CN108667668A - 一种城市道路场景下基于车联网连通基的通达性路由方法 - Google Patents
一种城市道路场景下基于车联网连通基的通达性路由方法 Download PDFInfo
- Publication number
- CN108667668A CN108667668A CN201810488153.3A CN201810488153A CN108667668A CN 108667668 A CN108667668 A CN 108667668A CN 201810488153 A CN201810488153 A CN 201810488153A CN 108667668 A CN108667668 A CN 108667668A
- Authority
- CN
- China
- Prior art keywords
- network
- node
- access
- routing
- crossing
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/145—Network analysis or design involving simulating, designing, planning or modelling of a network
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/096—Arrangements for giving variable traffic instructions provided with indicators in which a mark progresses showing the time elapsed, e.g. of green phase
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/12—Discovery or management of network topologies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
- H04L43/0811—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking connectivity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/02—Topology update or discovery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/12—Shortest path evaluation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/16—Multipoint routing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/74—Address processing for routing
- H04L45/745—Address table lookup; Address filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
一种城市道路场景下基于车联网连通基的通达性路由方法,涉及车联网复杂网络领域。为了解决数据转发过程中数据包失去时效性而增加丢包率,最终导致网络不通达的问题。本发明针对以上问题,给出城市道路场景通达性路由方法,该方法基于互联互通的连通基组件,给出了中心交叉路口的概念,以获取更大范围的网络拓扑信息,这样就可以构建出更优的数据传输路由。该路由方法可以针对城市道路复杂场景快速实现车联网网络互联互通并保持相对稳定,从而有效保证交通事故信息、实时媒体数据等数据信息的实时稳定传输。
Description
技术领域
本发明涉及车联网复杂网络领域。
背景技术
面对城市场景中道路结构复杂等问题,现有的大多数路由协议都是基于贪婪算法和携带转发或周边转发机制的无状态路由协议,也就是在转发过程中,源节点只关注目的节点和与其相邻节点的位置,当数据包要转发到下一跳时,才根据一定的路由度量做出路由决策。比如GPSR,GSR和GPCR根据欧式距离选择路由的下一个转发节点,距离越近被选概率越高,而GyTAR、A-STAR、RBVT和IGRP选择连通较好的路段进行数据包转发。然而通过这些算法在大规模车联网中构建路由会出现局部最优现象,如图1所示,A,B,C,G,E,F为十字路口,数据包由S发送到D。大多数路由算法都会沿着A→B→C路径转发数据,因为路段SA,B和SB,C的节点最密集,连通概率最大。但是一旦到达路口C,就会出现局部最优,因为此时才发现C和F是不相连的。到达C的数据包只有两种选择:1、在SC,F以携带转发的方式进行数据传输,即某一车辆携带数据包,寻找更靠近目目的节点的车辆进行转发;2、将数据包重发给B寻找其他路径。这两种方式都会提高数据包端到端延迟,最终因传输时间过长,数据包失去时效性而增加丢包率,最终导致网络不通达。局部最优现象是因为上述路由协议只通过局部网络拓扑信息来做路由决策。若对网络拓扑有整体认知,那么就会采用A→G→E→F路径进行数据转发,这样数据包能成功到达目的节点,并且缩短数据包到达目的节点的时间,提高数据包到达成功率。
综上所述,本发明提出了基于车联网连通基的大规模通达性路由方法——AMRP(Accessibility model-based Routing Protocol),通过计算路段的通达性,并且依据网络拓扑信息,计算出最大通达性路由。
发明内容
本发明基于互联互通的连通基组件(程久军等发明人于2017年10月11日申请的《车联网大规模网络互联互通的连通基组件构造方法》(申请人:同济大学,专利申请号201710397807 7),给出了针对城市道路复杂场景下的车联网大规模网络通达性路由方法。
本发明技术方案为:
一种基于车联网连通基(程久军等发明人于2017年10月11日申请的《车联网大规模网络互联互通的连通基组件构造方法》(申请人:同济大学,专利申请号201710397807 7)的城市道路场景通达性路由方法,其特征在于,具体方法包括如下步骤:
一、桥接节点筛选
