CN109362115B - 一种基于视距衰落模型的车载网路由方法 - Google Patents
一种基于视距衰落模型的车载网路由方法 Download PDFInfo
- Publication number
- CN109362115B CN109362115B CN201811446483.2A CN201811446483A CN109362115B CN 109362115 B CN109362115 B CN 109362115B CN 201811446483 A CN201811446483 A CN 201811446483A CN 109362115 B CN109362115 B CN 109362115B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- factor
- distance
- sight
- node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005562 fading Methods 0.000 title claims abstract description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 55
- 230000006870 function Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 2
- 238000005315 distribution function Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008054 signal transmission Effects 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 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 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- 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
- H04W40/205—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location using topographical information, e.g. hills, high rise buildings
-
- 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
- H04L45/126—Shortest path evaluation minimising geographical or physical path length
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于信道传播领域,具体涉及一种适用于城市场景下视距衰落模型的车载网路由方法。该方法包括以下步骤:(1)当车辆在进行信息转发时,判断车辆的转发类型;(2)综合考虑车辆的相对速度,距离因素,视距因素这三种因素;(3)采用模糊控制的方法,运用多因素决策的方法来选择最优的下一跳。综合考虑车辆的视距与非视距的情况,在城市环境下建立合适的信道衰落的传播模型;在道路转发算法中,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,选择出合适的下一跳;在仿真结果的处理上,采用模糊控制的方法将影响转发选择的三个因素作为输入,车辆传输成功率作为输出,运用多因素决策的方法来选择最优的下一跳,完成信息的转发。
Description
技术领域
本发明属于信道传播领域,具体涉及一种适用于城市场景下视距衰落模型的车载网路由方法。
背景技术
近年来,汽车保有量的迅猛增加导致城市的交通恶化,造成交通拥堵、交通事故等问题。智能交通***的出现可以很大程度上缓解此类问题的发生。车载自组织网络,VANETs,是一种新型的移动自组织网络,具有节点移动速度快、网络拓扑实时变化、节点数量众多、移动轨迹受限、通信环境复杂多变等特点。正是由于VANET这些特点,研究成果才难以真正部署在实际车辆中,也难以对其进行验证,因此网络仿真就成为一种很好的替代方案。因此,仿真是否能真实的反映VANET环境,就对验证结果的准确性有极大的影响。在仿真的准确性中,最为关键的一个因素就是构造贴近实际城市环境下的道路传播模型。
