摘要
在车联网应用中，稀疏车流量场景下高效共识算法的设计是制约区块链技术落地的关键问题。本文系统梳理车联网区块链技术体系，深入分析稀疏车流量场景节点稀疏、拓扑动态变化、通信链路不稳定等核心特征，指出传统共识算法在时延、通信开销及可靠性方面存在的性能瓶颈，明确稀疏场景下共识算法设计的核心约束。针对上述问题，本文提出一种融合动态节点选择、轻量化通信与信任加速验证的新型共识算法。算法采用基于地理位置、信誉值与链路质量的三维节点筛选机制，提升低节点密度下共识节点的有效性与稳定性；通过精简共识流程与冗余验证步骤，降低节点间通信开销；引入边缘节点辅助共识，缓解车辆高速移动带来的共识中断问题。搭建稀疏车流量仿真环境，从共识时延、通信开销、容错率和共识成功率等维度与PBFT、R‑PBFT等算法进行对比。实验结果表明，所提算法在稀疏车流量场景下具有更低时延、更小开销和更高稳定性，能够更好适配车联网动态异构环境，为车联网区块链安全高效运行提供了可行方案。
****关键词：****车联网；区块链；共识算法；稀疏车流量
Abstract
InInternetofVehiclesapplications,thedesignofanefficientconsensusalgorithmundersparsetrafficscenariosisakeyissuerestrictingtheimplementationofblockchaintechnology.ThispapersystematicallysortsouttheblockchaintechnologysystemoftheInternetofVehicles,deeplyanalyzesthecorecharacteristicsofsparsetrafficscenariossuchassparsenodes,dynamictopologychangesandunstablecommunicationlinks,pointsouttheperformancebottlenecksoftraditionalconsensusalgorithmsintermsofdelay,communicationoverheadandreliability,andclarifiesthecoreconstraintsofconsensusalgorithmdesigninsparsescenarios.Tosolvetheaboveproblems,thispaperproposesanovelconsensusalgorithmintegratingdynamicnodeselection,lightweightcommunicationandtrustacceleratedverification.Thealgorithmadoptsathree-dimensionalnodescreeningmechanismbasedongeographiclocation,reputationvalueandlinkqualitytoimprovetheeffectivenessandstabilityofconsensusnodesunderlownodedensity;reducesthecommunicationoverheadbetweennodesbysimplifyingtheconsensusprocessandredundantverificationsteps;andintroducesedgenodestoassistconsensustoalleviatetheconsensusinterruptioncausedbyhigh-speedmovementofvehicles.Asparsetrafficsimulationenvironmentisbuilt,andcomparisonswithPBFT,R-PBFTandotheralgorithmsarecarriedoutfromthedimensionsofconsensusdelay,communicationoverhead,faulttolerancerateandconsensussuccessrate.Experimentalresultsshowthattheproposedalgorithmhaslowerdelay,lessoverheadandhigherstabilityinsparsetrafficscenarios,andcanbetteradapttothedynamicheterogeneousenvironmentoftheInternetofVehicles,providingafeasiblesolutionforthesecureandefficientoperationofInternetofVehiclesblockchain.