若桥接节点即将要驶离路口区域,开始寻找一个替代节点。首先计算桥接节点每个邻居连通元节点穿越十字路口区域所用的时间tcross,然后将tcross与绿灯剩余时间trem相比较,
trem=tg-[(tamodtC)-(tC-tg)] (1)
其中ta为节点到达交通灯所用的时间,tC为交通灯的周期,tg为绿灯阶段时长。当trem>tcross时,桥接节点会选择tcross最大的邻居连通元节点作为下一任桥接节点。当trem≤tcross时,它会选择一个停在红灯处的连通元节点。理想情况下会选择一个离十字路口区域最近的节点。
二、路段网络通达性评估
路段网络通达性评估是指衡量一条路段的通达状况,这个阶段将最终在交叉路口的桥接节点生成路由表,路由表包含与该交叉路口相连路段的通达性值以及各个路段的编号。根据路由表即可判断桥接节点是否可与目的节点相连。一旦在路口处有连通元节点被选为桥接节点,则开始道路网络通达性评估。首先由桥接节点生成一个路段探测数据包(Road Section Detect Packet,RSDP)并且向与交叉路口相连的所有路段的所有连通元节点广播。收到RSDP的连通元节点开始计算与邻居连通元节点之间的链路生存时长,并且最终计算得到整条路段的网络通达性。
三、中心路口筛选
引入中心路口的概念。首先把整个网络划分为多个区块,并且为每个区块筛选其中心路口。中心路口定义为区块中与其连通的路口数目最多的交叉路口。中心路口具有区块网络拓扑的整体视图,也就是中心路口知道到此区块内任意节点的路径。向目标节点发送数据包时,可以先找到目标节点所在区块的中心路口,把数据包交给此中心路口中的桥接节点即可找到到目的节点的最优路径。
中心路口筛选是一个分布式动态的过程:首先每一个桥接节点任命其所在的交叉路口为中心路口,并且设置ρ=0,也就是此中心路口所连接的十字路口数目为0。然后各个连通元开始交换RSDP数据包。在交换完第一轮的RSDP数据包之后,桥接节点就可以根据REP值更新其所属中心路口的ρ。在第二次交换RSDP之前,桥接节点首先将其路由表放入RSDP中(使用备选区域),然后再向路段中的连通元节点广播。在收到RSDP之后,桥接节点会跟自己的路由表和ρ进行比较,若ρ大于自身ρ,则把中心路口设置为发送这条RSDP的桥接节点所在的交叉路口。
对于不规则的大规模道路拓扑,可以半径l将其划分为多个区块,接着按照上面的算法进行中心路口筛选。在设置l的大小时,应当考虑算法的收敛时间以及路由开销。若设置一个很大的l值,代表着一个区块内包含很多个路口,在此l值下,建立路由的开销较小。相反若l的值较小,中心路口筛选时间较短,而路由建立则消耗更长时间。
四、路由建立
在建立路由时,源节点首先生成一个“Route Query”(RQ)数据包,包含了源节点ID,目标节点ID和目标节点的地理位置。源节点首先将RQ转发至最近的桥接节点。桥接节点一旦收到RQ后,开始查看此目的节点是否包含在自己的路由表中。若有,桥接节点构建“Route Result”(RR)数据包,RR包含了源节点到目的节点的路由。若桥接节点路由表中不包含目的节点,则将RQ转发至中心路口,中心路口处的桥接节点则先查看目的节点是否在此区块中,若存在,利用已有的Bellman-ford算法筛选出到目的节点的通达性最高路由,并且将其加入到RR中发送回源节点。若不存在,则计算源节点到此桥接节点的通达性最高路径将其入加入到RQ中;接着转发RQ到其邻居十字路口,持续这个过程直到RQ数据包到达目的节点。
步骤二中,路由表为RSDP数据包的格式,其中交叉路口ID为生成此RSDP数据包的桥接节点所在的路口的ID,时间戳为RSDP生成的时间,路段网络通达性为根据网络通达性模型(见实施例2)计算所得路段网络通达性值,路段节点跳数为由此交叉路口向其邻居交叉路口的路径的跳数。
所述的网络通达性模型,为一种基于车联网连通基的大规模网络通达性模型,其特征在于,车联网网络通达性,即根据当前任务快速实现网络互联互通,并实时保持稳定状态以完成当前任务为目的;通达性网络是指即连通又稳定的网络,网络通达性模型则是用来综合衡量目标网络的连通性和稳定性。对于G中任意两个节点vA和vB,其网络通达性为vA和vB之间连通基网络的通达性,那么网络G的通达性则为其连通基的通达性,可以得出网络通达性的计算公式:
其中为网络G的连通基,Coth为网络连通性阈值,根据源车辆的车联网应用程序需求而定。
有益效果:
针对城市场景中道路结构复杂等问题,现有的大多数路由协议都是基于贪婪算法和携带转发或周边转发机制的无状态路由协议,也就是在转发过程中,源节点只关注目的节点和与其相邻节点的位置,当数据包要转发到下一跳时,才根据一定的路由度量做出路由决策,然而通过这些算法在大规模车联网中构建路由会出现局部最优现象,从而提高数据包端到端延迟,最终因传输时间过长,数据包失去时效性而增加丢包率,最终导致网络不通达等问题,本发明基于互联互通的连通基组件(程久军等发明人于2017年10月11日申请的《车联网大规模网络互联互通的连通基组件构造方法》(申请人:同济大学,专利申请号201710397807 7)给出了中心交叉路口的概念,以获取更大范围的网络拓扑信息,这样就可以构建出更优的数据传输路由。该路由方法可以针对城市道路复杂场景快速实现车联网网络互联互通并保持相对稳定,从而有效保证交通事故信息、实时媒体数据等数据信息的实时稳定传输。
附图说明
图1传统路由协议局部最优现象
图2交叉路由桥接节点筛选机制
图3第一轮交换RSDP后各路口路由表
图4第二轮交换RSDP后各路口路由表
图5第三轮交换RSDP后各路口路由表
图6第四轮交换RSDP后各路口路由表
图7不同路由协议平均端到端延迟随车辆密度的变化关系
图8不同路由协议平均端到端延迟随数据包发送速率的变化关系
图9不同路由协议数据包投递率随车辆密度的变化关系
图10不同路由协议数据包投递率随数据包发送速率的变化关系
图11不同路由协议路由开销随车辆密度的变化关系
图12不同路由协议路由开销随数据包发送速率的变化关系
图13为本发明方法流程图
图14为实施例2连通路径示意图
图15为实施例2单跳链路模型
具体实施方式
本发明的具体实施过程如图13所示,包括如下8个方面:
①桥接节点筛选
②路段网络通达性评估
③中心路口筛选
④路由建立
⑤实验
⑥平均端到端延迟
⑦数据包投递率
⑧路由开销
①桥接节点筛选
