = 100时，覆盖率、车辆个数和路侧单元的强度的关系图。观察两图
容易发现：给定路侧单元强度，覆盖率随车辆个数的增加而降低；给定车辆个数，覆盖
率先随路侧单元强度的增大而增加，达到最大值后，由于路侧单元个数过大产生的干扰
随之变大，因此覆盖率又随路侧单元强度的增大而降低。因此覆盖率由于受到干扰的影
响并不是随路侧单元个数的增加而一直增大，而是在一定条件下达到最大值后呈降低的
趋势。

- 55 -
 基于随机几何的车联网通信建模分析研究

图 5.9 覆盖率、路侧单元强度和车辆个数三维图
Fig. 5.9 Three dimensional graph of coverage, RSU strength and number of vehicles

图 5.10 覆盖率、路侧单元强度和车辆个数等高线图
Fig. 5.10 Contour map of coverage, RSU strength and number of vehicles

- 56 -
 大连理工大学专业学位硕士学位论文

根据推导出的覆盖率的总公式以及上文中得到的路侧单元的数量公式： 𝑁𝑅 =
(𝜆𝑅 𝑆)𝑁𝑅
𝑎𝑟𝑔𝑚𝑎𝑥 { 𝑒 −𝜆𝑅𝑆 }，表 5.1 给出了不同条件下所能达到的最优的覆盖率以及对应需
𝑁𝑅 !

要增建的路侧单元的数量，对大连市甘井子区改善覆盖率具有一定的实际参考意义。

表 5.1 各情况下需要增建的路侧单元数量
Tab. 5.1 Number of RSUs to be added in each case
𝑁 𝑁𝑣 𝑃𝑚𝑎𝑥 𝑁𝑅
5000 97.02% 76
100 10000 96.51% 67
20000 91.41% 58
5000 96.63% 85
50 10000 95.52% 77
20000 88.12% 68
5000 94.87% 96
25 10000 92.92% 87
20000 82.66% 76

5.3 本章小结
根据上述推导的理论结果，本章以大连市甘井子区为例讨论了 5G-802.11p 协作式
的网络场景下基于现有的基站当达到理想的覆盖率时需要增建的路侧单元的数量问题。
首先根据在第三章中给出的联网方案 A 下推导得到的覆盖率的表达式对甘井子区
进行分析，得到了覆盖率随增建的路侧单元的强度的变化曲线，根据曲线易得当达到最
理想的覆盖率时需要增建的路侧单元的强度，根据路侧单元的数量公式可以进而得到此
时需要增建的路侧单元的数量。
然而基于联网方案 A 下得到的结论是一种理想情况，单个路侧单元同一时刻可以
服务的车辆的个数不可能是没有限制的，因此本文在第四章中引入了使得单个路侧单元
达到饱和状态的最小的车辆个数 N，给出了更符合实际的联网方案 B，本章对比了两种
联网方案下连接基站和路侧单元的概率，当考虑路侧单元的饱和状态后，车辆接入路侧
单元的概率明显低于未考虑时。由于引入了单个路侧单元同一时刻可以同时服务的最大
的车辆个数 N，因此 N 的取值以及车辆的密度将会都覆盖率产生影响，因此本章根据在
第四章中给出的联网方案 B 下推导得到的覆盖率的表达式对甘井子区进行仿真分析，给
出了 N 取不同值时车辆密度与覆盖率的关系曲线以及两种联网方案下覆盖率随路侧单

- 57 -
 基于随机几何的车联网通信建模分析研究

元强度的变化对比图，由得到的曲线图可知改进后的联网方案更贴合实际，联网方案 B
下最优情况的覆盖率远不能达到联网方案 A 下的理想值。最后给出了覆盖率与车辆个
数，路侧单元强度的关系图，并由此给出不同情况下达到理想的覆盖率时需要增建的路
侧单元的个数。

