CN106961707B - 一种vanet中基于连通性的多因素决策路由协议 - Google Patents
一种vanet中基于连通性的多因素决策路由协议 Download PDFInfo
- Publication number
- CN106961707B CN106961707B CN201710128699.3A CN201710128699A CN106961707B CN 106961707 B CN106961707 B CN 106961707B CN 201710128699 A CN201710128699 A CN 201710128699A CN 106961707 B CN106961707 B CN 106961707B
- Authority
- CN
- China
- Prior art keywords
- node
- vehicle
- information
- neighbor
- forwarding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 59
- 230000005540 biological transmission Effects 0.000 claims description 55
- 230000007246 mechanism Effects 0.000 claims description 43
- 238000004891 communication Methods 0.000 claims description 32
- 101001064282 Homo sapiens Platelet-activating factor acetylhydrolase IB subunit beta Proteins 0.000 claims description 26
- 102100030655 Platelet-activating factor acetylhydrolase IB subunit beta Human genes 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 12
- 238000011084 recovery Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000005562 fading Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 102100032352 Leukemia inhibitory factor Human genes 0.000 claims 1
- 108090000581 Leukemia inhibitory factor Proteins 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 102000003688 G-Protein-Coupled Receptors Human genes 0.000 description 1
- 108090000045 G-Protein-Coupled Receptors Proteins 0.000 description 1
- 101001093748 Homo sapiens Phosphatidylinositol N-acetylglucosaminyltransferase subunit P Proteins 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种结合城市VANET网络的特点以及路由协议设计中存在的问题适用于城市场景下的VANET中基于连通性的多因素决策路由协议。本发明的多因素决策路由协议，网络中每个车辆节点都配备有导航定位系统和电子地图设备，周期性的获取自身信息，同时，获得RSU的位置以及道路拓扑结构；当网络中有车辆节点需要发送数据包到目标节点时，目标节点的实时信息通过位置服务反馈系统来获取，获取后添加到数据包包头中。本发明通过车辆节点与部署在路边RSU信息交互、以及多类别的V2R消息统计来获取道路上车辆的分布情况，从而计算出道路密度，以保证连通性与短路径优先为原则选择一条连接源节点到目标节点的最优路径。
Description
技术领域
本发明涉及一种结合城市VANET网络的特点以及路由协议设计中存在的问题适用于城市场景下的VANET中基于连通性的多因素决策路由协议(The Multi-factor DecisionRouting Protocol Based on Network Connectivity in VANET,MDCR)。
背景技术
近年来，随着汽车工业、电子通信、计算机等领域的飞速发展，智能交通系统(Intelligent Transportation System,ITS)应运而生。车载自组织网络(Vehicular Ad-Hoc Networks,VANET)作为未来智能交通发展的重要方向，它是以配备通信传输模块的车辆和道路基础设施为节点，实现车辆与车辆之间(V2V,Vehicle-to-VehicleCommunication)以及车辆与道路设施之间(V2R,Vehicle-to-Road Side UnitCommunication)的信息交换，从而形成了由车辆与道路基础设施组成的无中心、自组织、拓扑变化较频繁的实体网络。路由协议作为该网络体系的核心，对改善车载自组织网络通信的可靠性与时效性起到关键作用。因此，设计出适应车载环境的路由协议算法受到了越来越广泛的关注。
目前，VANET路由协议设计中主要面临的问题有以下几个方面：
道路稀疏性导致丢包率大。当数据包传输选择了密度过低的道路段时，在数据包的转发过程中将无法找通讯范围内合适的下一跳，导致数据包丢包的情况，降低了路由性能的可靠性。
目标节点过时性。目前大多数路由协议中，源节点通过位置服务系统获得目标节点的位置信息后，都是假定目标节点位置不动的。但实际车载环境中，由于车辆节点的高速移动性，忽略目标节点位置的改变必然会降低数据包传输的成功率。
数据包转发易陷入局部最优。基于地理位置的路由协议中，很多协议基于单因素(欧式距离)来选择下一跳转发节点，即贪婪算法。这种策略由于考虑因素较少，易陷入局部最优，采用恢复的转发策略又会增加端到端延迟，影响路由协议性能。
大多数基于地理位置的路由协议多采用局部选择思路，重视依据位置信息选择下一跳转发节点，但忽略了车载环境中，车辆移动轨迹受限以及车辆轨迹可预测的问题，导致容易陷入局部最优。另一类路由协议大多考虑了道路以及基础设施因素，依据路由策略选择由源节点到目标节点的最优路径。但却忽略了高速拓扑变化的车载环境中目标节点的移动性、道路车辆分布的时变性、以及节点转发信息的实时性等问题，导致通信链路容易中断。所以设计出适应于城市场景下的VANET路由协议具有很强的理论和工程意义。
发明内容
本发明的目的在于提供一种旨在提高车辆间通信的可靠性和时效性，应用在城市场景下的基于地理位置路由协议的基础上引入了电子地图，路由设计中有效的将车辆信息与道路信息相结合，实现路由策略的最优化的VANET中基于连通性的多因素决策路由协议。
本发明的目的是这样实现的：