在每个路段分别建立车联网连通基后,AMRP通过在交叉路口筛选桥接节点来连接各个路段的连通基。从图2可以看出整个桥接节点筛选的过程。初始时,路口区域(Intersection zone)所有车辆(包括A,B,C,D和E)都有可能被选为桥接节点。首先排除掉穿越过路口中心(Intersection center)车辆(包括B,D和E),因为它们马上都要离开此路口区域。而后,从剩余的节点中筛选出即将要进入路口区域,却没有穿过路口中心的车辆,也就是A和C。在这两个节点中,查看哪一个是连通元节点。如果只有一个是连通元节点,则就把此节点确认为桥接节点。若有多个连通元节点,则筛选速度最慢的节点作为桥接节点。在图2中,若A是唯一的连通元节点,则把其状态设为桥接节点。而若A和E都为连通元节点,则筛选其中速度最慢的作为桥接节点。这是因为被选中这个节点可以在路口区域待更长时间。
若桥接节点即将要驶离路口区域,开始寻找一个替代节点。首先计算桥接节点每个邻居连通元节点穿越十字路口区域所用的时间tcross,然后将tcross与绿灯剩余时间trem相比较,
trem=tg-[(tamodtC)-(tC-tg)] (1)
其中ta为节点到达交通灯所用的时间,tC为交通灯的周期,tg为绿灯阶段时长。当trem>tcross时,桥接节点会选择tcross最大的邻居连通元节点作为下一任桥接节点。当trem≤tcross时,它会选择一个停在红灯处的连通元节点。理想情况下会选择一个离十字路口区域最近的节点。
②路段网络通达性评估
路段网络通达性评估是指衡量一条路段的通达状况,这个阶段将最终在交叉路口的桥接节点生成路由表,路由表包含与该交叉路口相连路段的通达性值以及各个路段的编号。根据路由表即可判断桥接节点是否可与目的节点相连。一旦在路口处有连通元节点被选为桥接节点,则开始道路网络通达性评估。首先由桥接节点生成一个路段探测数据包(Road Section Detect Packet,RSDP)并且向与交叉路口相连的所有路段的所有连通元节点广播。收到RSDP的连通元节点开始计算与邻居连通元节点之间的链路生存时长,并且最终计算得到整条路段的网络通达性。
表1为RSDP数据包的格式,其中交叉路口ID为生成此RSDP数据包的桥接节点所在的路口的ID,时间戳为RSDP生成的时间,路段网络通达性为根据网络通达性模型(见实施例2)计算所得路段网络通达性值,路段节点跳数为由此交叉路口向其邻居交叉路口的路径的跳数。
表1 RSDP数据包的格式
③中心路口筛选
为解决传统路由协议在城市场景中道路结构复杂环境下的局部最优问题,本发明引入中心路口的概念。首先把整个网络划分为多个区块,并且为每个区块筛选其中心路口。在本发明中,每个区块为一个3×3的街区,目的是为了防止RSDP数据包过多引起网络风暴。
中心路口定义为区块中与其连通的路口数目最多的交叉路口。中心路口具有区块网络拓扑的整体视图,也就是中心路口知道到此区块内任意节点的路径。因此,使用中心路口可以克服城市道路中道路结构复杂引起的局部最优问题。向目标节点发送数据包时,可以先找到目标节点所在区块的中心路口,把数据包交给此中心路口中的桥接节点即可找到到目的节点的最优路径。
本发明给出的中心路口筛选是一个分布式动态的过程,具体过程如图3至图6所示。首先每一个桥接节点任命其所在的交叉路口为中心路口,并且设置ρ=0,也就是此中心路口所连接的十字路口数目为0。然后各个连通元开始交换RSDP数据包。在交换完第一轮的RSDP数据包之后,桥接节点就可以根据REP值更新其所属中心路口的ρ。在第二次交换RSDP之前,桥接节点首先将其路由表放入RSDP中(使用备选区域),然后再向路段中的连通元节点广播。在收到RSDP之后,桥接节点会跟自己的路由表和ρ进行比较,若ρ大于自身ρ,则把中心路口设置为发送这条RSDP的桥接节点所在的交叉路口。图4为第二次交换RSDP之后各个路口路由表状态,C,G和I交叉路口的桥接节点指定B,H和F为中心路口,同时D,F和H则指定E为中心路口。对A和B,这两个交叉路口的ρ值相同,但因A具有较大的网络通达性值,所以A被选为中心路口。在图5和图6中会执行同样的过程,但是在执行过程中,只有有新的路由表项或者路由表项目被更新时才会加入到REP中,而不是将整个路由表都放入,这样可以有效减小REP数据包大小。最终E将被选为中心路口。
对于不规则的大规模道路拓扑,可以半径l将其划分为多个区块,接着按照上面的算法进行中心路口筛选。在设置l的大小时,应当考虑算法的收敛时间以及路由开销。若设置一个很大的l值,代表着一个区块内包含很多个路口,在此l值下,建立路由的开销较小,但是路由算法收敛速度会很慢。相反若l的值较小,中心路口筛选时间较短,而路由建立则消耗更长时间。
④路由建立
在建立路由时,源节点首先生成一个“Route Query”(RQ)数据包,包含了源节点ID,目标节点ID和目标节点的地理位置。源节点首先将RQ转发至最近的桥接节点。桥接节点一旦收到RQ后,开始查看此目的节点是否包含在自己的路由表中。若有,桥接节点构建“Route Result”(RR)数据包,RR包含了源节点到目的节点的路由。若桥接节点路由表中不包含目的节点,则将RQ转发至中心路口,中心路口处的桥接节点则先查看目的节点是否在此区块中,若存在,利用Bellman-ford算法(为本领域已知的算法)筛选出到目的节点的通达性最高路由,并且将其加入到RR中发送回源节点。若不存在,则计算源节点到此桥接节点的通达性最高路径将其入加入到RQ中;接着转发RQ到其邻居十字路口,持续这个过程直到RQ数据包到达目的节点。
在实际场景中,源节点到目的节点可能存在多条路由,目的节点会收到多个RQ数据包,在这种情况下,目的节点把所有路由存入其路由表中,比对各条路由链路的通达性值,选取通达性最高的路由,并且加入到RR中,将RR发回源节点。当源节点收到RR包之后,就确立了到目的节点的通达性最高路由。
⑤实验
(1)仿真环境
本发明的仿真平台依然采用Veins框架进行交通和网络联合仿真,仿真数据是采用TAPASCologne大规模数据集。该数据集是采集了OpenStreetMap数据库中德国科隆市区400平方千米内的真实的道路拓扑,并根据车辆移动信息结合准确的车辆移动模型,生成的包含70多万节点的大规模车辆移动轨迹。TAPASCologne数据集是目前可获取的规模的最大数据集,具有地图覆盖广、道路拓扑复杂、海量车辆节点等特点,适用于城市场景中车联网大规模网络的仿真。由于TAPASCologne数据集涵盖了24小时的网络信息,数据量巨大,为了提高仿真效率,本发明实验只截取一些时间段,并且统计出相应时间段的车辆节点数目,研究在真实城市场景中大规模场景下网络性能指标随车辆节点数目的变化关系。