针对城市环境下的传播问题,如附图1所示,按照道路传播方式主要可以分为两种,视距传输,即LOS,和非视距传输,即NLOS。在视距传输方式下,车辆在传输信息时,为降低计算的复杂度,视距传输均完全利用建筑物阻止信号的传输,排除所有的非视距传输,只考虑发送车辆和接收车辆之间的直接信息传输;非视距传输按照信号传播方式主要可分为信号的反射,衍射和散射三种情况,而按照信号转向次数来分类,主要可以分为一次信号转向的NLOS1和两次转向信号的NLOS2,其中转向次数越多,信号的损失越大。在城市这个复杂的场景下,需要同时考虑这两种信道传播模型。经过大量的实验表明,通过在不同的环境下选择合适的参数进行拟合,Nakagami信道衰落传播模型最适合用于VANET环境的仿真。
发明内容
本发明的目的在于提供一种基于视距衰落模型的车载网路由方法。
一种基于视距衰落模型的车载网路由方法,该方法包括以下步骤:
步骤1:当车辆在进行信息转发时,判断车辆的转发类型:
步骤1.1:若场景中仅有视距转发,使用地面反射模型;
步骤1.2:若场景中仅有非视距转发,考虑反射模型;
步骤1.3:若该场景中存在视距和非视距的混合情况,构建Nakagami信道衰落传播模型;
步骤2:根据不同的转发类型选择不同的传播模型后,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,计算出影响函数以及对应的影响因子,并得到节点重要度;
步骤3:采用模糊控制的方法将影响转发选择的三个因素作为输入,车辆传输成功率作为输出,运用多因素决策的方法来选择最优的下一跳,完成信息的转发。
步骤1.1所述的地面反射模型是两个移动节点间存在的两条路径,一条是两者间的直线传播路径,另一条是反射路径,地面反射模型的接收功率ΩL表示为下式:
其中,L为发射与接收车辆之间的距离,Pt表示发射车辆的信号发射功率,Gt表示发射车辆节点的天线增益,Gr表示接收车辆节点的天线增益,Ht表示发射车辆节点的天线高度,Hr表示接收车辆节点的天线高度,K是***损耗系数;
步骤1.2所述的反射模型,对于仅涉及镜面反射的传播路径,反射信号是沿主街道和小街道具有最小反射次数Nmin的路径,考虑到沿着主街道和小街道的特定传播路径,最小反射次数Nmin表示为:
其中,Rm和Rs分别为发送节点与接收节点到路口的距离,Wm,Ws分别为横向和纵向的道路宽度;其路径损耗PLR表示为:
其中,假设发射节点车辆的发射功率为TX,λ为波长,R0是与障碍物的介电常数和电导率相关;
步骤1.3所述Nakagami模型中,信息的成功传递率如下式所示:
步骤2所述综合考虑车辆的相对速度,距离因素,视距因素这三种因素,节点重要度定义如下式所示:
其中ni为当前节点,为车辆相对速度影响函数,表示邻居节点速度因素的影响作用,为车辆距离因素的影响函数,M(los)为车辆视距因素影响函数,fi为预测机制后一跳范围内的邻居节点,dk为目标节点,αspeed为车辆相对速度影响函数对应的影响因子,αdist为车辆的距离因素影响函数对应的影响因子,αlos为车辆视距因素影响函数各自对应的影响因子,且满足αspeed+αdist+αlos=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;
速度因素的影响函数如下式所示:
步骤3所述模糊化过程利用模糊集来定义这三个输入参量:视距因素,速度因素,距离因素,三个不同的模糊集,分别定义为A1,A2和A3,在模糊化过程中,将输入的清晰度值被转换成语言术语的隶属度等级,使用隶属函数来计算清晰输入到模糊集合的相似度来判断模糊集合的“低”和“高”;在视距因素中,非视距传输信息模糊级别为低,视距传输信息模糊级别为高;在速度因素中分为三个模糊等级,速度0-5m/s为低速,5-10m/s为中速,10-15m/s为高速;在距离因素中分为两个模糊等级,距离小于200m为低,距离大于200m为高;对于每个模糊集合,输出的传输成功率可分为“低”“中”和“高”三个指标,即输出有分别对应为L,M,H三个等级,选择传输成功率等级为高的情况作为下一跳。
本发明的有益效果在于:
在对城市场景进行建模时,传统的信道传播模型不能客观反映现实场景;选用的车辆移动模型模拟运动情况不够精确;而且在道路转发算法中,选择下一跳的目标节点时,考虑的影响因素也不够全面。为了解决上述问题,本发明提出了一种基于视距衰落模型的车载网路由方法。综合考虑车辆的视距与非视距的情况,在城市环境下建立合适的信道衰落的传播模型;在道路转发算法中,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,选择出合适的下一跳;在仿真结果的处理上,采用模糊控制的方法将影响转发选择的三个因素作为输入,车辆传输成功率作为输出,运用多因素决策的方法来选择最优的下一跳,完成信息的转发。
附图说明
图1是本发明中城市场景示意图。
图2是本发明中视距与非视距判断示意图。
图3是本发明中视距地面反射模型示意图。
图4是本发明中非视距反射示意图。
图5是本发明中转发算法示意图。
图6是本发明中模糊控制等级示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