一种VANET中基于连通性的多因素决策路由协议，网络中每个车辆节点都配备有导航定位系统和电子地图设备，周期性的获取自身信息，同时，获得RSU的位置以及道路拓扑结构；当网络中有车辆节点需要发送数据包到目标节点时，目标节点的实时信息通过位置服务反馈系统来获取，获取后添加到数据包包头中；电子地图中每个道路段具有唯一编号，车辆节点通过电子地图获取自身所属道路的编号，采用宏观路径选择模块与微观转发模块相结合实现网络中数据包的可靠有效传输，同时引入相应的路由恢复模块，基于RSU辅助的宏观路径选择模块，利用多类别的V2R消息统计，在获取道路实时密度后，选择一条当前时刻由源节点到目标节点的最优传输路径，引入目标节点追踪模块，在数据包传输中，追踪目标节点以及所属目标道路段的变化情况，采用动态的方式更新实时性更高的最优路径；动态信标交换机制模块将直接邻居列表中的信息在单播多跳路由传输中作为下一跳转发节点选择的依据；微观转发模块在选择好的既定路径上进行数据包的单播多跳传输时，采用道路段转发算法和交叉路口转发算法；路由恢复模块根据MDCR协议提供相应的路由恢复策略，具体流程如下：
步骤一：运行动态信标交换模块，使网络中的每个车辆节点接收邻居Beacon信息流，维护各自的直接邻居列表信息；
步骤二：判断是否要转发数；据包，若要转发数据包，进入步骤三；否则返回步骤一；
步骤三：对需要转发数据包的车辆进行是否获知目标节点信息的判断，若无目标节点信息，通过位置服务系统获取该信息，并进入步骤四；否则，直接进入步骤四；
步骤四：启动基于RSU辅助的宏观路径选择模块，判断最优路径是否获取成功，若获取成功直接进入步骤五；否则，启动路由恢复中的重试模块，若重试不成功丢弃数据包，向上层报告错误，路由结束；若重试成功，进入步骤五；
步骤五：将组成最优路径的路口序列添加到数据包包头中启动微观转发模块；
步骤六：判断目标节点是否属于当前节点的直接邻居列表，若属于，直接发送数据包给目标节点，路由结束；否则，判断车辆所属类别，执行相应的转发算法，当转发数据包的车辆属于路口车辆时，执行交叉路口转发算法，反之，执行道路段转发算法(RFA)，通过转发算法决定下一跳转发节点；
步骤七：判断最佳下一跳转发节点是否获取成功，若成功，进入步骤八；否则，启动“存储-转发”机制，等待固定时间间隔后，依据实时车辆所属类别，执行相应算法，同时判断是否找到有效下一跳转发节点，若寻找成功，进入步骤八；否则，丢弃数据包，向上层报告错误，路由结束；
步骤八：将数据包转发给选定的下一跳转发节点；
步骤九：依赖计算得到的路径动态更新周期，判断目标节点是否偏离目标道路段，若目标节点未偏离目标道路段，返回步骤六，携带数据包的车辆节点继续进行下一跳节点的选择传输；若偏离目标道路段，启动目标节点追踪模块，更新实时最优路径，返回步骤四。
本发明的有益效果在于：
本发明通过车辆节点与部署在路边RSU信息交互、以及多类别的V2R消息统计来获取道路上车辆的分布情况，从而计算出道路密度，以保证连通性与短路径优先为原则选择一条连接源节点到目标节点的最优路径。考虑整个VANET交通网络由道路段和交叉路口组成的基础上，将交通网络抽象为一个有向图结构为基础的平面连通图。
附图说明
图1是本发明中MDCR路由协议流程图；
图2是本发明中道路抽象模型图；
图3是本发明中转发车辆寻找最佳路径示意图；
图4是本发明中转发车辆更新最佳路径示意图；
图5是本发明中目标路段示意图；
图6是本发明中车辆位置变化示意图；
图7是本发明中路由转发策略示意图；
图8是本发明中交叉路口转发算法邻居节点示意图；
图9是本发明中曼哈顿模型RSU分布图。
具体实施方式
下面结合附图对本发明做进一步描述。
一种VANET环境下基于连通性的多因素决策路由协议(The Multi-factorDecision Routing Protocol Based on Network Connectivity in VANET)，其核心思想是采用宏观路径选择机制与微观转发机制相结合的原则实现网络中数据包的可靠有效传输，使得交通网络中车辆与车辆间的通信更加可靠、行驶过程中的路由决策信息更加准确。当网络中某车辆节点与目标车辆节点需要传输数据包时，采用基于RSU辅助的宏观路径选择机制以及目标节点追踪机制，确保数据包的整个传输过程中传输路径的连通性，在既定路径上进行单播多跳传输时，首先使用动态信标交换机制捕获车辆节点的基本属性信息，这些信息应用于基于场景的微观转发算法中，需要转发数据包的当前车辆节点通过道路段转发算法(RFA)和交叉路口转发算法(IFA)决策出最佳下一跳转发节点，同时引入了相应的路由恢复机制提高本协议的容错率，直到数据包成功传输到目标节点。
各个模块的运行流程具体包括：
步骤一：运行动态信标交换模块，使网络中的每个车辆节点接收邻居“Beacon”信息流，维护各自的直接邻居列表信息。
步骤二：判断是否要转发数据包，若要转发数据包，进入步骤三；否则返回步骤一。
步骤三：对需要转发数据包的车辆进行是否获知目标节点信息的判断，若无目标节点信息，通过位置服务系统获取该信息，并进入步骤四；否则，直接进入步骤四。
步骤四：启动基于RSU辅助的宏观路径选择模块，判断最优路径是否获取成功，若获取成功直接进入步骤五；否则，启动路由恢复中的重试模块，若重试不成功丢弃数据包，向上层报告错误，路由结束；若重试成功，进入步骤五。
步骤五：将组成最优路径的路口序列添加到数据包包头中启动微观转发模块。
步骤六：判断目标节点是否属于当前节点的直接邻居列表，若属于，直接发送数据包给目标节点，路由结束；否则，判断车辆所属类别，执行相应的转发算法，当转发数据包的车辆属于路口车辆时，执行交叉路口转发算法(IFA)，反之，执行道路段转发算法(RFA)，通过转发算法决定下一跳转发节点。
步骤七：判断最佳下一跳转发节点是否获取成功，若成功，进入步骤八；否则，启动“存储-转发”机制，等待固定时间间隔后，依据实时车辆所属类别，执行相应算法，同时判断是否找到有效下一跳转发节点，若寻找成功，进入步骤八；否则，丢弃数据包，向上层报告错误，路由结束。
步骤八：将数据包转发给选定的下一跳转发节点。
步骤九：依赖计算得到的路径动态更新周期，判断目标节点是否偏离目标道路段，若目标节点未偏离目标道路段，返回步骤六，携带数据包的车辆节点继续进行下一跳节点的选择传输；若偏离目标道路段，启动目标节点追踪模块，更新实时最优路径，返回步骤四。
MDCR协议的实现基于如下假设：
网络中每个车辆节点都配备有导航定位系统(如GPS)和电子地图设备，可以周期性的获取自身信息，同时，RSU的位置以及道路拓扑结构对车辆是已知的；当网络中有车辆节点需要发送数据包到目标节点时，目标节点的实时信息可以通过位置服务反馈系统来获取，获取后添加到数据包包头中；电子地图中每个道路段具有唯一编号，车辆节点可以通过电子地图获取自身所属道路的编号。
本发明提出的MDCR协议设计中，旨在采用宏观路径选择模块与微观转发模块相结合的原则实现网络中数据包的可靠有效传输，同时引入相应的路由恢复模块，提高协议的容错率，主要模块分为以下几类：
①基于RSU(Road Side Unit)辅助的宏观路径选择模块。采用全局的设计思路，利用多类别的V2R消息统计，在获取道路实时密度后，以连通性与短路径优先为原则，选择一条当前时刻由源节点到目标节点的最优传输路径。同时本发明中引入目标节点追踪模块，在数据包传输中，追踪目标节点以及所属目标道路段的变化情况，采用动态的方式更新实时性更高的最优路径，保证传输路径的连通性，降低通信链路中断的概率。
②动态信标交换机制模块。区别于传统的静态周期信息交换机制，本发明在基于邻居节点密度以及车辆移动速度等因素的考虑上，采用动态信标交换机制使网络中每个节点在维护实时性更高的一跳邻居列表时，又能降低路由开销。直接邻居列表中的信息在单播多跳路由传输中作为下一跳转发节点选择的依据。