(2)实验方法
在TAPASCologne城市大规模网络场景下,设置两个网关作为源节点和目的节点,分别使用本文给出基于通达性模型的车联网大规模路由机制AMRP和另外两种路由算法GyTAR以及GPSR构建路由,然后对比分析三种路由机制的网络指标:
(1)数据包投递率(Packet delivery ratio PDR):成功到达目的节点的数据包数目占数据包发送总数目的比例。
(2)平均端到端延迟(End-to-End delay E2ED):数据包从源节点成功到达目的节点所需的时间。
(3)路由开销(Routing overhead):从开始构建路由到数据包传递结束,控制数据包占源数据包中所占的比例。
⑥平均端到端延迟
图7为平均端到端延迟与车辆密度的函数关系。由图易见,随着车辆密度的递增,网络节点越来越稠密,AMRP、GyTAR和GPSR三种路由协议的平均端到端延迟在大规模网络场景下都有下降的趋势。这是由于递增的节点密度可以提高道路网络的通达性,进而路由协议最终构建出的路由通达性也越强。由图还可看出,AMRP因使用本发明给出的通达性模型并且依靠整个网络的拓扑计算出路由,而GyTAR仅仅依靠局部网络拓扑计算路由,会产生局部最大问题,GPSR主要依靠携带转发机制进行数据包传递,所以AMRP的平均端到端延迟一直比GyTAR和GPSR的低,在车辆密度为0.03辆/米时,GPSR的平均端到端延迟是AMRP的5倍之多,GyTAR的平均端到端延迟是AMRP的1.47倍。
图8展示了平均端到段延迟随数据包发送速率的变化趋势,可以看出三种路由协议的平均端到端延迟都随着数据包发送速率的递增而增加。GPSR使用携带转发机制进行通信,完全没有预防数据拥塞的机制,致使其平均端到端延迟在数据包发送率高时比AMRP和GyTAR都要高。GyTAR使用贪婪算法来传递数据,相比之下,基于通达性模型的AMRP在转发数据时依靠车联网连通基,参与转发数据包的节点数量更少,并且能准确计算路由的通达性,选择更通达的路由传递数据包,所以AMRP具有比GyTAR低的平均端到端延迟,经统计,AMRP在不同的数据包发送率下比GyTAR的平均端到端延迟低30%。
⑦数据包投递率
由图9易见,整体上三种算法的数据包投递率都随着车辆密度的递增而增加,这正符合理论分析,尤其对于AMRP和GyTAR,因为网络中节点越是稠密,节点与节点之间的通达概率越高,相应地数据包在传递过程中的丢包率越低。当节点密度过大时,无线电干扰和节点冲突增加,这就解释了GyTAR和GPSR算法在节点密度为0.08辆/米时数据包投递率开始降低的原因。而AMRP因使用已经构建好的连通基来传递数据,参与转发数据的节点少,即使在节点稠密的情况下数据包投递率依然在增长。
图10为数据包投递率随着数据包发送率的变化关系图。由图可得出,AMRP的数据包投递率是这三种路由算法中最高的,高出GyTAR 26%,GPSR 85%。主要是由于AMRP基于车联网连通基构建路由,路由筛选集中于连通元节点,参与通信的节点较少,通信干扰相比另外两种路由算法低。并且AMRP根据通达性模型计算出通达性最高的路由,确立的路由具有较强的稳定性,链路断开概率低,相应能带来较低的数据丢包率。GyTAR和GPSR都没有考虑路由的通达性,且GPSR数据包传递过程中过多的携带转发也导致了其高丢包率。
⑧路由开销
图11为三种路由算法的路由开销随车辆密度的变化图。由图易见,随着车辆密度的递增,AMRP和GyTAR的路由开销表现出递增趋势。这是由于AMRP和GyTAR在构建路由时向节点发送控制包,包括RSDP用来进行路段探测,以获取道路的网络通达性,并且获取路段中的节点信息,还有RQ和RR用来构建路由,这些控制包在路由构建阶段会向每个节点发送,车辆数目增加必然引起控制包的增多。然而AMRP整体比GyTAR的路由开销要小,这主要是因为AMRP基于通达性模型构建路由,充分考虑网络的稳定性,路由中的链路比GyTAR具有更高的稳定性,相比GyTAR,AMRP所需的路由维护开销更小。GPSR则通过计算与邻居节点的欧式距离筛选出距离最近的邻居节点进行携带转发,不需要任何控制包,所以其路由开销一直为0。
图12为三种路由算法的路由开销随数据包发送速率的变化图。随着数据包发送速率的递增,AMRP和GyTAR的路由开销也表现出递增趋势。这是因为控制包的发送量跟网络中节点密度相关,所以当车辆密度不变时,数据包发送率递增时,数据包的成功投递率在降低,那么路由开销相应的就会上升。在数据包发送速率较高时,AMRP比GyTAR的数据包成功投递率高,所以此时AMRP的路由开销应该比GyTAR的低,这一点从图中也得到了佐证。
创新点
本发明提出了一种城市道路复杂场景下的车联网通达性路由方法,从而有助于快速实现车联网网络互联互通并保持相对稳定,有效保证交通事故信息、实时媒体数据等数据信息的实时稳定传输。城市场景中道路结构复杂等问题,现有的大多数路由协议都是基于贪婪算法和携带转发或周边转发机制的无状态路由协议,也就是在转发过程中,源节点只关注目的节点和与其相邻节点的位置,当数据包要转发到下一跳时,才根据一定的路由度量做出路由决策,然而通过这些算法在大规模车联网中构建路由会出现局部最优现象,从而提高数据包端到端延迟,最终因传输时间过长,数据包失去时效性而增加丢包率,最终导致网络不通达。本发明针对以上问题,给出城市道路场景通达性路由方法,该方法基于互联互通的连通基组件(程久军等发明人于2017年10月11日申请的《车联网大规模网络互联互通的连通基组件构造方法》(申请人:同济大学,专利申请号201710397807 7),该专利申请给出的技术方案为:考虑车联网网络节点冗余特性,给出了一种车联网网络拓扑结构,即车联网连通基,并利用启发式算法给出了连通基构造方法。),给出了中心交叉路口的概念,以获取更大范围的网络拓扑信息,这样就可以构建出更优的数据传输路由。该路由方法可以针对城市道路复杂场景快速实现车联网网络互联互通并保持相对稳定,从而有效保证交通事故信息、实时媒体数据等数据信息的实时稳定传输。
实施例2
本实施例基于互联互通的连通基组件(程久军等发明人于2017年10月11日申请的《车联网大规模网络互联互通的连通基组件构造方法》(申请人:同济大学,专利申请号201710397807 7),给出了车联网大规模网络通达性模型。
一、基于连通基的车联网通达性分析。