Keywords:InternetofVehicles;Blockchain;ConsensusAlgorithm;SparseTrafficFlow;DynamicNodeSelection
目录
1绪论
1.1课题研究背景
智能交通系统蓬勃发展的当下，车联网作为其核心组成部分，正凭借强大的信息交互与协同能力，重塑传统交通模式，为提升道路安全、优化交通流量、降低能源消耗带来前所未有的机遇。车联网通过车辆与车辆、车辆与基础设施以及车辆与行人之间的实时通信，构建起一个庞大而复杂的动态网络，实现信息的快速共享与协同决策，从而推动交通系统向智能化、自动化方向迈进。
共识算法作为车联网数据管理与协同决策的基石，其核心作用在于确保车联网中各个节点（车辆、路侧单元等）在分布式环境下对数据的一致性达成共识，保障信息的准确性和可靠性，进而支撑各类智能交通应用的高效运行。例如，在交通信号协同控制场景中，共识算法能够使周边车辆和路侧单元就信号灯状态、配时方案等信息达成一致，实现交通流量的优化调度；在自动驾驶协同决策场景下，共识算法可确保车辆之间对周围环境感知信息、行驶意图等达成共识，从而安全、有序地完成超车、变道等操作。
现有的车联网共识算法大多针对城市繁华区域等车流量密集场景设计。在这些场景中，车辆分布密集，节点间通信频繁，数据交互量大，共识算法主要聚焦于如何高效处理大量并发数据、快速达成共识以及应对高负载情况下的性能优化。但在实际应用中，车流量稀疏场景同样广泛存在，如偏远地区道路、乡村公路、夜间城市道路等。这些场景具有独特的网络特征和需求，给现有共识算法的应用带来了诸多挑战。
在稀疏车流量场景下，车辆分布稀疏，节点间距离较远，导致通信链路不稳定、通信延迟较高，甚至可能出现通信中断的情况。这使得现有共识算法在信息传播和节点协同方面面临困难，难以保证数据的一致性和实时性。例如，在偏远山区道路，车辆稀少且分布分散，车辆之间以及车辆与路侧单元之间的通信可能受到地形、距离等因素的严重影响，导致信息传输延迟较大，现有共识算法无法及时完成数据同步和共识达成，进而影响智能交通应用的正常运行。
疏车流量场景下的车联网节点数量相对较少，网络拓扑结构动态变化频繁，节点的加入和离开更加随机。现有共识算法在处理这种高度动态的网络拓扑时，往往需要复杂的节点管理和状态同步机制，增加了算法的复杂度和计算开销，降低了系统的整体性能。而且，由于节点数量少，单个节点的故障或恶意行为可能对整个网络的共识达成产生更大影响，现有共识算法在容错性和安全性方面也面临严峻考验。
1.2课题研究意义
设计一种面向稀疏车流量场景的车联网共识算法，旨在通过创新的信息交互策略与共识达成机制，实现低延迟、低能耗、高可靠性的信息同步与决策制定。该算法需充分考虑车辆移动性、网络拓扑动态变化以及通信资源受限等特点，采用轻量级加密技术保障数据安全，设计高效的邻居发现与信息传播机制以扩大共识范围，同时引入适应性共识阈值调整策略，确保在不同车流量密度下均能快速、准确地达成共识。此外，算法还应具备容错性与鲁棒性，能够有效应对网络分区、节点故障等异常情况，保障车联网系统的持续稳定运行。
该课题的研究成果将直接推动车联网技术在稀疏车流量场景下的应用深化，提升智能交通系统在各种环境下的适应性和覆盖范围。它不仅能够优化交通信号控制、减少拥堵、提高道路利用率，还能在紧急救援、自动驾驶协同等关键领域发挥重要作用，增强道路安全性和应急响应能力。长远来看，这一研究还将促进车联网与5G、人工智能、大数据等前沿技术的深度融合，为构建更加智能、互联、可持续的未来交通体系奠定坚实基础。因此，面向稀疏车流量场景的车联网共识算法设计与实现，不仅是技术进步的必然要求，更是推动社会交通模式转型升级、提升民众出行质量的关键一环。
1.3国内外研究现状
1.3.1国内研究现状