- 58 -
 大连理工大学专业学位硕士学位论文

结 论

随着人们生活水平的提高，车辆变得越来越普遍，随之而来的交通问题也越来越突
出，交通堵塞、交通事故等问题成为日常。另一方面，车辆对于人们来说已经不仅仅是
一种代步工具，导航、音乐、语音助理以及车载投屏等已经成为人们对于车辆的一般功
能需求。无论是由于车辆数量激增带来的交通问题还是驾驶员对于车辆的功能需求，都
需要车辆更加的智能化，这为车联网技术的发展注入了动力；而 5G 的到来更是意味着
更高的速度、更低的时延，这为车联网的发展提供了技术支持。综上所述，5G 下车联网
将迎来前所未有的发展机遇。
一个强大的交通网络系统是保证我国交通可持续发展的重要基石。作为我国覆盖面
积最广的 LTE 通信系统可以为交通控制带来前所未有的改变，因此发展出了 LTE-V 协
议。但是，世界正在朝着全球化方向的发展，纵观全球的车联网络系统，特别是未来的
无人驾驶车辆，不仅仅需要支持我国和欧洲国家主推的 LTE-V 协议，也需要兼容
IEEE802.11p 网络，结合二者共同对抗全球环境内的复杂交通问题。因此，本文针对车
联网现有的两大协议（即因车联网而生的 IEEE 802.11p 通信协议和我国主推的基于 LTE
架构的 LTE-V 协议）进行了优缺点分析，然后结合我国车流量庞大和车载设备普及率
过低的城市交通现状，认为两协议的结合将会更有利于我国车联网的发展。而 5G 带来
的软件定义网络技术也为两者的结合提供了强有力的技术支持，因此本文的研究便是基
于 5G-802.11p 这种协作式的网络场景中进行的。
就我国而言，现有的基站由于在建立之初并不是服务于车联网的，因此仅仅依靠基
站并不能为车联网提供一个稳定的网络环境，同时也可能导致某些车流大的路段网络质
量得不到保证，因此增建路侧单元来提高覆盖率将是一个兼顾成本与网络质量的解决方
案。然而，5G-802.11p 这种协作式的网络场景将面临路侧单元的部署问题，即：要达到
理想的覆盖率需要增建的路侧单元的数量问题。为解决这一问题，本文主要做了以下工
作：
（1）在开始研究之前，阅读了大量的相关文献，本文首先进行了大量的调研和分
析，并进行了类似工作的文献阅读和相关算法的研究，对国内外研究现状进行了细致分
析，发现了现有研究成果的不足并明确了该课题的重要性，根据这些理论基础提出了本
文的研究内容与目的。
（2）介绍了相关的理论和技术。由于本文的研究是基于 5G-802.11p 这种协作式的
网络场景中进行的，因此，为方便后续的分析，本文对这种协作式的网络场景进行了相
关的介绍。另外，本文的研究使用了随机几何理论这一数学工具，因此在使用这一强大