③微观转发模块。在选择好的既定路径上进行数据包的单播多跳传输时，如何在邻居范围内选出是路由协议设计中需要重点考虑的，MDCR协议中针对交通环境中“道路段-交叉路口”的相异性，分别设计出符合各自特性的下一跳转发节点选择算法：道路段转发算法(Road-section Forwarding Algorithm,RFA)和交叉路口转发算法(IntersectionForwarding Algorithm,IFA)。
④路由恢复模块。根据MDCR协议中提出宏观和微观路由策略，本发明提供相应的路由恢复策略，提高容错率。
本发明提出的MDCR协议流程图如图1所示，工作流程如下：
步骤一：运行动态信标交换模块，使网络中的每个车辆节点接收邻居“Beacon”信息流，维护各自的直接邻居列表信息。
步骤二：判断是否要转发数据包，若要转发数据包，进入步骤三；否则返回步骤一。
步骤三：对需要转发数据包的车辆进行是否获知目标节点信息的判断，若无目标节点信息，通过位置服务系统获取该信息，并进入步骤四；否则，直接进入步骤四。
步骤四：启动基于RSU辅助的宏观路径选择模块，判断最优路径是否获取成功，若获取成功直接进入步骤五；否则，启动路由恢复中的重试模块，若重试不成功丢弃数据包，向上层报告错误，路由结束；若重试成功，进入步骤五。
步骤五：将组成最优路径的路口序列添加到数据包包头中启动微观转发模块。
步骤六：判断目标节点是否属于当前节点的直接邻居列表，若属于，直接发送数据包给目标节点，路由结束；否则，判断车辆所属类别，执行相应的转发算法，当转发数据包的车辆属于路口车辆时，执行交叉路口转发算法(IFA)，反之，执行道路段转发算法(RFA)，通过转发算法决定下一跳转发节点。
步骤七：判断最佳下一跳转发节点是否获取成功，若成功，进入步骤八；否则，启动“存储-转发”机制，等待固定时间间隔后，依据实时车辆所属类别，执行相应算法，同时判断是否找到有效下一跳转发节点，若寻找成功，进入步骤八；否则，丢弃数据包，向上层报告错误，路由结束。
步骤八：将数据包转发给选定的下一跳转发节点。
步骤九：依赖计算得到的路径动态更新周期，判断目标节点是否偏离目标道路段，若目标节点未偏离目标道路段，返回步骤六，携带数据包的车辆节点继续进行下一跳节点的选择传输；若偏离目标道路段，启动目标节点追踪模块，更新实时最优路径，返回步骤四。
(1)基于RSU(Road Side Unit)辅助的宏观路径选择模块及目标节点追踪模块
(2)基于RSU辅助的宏观路径选择模块
不同于以往多数路由采用基于历史数据预测或车辆自主发现密度的评估机制，本发明通过车辆节点与部署在路边RSU信息交互、以及多类别的V2R消息统计来获取道路上车辆的分布情况，从而计算出道路密度，以保证连通性与短路径优先为原则选择一条连接源节点到目标节点的最优路径。考虑整个VANET交通网络由道路段和交叉路口组成的基础上，将交通网络抽象为一个有向图结构为基础的平面连通图。
如图2所示，该模块中道路抽象模型说明如下：
连通图中忽略单个车辆节点的运动，只考虑道路段和交叉路口组成的交通网络，定义交通网络中交叉路口为连通图顶点，两个交叉路口间道路段为连通图边，道路段上的车辆密度称为连通图边的权值；每条道路段被划分为一个或多个连通图区域，区域的大小以及划分方式需通过综合交通网络中道路段的总长度、车辆分布以及车辆和RSU的传输范围等决定；连通图区域范围远小于道路长度，因此在连通图区域内，车辆分布可近似看作均匀分布，计算区域内道路密度，再将若干个连通图区域内的道路密度结合起来，整条道路段密度分布可获得。
在MDCR协议仿真中，我们规定RSU传输范围以及区域大小，每个RSU覆盖范围可包含一个或多个连通图区域。连通图顶点不属于任何RSU覆盖范围。交通网络中，车辆节点可以通过GPS导航设备可随时获知自己所属连通图区域及各个RSU的坐标位置、传输覆盖范围等，车辆也能获知自己所属RSU编号。利用车辆节点给RSU主动上报消息，将道路段的车辆分布情况传递给RSU，每个RSU在生成道路段的区域密度评估值后传播出去。
基于RSU辅助的宏观路径选择模块中，定义两类临界转换点。第一类存在于相邻两个RSU覆盖范围的交界处、RSU和连通图顶点处及两连通图顶点交界处。当车辆节点位于这类临界转换点处时，消息类型可分为以下几种：
当临界转换点位于时，消息类型为一条进入消息(Message-In)和一条退出消息(Message-Out)；当临界转换点位于RSU→连通图顶点时，消息类型为一条退出消息(Message-Out)；当临界转换点位于时连通图顶点→连通图顶点，消息类型为一条进入消息(Message-In)。
RSU通过获取车辆节点传递给它的进入消息和退出消息，维护更新一个属于自身的车辆列表：{车辆编号：V_ID，所属连通图区域编：Seg_ID，道路编号：Road_ID，时间戳：Time}，通过增加和删除自身范围内一些车辆记录，实时了解自己覆盖范围内的车辆、所属连通图区域编号等。进入消息(Message-In)包含：{Info_type,V_ID,Road_ID,Seg_ID}，退出消息(Report-Out)包含：{Info_type,V_ID,Road_ID}，其中Info_type表示消息类别，Seg_ID表示车辆驶入所属连通图区域编号。
第二类临界切换点位于RSU覆盖范围内两相邻连通图区域的交界处。车辆节点上报一条更换连通图区域的更新消息(Message-Update)，包含：{Info_type,V_ID,Seg_ID}，RSU收到消息后，修改该车辆所属的连通图区域编号、更新车辆列表。
当车辆通过多类别的V2R消息给RSU传递车辆分布信息后，每个RSU通过对应连通图区域内的车辆数计算相应密度，密度的计算采用周期性方式，并添加时间戳。因此，每个RSU还需维护一个计算所得的区域密度列表：{连通图区域编号：Seg_ID，连通图区域密度：Seg_Den，所属道路编号：Road_ID，密度更新时间戳：Seg_Time}。每次计算完后，每个RSU将自身范围包含的全部密度信息传递给交通网络中的相邻RSU。继续转发时，每个RSU将自己更新后的密度信息以及收到相邻RSU维护的密度信息一并发出去，当遇到某个连通图区域密度信息被多个RSU计算转发时，更新最新时间戳对应的密度信息。
这样，整个网络中的RSU间以洪泛的方式传播密度信息。同样的，每个车辆也将维护一个区域密度列表，内容与RSU维护的连通图区域密度列表一致，当不需要参与最优路径的选择时，列表为空，反之，按需式的向所属RSU索要网络中道路的区域密度信息。当参与宏观路径选择的车辆节点通过所属RSU获取道路区域密度信息后，该信息对应连通图边上的权值，删除连通图中边上的权值低于门限阈值的连通图边，遵从短路径优先原则，确定当前时刻下由本节点到目标节点的最优路径。
(b)目标节点追踪机制模块
大多数路由协议中，目标节点的位置信息都是源节点从位置服务反馈系统获取后假设静止不动的。但VANET环境中，节点高速移动，极有可能目标车辆节点已经改变位置，进入下一个道路段，道路中的车辆的分布已经有所改变，若继续采用原有的最佳传输路径，将会产生较大误差。本发明中提出目标节点追踪模块，旨在当目标节点改变目标道路段时，以动态周期更新的方式获取实时性更高的基于连通性保证的最优路径。
附图3中，t0时刻车辆节点A需要发送数据包给车辆节点dk，首先它通过位置服务反馈系统获得目标车辆节点dk的坐标位置、速度信息以及行驶方向信息，定义为同时启动基于RSU辅助的宏观路径选择模块，以保证连通性及短路径优先原则，获得一条到达目标节点dk的最佳路径，将获取的路径序列添加到数据包包头中，启动微观转发模块，在既定路径使用转发算法选择下一跳转发节点用于转发数据包。MDCR协议在仿真中规定：每个车辆节点可通过电子地图获知每个交叉路口中心的坐标位置，在图3和图4中，定义交通网络中交叉路口名称分别为S1-S9。