国内车联网共识算法研究围绕稀疏车流量场景"节点密度低、拓扑动态性强、共识参与节点不足、信任评估难、通信链路不稳定"五大核心痛点，形成"架构适配-信任增强-算法优化-场景落地"的完整研究体系，相关成果已覆盖分层架构、信誉机制、PBFT改进、稀疏专项适配等多个关键领域。在分层架构设计方面，翟宝琴等人（2022）1提出基于信任值的车联网分层共识优化协议，构建"RSU-车辆"双层架构，将稀疏节点按地理区域分组，组内完成局部共识后由RSU同步至全局链，有效避免因节点稀疏导致的共识中断，其通信复杂度从O(n²)降至O(n)，为稀疏场景提供了基础架构范式；刘代东等人（2025）9设计基于联盟链的分布式节点信誉管理系统，采用分层区块链架构实现交通数据与信誉值的分布式存储，区域内通过少量高信誉节点完成快速共识，即便在稀疏场景下仍能保持91%以上的事件正确判断率，进一步验证了分层架构的适配性；施智罡等人（2024）7设计面向车联网的区块链模型，通过区域划分将稀疏节点归属于邻近RSU管理，显著提升节点参与共识的稳定性，其资源调度策略使稀疏节点接入响应时间缩短至100ms内。
针对稀疏场景下节点交互少、信任历史数据不足的问题，李俊吉等人（2025）4提出基于信誉机制的车联网共识算法，构建"消息可信度+节点历史行为+通信稳定性"三维信誉模型，动态调整稀疏节点的共识参与权限，有效识别恶意节点，其恶意节点识别率较传统方法提升25%；李永强（2022）5将区块链与信誉机制结合，提出车联网数据共享安全方法，通过信誉值约束稀疏节点的数据上传行为，保障共识数据真实性，同时设计信誉快速更新机制以适配稀疏节点交互少的特点；高春祺等人（2024）8在相关综述中强调，稀疏场景需构建"可信认证-共识参与-激励反馈"闭环，指出现有信誉机制存在更新时延问题，需通过轻量化评估模型降低计算开销，为稀疏场景信誉机制设计提供了重要理论指引。
为降低稀疏场景下PBFT算法的节点参与门槛，张佳琦（2024）3针对PBFT主节点选举低效问题，优化主节点动态选举策略，结合节点信誉值与在线时长筛选核心节点，减少稀疏场景下主节点更换导致的共识中断，将共识时延降低30%；张文林（2023）6面向车联网数据共享需求，设计高效安全的共识算法，简化PBFT"预准备-准备-提交"流程，将共识参与节点最小数量降至3个，适配稀疏节点规模，在50节点以下的稀疏场景下时延控制在500ms内。
在稀疏场景专项适配与理论支撑方面，丁楠等人（2020）10提出HLSA链路调度算法，基于数据优先级与交通密度优化节点通信，在稀疏场景下优先传输共识关键数据，减少无效数据占用带宽，保障通信链路不稳定时的共识连续性；周凯等人（2025）2在区块链共识算法综述中指出，国内稀疏场景共识算法已实现"节点动态补充""备用节点池"等机制，其中张文林（2023）6设计的备用节点池可在核心节点断开时快速补充，保障共识连续性，但备用节点选择策略仍需优化。高春祺等人（2024）8与周凯等人（2025）2的综述性研究进一步明确，"激励机制提升节点参与意愿""轻量化算法降低资源开销"是核心突破方向，而施智罡等人（2024）7设计的区块链模型，通过优化稀疏节点接入与资源调度，为算法提供了适配节点快速进出场景的底层架构保障。综上，国内研究已奠定坚实技术基础，但仍存在不足：稀疏节点动态断开后的共识恢复响应时间超1秒，难以适配毫秒级需求；信誉评估依赖历史数据，新接入节点的信任初始化问题未有效解决；缺乏"稀疏-密集场景动态切换"的自适应机制，场景转换时性能波动较大。
1.3.2国外研究现状
国外车联网共识算法研究聚焦稀疏车流量场景的"低节点依赖、高动态适配、轻量化部署"核心需求，以PBFT算法改进、分组优化、跨领域技术迁移为主要路径，形成了一批具有实践价值的研究成果。在PBFT算法分组与分层改进方面，GuangquanX等人（2022）11提出SG-PBFT算法，将节点分为共识节点集与候选节点集，依据共识判断准确性动态调整节点信誉分数与参与权限，通过动态节点轮换减少稀疏场景下的冗余通信，实验表明其在50节点以下的稀疏规模下，吞吐量较传统PBFT提升60%，时延降低40%，有效适配稀疏节点参与不足的问题；WangY等人（2024）12提出IG-PGFT智能分组PBFT算法，将工业物联网节点按功能与位置分组，每组独立完成局部共识后汇总，该策略可迁移至稀疏车联网，按路段分组后仅需5-8个核心节点参与共识，大幅降低跨组通信压力，但未充分考虑车辆快速移动导致的组内节点动态变化；WuX等人（2025）13提出DBPBFT分层共识算法，采用"局部链+全局链"双区块链架构，稀疏场景下通过局部链快速处理区域内数据，全局链仅负责跨区域同步，其在200节点规模下时延控制在300ms内，吞吐量优于传统PBFT，但局部链与全局链的同步机制在节点极度稀疏时易出现数据不一致。