本发明着眼于车联网大规模网络通达性,因车联网连通基只筛选了若干连通元节点构成连通基,降低了网络节点冗余性,网络规模相比原网络较小,并且不影响网络的正常运行,基于连通基研究网络通达性可以有效降低通达性的计算复杂度。
这里,对于任意给定网络G,其中车辆节点集为V,链路集为E。G可以看做由网络节点设备、连接节点的通信链路以及由节点和链路组成的动态拓扑结构组成。若网络G存在连通基 把G分为连通元节点和普通节点,并且普通节点之间的通信全权交给支配其的连通元节点处理,那么网络中任意两点vi,vj之间网络通达性为vi,vj之间连通基的通达性再加上连通基和两节点相连链路的通达性,也就是:
其中为vi,vj之间的连通基。
当中间转发连通元节点较多时,连通基与节点之间链路的通达性可以忽略不计,此时vi,vj之间的网络通达性为:
那么网络G的通达性约等于其连通基的通达性。也就是:
网络的通达性主要取决于网络连通性以及网络稳定性,本发明从这两方面分析其对网络通达性的影响:
网络连通性Co
在车联网中,节点无线传输范围有限,节点之间处于相应的通信半径范围时才相连。网络连通性反应了终端之间的连通状态,是决定网络通达性的重要因素。
网络稳定性St
由于车辆节点的高速移动性,节点间传输距离时刻变化,旧路径断开和新路径建立频繁交替,网络拓扑动态变化很快。网络稳定性是确保数据能够稳定传输的基础。
分别求取网络G的连通基的连通性和稳定性即可得到G的通达性Ac(G),有如下函数关系:
二、基于连通基的通达性模型
(1)节点运动模型化
对于车联网网络,车辆的运动具有一定规律性,要研究移动状态下网络的通达性需要将网络节点运动模型化。本发明假设网络的拓扑结构在一个较短的时间内不发生变化,利用平滑高斯-半马尔科夫移动模型SGM将连续运动离散化来描述拓扑结构随时间的变化。
对于一个给定的车联网网络,首先将连续时间切分成相等的短时间间隔Δt,这样每个时间元都可表示为tk=Δt+tk-1;k=1,2,…,n。假设网络中所有节点按照SGM运动并且节点的初始位置已知,节点vi的初始位置为(xi0,yi0)。那么可得vi在第kth个时刻的位置(xik,yik)为:
其中Veik表示vi在第kth个时刻的速度,θik表示vi的运动方向。在时间间隔Δt内,我们将节点运动方向看做不变。这样节点在网络中任一时刻的位置可通过上式求解,若Δt的取值越小,所求解的节点位置越精确。
由式(5)可计算节点vi和vj在第kth个时刻的欧式距离为:
根据节点间的欧式距离Dij(tk)和节点的通信半径即可判断节点之间的连接状态,aij表示节点间的连接状态,R表示通信半径,则
根据第kth时刻任意节点之间的连接状态可构建网络的时变邻接矩阵为:
A(tk)表示第kth时刻的网络拓扑结构,将整个网络周期分为n个时间间隔,网络每个时刻的邻接矩阵均可根据上式求得,进而可知每个时刻的网络连接状态,对于建立移动状态下网络的通达性模型有重要意义。
(2)网络连通性
连通基是覆盖整个网络的拓扑结构,并且保证每个节点到连通元的距离只有一跳,基于连通基的车联网连通性评估就是对连通基的连通性进行评估。
定义1连通路径:网络中节点和边的交替序列w=v0e0v1e1v2e2…vkekvk+1为连通路径。其中k为连通路径的跳数。若连通路径w中v0=vk+1,则称连通路径为连通环。
图14为连通路径示意图。在网络a中,v1和v6之间跳数为3的连通路径的数目为4,分别为:v1v2v3v6,v1v2v5v6,v1v4v3v6,v1v4v5v6。而在网络b中,v1和v5之跳数为3的连通路径数目为:v1v2v4v5和v1v3v4v5。网络a比网络b含有更多的连通路径,即使网络中部分链接断开,网络a依然可以保持连通。因此,网络a的连通性比b强。因此可以得出结论,网络中节点之间备选路径的数目决定了网络连通性。由此可以推断,基于连通基的车联网的连通性取决于连通基中连通路径的数目大小。对于网络G,其连通基为 中连通路径的数目为任意连通元对之间跳数为k的连通路径的数目的和。但在大规模网络中的计算难度较大,计算的复杂度会很高,而连通环路的数目也可以度量网络中连通路径的数目,计算复杂度将会低一些。连通环路的数目为:
其中表示跳数为k,起始点为的连通环路的数目,Nk表示连通基中所有跳数为k的连通环路的数目。Sum越大,说明备用路径的数目越多,连通基的连通性就越强。但在计算Sum时,包含了边和节点重复的情况,最终Sum值可能趋向于无穷大。对于任意连通元对跳数越多的连通环路与其他环路计算的重复率越高,应该降低跳数多的连通环路在Sum占的比例,因此对Nk进行加权计算,即:
其中λi为连通基邻接矩阵的特征值。
由上式看出,Sum′可通过邻接矩阵的特征值计算而得。但是,当网络规模较大时,Sum′将是一个很大的数字。方便起见,将Sum′进行对数运算,得到连通基的连通性值
从形式上看,和Sum′为正比关系,是连通基邻接矩阵的所有特征值的特殊平均值,只不过通过了一次指数运算和对数运算。
将节点的运动模型化之后,根据式子(11)可求得第kth时刻的网络连通性同样在将网络周期离散为多个时间间隔Δt后,各个时刻的网络连通度均可求解。Δt取值越小,所求得的网络连通性越精确。
具体网络连通性计算步骤应该如下:
1.构建连通基确认时间间隔Δt、节点的通信半径、连通元的初始位置,然后根据连通元的位置信息确认其之间的连接状态,进而构建初始时刻的邻接矩阵
2.根据第kth时刻的邻接矩阵计算的特征值,接着按照式(11)计算连通性
3.若网络生存周期还未结束,根据SGM计算第(k+1)th时刻网络中各个连通元的位置,并建立此时的邻接矩阵重新计算连通性,直到整个网络生命周期结束。
(3)网络稳定性
连通基是覆盖整个网络的拓扑结构,通过对连通基动态网络拓扑稳定性的分析来分析整个网络的稳定性,基于连通基的网络稳定性研究实质上是研究连通基的稳定性。
车联网与传统网络最大的不同在于其拓扑动态性,链接建立与断开频繁,链路寿命可以衡量一条链路的稳定性。在实际网络中,直接通过节点之间发送消息来确认节点之间链路可用时长存在一定误差和干扰,卡尔曼滤波技术可以去除噪声还原真实数据。因此本发明基于节点移动模型和卡尔曼滤波来计算链路寿命,进而推导网络的稳定性。
对于任意两个节点vA和vB,令VeAk和VeBk分别表示vA和vB在第kth时刻的速度。按照SGM模型即可得到节点在第k+1th时刻的速度。进一步,节点vA和vB在第(k+1)th时刻的相对速度可按如下公式计算:
其中,VeRk=VeAk-VeBk,yRk=yAk-yBk,显然yRk为均值为0,方差为σR 2=2σ2的高斯随机变量。