附图4中，表示的是在数据包传输中，当目标车辆驶离目标道路段时交通网络的车辆分布图，定义该时刻为t0+τ，此时，数据包在图3中所获取的既定路径上通过路由转发策略传输到车辆B，由于目标路段发生改变，所以，原有最佳路径已失效，车辆节点B需要重新基于RSU辅助的宏观路径选择模块获取新的最佳路径。在整个路由过程中，目标节点追踪模块将一直有效，直到数据包成功传输到目标车辆节点。MDCR协议中定义时间段τ为最佳路径更新时间，该时间段的大小与目标节点的坐标位置、行驶速度、方向以及相邻交叉路口坐标位置信息等有关。如公式(1)所示。
附图5中，d为目标车辆节点在道路上行驶时，距离下一个交叉路口的水平距离，θ为速度方向与水平X轴的夹角。
(2)动态信标交换模块
信标(Beacon)交换机制是VANET中车辆节点通过GPS等定位导航设备获得各自节点的位置信息和驾驶信息后，传输范围内相邻车辆节点进行周期性信标信息交换(也称之为广播机制)，当每个车辆节点捕获一跳范围内各个车辆节点信息后，建立属于自己的直接邻居列表。当交通网络中有数据包需要传输的时候，再执行路由转发策略，从符合传输条件的直接邻居表中选择最优的下一跳转发节点。这个过程是数据包传输的基础，合理的信标交换机制将对VANET路由协议的性能产生重要的影响。不同于以往的经典路由协议中采用固定周期进行信标交换。本发明在考虑节点速度、邻居节点数量的因素上，采用一种动态信标交换模块来维护实时性更高的直接邻居列表，同时降低路由开销。
在城市环境中，车辆节点分布不均匀，车辆速度不确定。当车辆节点速度较快或者邻居节点总数量较少时，节点位置变化相对明显，若通信中设定固定周期T0太大，各个节点维护的直接邻居表将产生较大误差；当车辆节点速度较慢或者邻居节点总数量较多时，即使选择一个较大广播周期，车辆节点位置改变也相对较小，此时若以较小固定周期T0将本节点的信息广播给邻居节点势必造成较大的路由开销，且在交叉路口中、节点数量较多时，若以较高的频率进行广播则易造成广播“风暴”，影响数据包的传输。
基于这些考虑，协议中采用了动态周期进行信标交换。信标的初始化信息为：每个节点ni通过周期性广播“Beacon_Stream”信息流给一跳范围内邻居节点fi，Beacon_stream{V_ID,Road_ID,(xi,yi),θi,Speed}，其中(xi，yi)和Speed分别代表车辆节点的位置信息和速度信息。
各个节点ni在收到邻居节点发送的Beacon_stream后都维护一个直接邻居表，表中信息作为数据包传输过程中选择下一跳节点的依据。记为其中Time为更新邻居节点时的时间戳，邻居节点为fi(i∈1,2,...N)。表中为节点转发重要度。为节点权重值。
在动态信标交换机制中，信标广播的周期大小采用一种动态方法确定，受车辆节点速度、邻居密度两个因素制约，如公式(2)所示。
其中速度因素和节点密度因素的系数满足：a+b＝1，N为节点当前的邻居节点总数，T0则是固定的更新周期，可根据实际需求而定。Nmax为仿真环境条件下，统计得到的最大邻居节点总数，本发明在仿真实施中定义Nmax＝场景中节点总数/10，K值表示了邻居节点总数为0时对更新周期TBeacon的调节作用，一般在0～1/2×Nmax中取值。而Vmax则是参考了实际城市交通环境中车辆节点的最高限速。
(3)微观转发模块
当通过上述模块后，需要转发数据包的节点已经获得了当前时刻下的最优传输路径，MDCR协议进而转入微观转发模块，在既定路径上寻找最优下一跳转发节点进行数据包的单播多跳传输。
MDCR协议中参考了车辆节点可以通过电子地图获取自身所属道路段的编号，当每个节点动态维护自身的直接邻居列表后，表中的信息包含各个邻居车辆节点所属的道路段编号。旨在以单播多跳的方式将数据包有效可靠的传输到目标节点。在该转发模块中，定义交通网络中的车辆节点分为路口车辆和道路车辆两大类，以当前节点获取的邻居车辆节点所属道路编号为依据，当任意邻居车辆节点所属的道路编号与当前车辆节点所属道路编号相同时，当前车辆属于道路车辆，进行数据包转发时执行道路段转发算法；反之，当存在某邻居车辆节点所属的道路编号与当前车辆节点所属道路编号不同时，则属于路口车辆，进行数据包转发时执行交叉路口转发算法。
(a)道路段转发算法
道路段转发算法中考虑了道路段上车辆节点速度相对较快、行驶方向受限，且车辆移动具有规律性等特点，其核心思想是：采用节点轨迹预测机制(Nodes trackPrediction Mechanism,NPM)获得更加准确的邻居节点信息，缩小当前时刻与信标交换时刻时间差所引起的信息误差，减小链路中断的概率；进而根据当前节点与邻居节点间的相对速度、邻居节点距离目标节点的距离以及邻居节点行驶方向等因素定义节点重要度的概念，依赖每个邻居节点的重要度大小选出最佳下一跳转发节点。
在节点轨迹预测机制(NPM)中节点位置变化示意图如图6所示，从图中可以看出节点轨迹预测机制不仅可以提高节点信息的准确度，还可以避免下一时刻“逃离”邻居范围的边缘节点成为转发节点，减小通信链路中断的概率，以实时性更高的节点信息作为选择依据。当邻居节点轨迹预测机制后，距离函数DAB满足DAB＜R时，即两节点间的欧式距离小于节点的一跳传输半径才可以称为邻居节点，假设车辆节点A和B的坐标位置为(xA,yA)和(xB,yB)，则：
根据节点轨迹预测机制，预测得到当前时刻车辆节点位置信息采用公式(3)可计算出：
其中(xin,yin)为预测的坐标位置，即用作选择最佳节点的依据信息，(xih,yih)和speedih是th时刻节点i的坐标位置、速度信息。th时刻为上一次信标消息交换时直接邻居列表中更新的时间戳，tn为当前时间。θi为节点i的行驶方向，表示与二维坐标轴中X坐标轴的夹角。
公式(5)中，(x1,y1)、(x2,y2)分别为节点i连续两个时间戳下对应的位置信息。
当使用节点轨迹预测机制后，直接邻居列表中更新了实时性更高的节点位置信息后，在MDCR协议中以直接邻居列表中节点信息为依据，在综合考虑邻居节点的相对速度、距离以及行驶方向因素上，提出了节点重要度的概念，求得节点重要度最高的邻居节点为下一跳转发节点，如公式(6)所示。
其中ni为当前节点，fi为预测机制后一跳范围内的邻居节点，dk为目标节点，αspeed、αdist、αdirec为三个影响函数各自对应的影响因子，且满足αspeed+αdist+αdirec＝1，节点重要度的大小由三个影响函数以及各自的影响因子决定。其中表示邻居节点速度因素的影响作用，当邻居节点fi的速度与当前节点ni的速度越相近时，速度因素的影响函数值越大，则更高概率被选中成为下一跳转发节点。如公式(7)所示，表示当前节点ni的速度。
转发节点的选择算法中距离因素也是需要考虑的，定义距离因素的影响函数为其中当前节点ni到目标节点dk的距离是最大距离，表示当前节点ni的任意一个邻居节点fi到目标节点dk的距离，在符合条件下，邻居节点fi到达目标节点dk越小，距离因素的影响函数值越大，则更高概率被选中为下一跳转发节点。如公式(8)所示。
在邻居节点范围内，车辆节点行驶方向更靠近目标节点dk方向的节点具有更高概率被选择为下一跳转发节点，因此在道路段转发算法中考虑行驶方向因素有利于提高节点选择的准确性，公式(9)中给出了方向因素的影响函数的定义，其中为邻居节点fi的速度向量，表示从邻居节点fi到目标节点dk的向量。