在处理多因素的问题上,一般都选用层析分析法。层次分析法把研究对象作为一个***,按照分解、比较判断、综合的思维方式进行决策,成为继机理分析、统计分析之后发展起来的***分析的重要工具。但是其存在很多缺点,例如定量数据较少,定性成分多等情况。选择车辆的下一跳节点时,由于车辆具有高动态性,且对时延较敏感。为了实时地选择合适的下一跳,因此选择路由节点必须考虑视距因素,速度因素,距离因素。利用这三个参量建立数学模型进行下一跳的选取,但是由于车载网络拓扑动态变化,建立数学模型比较难,且不能适应网络环境的变化。通过模糊控制能够有效简化过程,它能够处理这些并非精确的信息,并筛选出较好的路由路径方案。因此,本发明采用模糊控制理论来处理多因素的问题。
步骤一:当车辆在进行信息转发时,需要判断车辆的转发类型,视距转发进入步骤二;非视距转发进入步骤三;若为混合情况转发进入步骤四。
视距与非视距传输是两种不同的传输机制,因此需要判断车辆在实际场景下实际传输的情况,进行传输方式的选择时需要判断车辆节点与道路、路口之间的位置关系。假设所有的道路的宽度d是一样的,除了街道道路的部分,其他道路均假设为无限高的建筑物,如附图2所示,这是一个简单的路口场景,设十字路口中心点坐标为K(x,y),路口节点K的通信范围是以路口节点中心,半径为的圆。路口节点K周围有4个路口覆盖点,分别可以设为k0,k1,k2和k3,其坐标分别为K0(x-0.5d,y+0.5d),K1(x+0.5d,y-0.5d),K2(x+0.5d,y-0.5d)和K3(x-0.5d,y-0.5d)。
首先计算车辆节点与所有路段之间的欧氏距离,找出距离最短的一条路径即为节点所在路段,然后对两个节点之间的传输是视距还是非视距进行判断。判断一个节点是否在另一个节点的视距范围内,需要判断发送节点、接收节点和信号接收节点所在路段的路口转角点三者的位置关系。如图2所示,A是信号发送节点,判断信号接收节点C是否在A的视距范围,则需要判断A、C、k0和k1之间的位置关系;若接收节点为D,则需要判断A、D、k2和k3之间的位置关系;要判断其他节点的视距与非视距的类型判断按照也按照上述的方法;因此,节点B在节点A的视距传输范围内,而节点C、D因为受到障碍物阻挡,位于非视距的传输范围内。
步骤二:对简单的视距传输使用地面反射模型,在传输过程中实现信息的多跳传输。
地面反射模型是两个移动节点间存在的两条路径,一条是两者间的直线传播路径,另一条是反射路径。如附图3所示,它在接收的接收功率ΩL如公式(2)所示。
L为发射与接收车辆之间的距离;Pt表示发射车辆的信号发射功率;Gt和Gr分别表示发射与接收车辆节点的天线增益;Ht和Hr分别表示发射与接收车辆节点的天线高度,K是***损耗系数。当发射和接收车辆的功率已知时,由公式(2)可以计算出发射车辆与接收车辆之间的距离。
步骤三:对非视距传输使用反射模型,准确估计真实的路径损耗。
本发明仅考虑反射情况,对于仅涉及镜面反射的传播路径,主要反射信号将是沿主街道和小街道具有最小反射次数Nmin的路径。考虑到如附图4所示的沿着主要街道和小街道的特定传播路径,作为θ的函数的反射总数可近似表示为最小反射次数Nmin由公式(4)给出。
对于具有最小反射次数的光线丢失或未到达接收器的情况,将会有其他或多或少具有类似反射次数的射线到达接收器。本发明仅考虑包括具有最小反射次数的主路径,其路径损耗由公式(5)所示。
其中:Rm和Rs分别为发送节点与接收节点到路口的距离;Wm,Ws分别为横向和纵向的道路宽度。假设发射节点车辆的发射功率为TX,λ为波长,R0是与障碍物的介电常数和电导率相关,故反射路径损耗PLR。
步骤四:在城市场景下结合视距与非视距模型,构建Nakagami信道衰落传播模型。
在Nakagami模型中,接收信号强度x的分布的概率密度函数如公式(6)所示。
其中,Γ(μ)表示Gamma函数,μ和ω为Nakagami分布的两个重要参数,其中ω为平均功率,而μ参数(μ>=1/2),定义为形状因子,表示衰落的严重程度。这个分布随着参数m取值的不同有不同的表现形式。
信道传播模型对传输成功率有很大的影响,传输成功率则是在通信协议的设计中至为重要的一个考虑因素,传输成功率的错误估计将影响协议设计的策略。假设信号只受传播模型的影响,没有冲突和其他节点干扰,信号强度服从Nakagami分布:
它的累积分布为函数如公式(8)所示。
步骤五:进行下一跳的选择,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,选择出合适的下一跳,完成信息的传输。
在综合考虑邻居节点的相对速度、距离,提出了节点重要度的概念,选择节点重要度最高的邻居节点作为下一跳转发节点,在公式(1)中的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(10)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(11)所示。
从附图5中可以看出,在当前节点ni的邻居节点中,移动速度越接近当前节点、距离目标节点更近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,该算法机制的引入能够更好地选择出下一跳转发节点,提高路由性能。