为了计算链路寿命,考虑以下单跳链路模型,如图15。两个车辆节点vA和vB按照图在网络中运动。尽管vA和vB都按照SGM运动,假设vA静止,vB按照式(12)中的相对速度移动。把网络看作一个坐标***,车辆vA在原点,只要车辆vB在坐标(-R,0)到(R,0)之间,vA和vB建立链接。当车辆vB进入vA的传输半径时,vA会收到Beacon消息,并且开始使用卡尔曼滤波计算vB的移动距离以及和vB之间的相对速度,进而计算两个节点之间的链路寿命。
Kalman滤波器是实时递归算法,用来对动态***的状态变量进行最优估计,算法包括两个重要方程:***的状态方程和观测方程。
首先给出状态方程,在以上两节点链接模型中,状态变量包括车辆vB的行驶距离以及vB移动速度,根据SGM模型,这两个变量都和前一时刻相关,因此第(k+1)th时刻的状态过程方程为:
其中xk+1和xk分别指车辆vB在第(k+1)th和kth时刻的位置;yRk和yxk是独立不相关的高斯随机变量,均值均为0,方差分别为σR 2和σx 2。状态方程的矩阵形式为:
通过上式可以把过程方程看成一种通用形式Xk+1=TXk+wk,Xk+1为状态变量向量,T是第kth时刻的状态转移矩阵,wk为观测噪声,是均值为0,协方差矩阵为Q的高斯随机变量。根据式(14)可得Q为:
观测方程由Kalman滤波统一给出,第kth时刻的观测方程为Zk=HXk+μk,其中Zk是观测向量,H是观测矩阵,μk是观测噪声,它是均值为0,协方差矩阵为R的高斯变量。
接着令为Xk的先验估计,为Xk的后验估计,Pk -和Pk分别为先验和后验协方差矩阵。的初始值也就是在k=0时的值,此时对角元素应该是特别大的值,而非对角元素应该为0[65]。因此的初始值为:
根据Kalman滤波算法的时间更新和观测更新过程,我们就可以对网络的链路寿命进行估算。如图15中所示,当车辆vB进入vA的通信范围之内时,vA会通过vB发送过来的Beacon信息探测到vB,可得到车辆vA与vB在第(k+1)th时刻的链路寿命估计值为:
其中
对于网络G,其连通基为 的网络稳定性由连通基所有链路的加权平均寿命表示,每条链路的权值为连通基中包含此链路的连通路径数目占所有连通路径的比例。则网络稳定性为:
其中Ei表示连通基中第i条边,ni为连通基中包含链路Ei的连通路径数目,为连通基中边的数目,ni为连通基中所有连通路径的数目。给出了衡量网络G某一时刻稳定性的计算公式,根据式(18)以及Kalman滤波算法,可以得出动态网络中任意时刻网络的稳定性值。
(4)网络通达性模型
车联网网络通达性,即根据当前任务快速实现网络互联互通,并实时保持稳定状态以完成当前任务为目的。通达性网络是指即连通又稳定的网络,网络通达性模型则是用来综合衡量目标网络的连通性和稳定性。因车联网大规模网络节点规模庞大,直接分析其通达性难度高,基于车联网连通基建立网络通达性模型可以较小网络规模。对于G中任意两个节点vA和vB,其网络通达性为vA和vB之间连通基网络的通达性,那么网络G的通达性则为其连通基的通达性,可以得出网络通达性的计算公式:
其中为网络G的连通基,Coth为网络连通性阈值,根据源车辆的车联网应用程序需求而定。网络连通是通达性网络首先要满足的条件,因此,网络通达性模型应当先判断网络连通性是否满足应用需求,当连通性值大于其阈值,则网络符合应用程序要求,此时网络通达性为连通性与稳定性的乘积。当网络连通性小于连通性阈值,其通达性为0。
Claims (3)
1.一种城市道路场景下基于车联网连通基的通达性路由方法,其特征在于,具体方法包括如下步骤:
一、桥接节点筛选
若桥接节点即将要驶离路口区域,开始寻找一个替代节点;首先计算桥接节点每个邻居连通元节点穿越十字路口区域所用的时间tcross,然后将tcross与绿灯剩余时间trem相比较,
trem=tg-[(tamodtC)-(tC-tg)] (1)
其中ta为节点到达交通灯所用的时间,tC为交通灯的周期,tg为绿灯阶段时长;当trem>tcross时,桥接节点会选择tcross最大的邻居连通元节点作为下一任桥接节点;当trem≤tcross时,它会选择一个停在红灯处的连通元节点;理想情况下会选择一个离十字路口区域最近的节点;
二、路段网络通达性评估
路段网络通达性评估是指衡量一条路段的通达状况,这个阶段将最终在交叉路口的桥接节点生成路由表,路由表包含与该交叉路口相连路段的通达性值以及各个路段的编号;根据路由表即可判断桥接节点是否可与目的节点相连;一旦在路口处有连通元节点被选为桥接节点,则开始道路网络通达性评估;首先由桥接节点生成一个路段探测数据包并且向与交叉路口相连的所有路段的所有连通元节点广播;收到RSDP的连通元节点开始计算与邻居连通元节点之间的链路生存时长,并且最终计算得到整条路段的网络通达性;
三、中心路口筛选
引入中心路口的概念;首先把整个网络划分为多个区块,并且为每个区块筛选其中心路口;中心路口定义为区块中与其连通的路口数目最多的交叉路口;中心路口具有区块网络拓扑的整体视图,也就是中心路口知道到此区块内任意节点的路径;向目标节点发送数据包时,可以先找到目标节点所在区块的中心路口,把数据包交给此中心路口中的桥接节点即可找到到目的节点的最优路径;
中心路口筛选是一个分布式动态的过程:首先每一个桥接节点任命其所在的交叉路口为中心路口,并且设置ρ=0,也就是此中心路口所连接的十字路口数目为0;然后各个连通元开始交换RSDP数据包;在交换完第一轮的RSDP数据包之后,桥接节点就可以根据REP值更新其所属中心路口的ρ;在第二次交换RSDP之前,桥接节点首先将其路由表放入RSDP中(使用备选区域),然后再向路段中的连通元节点广播;在收到RSDP之后,桥接节点会跟自己的路由表和ρ进行比较,若ρ大于自身ρ,则把中心路口设置为发送这条RSDP的桥接节点所在的交叉路口;
对于不规则的大规模道路拓扑,可以半径l将其划分为多个区块,接着按照上面的算法进行中心路口筛选;在设置l的大小时,应当考虑算法的收敛时间以及路由开销;若设置一个很大的l值,代表着一个区块内包含很多个路口,在此l值下,建立路由的开销较小;相反若l的值较小,中心路口筛选时间较短,而路由建立则消耗更长时间;
四、路由建立