在拜占庭共识容错与实时性优化方面，Engineering团队（2019）14提出基于区块链的车联网信息认证拜占庭共识算法，通过多节点交叉验证提升数据真实性，在稀疏场景下降低虚假信息传播概率，但算法计算开销较高，实时响应速度受限；WangJ等人（2024）15在知识产权交易场景中，基于DIANA改进PBFT共识算法，优化共识阶段的消息交互逻辑，减少冗余通信，其轻量化设计思路可适配稀疏车联网的资源受限特性，但缺乏针对车流量动态变化的适配调整。
在跨领域技术迁移与场景支撑方面，国外研究将物联网稀疏场景的共识技术经验迁移至车联网领域，WuX等人（2025）13的DBPBFT算法虽面向通用物联网，但双区块链架构与分层共识思路可直接适配稀疏车联网的区域化管理需求；BitokJH,WangM,DesmondD16基于PRISMA框架完成的系统性综述，分析了2010-2025年78篇车联网共识机制文献，指出稀疏场景的核心挑战为"可扩展性-时延-能效"三者平衡，现有算法在节点数不足30时容错性下降明显，同时提出轻量化算法、边缘计算、AI辅助是未来优化方向，其构建的结构化比较框架为稀疏场景算法评估提供了统一标准。
综上，国外研究在PBFT分组优化、分层架构设计等方面具有显著优势，但仍存在短板：算法对车辆高流动性导致的拓扑动态变化适配不足，组内节点更换频率超3次/分钟时共识效率下降25%；缺乏与车联网场景特性（如交通事件优先级、节点移动轨迹）的深度结合，通用物联网算法的场景适配性有限；部分优化算法的计算开销较高，车载单元（OBU）资源占用率超60%，难以适配低配置车辆的部署需求。
1.4研究内容与技术路线
1.4.1研究内容
（1）稀疏场景特征分析与建模
系统梳理稀疏车流量场景的网络特性，包括节点密度低、分布不均、移动性强、通信链路不稳定等因素。结合IEEE802.11p协议与WAVE标准，构建节点密度模型、车辆移动模型与链路衰减模型，为算法设计提供定量边界。
（2）融合多维指标的动态节点筛选机制
设计一种基于"地理位置-信誉值-链路质量"三维度的节点评估与筛选机制。利用高斯混合模型划分共识区域，设计信誉值初始化与动态更新机制，结合链路质量实时评估，筛选出满足拜占庭容错要求的共识节点集，确保共识启动的可行性与安全性。
（3）轻量化共识流程优化
在保证拜占庭容错能力的前提下，对传统PBFT共识流程进行简化，提出"预准备-验证-提交"三阶段轻量化共识协议。引入批量验证、阈值签名、主节点动态选举与快速补位等机制，显著降低通信开销与共识时延，提升稀疏场景下的实时性表现。
（4）边缘协同机制设计
构建"车-边-链"协同架构，明确路侧单元（RSU）与边缘计算节点的职责分工。车辆节点上传数据摘要，边缘节点负责存储全量数据并暂代中断节点参与共识，设计通信时隙调度策略，保障共识过程的连续性与稳定性。
（5）仿真验证与性能评估
基于NS-3仿真平台与HyperledgerFabric框架，搭建稀疏车联网仿真环境，设计多组对比实验，从共识时延、通信开销、容错率、共识成功率等维度，评估算法在不同节点密度、移动速度、链路质量下的性能表现，验证其在稀疏场景下的适用性与优越性。
1.4.2技术路线
本研究的技术路线分为四个阶段，如图1-1所示：
文献研究与场景建模阶段：梳理国内外稀疏场景共识算法研究现状；构建节点密度、移动轨迹、链路衰减等模型；明确算法设计边界与性能约束。
算法设计与仿真实现阶段：设计三维节点筛选机制与轻量化共识流程；引入边缘协同机制，优化通信与容错策略；基于Python与HyperledgerFabric实现算法原型；利用NS-3搭建稀疏场景仿真平台，配置多组实验参数。
性能测试与优化阶段：测试共识成功率、时延、开销等关键指标；针对共识中断、节点不足等问题进行算法迭代优化，与传统PBFT、R-PBFT等算法进行对比分析。
安全性与稳定性验证阶段：设计恶意节点攻击、链路中断等测试用例；验证算法的抗攻击能力与拓扑适应性。
图1-1研究技术路线
2稀疏车流量场景车联网共识算法基础
2.1场景特征
稀疏车流量场景主要涵盖农村地区、高速公路、荒野路段等车辆分布密度较低的交通区域，是车联网在智慧城市落地过程中面临的典型特殊场景，其网络与节点运行呈现出节点分布不均、拓扑动态性强、通信链路不稳定、信息交互频率低四大核心特征，同时对共识算法的实时性、轻量化、容错性提出了严苛要求，具体特征表现如下：