步骤六:采用模糊控制的方法,将影响转发选择的三个因素作为输入,成功率作为输出。计算出各个比例系数,运用多因素决策的方法来选择最优的下一跳。
本发明模糊化过程利用模糊集来定义这三个输入参量:视距因素,速度因素,距离因素。三个不同的模糊集,分别定义为A1,A2和A3。在模糊化过程中,将输入的清晰度值被转换成语言术语的隶属度等级,使用隶属函数来计算清晰输入到模糊集合的相似度来判断模糊集合的“低”和“高”。在视距因素中,如果是非视距传输信息,模糊级别为低;如果是视距传输信息,模糊级别为高。在速度因素中可以分为三个模糊等级,速度0-5m/s为低速;5-10m/s为中速;10-15m/s为高速。在距离因素中可以分为两个模糊等级,距离小于200m为低;距离大于200m为高。对于每个模糊集合,输出的传输成功率可分为“低”“中”和“高”三个指标,即输出有分别对应为L,M,H三个等级,结果如附图6所示。
在对城市场景进行建模时,当选用车辆移动模型来模拟车辆运动时,会出现运动状态单一的情况。而且在道路转发算法中,选择下一跳的目标节点时,考虑的影响因素也不够全面。为了解决上述问题,本发明提出了一种适用于城市场景下视距衰落模型的车载网路由方法,综合考虑车辆的视距与非视距的因素,在城市环境下建立合适的传播模型,完成信息的传递。
传播模型在无线网络仿真中是非常关键的一个因素,对网络性能影响十分巨大,因此尽可能模拟真实环境是网络仿真中一个关键的环节。但是真实且精确的环境数据,比如建筑物的外形尺寸、窗户、外墙材质,道路中的车辆大小与形状,路旁树木的稠密与形状等,往往难以获取。而且基于这种情况而建立的三维模型并不够精确,在这种并不足够精确的三维模型下即使进行精确的传播模型计算,也很难提高模拟现实世界的信号传输的精度。为此,需要在计算精度与复杂度之间作一个折中以应对大规模的仿真。
步骤一:当车辆在进行信息转发时,需要判断车辆的转发类型,若场景中仅有视距转发,则进入步骤二;若场景中仅有非视距转发,则进入步骤三;若该场景中存在视距和非视距的混合情况,则进入步骤四。
车辆的转发类型的判断主要是跟车辆所在的道路路况信息有关。城市交通网络主要由道路段和交叉路口这两部分组成,在VANET无线传输模型中分为视距传输和非视距传输。其中,视距传输主要应用于交通网络中的道路段,车辆间的数据沿相同和相反方向传输,信号未经过散射直接从发送节点传输到接收节点,信道衰落比较小。相反,在交叉路口中,存在一定的遮挡物等复杂情况时,信号经过反射传播路径到达接收节点,信道衰落比较大,故采用非视距传输。
步骤二:对简单的视距传输使用地面反射模型,在传输过程中实现信息的多跳传输,然后进入到步骤五,选择合适的转发节点
城市场景下,无线传播过程中信号受到各种障碍物、地面反射和大气折射的影响,会产生经过不同路径到达接收端的信号,该现象被称为小尺度衰落。而这类小尺度衰落会降低接收端信号的能量,特别是在交叉路口处两移动车辆节点间的VANET网络无线通信传输中,。针对这种多径衰落,目前广泛采用适合长距离无线传输的地面反射模型。地面反射模型是两个移动节点间存在的两条路径,一条是两者间的直线传播路径,另一条是反射路径。
步骤三:在非视距传输模型中主要考虑反射模型,准确估计由于遮挡而造成真实路径的损耗,然后进入到步骤五,选择合适的转发节点。
在城市车载网环境中,受到楼宇等障碍物的影响,传输信号经过建筑物反射、绕射、散射后,才能够到达目的车辆。为了更真实的模拟传输环境,准确计算信道环境,不能忽略这些障碍物的影响,必须精确估计真实的路径损耗。
步骤四:在城市场景下结合视距与非视距模型,构建Nakagami信道衰落传播模型,然后进入到步骤五,选择合适的转发节点。
车辆的移动性导致通讯车辆之间的信道传输可分为视距(Line of Sight,LOS)传输和非视距传输(Non Line of Sight,NLOS)。LOS是指两车通信节点之间,能在视距的角度互相看到对方。在LOS中,由于存在直射分量,所以可以采用莱斯信道模型对其建模。NLOS是指两车通信节点之间存在其它车辆,不能在视距的角度互相看到对方,所以不存在直射分量,因此采用瑞利模型对其进行建模。但是由于车辆的移动性导致无法实时区分其通讯过程是LOS还是NLOS,所以本发明采用一种新的车辆节点之间的信道模型Nakagami-m模型,其是一种瑞利模型和莱斯模型的“混合体”,Nakagami信道衰落传播模型最适合于VANET环境的仿真。
步骤五:进行下一跳的选择,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,选择出合适的下一跳。
在综合考虑邻居节点的相对速度、距离这两个因素,该发明定义节点重要度的概念,节点重要度最高的邻居节点为下一跳转发节点,如公式(1)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、αlos为三个影响函数各自对应的影响因子,且满足αspeed+αdist+αlos=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。