在建立路由时,源节点首先生成一个RQ数据包,包含了源节点ID,目标节点ID和目标节点的地理位置;源节点首先将RQ转发至最近的桥接节点;桥接节点一旦收到RQ后,开始查看此目的节点是否包含在自己的路由表中;若有,桥接节点构建RR数据包,RR包含了源节点到目的节点的路由;若桥接节点路由表中不包含目的节点,则将RQ转发至中心路口,中心路口处的桥接节点则先查看目的节点是否在此区块中,若存在,利用已有的Bellman-ford算法筛选出到目的节点的通达性最高路由,并且将其加入到RR中发送回源节点;若不存在,则计算源节点到此桥接节点的通达性最高路径将其入加入到RQ中;接着转发RQ到其邻居十字路口,持续这个过程直到RQ数据包到达目的节点。
2.如权利要求1所述的城市道路场景下基于车联网连通基的通达性路由方法,其特征在于,步骤二中,路由表为RSDP数据包的格式,其中交叉路口ID为生成此RSDP数据包的桥接节点所在的路口的ID,时间戳为RSDP生成的时间,路段网络通达性为根据网络通达性模型计算所得路段网络通达性值,路段节点跳数为由此交叉路口向其邻居交叉路口的路径的跳数。
3.如权利要求2所述的城市道路场景下基于车联网连通基的通达性路由方法,其特征在于,所述的网络通达性模型,为一种基于车联网连通基的大规模网络通达性模型,车联网网络通达性,即根据当前任务快速实现网络互联互通,并实时保持稳定状态以完成当前任务为目的;通达性网络是指即连通又稳定的网络,网络通达性模型则是用来综合衡量目标网络的连通性和稳定性;对于G中任意两个节点vA和vB,其网络通达性为vA和vB之间连通基网络的通达性,那么网络G的通达性则为其连通基的通达性,可以得出网络通达性的计算公式:
其中为网络G的连通基,Coth为网络连通性阈值,根据源车辆的车联网应用程序需求而定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810488153.3A CN108667668B (zh) | 2018-05-21 | 2018-05-21 | 一种城市道路场景下基于车联网连通基的通达性路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810488153.3A CN108667668B (zh) | 2018-05-21 | 2018-05-21 | 一种城市道路场景下基于车联网连通基的通达性路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108667668A true CN108667668A (zh) | 2018-10-16 |
CN108667668B CN108667668B (zh) | 2020-12-29 |
Family
ID=63776315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810488153.3A Active CN108667668B (zh) | 2018-05-21 | 2018-05-21 | 一种城市道路场景下基于车联网连通基的通达性路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108667668B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067655A (zh) * | 2018-10-18 | 2018-12-21 | 长安大学 | 一种基于命名数据网络的车联网混合路由转发策略 |
CN109996174A (zh) * | 2019-04-16 | 2019-07-09 | 江苏大学 | 一种面向车载自组织网络内容路由的路段实时评分方法 |
CN111260947A (zh) * | 2020-02-20 | 2020-06-09 | 北京航空航天大学 | 一种基于洪泛算法的路网可达范围分析方法 |
CN111813884A (zh) * | 2020-07-03 | 2020-10-23 | 李丹丹 | 一种公路应急救援物资的配置方法及配置*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106792977A (zh) * | 2017-01-25 | 2017-05-31 | 南通大学 | 车载自组织网络中基于车辆密度的双簇头路由方法 |
WO2017133467A1 (zh) * | 2016-02-04 | 2017-08-10 | 中兴通讯股份有限公司 | 一种实现车联网业务的方法及本地化网络架构 |
CN107181640A (zh) * | 2017-05-03 | 2017-09-19 | 同济大学 | 一种城市道路场景下车联网连通性指标的获取方法 |
CN107231408A (zh) * | 2017-05-03 | 2017-10-03 | 同济大学 | 城市道路中基于车辆状态预测的连通性模型的构造方法 |
-
2018
- 2018-05-21 CN CN201810488153.3A patent/CN108667668B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017133467A1 (zh) * | 2016-02-04 | 2017-08-10 | 中兴通讯股份有限公司 | 一种实现车联网业务的方法及本地化网络架构 |
CN106792977A (zh) * | 2017-01-25 | 2017-05-31 | 南通大学 | 车载自组织网络中基于车辆密度的双簇头路由方法 |
CN107181640A (zh) * | 2017-05-03 | 2017-09-19 | 同济大学 | 一种城市道路场景下车联网连通性指标的获取方法 |
CN107231408A (zh) * | 2017-05-03 | 2017-10-03 | 同济大学 | 城市道路中基于车辆状态预测的连通性模型的构造方法 |
Non-Patent Citations (1)
Title |
---|
JIUJUN CHENG: "Connectivity Modeling and Analysis for Internet of Vehicles in Urban Road Scene", 《IEEE》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109067655A (zh) * | 2018-10-18 | 2018-12-21 | 长安大学 | 一种基于命名数据网络的车联网混合路由转发策略 |