- 59 -
 基于随机几何的车联网通信建模分析研究

的数学工具之前，首先给出了下文主要使用的泊松点过程和泊松线过程的定义以及相关
的性质，为下文的分析提供理论和技术支撑。
（3）提出了一种更合理的几何分布模型。基于随机几何理论中的泊松点过程和泊
松线过程分析了 5G-802.11p 这种协作式的车联网网络环境下影响覆盖率的相关因素，
并给出了覆盖率与基站密度，路侧单元密度的关系式，并设计仿真实验对推导结论的正
确性进行验证。
该部分是本文的重点，为得到覆盖率与基站密度、路侧单元密度之间的关系式，首
先就要对 5G-802.11p 这种协作式的车联网网络环境建立一个合理的几何模型，而经过
调研发现现有的几何模型存在几点不足：忽略了道路的分布；忽略了车辆以及路侧单元
沿道路分布的特点。因此本文针对现有模型的不足进行改进，首先采用泊松线过程对道
路的分布建立模型，然后限制车辆和路侧单元位于道路上分别建立相互独立的几何分布
模型；其次，由于协作式的车联网网络环境下车辆需要对双层网络进行选择，因此在分
析覆盖率之前，选择了联网方案 A，规定了不同情况下车辆的联网选择规则。最后，基
于提出的模型和选择的联网方案 A，将对覆盖率的分析转为对总干扰的拉普拉斯变换的
分析，得出覆盖率与基站密度、路侧单元密度之间的关系式。其中，由于得到的覆盖率
与接收端与发射端之间的距离相关，因此对距离分布进行了分析以得到平均状况下的覆
盖率表达式。
（4）针对联网方案 A 的不足，提出了一种更符合实际的联网方案 B，基于本文提
出的模型和联网方案 B 重新推导了覆盖率的表达式，并分析得到了车辆密度对覆盖率的
影响。为了便于分析，联网方案 A 中忽略了路侧单元的饱和情况（即认为单个路侧单元
同一时刻可以服务的车辆个数是没有限制的），而实际生活中单个路侧单元同一时刻可
以服务的车辆的个数一定是有限的，因此本文将这个使单个路侧单元达到饱和状态的车
辆个数设为 N，引入 N 后，对联网方案进行了改进，提出的联网方案 B 规定了当单个
路侧单元同一时刻接入的车辆个数大于 N 时则不再允许其它车辆接入，这种联网方案
与第三章选择的联网方案 A 相比，更贴合实际。基于提出的联网方案 B，本文推导了这
种更贴合实际的方案下覆盖率与路侧单元、基站以及车辆个数之间的关系式，并设计仿
真实验对推导结论的正确性进行验证。
（5）根据上述推导的理论结果，本章以大连市甘井子区为例讨论了 5G-802.11p 协
作式的网络场景下基于现有的基站当达到理想的覆盖率时需要增建的路侧单元的数量
问题。

- 60 -
 大连理工大学专业学位硕士学位论文

由于本人的科研水平及研究时间有限，所研究内容仍然存在许多值得优化和改进的
地方，因此，将来可以在以下几个方面对本文的方法进行研究和改进：
（1）基于所建立的模型以及给出的联网方案 B，分析研究 5G-802.11p 这种协作式
的车载网络除覆盖率以外的其它网络质量指标情况。
（2）对联网方案 B 进行进一步地改进，例如，联网方案 B 下规定了：若在圆域
𝑏(𝑜, 𝑑) 内有路侧单元且与目标车辆距离最近的路侧单元已接入的车辆个数小于 N，则
该车辆接入距离它最近的路侧单元，否则接入距离它最近的基站。一种更理想的方案则
是当接入路侧单元的条件不满足时，继续在圆域 𝑏(𝑜, 𝑑) 内寻找其它满足条件的路侧单
元，直到圆域 𝑏(𝑜, 𝑑) 内不存在满足接入条件的路侧单元时再接入距离最近的基站。这种
方案将使得后续的推导分析更为复杂，但这无疑是一种更加合理的方案，将来的工作可
以从改进联网方案入手，分析更合理的方案下 5G-802.11p 这种协作式车联网环境下网
络质量与路侧单元的部署问题。
（3）车联网中的安全问题与车辆之间的距离密切相关，而基于随机几何建立的几
何分布模型可以十分便捷地捕获车辆的位置信息，从而得到车辆之间的距离，因此车联
网中的安全问题也可以尝试基于随机几何理论进行研究分析。
（4）对特殊情况下车辆的分布建立合理的模型并进行理论分析。例如，拥堵路段、
红绿灯处以及上下班高峰期等车辆的分布呈现出成簇分布等特点，可以考虑随机几何中
的泊松簇过程等对特殊情况下车辆的分布建模分析。

- 61 -
 基于随机几何的车联网通信建模分析研究

参 考 文 献

[1] 张唤新. LTE 协助下车联网多媒体调度技术研究[D]. 辽宁:大连理工大学,2019.