步骤六:采用模糊控制的方法,将影响转发选择的三个因素作为输入,传输成功率作为输出,计算出各个输入,输出中的影响因素的比例系数,运用多因素决策的方法来选择最优的下一跳。
Claims (1)
1.一种基于视距衰落模型的车载网路由方法,其特征在于,该方法包括以下步骤:
步骤1:当车辆在进行信息转发时,判断车辆的转发类型:
步骤1.1:若场景中仅有视距转发,使用地面反射模型;
所述的地面反射模型是两个移动节点间存在的两条路径,一条是两者间的直线传播路径,另一条是反射路径,地面反射模型的接收功率ΩL表示为:
其中,L为发射与接收车辆之间的距离;Pt表示发射车辆的信号发射功率;Gt表示发射车辆节点的天线增益;Gr表示接收车辆节点的天线增益;Ht表示发射车辆节点的天线高度;Hr表示接收车辆节点的天线高度;K是***损耗系数;
步骤1.2:若场景中仅有非视距转发,考虑反射模型;
所述的反射模型,对于仅涉及镜面反射的传播路径,反射信号是沿主街道和小街道具有最小反射次数Nmin的路径,考虑到沿着主街道和小街道的特定传播路径,最小反射次数Nmin表示为:
其中,Rm和Rs分别为发送节点与接收节点到路口的距离,Wm,Ws分别为横向和纵向的道路宽度;路径损耗PLR表示为:
其中,λ为发射节点车辆的发射波长;R0是与障碍物的介电常数;
步骤1.3:若该场景中存在视距和非视距的混合情况,构建Nakagami信道衰落传播模型;
在Nakagami模型中,接收信号强度x的分布的概率密度函数为:
其中,Γ(μ)表示Gamma函数;μ为Nakagami分布的形状因子,表示衰落的严重程度,μ>=1/2;ω为Nakagami分布的平均功率;
当信号只受传播模型的影响,没有冲突和其他节点干扰,信号强度服从Nakagami分布:
它的累积分布函数为:
信号强度需要超过阈值时,传输的信息才可以成功接收,信息的成功传递率为:
步骤2:根据不同的转发类型选择不同的传播模型后,综合考虑车辆的相对速度,距离因素,视距因素这三种因素,计算出影响函数以及对应的影响因子,并得到节点重要度;
当前节点ni的重要度定义为:
其中,为车辆相对速度影响函数, 表示当前节点ni的速度;为车辆距离因素的影响函数, 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,表示当前节点ni到目标节点dk的距离是最大距离;M(los)为车辆视距因素影响函数;fi为预测机制后一跳范围内的邻居节点;αspeed为车辆相对速度影响函数对应的影响因子,αdist为车辆的距离因素影响函数对应的影响因子,αlos为车辆视距因素影响函数各自对应的影响因子,且满足αspeed+αdist+αlos=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;
步骤3:采用模糊控制的方法将影响转发选择的三个因素作为输入,车辆传输成功率作为输出,运用多因素决策的方法来选择最优的下一跳,完成信息的转发;
模糊化过程利用模糊集来定义这三个输入参量:视距因素,速度因素,距离因素,三个不同的模糊集,分别定义为A1,A2和A3,在模糊化过程中,将输入的清晰度值被转换成语言术语的隶属度等级,使用隶属函数来计算清晰输入到模糊集合的相似度来判断模糊集合的“低”和“高”;在视距因素中,非视距传输信息模糊级别为低,视距传输信息模糊级别为高;在速度因素中分为三个模糊等级,速度0-5m/s为低速,5-10m/s为中速,10-15m/s为高速;在距离因素中分为两个模糊等级,距离小于200m为低,距离大于200m为高;对于每个模糊集合,输出的传输成功率可分为“低”“中”和“高”三个指标,即输出有分别对应为L,M,H三个等级,选择传输成功率等级为高的情况作为下一跳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446483.2A CN109362115B (zh) | 2018-11-29 | 2018-11-29 | 一种基于视距衰落模型的车载网路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446483.2A CN109362115B (zh) | 2018-11-29 | 2018-11-29 | 一种基于视距衰落模型的车载网路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109362115A CN109362115A (zh) | 2019-02-19 |
CN109362115B true CN109362115B (zh) | 2021-10-01 |
Family