MDCR协议中提出基于邻居节点预测与多因素决策机制的道路段转发算法，从附图7中可以看出，在当前节点ni的邻居节点中，移动速度越靠近当前节点、距离目标节点更近、行驶方向更加靠近目标节点的邻居节点拥有更高的节点重要度，被选择为最佳下一跳转发节点的可能性将越大，该算法机制的引入选择出更好的下一跳转发节点，提高路由性能。
(b)交叉路口转发算法
不同于道路段上车辆间无线链路的传输受到干扰较小，在城市交叉路口间，无线传输链路传输中往往存在着来自建筑物、阴影遮挡物的干扰，导致信道衰落较大，因此，在邻居节点中选择下一跳时有必要将无线链路信息考虑在内。MDCR协议提出了一种基于车辆移动信息和无线链路信息加权决策的交叉路口转发算法，目标是当数据包以单播多跳的方式在既定路径上传输到某路口车辆时，在其邻居节点中选出权重值最高的节点作为下一跳转发节点。
在MDCR协议中，交叉路口算法考虑了无线链路传输的信噪比以及无线链路损耗服从瑞利衰落等因素，推导出了相邻车辆间通信的中断概率。利用这一因素与方向信息、车辆位置信息加权决策进行既定路径上下一跳节点的选择。如公式(10)所示。称为节点权重值，在交叉路口转发算法中，对于路口车辆，其邻居节点具有的权重值越高，具有更高的概率被选为下一跳转发节点。
附图8中，灰色路径表示当前转发下的最优传输路径，车辆节点S为需要转发数据包的路口车辆，dk为目标车辆节点，在既定路径上的邻居车辆节点为Fi。在公式(10)中，代表方向信息的影响函数，从图中可以看出，邻居节点中更加靠近源节点与目标节点连线的节点具有更高概率被选为下一跳节点，则影响函数具有更高的权重。假定车辆节点获取得到的位置信息为S(S.x,dk.y)，Fi(Fi.x,Fi.y)，dk(dk.x,dk.y)，方向信息的影响函数定义如公式(11)所示。
车辆位置信息是影响交叉路口处下一跳节点选择的另一个因素，这个因素的考虑与上一节道路段转发算法中的距离因素具有相同的定义，定义交叉路口处的车辆位置信息影响函数为其中分别表示邻居节点Fi、源节点S到达目标节点dk的距离。如公式(12)所示。
定义在无线车载环境中，通讯范围内的相邻车辆间无线链路传输损耗如公式(13)所示。
其中α表示车辆间通信的路径损耗指数，该值的大小来源于场景中通信两端的距离与接收功率衰减性的关系，VANET场景中一般取4～8之间，表示信道的衰落特性，服从零均值的高斯分布，表示当前节点S与邻居节点Fi之间的距离。假设当前节点S与邻居节点Fi间输入输出的最大互信息量如公式(14)所示。其中SNR表示通信两端的信噪比。
本发明中定义车辆间数据包的传输速率为Vpacket，单位为bit/(s·Hz)，使用来表征相邻车辆间直接通信时的中断概率。其中定义VANET中无线传输损耗服从瑞利衰落，且随通信两端的距离函数呈指数分布，因此可以推导出当前车辆S与邻居车辆Fi间直接通信的中断概率如公式(15)所示。
从公式(15)可以看出当前节点S与邻居节点Fi,i∈{1,2,...,N}的通信链路中，通信两端的信噪比越高、距离越小，则通信两端无线链路的衰落影响越小，该邻居节点更容易选中为下一跳转发节点。无线链路衰落影响函数如公式(16)所示。
对于MDCR协议中提出基于微观的转发算法中，道路段转发算法以及交叉路口转发算法中，多因素决策下的权重系数分配对于路由性能也会产生较大的影响，本发明采用了特征值向量法来求取多因素的权重系数，特征值向量法中判断矩阵的建立来源于两两因素间重要性的相互比较。判断矩阵P＝(pij)n×n,i,j∈{1,2,...,n}，满足其中wi表示第i个因素的权重系数。pij表示第i个因素相比于第j个因素的重要性。MDCR协议中提出的两类转发算法都是基于三个因素的决策来选择下一跳节点，建立三阶的判断矩阵。
步骤一：对于三阶矩阵P，使用P-λE＝0求得λmax。
步骤二：定义特征值λmax对应的特征向量为W＝[w1 w2 w3]T，满足P·W＝λmax·W。
步骤三：对求得的特征向量进行归一化处理
步骤四：进行利用公式，若获得的CR值满足CR＜0.1则认为判断矩阵保持一致性，分配的权重比较符合，若不满足CR＜0.1，则需要对判断矩阵P进行调整，重复以上步骤直到满足一致性检验：
步骤五：一致性检验通过后的最终得到的权重系数为：
(4)路由恢复模块
城市环境下VANET网络中车辆节点以及道路环境的特殊性与复杂性，依然会出现一些路由失效的情况，在MDCR协议中，整个路由策略实现的主体包含宏观下最优路径的选择与微观下转发节点的选取。针对这两步骤设计思路的实现过程，提出了符合各自特点的路由恢复模块：路径选择重寻机制与存储-转发机制。
(a)VANET网络中当有源节点或者转发节点需要启动基于RSU辅助的宏观路径选择机制时，存在寻找路径时刻道路上车辆分布极度稀疏、连通性极度不佳的情况，即通过策略无法寻找到到达目标节点的合适路径，设置了一个缓冲计时器，在等待一个固定的时间周期Twait后，重新启动路径寻找机制，若第二次仍然无法找到一条保证连通性的路径，则丢弃该数据包，路由失败，自动返回一个错误报告，路由结束。
(b)存储-转发机制来源于延迟容忍网络(DTN)在车载环境中的应用，由于网络中节点间的通信链路的连接存在不确定性。在基于场景的微观转发机制中，有传输需求的节点可能在一段时间内都遇不到合适的下一跳节点来转发数据包，该节点陷入局部最优，此时启动存储-转发机制,将需要发送的数据包进行短暂存储，缓存的数据包会随着车辆的移动方向进行传输，设置一个缓存时间Tstore，在等待该时间间隔后，本地车辆节点根据当前所处的位置重新启动相应的转发算法，以算法机制检查实时邻居中是否存在比本地存储节点更好的节点，若存在，则跳出局部最优状态，存储数据包的本地节点将数据包转发给查找到的节点；若不存在，则选择丢弃携带的数据包，自动返回一个错误报告，路由结束。
本发明在NS-3网络仿真器中设计实现了MDCR协议，通过仿真平台与GPSR、GPCR等路由协议进行仿真比较，对提出的MDCR协议的路由性能进行验证。仿真过程中，首先使用Bonnmotion软件生成仿真所需要的曼哈顿移动模型，然后将产生的移动模型转换为移动追踪文件(Movement file)并导入到NS-3中，最后选择相应的路由协议，进行仿真参数设置并模拟仿真。同时，在仿真过程中还可以使用NS-3中嵌入的可视化工具进行移动仿真过程的反映。
(1)仿真工具及场景
本发明采用的仿真工具是Network Simulator 3和Bonnmotion对各个协议的路由性能进行仿真实验，在NS-3仿真平台下，使用Bonnmotion产生曼哈顿街道的曼哈顿街区模型，即3×3街区，仿真范围为3000m×3000m，共有12个交叉路口，所有路段都是两条车道，车辆节点的初始分布满足指数分布，在基于MDCR协议仿真场景中，RSU之间都是间隔250m均匀分布，每个连通图区域的长度都设置为250m，因此，在本发明的仿真中规定任意时刻每个连通图区域中车辆数目不少于一辆，就认为该区域是连通的。RSU在曼哈顿移动模型的分布如图9所示。
(2)仿真参数
仿真实验中，应用层采用CBR数据流，MAC层协议采用专用于车载电子通信的IEEE802.11p协议以及专用短程通信DSRC，由于本发明研究的场景为城市场景，所以在网络仿真中设定车辆节点的速度分别为0m/s,5m/s,10m/s,15m/s,20m/s，车辆节点数量为200,300,400传输模型为Two-Ray-Ground，仿真时间为600s，车辆节点传输半径为250m，RSU传输半径为300m，数据包分组大小为512bytes，Beacon周期大小是固定周期2s(动态改变)，RSU组播周期大小为3s，路由重试等待时间5s。