1.节点分布与规模特征：车辆节点呈现"分散不均、局部少量聚集"的分布特点，整体节点密度远低于城市核心路段，常出现局部区域节点数不足的情况，难以满足传统共识算法对参与节点数量的基本要求；节点规模动态波动，车辆的驶入、驶出会导致网络内节点数量快速变化，无固定的节点组成结构。
2.拓扑结构动态特征：车辆高速移动的特性使车联网网络拓扑处于持续变化中，节点间的邻接关系随车辆位置改变不断更新，甚至出现节点突然离场、链路临时中断的情况，共识过程易因拓扑变化被打断，对算法的拓扑适配性和实时响应能力要求极高。
3.通信链路特征：受节点距离较远、地理环境遮挡等因素影响，场景内车辆间通信链路质量差，存在高丢包率、高传输时延问题，且链路稳定性波动大；同时车辆与基础设施（RSU）的通信覆盖存在局限性，跨区域通信开销显著增加，过于频繁的节点间信息交互会进一步加剧通信负担。
4.节点交互与信任特征：节点间相遇和通信的机会较少，难以积累充足的节点行为历史数据，传统基于历史交互的信任评估机制难以落地，新接入节点的信任初始化问题突出；恶意节点的行为难以被快速发现和验证，易出现信息篡改、虚假身份等安全问题，对共识算法的容错性和恶意节点识别能力提出要求。
5.业务实时性特征：车联网的交通信息共享、智能驾驶等核心业务对数据传输和共识的实时性要求严苛，稀疏场景下的共识时延需控制在毫秒级，否则将失去实际应用价值，这与场景本身的高通信时延形成显著矛盾。
2.2区块链核心技术
2稀疏车流量场景车联网共识算法基础
2.1场景特征
稀疏车流量场景主要涵盖农村地区、高速公路、荒野路段等车辆分布密度较低的交通区域，是车联网在智慧城市落地过程中面临的典型特殊场景，其网络与节点运行呈现出节点分布不均、拓扑动态性强、通信链路不稳定、信息交互频率低四大核心特征，同时对共识算法的实时性、轻量化、容错性提出了严苛要求，具体特征表现如下：
节点分布与规模特征：车辆节点呈现"分散不均、局部少量聚集"的分布特点，整体节点密度远低于城市核心路段，常出现局部区域节点数不足的情况，难以满足传统共识算法对参与节点数量的基本要求；节点规模动态波动，车辆的驶入、驶出会导致网络内节点数量快速变化，无固定的节点组成结构。
拓扑结构动态特征：车辆高速移动的特性使车联网网络拓扑处于持续变化中，节点间的邻接关系随车辆位置改变不断更新，甚至出现节点突然离场、链路临时中断的情况，共识过程易因拓扑变化被打断，对算法的拓扑适配性和实时响应能力要求极高。
通信链路特征：受节点距离较远、地理环境遮挡等因素影响，场景内车辆间通信链路质量差，存在高丢包率、高传输时延问题，且链路稳定性波动大；同时车辆与基础设施（RSU）的通信覆盖存在局限性，跨区域通信开销显著增加，过于频繁的节点间信息交互会进一步加剧通信负担。
节点交互与信任特征：节点间相遇和通信的机会较少，难以积累充足的节点行为历史数据，传统基于历史交互的信任评估机制难以落地，新接入节点的信任初始化问题突出；恶意节点的行为难以被快速发现和验证，易出现信息篡改、虚假身份等安全问题，对共识算法的容错性和恶意节点识别能力提出要求。
业务实时性特征：车联网的交通信息共享、智能驾驶等核心业务对数据传输和共识的实时性要求严苛，稀疏场景下的共识时延需控制在毫秒级，否则将失去实际应用价值，这与场景本身的高通信时延形成显著矛盾。
2.2区块链核心技术
区块链技术的去中心化、安全可信、不可篡改特性，为解决车联网稀疏场景中的数据传输安全、节点身份认证、共识效率低等问题提供了核心技术支撑，本课题所设计的共识算法主要依托区块链的拜占庭容错、密码学、共识机制、梅克尔树等核心技术，同时结合边缘计算技术实现优化适配，关键技术及在车联网稀疏场景中的应用价值如下：
1.拜占庭容错（BFT）技术：是区块链解决分布式系统中恶意节点问题的核心技术，核心要求为在分布式网络中，当恶意节点数量不超过总节点数1/3（f<n/3）时，系统仍能达成正确共识。该技术适配稀疏车流量场景的安全需求，能够有效抵御场景中可能存在的恶意节点攻击、信息篡改等行为，是算法设计的容错性基础，本课题采用轻量化实用拜占庭容错（PBFT）作为核心共识框架。
2.密码学技术：主要包括哈希算法、数字签名、阈值签名等，是保障车联网数据传输和共识安全性的关键。SHA256哈希算法可实现数据的唯一摘要生成，确保数据传输过程中不被篡改；Ed25519数字签名技术完成节点身份认证和消息合法性验证，解决稀疏场景下的节点身份伪造问题；阈值签名技术可简化多节点签名验证流程，减少节点间的通信交互次数，适配场景的轻量化需求。