CN109996174A (zh) * | 2019-04-16 | 2019-07-09 | 江苏大学 | 一种面向车载自组织网络内容路由的路段实时评分方法 |
CN109996174B (zh) * | 2019-04-16 | 2020-12-18 | 江苏大学 | 一种面向车载自组织网络内容路由的路段实时评分方法 |
CN111260947A (zh) * | 2020-02-20 | 2020-06-09 | 北京航空航天大学 | 一种基于洪泛算法的路网可达范围分析方法 |
CN111813884A (zh) * | 2020-07-03 | 2020-10-23 | 李丹丹 | 一种公路应急救援物资的配置方法及配置*** |
Also Published As
Publication number | Publication date |
---|---|
CN108667668B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108667668A (zh) | 一种城市道路场景下基于车联网连通基的通达性路由方法 | |
Liu et al. | Distributed cooperative reinforcement learning-based traffic signal control that integrates V2X networks’ dynamic clustering | |
Hadded et al. | A multi-objective genetic algorithm-based adaptive weighted clustering protocol in vanet | |
Luo et al. | A mobile infrastructure based VANET routing protocol in the urban environment | |
KR100635488B1 (ko) | 이동 애드 혹 통신망에서의 시간 전이 통신망 프로토콜 | |
KR100689305B1 (ko) | 이동 애드 혹 통신망 및 이동 애드 혹 통신망에서의 가변 비컨 신호들을 감지하기 위한 방법 | |
Vidhale et al. | Performance analysis of routing protocols in realistic environment for vehicular Ad Hoc networks | |
CN107181640B (zh) | 一种城市道路场景下车联网连通性指标的获取方法 | |
Dorle et al. | Evaluation of multipath, unipath and hybrid routing protocols for vehicular Ad hoc networks | |
CN113382382A (zh) | 一种基于模糊逻辑优化策略的车辆自组网络路由方法 | |
Inam et al. | A novel protocol for vehicle cluster formation and vehicle head selection in vehicular ad-hoc networks | |
CN104093182A (zh) | 一种多层无线网络中基于场强获得多条可靠通信路径的方法 | |
Härri et al. | On meaningful parameters for routing in vanets urban environments under realistic mobility patterns | |
CN108650141B (zh) | 一种基于车联网连通基的大规模网络通达性模型设计方法 | |
Coutinho et al. | Performance of routing protocols for VANETs: A realistic analysis format | |
CN111683384A (zh) | 运用人工智能实现通讯链路动态加权的网络优化方法 | |
Bhatia et al. | Analysing and implementing the mobility over manets using random way point model | |
CN109743790A (zh) | 一种高动态移动自组织网络拓扑变化感知方法 | |
Zhao et al. | A clustering-based fast and stable routing protocol for vehicular ad hoc networks | |
Elgaroui et al. | New routing protocol for reliability to intelligent transportation communication | |
Christakos | Sensor networks applied to the problem of building evacuation: An evaluation in simulation | |
Ghildiyal et al. | Performance optimization of multi-node density using random mobility model in mobile adhoc network | |
CN106850428B (zh) | 基于802.11的感知链路质量的机会路由协议方法 | |
Krishnakumar et al. | QOS enabled data dissemination in hierarchical VANET using machine learning approach | |
Hong et al. | Topology Change Degree: a Mobility Metric Describing Topology Changes in MANETs and Distinguishing Different Mobility Patterns. |
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 |