(3)仿真的指标分析
在仿真实验中，本发明采用数据传输成功率和平均端到端延迟两个指标来衡量路由协议的性能差别。
(a)数据投递成功率(Packet Delivery Ratio，PDR)反映一个路由协议传输数据方面的能力，即可靠性。在本发明的仿真中我们定义仿真过程中单位时间内网络中所有目标节点成功接收到的数据包分组总数与所有源节点发送的数据包分组总数的比值为数据投递成功率。如公式(19)所示
其中，Nreceive为仿真网络中目标节点收到数据包分组的总数，Nsend为仿真网络中源节点发送的数据包分组的总数。数据投递成功率PDR的值越高，代表路由协议的性能越好。
(b)平均端到端延迟(Average End to End Delay，E2ED)，反映了一个路由协议传输效率方面的高低，即有效性。在本发明的仿真中我们定义仿真过程中网络里所有数据包分组接收时刻与发送时刻时间间隔的累加和与分组个数的比值为平均端到端延迟。如公式(20)所示：
其中，ΔTi代表第i个数据包分组的接收时刻与发送时刻的时间间隔，Nreceive为目标节点收到的数据包分组总数，由于各种因素，端到端延迟是不可避免的，但是平均端到端延迟越小，表示数据包传输过程的效率越高，路由协议的性能也将更好。
Claims (1)
1.一种VANET中基于连通性的多因素决策路由协议方法，网络中每个车辆节点都配备有导航定位系统和电子地图设备，周期性的获取自身信息，同时，获得RSU的位置以及道路拓扑结构；当网络中有车辆节点需要发送数据包到目标节点时，目标节点的实时信息通过位置服务反馈系统来获取，获取后添加到数据包包头中；电子地图中每个道路段具有唯一编号，车辆节点通过电子地图获取自身所属道路的编号，采用宏观路径选择模块与微观转发模块相结合实现网络中数据包的可靠有效传输，同时引入相应的路由恢复模块，基于RSU辅助的宏观路径选择模块，利用多类别的V2R消息统计，在获取道路实时密度后，选择一条当前时刻由源节点到目标节点的最优传输路径，引入目标节点追踪模块，在数据包传输中，追踪目标节点以及所属目标道路段的变化情况，采用动态的方式更新实时性更高的最优路径；动态信标交换机制模块将直接邻居列表中的信息在单播多跳路由传输中作为下一跳转发节点选择的依据；微观转发模块在选择好的既定路径上进行数据包的单播多跳传输时，采用道路段转发算法和交叉路口转发算法；路由恢复模块根据MDCR协议提供相应的路由恢复策略，其特征在于，具体流程如下：
步骤一：运行动态信标交换模块，使网络中的每个车辆节点接收邻居Beacon信息流，维护各自的直接邻居列表信息；
步骤二：判断是否要转发数据包，若要转发数据包，进入步骤三；否则返回步骤一；
步骤三：对需要转发数据包的车辆进行是否获知目标节点信息的判断，若无目标节点信息，通过位置服务系统获取该信息，并进入步骤四；否则，直接进入步骤四；
步骤四：启动基于RSU辅助的宏观路径选择模块，判断最优路径是否获取成功，若获取成功直接进入步骤五；否则，启动路由恢复中的重试模块，若重试不成功丢弃数据包，向上层报告错误，路由结束；若重试成功，进入步骤五；
步骤五：将组成最优路径的路口序列添加到数据包包头中启动微观转发模块；
步骤六：判断目标节点是否属于当前节点的直接邻居列表，若属于，直接发送数据包给目标节点，路由结束；否则，判断车辆所属类别，执行相应的转发算法，当转发数据包的车辆属于路口车辆时，执行交叉路口转发算法，反之，执行道路段转发算法，通过转发算法决定下一跳转发节点；
(a)道路段转发算法
采用节点轨迹预测机制获得更加准确的邻居节点信息，缩小当前时刻与信标交换时刻时间差所引起的信息误差，减小链路中断的概率；进而根据当前节点与邻居节点间的相对速度、邻居节点距离目标节点的距离以及邻居节点行驶方向等因素定义节点重要度的概念，依赖每个邻居节点的重要度大小选出最佳下一跳转发节点；
当邻居节点轨迹预测机制后，距离函数DAB满足DAB＜R时，即两节点间的欧式距离小于节点的一跳传输半径称为邻居节点，车辆节点A和B的坐标位置为(xA,yA)和(xB,yB)，则：
根据节点轨迹预测机制，预测得到当前时刻车辆节点位置信息采用公式(3)计算出：
其中(xin,yin)为预测的坐标位置，即用作选择最佳节点的依据信息，(xih,yih)和speedih是th时刻节点i的坐标位置、速度信息；th时刻为上一次信标消息交换时直接邻居列表中更新的时间戳，tn为当前时间；θi为节点i的行驶方向，表示与二维坐标轴中X坐标轴的夹角；
公式(5)中，(x1,y1)、(x2,y2)分别为节点i连续两个时间戳下对应的位置信息；
当使用节点轨迹预测机制后，直接邻居列表中更新了实时性更高的节点位置信息后，在MDCR协议中以直接邻居列表中节点信息为依据，在综合考虑邻居节点的相对速度、距离以及行驶方向因素上，提出了节点重要度的概念，求得节点重要度最高的邻居节点为下一跳转发节点，如公式(6)所示；
其中ni为当前节点，fi为预测机制后一跳范围内的邻居节点，dk为目标节点，αspeed、αdist、αdirec为三个影响函数各自对应的影响因子，且满足αspeed+αdist+αdirec＝1，节点重要度的大小由三个影响函数以及各自的影响因子决定；其中表示邻居节点速度因素的影响作用，当邻居节点fi的速度与当前节点ni的速度越相近时，速度因素的影响函数值越大，则更高概率被选中成为下一跳转发节点；如公式(7)所示，表示当前节点ni的速度；
定义距离因素的影响函数为其中当前节点ni到目标节点dk的距离是最大距离，表示当前节点ni的任意一个邻居节点fi到目标节点dk的距离，在符合条件下，邻居节点fi到达目标节点dk越小，距离因素的影响函数值越大，则更高概率被选中为下一跳转发节点；如公式(8)所示；
在邻居节点范围内，车辆节点行驶方向更靠近目标节点dk方向的节点具有更高概率被选择为下一跳转发节点，因此在道路段转发算法中考虑行驶方向因素有利于提高节点选择的准确性，公式(9)中给出了方向因素的影响函数的定义，其中为邻居节点fi的速度向量，表示从邻居节点fi到目标节点dk的向量；
(b)交叉路口转发算法
称为节点权重值，在交叉路口转发算法中，对于路口车辆，其邻居节点具有的权重值越高，具有更高的概率被选为下一跳转发节点；
灰色路径表示当前转发下的最优传输路径，车辆节点S为需要转发数据包的路口车辆，dk为目标车辆节点，在既定路径上的邻居车辆节点为Fi；在公式(10)中，代表方向信息的影响函数，邻居节点中更加靠近源节点与目标节点连线的节点具有更高概率被选为下一跳节点，则影响函数具有更高的权重；车辆节点获取得到的位置信息为S(S.x,dk.y)，Fi(Fi.x,Fi.y)，dk(dk.x,dk.y)，方向信息的影响函数定义如公式(11)所示；
定义交叉路口处的车辆位置信息影响函数为其中分别表示邻居节点Fi、源节点S到达目标节点dk的距离；如公式(12)所示；
定义在无线车载环境中，通讯范围内的相邻车辆间无线链路传输损耗如公式(13)所示；
其中α表示车辆间通信的路径损耗指数，该值的大小来源于场景中通信两端的距离与接收功率衰减性的关系，VANET场景中一般取4～8之间，表示信道的衰落特性，服从零均值的高斯分布，表示当前节点S与邻居节点Fi之间的距离；当前节点S与邻居节点Fi间输入输出的最大互信息量如公式(14)所示；其中SNR表示通信两端的信噪比；