ID=65343505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811446483.2A Active CN109362115B (zh) | 2018-11-29 | 2018-11-29 | 一种基于视距衰落模型的车载网路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109362115B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110446179B (zh) * | 2019-07-02 | 2020-07-24 | 长沙理工大学 | 应用于车联网弯道场景的中继节点最优位置的选取方法 |
CN112711024B (zh) * | 2020-12-04 | 2024-02-09 | 中国科学技术大学 | 基于视距空间最大化的音频室内定位***节点布设方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107105389A (zh) * | 2017-04-05 | 2017-08-29 | 南京邮电大学 | 车载网络中基于道路拓扑结构的地理信息路由方法 |
CN107295596A (zh) * | 2017-06-27 | 2017-10-24 | 同济大学 | 一种基于干扰感知的车联网跨层路由方法 |
CN108040327A (zh) * | 2017-11-01 | 2018-05-15 | 深圳市金溢科技股份有限公司 | 报文中继方法、车载终端、汽车及智能交通运输*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9015386B2 (en) * | 2012-06-25 | 2015-04-21 | Spirent Communications, Inc. | Connected vehicle application testing in the laboratory |
US10531500B2 (en) * | 2016-06-02 | 2020-01-07 | Raytheon Company | Self-configuring backbone for mobile ad-hoc networks (MANETs) |
-
2018
- 2018-11-29 CN CN201811446483.2A patent/CN109362115B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107105389A (zh) * | 2017-04-05 | 2017-08-29 | 南京邮电大学 | 车载网络中基于道路拓扑结构的地理信息路由方法 |
CN107295596A (zh) * | 2017-06-27 | 2017-10-24 | 同济大学 | 一种基于干扰感知的车联网跨层路由方法 |
CN108040327A (zh) * | 2017-11-01 | 2018-05-15 | 深圳市金溢科技股份有限公司 | 报文中继方法、车载终端、汽车及智能交通运输*** |
Non-Patent Citations (6)
Title |
---|
"A novel cross-layer communication protocol for vehicular sensor networks";Zhang, Jianfeng;《Web of Science》;20180510;全文 * |
"VANET中基于连通性的多因素决策路由协议";王鹏;《信息科技辑》;20180615;参见正文第3-4章 * |
"Vehicle-to-Vehicle LOS Large-Scale Doppler Channel Model Using GSCM";Billy Kihei;《IEEE》;20171116;全文 * |
"城市交通下跨层VANET路由协议研究";柳冰忆;《信息科技辑》;20180315;全文 * |
"城市环境下VANET组网及相关技术的研究";彭盼;《工程科技Ⅱ辑》;20160615;全文 * |
"高速铁路中无线信道模型研究与***性能分析";刘畅;《工程科技Ⅱ辑》;20160715;参见正文第2-3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN109362115A (zh) | 2019-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2751382C1 (ru) | Планирование траектории | |
RU2756872C1 (ru) | Структура вероятностного отслеживания объектов и прогнозирования | |