3.梅克尔树（MerkleTree）技术：通过将多个交易数据进行哈希分层组合生成树形结构，仅需通过梅克尔根即可验证整个交易集合的完整性。在稀疏车流量场景中，该技术支持交易数据的批量打包与验证，大幅减少节点间传输的数据量，降低通信开销，同时提升交易验证的效率，契合场景的低带宽、高时延特点。
4.分布式共识机制：是区块链的核心，负责协调分布式网络中的节点达成数据一致性。传统共识机制可分为工作量证明（PoW）、权益证明（PoS）、实用拜占庭容错（PBFT）等类型，其中PBFT因无需算力竞争、共识时延低的特点，成为车联网场景的主流选择。本课题在传统PBFT基础上进行轻量化优化，适配稀疏场景的节点规模和实时性要求。
5.区块链分层与分片技术：将区块链网络按地理区域、业务类型进行分层或分片，实现局部共识与全局同步的分离。该技术适配稀疏车流量场景的区域化特征，可通过"车辆-边缘节点（RSU）"双层架构，让区域内稀疏节点先完成局部共识，再由RSU同步至全局链，避免因节点稀疏导致的共识中断，提升共识的稳定性。
2.3现有算法分析
目前车联网共识算法的研究主要围绕传统PBFT算法改进、信誉机制融合、分层架构设计等方向展开，现有算法可分为传统PBFT算法、改进型PBFT算法（R-PBFT等）、稀疏场景专项适配算法三类，各类算法在车联网稀疏场景中均展现出一定的适用性，但同时存在显著的性能瓶颈，无法完全满足稀疏场景的核心需求，具体分析如下：
2.3.1传统PBFT算法
传统PBFT算法是分布式系统中经典的拜占庭容错共识算法，通过"预准备-准备-提交"三阶段完成共识，在节点固定的分布式网络中具有高共识准确性和容错性，但其设计未考虑车联网的移动性和稀疏性特征，直接应用于稀疏车流量场景存在诸多问题：
对参与节点数量要求较高，需满足n≥3f+1的法定人数要求，而稀疏场景下节点密度低，常出现节点数不足的情况，难以启动共识；
共识流程冗余，三阶段的消息交互次数多，通信复杂度为O(n2)，在稀疏场景的高通信时延、低带宽环境下，会导致共识时延大幅增加、通信开销过高；
主节点选举机制固定，未考虑节点的信誉和链路质量，主节点若出现故障或为恶意节点，会导致共识中断，且缺乏主节点快速补位策略，适配拓扑动态变化的能力差；
未结合车联网的地理特征，节点选择无位置考量，易出现共识节点分布过于集中的情况，进一步降低通信效率。
2.3.2改进型PBFT算法（R-PBFT等）
针对传统PBFT算法的缺陷，研究人员提出了一系列改进型算法，其中R-PBFT（基于信誉的PBFT）是车联网场景的典型改进算法，该算法将节点信誉值引入共识节点选择和主节点选举过程，优先选择高信誉节点参与共识，提升了共识的安全性和准确性。此外，部分改进算法简化了PBFT的共识流程，减少了消息交互阶段。但此类算法在稀疏车流量场景中仍存在明显不足：
信誉评估机制依赖节点的历史交互数据，而稀疏场景下节点间信息交互频率低，新接入节点无历史数据，存在信任初始化难题，高信誉节点的筛选标准难以落地；
节点选择仅单一考虑信誉值，未结合地理位置、链路质量等核心因素，难以解决稀疏场景下节点分布不均、通信链路差的问题；
虽简化了部分共识流程，但未实现交易的批量打包和轻量化验证，通信开销仍较高，无法适配稀疏场景的低带宽需求；
缺乏与边缘节点的协同机制，未利用RSU等边缘设备弥补车辆节点移动性和稀疏性的缺陷，共识过程易因车辆节点离场而中断。
2.3.3稀疏场景专项适配算法
近年来，国内外研究人员针对车联网稀疏场景的核心痛点，提出了一批专项适配算法，此类算法多融合分层架构、地理区域划分、边缘辅助等设计思路，如基于RSU的分层共识协议、SG-PBFT（动态节点轮换PBFT）、DBPBFT（分层双区块链PBFT）等，相较于前两类算法，其对稀疏场景的适配性显著提升，但仍存在尚未解决的技术短板：
共识恢复响应慢：稀疏节点动态断开后的共识恢复响应时间超1秒，无法满足车联网毫秒级的实时性需求，部分算法设计的"备用节点池"机制虽能补充节点，但备用节点的选择策略未优化，补位效率低；
场景自适应能力不足：缺乏"稀疏-密集场景动态切换"的自适应机制，当场景内车流量由稀疏变为密集时，算法性能波动较大，无法灵活调整节点筛选和共识策略；
边缘协同机制不完善：虽引入RSU等边缘节点辅助共识，但未明确车辆节点与边缘节点的职责划分，边缘节点的存储和代理共识能力未充分利用，且存在跨RSU覆盖区域的共识数据不一致问题；