定义车辆间数据包的传输速率为Vpacket，单位为bit/(s·Hz)，使用来表征相邻车辆间直接通信时的中断概率；其中定义VANET中无线传输损耗服从瑞利衰落，且随通信两端的距离函数呈指数分布，推导出当前车辆S与邻居车辆Fi间直接通信的中断概率如公式(15)所示；
无线链路衰落影响函数如公式(16)所示；
判断矩阵P＝(pij)n×n,i,j∈{1,2,...,n}，满足其中wi表示第i个因素的权重系数；pij表示第i个因素相比于第j个因素的重要性；MDCR协议中提出的两类转发算法都是基于三个因素的决策来选择下一跳节点，建立三阶的判断矩阵；
步骤1：对于三阶矩阵P，使用P-λE＝0求得λmax；
步骤2：定义特征值λmax对应的特征向量为W＝[w1 w2 w3]T，满足P·W＝λmax·W；
步骤3：对求得的特征向量进行归一化处理；
步骤4：进行利用公式，若获得的CR值满足CR＜0.1则认为判断矩阵保持一致性，分配的权重比较符合，若不满足CR＜0.1，则需要对判断矩阵P进行调整，重复以上步骤直到满足一致性检验：
步骤五：一致性检验通过后的最终得到的权重系数为：
步骤七：判断最佳下一跳转发节点是否获取成功，若成功，进入步骤八；否则，启动“存储-转发”机制，等待固定时间间隔后，依据实时车辆所属类别，执行相应算法，同时判断是否找到有效下一跳转发节点，若寻找成功，进入步骤八；否则，丢弃数据包，向上层报告错误，路由结束；
步骤八：将数据包转发给选定的下一跳转发节点；
步骤九：依赖计算得到的路径动态更新周期，判断目标节点是否偏离目标道路段，若目标节点未偏离目标道路段，返回步骤六，携带数据包的车辆节点继续进行下一跳节点的选择传输；若偏离目标道路段，启动目标节点追踪模块，更新实时最优路径，返回步骤四。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710128699.3A CN106961707B (zh) | 2017-03-06 | 2017-03-06 | 一种vanet中基于连通性的多因素决策路由协议 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710128699.3A CN106961707B (zh) | 2017-03-06 | 2017-03-06 | 一种vanet中基于连通性的多因素决策路由协议 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106961707A CN106961707A (zh) | 2017-07-18 |
| CN106961707B true CN106961707B (zh) | 2019-09-27 |
Family
ID=59471400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710128699.3A Active CN106961707B (zh) | 2017-03-06 | 2017-03-06 | 一种vanet中基于连通性的多因素决策路由协议 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106961707B (zh) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108513333A (zh) * | 2018-02-12 | 2018-09-07 | 广州盛之焰信息科技有限公司 | 一种多跳自组网络的通信方法 |
| CN108541040A (zh) * | 2018-02-28 | 2018-09-14 | 哈尔滨工程大学 | 一种适用于城市场景下的跨层路由协议 |
| CN110417826B (zh) * | 2018-04-26 | 2022-04-29 | 中兴通讯股份有限公司 | 一种文件缓存方法、装置和系统 |
| CN109412883B (zh) * | 2018-08-14 | 2021-12-03 | 阿里巴巴（中国）有限公司 | 推荐路径追踪方法、装置和系统 |
| CN109640369B (zh) * | 2018-11-29 | 2022-10-28 | 哈尔滨工程大学 | 一种基于自适应功率的车载网可靠通信方法 |
| CN109309945B (zh) * | 2018-11-29 | 2021-09-28 | 福州大学 | 一种用于城市高架桥等多层级场景的车辆自组织网络路由方法 |
| CN110113799B (zh) * | 2018-12-03 | 2020-11-24 | 中国科学院大学 | 基于静止中继缓存节点的车辆容迟网络路由方法 |
| CN109756946B (zh) * | 2018-12-19 | 2021-03-19 | 北京交通大学 | 一种多智能体协同调控编队方法 |
| CN109526016B (zh) * | 2018-12-27 | 2022-03-08 | 中国人民解放军国防科技大学 | 一种Ad Hoc网络虚拟骨干节点识别系统 |
| CN110072213A (zh) * | 2019-04-23 | 2019-07-30 | 山东超越数控电子股份有限公司 | 一种高性能服务器应用于车载自组织网络中的方法 |
| CN110087276B (zh) * | 2019-04-30 | 2022-12-06 | 西北工业大学 | 一种车载机会网络中自适应中继配置方法 |
| CN110426966A (zh) * | 2019-07-31 | 2019-11-08 | 驭势（上海）汽车科技有限公司 | 一种虚拟车辆寻路的方法、装置、存储介质和电子设备 |
| CN111836326B (zh) * | 2020-07-03 | 2022-06-14 | 杭州电子科技大学 | 基于目标追踪场景下边缘网络路由方法 |
| CN112887936A (zh) * | 2020-12-18 | 2021-06-01 | 上海大学 | 一种混合网络模式下的车载自组织网络路由决策方法 |
| TW202240525A (zh) * | 2021-04-14 | 2022-10-16 | 新加坡商格步計程車控股私人有限公司 | 用於在道路系統上即時最近鄰搜尋之方法、裝置 |
| CN113645055B (zh) * | 2021-05-17 | 2023-11-17 | 上海机电工程研究所 | 一种适用于复杂战场环境下多因素路由协议的实现方法 |
| US11825399B2 (en) * | 2021-08-03 | 2023-11-21 | Huawei Technologies Co., Ltd. | Method and apparatus for data routing using moving communication nodes |
| CN114390472A (zh) * | 2021-12-21 | 2022-04-22 | 华人运通(上海)自动驾驶科技有限公司 | 一种车路云协同的通信管理方法及系统 |
| CN114390628B (zh) * | 2022-01-13 | 2024-12-03 | 上海应用技术大学 | 基于多跳网络结构的相对距离路由选择方法、装置和设备 |
| CN115842770B (zh) * | 2022-11-07 | 2024-05-14 | 鹏城实验室 | 一种基于深度图神经网络的路由方法及相关设备 |