Wang et al. | Developing a Distributed Consensus‐Based Cooperative Adaptive Cruise Control System for Heterogeneous Vehicles with Predecessor Following Topology | |
Zhang et al. | A new method of fuzzy multicriteria routing in vehicle ad hoc network | |
Otto et al. | Down the block and around the corner the impact of radio propagation on inter-vehicle wireless communication | |
Rizzo et al. | Signal-based deployment planning for robot teams in tunnel-like fading environments | |
Singh et al. | Comparative study of radio propagation and mobility models in vehicular adhoc network | |
Lytrivis et al. | Cooperative path prediction in vehicular environments | |
Eldeeb et al. | Visible light communication for connected vehicles: How to achieve the omnidirectional coverage? | |
CN109362115B (zh) | 一种基于视距衰落模型的车载网路由方法 | |
CN105430664A (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
Vieira et al. | Driver assistance system towards overtaking in vehicular ad hoc networks | |
CN110703767A (zh) | 一种基于改进智能水滴算法的无人车避障路径规划方法 | |
Maglaras et al. | Enhanced spring clustering in VANETs with obstruction considerations | |
CN102595547B (zh) | 一种动态自适应的车辆网络路由方法 | |
Wang et al. | Design and implementation of a more realistic radio propagation model for wireless vehicular networks over the NCTUns network simulator | |
Li et al. | NLOS Dies Twice: Challenges and Solutions of V2X for Cooperative Perception | |
Kelner et al. | Modeling UAV swarm flight trajectories using Rapidly-exploring Random Tree algorithm | |
Kristiana et al. | Survey of angle-based forwarding methods in VANET communications | |
CN107563026B (zh) | 一种基于干扰的二维车载网安全应用的分析方法 | |
Sharma et al. | Propagation models and their effect on the congestion control in vehicular ad hoc network | |
CN115002788A (zh) | 一种用于道路健康检测的有向传感器网络覆盖优化方法 | |
Olasupo | An Efficient Vehicle-to-Everything (V2X) Communication Algorithm for the Deployment and Operation of Self-driving Cars | |
Maidamwar et al. | Comprehensive study for localization techniques in MANET and VANET | |
Chawky et al. | Evaluation of sensors impact on information redundancy in cooperative perception system |
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 |