[2] 古丽萍.对我国车联网发展的思考[J].中国无线电,2011,6:51-55.
[3] SALAHUDDIN M A, AL-FUQAHA A, GUIZANI M. Software defined networking for rsu
clouds in support of the internet of vehicles[J]. IEEE Internet of Things
Journal, 2015(2):133-144.
[4] HE Z, CAO J, LIU X. SDVN: enabling rapid network innovation for heterogeneous
vehicular communication[J]. IEEE Network, 2016(4):10-15.
[5] ZHENG K, HOU L, MENG H, et al. Soft-Defined Heterogeneous Vehicular Network:
Architecture and Challenges[J]. IEEE Network, 2015(4):72-80.
[6] LIMA B A, QUEVEDO C H O O, MARQUES H P, et al. Improving the Communication of
Heterogeneous Vehicular Networks through Clusterization[C]. IEEE Symposium on
Computers and Communications. Natal, Brazil, 2018:590-595.
[7] MOLLER A, NUCKELT J, ROSE D M, et al. Physical Layer Performance Comparison of
LTE and IEEE 802.11p for Vehicular Communication in an Urban NLOS Scenario[C].
IEEE 80th Vehicular Technology Conference. Vancouver, BC, Canada, 2014:1-5.
[8] 叶俊良. 基于用户移动特性的 5G 网络空间-时间双维度性能研究[D]. 湖北:华中科技大
学,2018. DOI:10.7666/d.D01546147.
[9] 聂世群, 田伟莉. IEEE802.11MAC 层 CSMA/CA 机制的分析与研究[J]. 内江科技,
2007(06):102-103.
[10]WEWETZER C, CALISKAN M, MEIER K, et al. Experimental Evaluation of UMTS and
Wireless LAN for Inter-Vehicle Communication[C]. 7th International Conference
on ITS Telecommunications. Sophia Antipolis, France, 2007:1-6.
[11]OH Y, HWANG G. Stochastic geometry analysis of the correlation between
consecutive packet transmissions in WLAN[J]. Annals of Operations Research,
2020, 293.
[12]LI Q C, NIU H, PAPATHANASSIOU A T, et al. 5G Network Capacity: Key Elements and
Technologies[J]. IEEE Vehicular Technology Magazine, 2014(1):71-78.
[13]刘柯. 5G 是一场不能输的“硬核”科技之争[N]. 金融投资报, 2019-04-17(001).
[14]GRIGORYEV V, KHVOROV I, RASPAEV Y, et al. Pilot Zone of Urban Intelligent
Transportation System Based on Heterogeneous Wireless Communication Network[M].
Springer International Publishing, 2016.
[15]KEVIN C, XIAOQING Z, LILLIAN D, et al. Intelligent Interface Switching among
Heterogeneous Wireless Networks for Vehicular Communications[C]. International

- 62 -
 大连理工大学专业学位硕士学位论文

Conference on Computing, Networking and Communications. IEEE, 2012:766-770.

[16]SUTRALA A K , BAGGA P , DAS A K , et al. On the Design of Conditional Privacy
Preserving Batch Verification-Based Authentication Scheme for Internet of
Vehicles Deployment[J]. IEEE Transactions on Vehicular Technology, 2020,
PP(99):1-1.
[17]张志生. 基于毫米波的车联自组织网络性能分析[D]. 华中科技大学.
[18]杜伟强. LTE-802.11p 协作式网络的 V2I 通信[D]. 辽宁:大连理工大学,2019.
[19]LIU J, WU G, ZHANG X, et al. Modeling, Analysis, and Optimization of Grant-Free
NOMA in Massive MTC via Stochastic Geometry[J]. 2020.
[20]GUHA, SAYANTAN. Cellular-Assisted Vehicular Communications: A Stochastic
Geometric Approach[D]. 2016.
[21]王玮. 车联网路侧单元联盟划分及中继车辆选择[D]. 辽宁:大连理工大学,2014.
[22]RENZO, DI M , GUIDOTTI, et al. Average Rate of Downlink Heterogeneous Cellular
Networks over Generalized Fading Channels - A Stochastic Geometry Approach[J].
IEEE Transactions on Communications, 2013, 61(7):3050-3071.
[23]RENZO, MARCO, DI, et al. The Equivalent-in-Distribution (EiD)-Based Approach:
On the Analysis of Cellular Networks Using Stochastic Geometry[J].
Communications Letters, 2014.
[24]王文. 超密集网络的性能分析与能效优化方法研究[D]. 重庆大学.
[25]马斌. LTE-V2X 直连通信频率规划出台车联网将步入发展快车道[J]. 中国无线电,
2018(11):9-11.
[26]黄成兵. 基于比例公平调度和载波衰减的 LTE-A 网络调度[J]. 控制工程, 2017(09):1965-
1970.
[27]王煜. 基于 WAVE 协议栈的车联网应用层程序设计与安全应用的实现[D]. 合肥工业大学,
2017.
[28]刘娇, 朱东弼. WAVE 网络中多信道 MAC 协议探讨[J]. 科技创新与应用, 2014(27):74-74.
[29]贾艳玲, 朱瑜红, 刘思远. 基于无线传感网络的枸杞园智能灌溉系统设计[J]. 湖北农业科
学, 2014, 53(23):5861-5864.
[30]段林侠. 车联网安全应用消息传输机制研究[D]. 西安建筑科技大学.
[31]WU Y, ZHU Y, LI B. Trajectory improves data delivery in vehicular
networks[C]//INFOCOM, 2011 Proceedings IEEE. IEEE, 2011: 2183-2191.
[32]ZHANG W, CHEN Y, YANG Y, et al. Multi-hop connectivity probability in
infrastructure-based vehicular networks[J]. IEEE Journal on Selected Areas in
Communications, 2012, 30(4): 740-747.
[33]LI X, HU B, CHEN H, et al. Analysis of connectivity probability and hop count
for multi-hop broadcasting in vehicular networks[C]//Connected Vehicles
and Expo (ICCVE), 2013 International Conference on. IEEE, 2013: 551-555.

- 63 -
 基于随机几何的车联网通信建模分析研究

[34]ZHAO J, CHEN Y, GONG Y. Study of connectivity probability based on cluster in

vehicular Ad Hoc networks[C]//Wireless Communications & Signal Processing
(WCSP), 2016 8th International Conference on. IEEE, 2016: 1-5.
[35]SHAO C, LENG S, ZHANG Y, et al. Performance analysis of connectivity
probability and connectivity-aware MAC protocol design for platoon-based
VANETs[J]. IEEE Transactions on Vehicular Technology, 2015, 64(12): 5596-5609.
[36]SOU S I, TONGUZ O K. Enhancing VANET connectivity through roadside units on
highways[J]. IEEE transactions on vehicular technology, 2011, 60(8): 3586-3602.
[37]LEE C H , SHIH C Y , CHEN Y S . Stochastic geometry based models for modeling
cellular networks in urban areas[J]. Wireless Networks, 2013, 19(6):1063-1072.
[38]GUO A , HAENGGI M . Spatial Stochastic Models and Metrics for the Structure of
Base Stations in Cellular Networks[J]. IEEE Transactions on Wireless
Communications, 2013, 12(11):5800-5812.
[39]邓娜. 基于随机几何的异构蜂窝网建模分析与设计[D]. 中国科学技术大学, 2015.
[40]STEINMETZ E, WILDEMEERSCH M, QUEK T Q S, et al. A Stochastic Geometry Model for
Vehicular Communication near Intersections[C]. IEEE Globecom Workshops. San
Diego, CA, USA, 2015: 1-6.
[41]GU X , LENG B , ZHANG L , et al. A Stochastic Geometry Approach to Model and
Analyze Future Vehicular Communication Networks[J]. IEEE Access, 2020,
PP(99):1-1.
[42]KAI, LIN, CHENSI, et al. Vehicle Route Selection Based on Game Evolution in
Social Internet of Vehicles[J]. IEEE Internet of Things Journal, 2018.
[43]MACH P, BECVAR Z. Vertical Handover Decision in Heterogeneous Wireless Networks
with Femtocells[J]. Electronics and Electrical Engineering, 2014(20):93-101.
[44]MILLER J. Vehicle to vehicle to infrastructure (V2V2I) intelligent
transportation system architecture[C]. Intelligent Vehicles Symposium.
Eindhoven, Netherlands, 2008:715-720.
[45]刘宗巍,匡旭,赵福全.V2X 关键技术应用与发展综述[J].Telecommunication Engineering,
2019,59(1):117-124.
[46]MCNAIR J, ZHU F. Vertical handoffs in fourth-generation multinetwork
environments[J]. Wireless Communications IEEE, 2004(3):8-15.
[47]YANG K, GONDAL I, QIU B, et al. Combined SINR Based Vertical Handoff Algorithm
for Next Generation Heterogeneous Wireless Networks[C]. IEEE Global
Telecommunications Conference. Washington, DC, USA, 2007:4483-4487.
[48]CHANG B J, CHEN J F. Cross-Layer-Based Adaptive Vertical Handoff With
Predictive RSS in Heterogeneous Wireless Networks[J]. IEEE Transactions on

- 64 -
 大连理工大学专业学位硕士学位论文

Vehicular Technology, 2008(6):3679-3692.

[49]张天魁. B3G/4G 移动通信系统中的无线资源管理[M]. 电子工业出版社, 2011.
[50]DOPPLER K, RINNER M, WIJTING C, et al. Device-to-device communication as an
underlay to LTE-advanced networks[J]. IEEE Communications Magazine,2009,47(12):
42-49.

- 65 -
 基于随机几何的车联网通信建模分析研究

攻读硕士学位期间发表学术论文情况

1 Liu Qian, Qi Lele, Tan Guozhen. Toward RSU Deployment Strategy for Cellular-
802.11p Collaborative Networks with Stochastic Geometry, submitted to IEEE Internet of
Things Journal (投稿中科院 1 区期刊，本硕士学位论文第三、四章).

- 66 -
 大连理工大学专业学位硕士学位论文

致 谢

至此，两年半的研究生生涯接近尾声，也标志着我的校园生活即将结束，有对过去
的不舍也有对未来的憧憬。
两年半的研究生生活在十几年的求学生涯中占比不大，但这两年半学到的东西却是
任何时间段不能相比的。很庆幸选择了考研，很感激选择了计算机专业，更很幸运做了
刘倩老师的学生。因为本科所学是数学专业，跨考来到计算机时面对全新的知识确实产
生了很大的无力感，是刘倩老师耐心地带领我从数学思维转到工程思维上来，引领我打
开了计算机的大门。同时，老师也是我科研路上的领路人，每一次和老师的面谈都使我
获益匪浅，老师渊博的知识，严谨的学术作风和积极的工作态度都非常值得我学习。从
步入研究生以来，无论是学习上还是生活上都得到了老师很大的帮助，很幸运能遇到这
么好的导师，很感激老师的教育与关心。在此，向我的恩师刘倩老师致以最诚挚的感谢！
刚刚进入教研室学习时，对于新的专业和新的学习模式感到十分陌生，很感谢杜伟
强师兄对于我的帮助，记得进入教研室的第一天师兄给我了一把教研室的钥匙，让我对
教研室产生了一种归属感。接下来科研上每每遇到困难师兄总是竭尽全力帮我分析问题、
给出建议，引领我去思考、去解决，在迷茫的时候给了我方向，在想要放弃的时候给我
打气，让我感受到了深深的同门情，很感激能在研究生阶段有师兄的帮助，在此祝愿师
兄事业有成，前程似锦！
研究生的生活因为有了小伙伴们的吵吵闹闹变得不再乏味，暖心的高畅，搞笑的林
浩泽，心直口快的陈锐，我们一起进入实验室，一起学习一起吃喝玩乐，四个人的小群
里有科研有美食有调侃有欢乐……不会忘记在我最黑暗最无助的日子里你们的陪伴，没
想过我们之间的关系在这短短的两年里竟然处出了一种十年老友的感觉！是缘分吧。好
珍惜和你们的友谊，虽然天下没有不散的宴席，但我相信我们的友情不会消散。
“一定是特别的缘分”，遇到小暖男李国梁是我二十几年积攒的全部好运气了吧！
一起在图书馆学习，一起逛吃大连，和你彻夜长谈……你是我校园生活最美的结尾，相
信也是我余生最好的开场。感谢你带给我的所有惊喜，祝未来如你所愿，如我所盼！
最后，很感谢父母对我的支持，你们说要做我坚强的后盾，让我没有后顾之忧地选
择想走的路，很幸运成为了你们的女儿，我会好好努力，以后的日子里，换我做你们坚
强的后盾！

- 67 -
68