计算与通信开销失衡：部分算法为提升容错性，引入了复杂的节点验证机制，导致车载单元（OBU）资源占用率超60%，难以适配低配置车辆的部署需求；而部分轻量化算法则因过度简化验证流程，导致安全验证强度下降，容错性降低。
4.现有算法共性问题总结
综合来看，现有车联网共识算法在稀疏车流量场景中面临的共性问题可归纳为五点：一是节点选择机制不完善，未实现地理位置、信誉值、链路质量的多维度融合筛选，难以解决低节点密度下的共识启动难题；二是共识流程轻量化不足，通信开销和时延仍无法适配场景的实时性要求；三是信任评估机制不适用，历史数据依赖和新节点信任初始化问题未有效解决；四是拓扑动态适配能力差，无法快速感知节点加入/退出状态，共识易中断；五是边缘与车辆节点协同不足，未充分发挥边缘节点的辅助作用，弥补车辆节点的移动性和稀疏性缺陷。这些问题为本课题的算法设计指明了核心优化方向。
3面向稀疏车流量场景的共识算法设计
3.1节点筛选机制
SparseFlow采用地理、信誉、链路质量三维多目标优化的节点筛选策略，通过贪心选取法筛选出满足拜占庭容错条件n≥3f+1的共识节点集，解决稀疏场景下节点分布不均、可信性差异大、链路质量波动的问题，为共识流程奠定可靠的节点基础。节点筛选的核心逻辑由NodeSelector模块实现，各维度筛选规则与计算方式如下：
地理维度筛选：基于高斯混合模型（GMM）完成路网区域划分，计算节点的欧氏距离与地理均匀性评分，优先选取分布分散的车辆节点，避免因节点地理集中导致的通信盲区与共识集群单点失效，保证共识节点在稀疏路网中的覆盖性。
信誉维度筛选：由ReputationManager维护所有车辆节点的信誉值，根据节点共识参与情况进行动态更新------共识成功时提升信誉值，共识失败/恶意参与时降低信誉值，且信誉值支持持久化到JSON文件；筛选时优先选取高信誉节点，剔除低信誉节点，提升共识集群的可信性。
链路质量筛选：通过LinkQualityEvaluator基于指数加权移动平均（EWMA）算法，实时计算节点间链路的时延、丢包率等指标并量化链路质量评分；筛选时优先选取链路质量优、通信稳定性高的节点，减少因链路故障导致的共识消息丢失。
三维维度的评分经加权融合后，NodeSelector采用贪心选取算法，在满足n≥3f+1拜占庭容错基本条件的前提下，依次加入综合得分最优的节点，直至达到目标共识节点数量，既保证共识集群的容错能力，又最大化节点集的整体可靠性。
3.2共识流程优化
在筛选后的共识节点集基础上，SparseFlow对传统实用拜占庭容错（PBFT）算法进行轻量化改造，设计批量交易处理、信誉化主节点选举、简化签名验证、三阶段精简执行的优化共识流程，同时支持与传统PBFT、R-PBFT算法的对比，核心由LightweightPBFT模块实现，整体流程遵循预准备→验证→提交三阶段，且满足拜占庭容错的2f+1法定人数要求，具体优化点如下：
1.交易批量处理：通过TransactionBatch模块对车联网中的交易信息进行聚合打包，计算交易集合的Merkle根与摘要，替代传统PBFT的单交易处理模式，大幅减少共识过程中的消息传输量，降低通信开销。
2.信誉化主节点选举：由LeaderElection模块实现主节点选举，摒弃传统PBFT按节点ID选举的方式，结合节点信誉值与视图轮换机制选取主节点，既保证主节点的可信性，又避免单一节点长期作为主节点导致的性能瓶颈与单点风险。
3.签名验证简化：采用Ed25519非对称加密算法完成签名与验签，并引入阈值聚合签名机制，对共识节点的签名进行聚合处理，替代传统的单节点签名逐一验证，减少验证计算量，提升共识效率。
4.三阶段精简执行：轻量化PBFT保留预准备（PRE_PREPARE）、验证（PREPARE）、提交（COMMIT）核心三阶段，由ConsensusContext维护各阶段的票数统计，当某一阶段的支持票数达到2f+1法定人数时，直接进入下一阶段，无需等待所有节点响应；当提交阶段达到2f+1票数时，立即完成区块提交并触发on_commit回调，同时更新节点信誉值，避免流程冗余导致的时延增加。
5.共识消息总线模拟：通过ConsensusMessageBus模拟车联网中的广播与消息收件机制，适配稀疏场景下的节点通信特性，保证共识消息在筛选后的节点集中高效传输，减少消息广播的范围与冗余。
共识流程触发采用固定仿真步间隔机制（如每25步触发一轮），触发前先完成节点筛选与邻接关系更新，仅当车辆数≥4时启动共识，避免稀疏场景下节点数量不足导致的共识无效执行。
3.3边缘辅助机制
针对稀疏车流量场景下车辆节点移动性强、易离场、通信覆盖不连续的问题，SparseFlow引入路侧单元（RSU）作为边缘节点，设计车-边协议、代理共识、TDMA时隙调度、RSU覆盖与切换的边缘辅助机制，由edge_assist模块实现，通过边缘节点的静态性与稳定性弥补车辆节点的动态缺陷，提升共识算法在稀疏场景下的鲁棒性，具体功能设计如下：
1.车-边数据交互协议：由VehicleEdgeProtocol定义车辆节点与RSU的标准化数据交互接口，车辆节点仅需向RSU上传交易与共识的数据摘要，由RSU存储全量数据，减少车辆节点的存储与通信负载，适配车辆节点的资源受限特性。
2.RSU代理共识：通过ProxyConsensusManager实现边缘代理共识逻辑，当部分车辆节点因移动离场、链路中断无法参与共识时，由其所属的RSU代行共识操作，保证共识集群的节点数量满足n≥3f+1的容错要求，避免因节点离场导致的共识失败。
3.TDMA时隙调度：由TDMAScheduler为车联网节点分配通信帧与时隙，采用共识节点优先的调度策略，为筛选后的共识节点分配专属通信时隙，避免稀疏场景下的节点通信冲突，提升共识消息的传输效率与成功率。
4.RSU覆盖与跨节点同步：实现RSU覆盖范围的实时判断，通过find_serving_rsu函数为车辆节点匹配所属的服务RSU；当车辆节点跨RSU覆盖区域移动时，完成RSU切换与跨RSU的共识数据同步，保证车辆节点在移动过程中共识参与的连续性。
5.边缘节点参与仿真与展示：在SUMO交通仿真中，将RSU节点与车辆节点的位置、状态一同采集并推送到前端，边缘节点可直接参与共识流程的辅助，同时支持前端对RSU覆盖范围、节点代理情况的可视化展示，便于算法效果验证。
边缘辅助机制在逻辑层为共识算法提供支撑，不改变核心共识流程，仅在车辆节点出现异常、稀疏场景下节点资源不足时启动，实现"车辆为主、边缘为辅"的共识模式，兼顾车联网的动态性与共识的稳定性。
4算法实现与测试
4.1仿真环境搭建
4.1.1硬件与软件环境
本实验的仿真平台基于本地Python环境搭建，无容器化部署，硬件采用常规台式机（CPU为Inteli5及以上、内存8G及以上），满足SUMO交通仿真与算法并行计算的基础需求；软件环境核心为Python3.12，搭配SUMO1.25.0完成车联网交通场景仿真，同时通过第三方库实现加密、数值计算、机器学习、Web服务等功能，具体软件环境配置如表4-1所示。
表4-1仿真平台软件环境配置
|----------------------|--------|-----------------------------------|
| 软件/库 | 版本 | 核心用途 |
| Python | 3.12 | 算法主开发语言，实现全流程逻辑编写 |
| SUMO | 1.25.0 | 交通场景仿真，生成稀疏车流量路网与车辆运动轨迹 |
| TraCI | - | SUMO二次开发接口，获取车辆位置、速度等实时状态 |
| PyCryptodome | - | 实现SHA256加密、Merkle树构建、Ed25519签名/验签 |
| NumPy | - | 数值计算，为GMM区域划分、实验统计提供数据支撑 |
| scikit-learn | - | 实现高斯混合模型（GMM），完成共识节点地理区域划分 |
| FastAPI+Uvicorn | - | 搭建后端API与WebSocket服务，支持前后端交互与实时仿真 |
| Matplotlib+SciPy | - | 实验数据可视化、统计检验（t检验）与指标分析 |
| HTML/CSS/JS+Chart.js | - | 开发前端单页应用，实现仿真控制与实验结果展示 |
4.1.2仿真场景构建
基于SUMO工具构建稀疏车流量专属仿真场景，通过.net.xml（路网配置）、.rou.xml（车辆路由配置）、.sumocfg（仿真总配置）文件定义低车辆密度的路网拓扑。场景生成通过sumo_config/bootstrap.py脚本实现，可自定义路网节点数、车辆生成频率、车辆行驶速度等参数，确保场景中车辆密度维持在低水平（单区域车辆数≤10），且车辆运动带来网络拓扑的频繁变化，贴合真实稀疏车流量V2X环境的特征。仿真过程中，车辆位置、速度等状态通过TraCI接口实时获取，为后续节点筛选、共识执行提供地理与运动数据支撑如图4-1，图4-2所示：