| CN117097661B (zh) * | 2023-10-18 | 2024-02-20 | 苏州元脑智能科技有限公司 | 数据包的转发方法及装置、存储介质、电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103298059A (zh) * | 2013-05-13 | 2013-09-11 | 西安电子科技大学 | 车辆自组网中基于位置预测的连通度感知路由方法 |
| CN103379575A (zh) * | 2013-07-02 | 2013-10-30 | 华南理工大学 | 一种利用路口静态节点辅助数据转发的车载网路由协议 |
| CN103763753A (zh) * | 2014-01-03 | 2014-04-30 | 北京科技大学 | 一种基于vanet的路网交通信息快速传播方法 |
| CN104618979A (zh) * | 2015-01-30 | 2015-05-13 | 广东迅通科技股份有限公司 | 一种基于路口辅助的自适应分区路由方法 |
| CN105307232A (zh) * | 2015-11-13 | 2016-02-03 | 南京邮电大学 | 一种车载自组织网络的基于连通概率的路由优化方法 |
| CN105553780A (zh) * | 2016-01-08 | 2016-05-04 | 同济大学 | 一种城市场景中有基础设施的车联网连通性模型推演方法 |
| CN105592138A (zh) * | 2015-10-19 | 2016-05-18 | 中山大学 | 一种路口ad hoc节点辅助的城市车载路由协议方法 |
-
2017
- 2017-03-06 CN CN201710128699.3A patent/CN106961707B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103298059A (zh) * | 2013-05-13 | 2013-09-11 | 西安电子科技大学 | 车辆自组网中基于位置预测的连通度感知路由方法 |
| CN103379575A (zh) * | 2013-07-02 | 2013-10-30 | 华南理工大学 | 一种利用路口静态节点辅助数据转发的车载网路由协议 |
| CN103763753A (zh) * | 2014-01-03 | 2014-04-30 | 北京科技大学 | 一种基于vanet的路网交通信息快速传播方法 |
| CN104618979A (zh) * | 2015-01-30 | 2015-05-13 | 广东迅通科技股份有限公司 | 一种基于路口辅助的自适应分区路由方法 |
| CN105592138A (zh) * | 2015-10-19 | 2016-05-18 | 中山大学 | 一种路口ad hoc节点辅助的城市车载路由协议方法 |
| CN105307232A (zh) * | 2015-11-13 | 2016-02-03 | 南京邮电大学 | 一种车载自组织网络的基于连通概率的路由优化方法 |
| CN105553780A (zh) * | 2016-01-08 | 2016-05-04 | 同济大学 | 一种城市场景中有基础设施的车联网连通性模型推演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106961707A (zh) | 2017-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106961707B (zh) | 一种vanet中基于连通性的多因素决策路由协议 | |
| Chen et al. | ASGR: An artificial spider-web-based geographic routing in heterogeneous vehicular networks | |
| Zhao et al. | A fuzzy logic-based intelligent multiattribute routing scheme for two-layered SDVNs | |
| Nzouonta et al. | VANET routing on city roads using real-time vehicular traffic information | |
| CN102137462B (zh) | 车辆自组织网络中基于预测的交叉路口处的路由方法 | |
| Chen et al. | A connectivity-aware intersection-based routing in VANETs | |
| CN105553780B (zh) | 一种城市场景中有基础设施的车联网连通性模型推演方法 | |
| CN101369982B (zh) | 用于车载Ad hoc网络中的数据包贪婪转发的方法 | |
| CN104640168B (zh) | 基于q学习的车载自组织网络路由方法 | |
| Venkata et al. | Traffic monitoring and routing in VANETs—A cluster based approach | |
| Attia et al. | Advanced greedy hybrid bio-inspired routing protocol to improve IoV | |
| CN109640369B (zh) | 一种基于自适应功率的车载网可靠通信方法 | |
| CN106792977A (zh) | 车载自组织网络中基于车辆密度的双簇头路由方法 | |
| CN101431468A (zh) | 车载网络中基于方向的贪婪数据转发方法 | |
| CN105578552B (zh) | 基于车辆－簇－通信小区三层架构的数据传输系统及方法 | |
| CN103248672A (zh) | 基于拓扑发现的车辆自组织网络的数据分发方法 | |
| Chen et al. | A geographic routing protocol based on trunk line in VANETs | |
| CN107105389B (zh) | 车载网络中基于道路拓扑结构的地理信息路由方法 | |
| CN104185239B (zh) | 车辆自组织网络中基于路段长度的交叉口路由方法 | |
| CN108541040A (zh) | 一种适用于城市场景下的跨层路由协议 | |
| CN110248392B (zh) | 一种车联网中基于节点效能的机会转发方法 | |
| CN110519682A (zh) | 一种结合位置与通信范围预测的v2v路由方法 | |
| Wang et al. | An improved VANET intelligent forward decision-making routing algorithm | |
| Brahmi et al. | Routing in vehicular ad hoc networks: towards road-connectivity based routing | |
| He et al. | Intersection-based traffic-aware routing with fuzzy Q-learning for urban VANETs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |