CN103095593A - 车辆自组网络的路由系统及方法 - Google Patents

车辆自组网络的路由系统及方法 Download PDF

Info

Publication number
CN103095593A
CN103095593A CN2013100119035A CN201310011903A CN103095593A CN 103095593 A CN103095593 A CN 103095593A CN 2013100119035 A CN2013100119035 A CN 2013100119035A CN 201310011903 A CN201310011903 A CN 201310011903A CN 103095593 A CN103095593 A CN 103095593A
Authority
CN
China
Prior art keywords
vehicle
transmission
path
potential
success rate
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
Application number
CN2013100119035A
Other languages
English (en)
Other versions
CN103095593B (zh
Inventor
蒋若冰
朱燕民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201310011903.5A priority Critical patent/CN103095593B/zh
Publication of CN103095593A publication Critical patent/CN103095593A/zh
Application granted granted Critical
Publication of CN103095593B publication Critical patent/CN103095593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种车辆自组网络的路由系统及方法,该方法包括如下步骤:车辆相遇时,每个车辆通过无线通信分布式地获取其他车辆的未来行驶路径;建立车辆行驶路径图;对车辆行驶路径图中每个潜在的相遇计算其相遇概率;在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率;综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能;以及基于相遇车辆的传输潜能,数据的持有者决定是否要将数据转发给该相遇车辆,通过本发明,可以实现支持多接收节点的车辆自组网络路由。

Description

车辆自组网络的路由系统及方法
技术领域
本发明关于一种车辆自组网络的路由系统及方法,特别是涉及一种基于相遇预测的支持多接收节点的车辆自组网络的路由系统及方法。
背景技术
近年来短距离无线电通信技术得到了飞速的发展,例如专用短程通信(DSRC)技术。这些技术推动了车辆间的通信,为车辆自组网络的形成和发展铺平了道路。车辆自组网络是由移动车辆作为网络节点所组成的新型无线网络。车辆间通过短距无线通信设备收发数据,不仅可以实现车辆间通信,还可以和手机基站或路边基础设施通信。车辆上安装的短距无线电装置的通信范围在几十到几百米之间。每个车辆节点都可以成为数据源节点、数据接收节点,以及路由节点为其他车辆转发数据。
车辆自组网络的用途很广,可以支持多种类型的实际应用,包括紧急事故警报,广告派发,环境监测和文件共享。但是车辆自组网络具有很多自身的特点,区别于传统的移动传感器自组网络。这些特点主要包括:首先,车辆节点分布在城市道路网络中很大的区域中,因此所形成的自组网络密度较低,网络整体并不是全联通的。其次,网络中不同区域节点密度相差很大,存在着很多独立的小组,小组之间的通信受限。还有,网络中任意两个节点之间相遇机会十分有限,甚至没有,因此网络中的数据传输机会很稀有。网络中任意两个节点之间通过多跳传输的通路很难建立。最后,由于网络中的节点都是车辆,而由于车辆移动速度变化很大,移动范围很广,因此车辆节点的动态性和不确定性很大。如果想要预测某个车辆未来时刻的位置的困难很大。
用于车辆网络的路由方法已经有一些前人的工作了,但是,现有的路由方法一般都是基于传统移动自组网络的。这些方法一般都会在车辆网络基础上建立一个固定的传输拓扑,使得数据包在这个传输拓扑上被多跳转发,最后达到接收节点。传输拓扑大致分为三类,树状拓扑,网状拓扑,以及聚簇拓扑。树状拓扑中,从源节点到每个接收节点只有一条传输路径,由于车辆移动的动态性,这样的传输路径很容易出现断路导致数据包丢失。网状拓扑可以提高传输成功率,因为从源节点到每一个接收节点都有多条传输路径。在聚簇拓扑中,相互临近的车辆组成簇,每个簇有一个首领,负责组织簇内成员以及管理路由。簇首通过簇内和其他簇相邻的边缘节点传递信息到其他的簇。这些基于固定传输拓扑的路由方法有很多不足。首先,车辆节点维护传输拓扑的代价很高,尤其在动态性很强的网络中。第二,在车辆自组网络中,网络连通性很低,很难建立传输路径,即使存在传输路径,也会很快变化。第三,传输路径的不断变化和断路会导致数据传输的高延迟和高丢包率。
发明内容
为克服上述现有技术的不足,本发明之目的在于提供一种车辆自组网络的路由系统及方法,其基于车辆安装GPS导航系统,对不同车辆的传输潜能做出评估,并将之作为转发指标,形成一种适合城市车辆自组网络的路由方法,同时能支持多个接收节点。
为达上述及其它目的,本发明提供了一种车辆自组网络的路由系统,至少包括:
路径分享模组,用于车辆相遇时,每个车辆通过其自身携带的无线通信装置互相分享各自的未来行使路径;
车辆行驶路径图建立模组,用于建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇;
相遇概率计算模组,用于对车辆行驶路径图中每个潜在的相遇计算其相遇概率;
传输成功率计算模组,用于在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率;
综合传输潜能计算模组,综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能;以及
数据转发模组,基于相遇车辆的传输潜能,数据持有者决定是否要将数据转发给该相遇车辆
进一步地,于该数据转发模组中,若相遇车辆具有比自身高的传输潜能,则可以选择转发;同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。
进一步地,该相遇概率计算模组通过对车辆的行驶时间建模,车辆到达路径交叉点的时长建模为符合伽马分布的随机变量,两个车辆是否能在路径交叉点相遇的概率取决于这两个车到达交叉点时长的随机变量。
进一步地,该传输成功率计算模组通过计算传输路径上所有转发点概率的乘积来获得传输成功率。
进一步地,该综合传输潜能计算模组通过以下公式计算该综合传输潜能:
P=1-∑all path i(1-p(i)),
其中p(i)为每条传输路径的成功率。
进一步地,该未来行使路径由车辆自身携带的GPS导航系统获得。
为达到上述及其他目的,本发明还提供一种车辆自组网络的路由方法,包括如下步骤:
步骤一,车辆相遇时,每个车辆通过无线通信分布式地获取其他车辆的未来行驶路径;
步骤二,建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇;
步骤三,对车辆行驶路径图中每个潜在的相遇计算其相遇概率;
步骤四,在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率;
步骤五,综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能;以及
步骤六,基于相遇车辆的传输潜能,数据的持有者决定是否要将数据转发给该相遇车辆。
进一步地,于步骤六中,若相遇车辆具有比自身高的传输潜能,则可以选择转发;同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。
进一步地,该步骤三还包括如下步骤:
将车辆在一段城市道路的行驶时间建模成符合伽马分布的随机变量,伽马分布的两个分布参数可以通过统计历史行驶时间信息来获得;
得到两个车辆节点分别行驶到路径交叉点的时间随机变量,都符合伽马分布,且具有不同的分布参数;
计算两个符合伽马分布的随机变量的差值,是否小于一个特定的阈值,如果比设定的阈值小,则有可能会相遇,对应一个相对较高的相遇概率,如果比特定的阈值大,则相遇可能性较低,对应一个相对较低的相遇概率。
进一步地,于步骤四中,通过计算传输路径上所有转发点概率的乘积来获得传输成功率。
进一步地,于步骤五中,通过以下公式计算该综合传输潜能:
P=1-∑all path i(1-p(i)),
其中p(i)为每条传输路径的成功率。
与现有技术相比,本发明一种车辆自组网络的路由系统及方法通过在获取相遇车辆的未来行使路径上建立车辆行驶路径图,进而对不同车辆的传输潜能做出评估,并将之作为转发指标,形成一种适合城市车辆自组网络的路由方法,同时能支持多个接收节点。
附图说明
图1为本发明一种车辆自组网络的路由系统的系统架构图;
图2为本发明一种车辆自组网络的路由方法的步骤流程图;
图3是本发明较佳实施例中采用的以上海市城区地图为背景的车辆网络联通图;
图4是本发明较佳实施例中路由方法的示例;
图5是本发明较佳实施例中计算传输潜能的示例。
图6是本发明较佳实施例中计算传输路径成功率的示例。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种车辆自组网络的路由系统的系统架构图。如图1所示,本发明一种车辆自组网络的路由系统,该车辆自组网络的车辆均安装了GPS导航系统,该路由系统至少包括:路径分享模组10、车辆行驶路径图建立模组11、相遇概率计算模组12、传输成功率计算模组13、综合传输潜能计算模组14以及数据转发模组15。
其中,路径分享模组10用于车辆相遇时,每个车辆通过其自身携带的无线通信装置分布式互相分享各自的未来行使路径,车辆的未来行使路径可由车辆自身携带的GPS导航系统获得。车辆行驶路径图建立模组11用于建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇。相遇概率计算模组12用于对车辆行驶路径图中每个潜在的相遇计算其相遇概率。在本发明较佳实施例中,通过对车辆的行驶时间建模,车辆到达路径交叉点的时长可以建模为符合伽马分布的随机变量,因此两个车辆是否能在路径交叉点相遇的概率取决于这两个车到达交叉点时长的随机变量,这两个随机变量的差值需要小于一个设定值,这个设定值根据车辆通信半径和两车相对行驶速度而定。
传输成功率计算模组13用于在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率,计算方法是传输路径上所有转发点(相遇点)概率的乘积。
综合传输潜能计算模组14综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能。计算方法为:
P=1-∑all path i(1-p(i)),
其中p(i)为每条传输路径的成功率。
数据转发模组15,基于相遇车辆的传输潜能,数据的持有者可以决定是否要将数据转发给该相遇车辆。如果该相遇车辆具有比自身高的传输潜能,则可以选择转发。同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。
图2为本发明一种车辆自组网络的路由方法的步骤流程图。如图2所示,本发明一种车辆自组织网络的路由方法,包括如下步骤:
步骤201,车辆相遇时,通过无线通信分布式地获取其他车辆的未来行驶路径。每个车辆节点在行驶之初通过安装的GPS导航系统规划一条本车的行驶路径,以到达本车司机要去的目的地。同时,GPS导航系统可以将本车的行驶路径记录下来,共享给路由决策系统。当每个车辆节点遇到其他车辆节点的时候,可以进行通信,互相共享自己未来的行驶路径。不断重复共享路径的过程,整个网络中的车辆可以获得局部小范围中所有其他车辆的未来路径。
步骤202,建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇。每个车辆节点可以基于自己收集到的所有其他车辆路径信息建立一个行驶路径图,包含本科路径和其他所有车辆路径,以及路径之间的交叉点。这些交叉点有可能在未来发生车辆的相遇,也就是信息通信的机会。
步骤203,对车辆行驶路径图中每个潜在的相遇计算其相遇概率。通过对车辆的行驶时间建模,车辆到达路径交叉点的时长可以建模为符合伽马分布的随机变量。因此两个车辆是否能在路径交叉点相遇的概率取决于这两个车到达交叉点时长的随机变量。这两个随机变量的差值需要小于一个设定值,这个设定值根据车辆通信半径和两车相对行驶速度而定。
步骤204,在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率,计算方法是传输路径上所有转发点(相遇点)概率的乘积。
步骤205,综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能。计算方法为:
P=1-∑all path i(1-p(i)),
其中p(i)为每条传输路径的成功率。
步骤206,基于相遇车辆的传输潜能,数据的持有者可以决定是否要将数据转发给该相遇车辆。如果该相遇车辆具有比自身高的传输潜能,则可以选择转发。同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。
具体来说,在步骤203中,对两辆路径有交叉点的车辆计算两车在交叉点相遇的概率,其方法如下:
(1)、将车辆在一段城市道路的行驶时间建模成符合伽马分布的随机变量,伽马分布的两个分布参数可以通过统计历史行驶时间信息来获得;
(2)、得到两个车辆节点分别行驶到路径交叉点的时间随机变量,都符合伽马分布,且具有不同的分布参数。
(3)、计算两个符合伽马分布的随机变量的差值,是否小于一个特定的阈值。如果比设定的阈值小,则有可能会相遇,对应一个相对较高的相遇概率。如果比特定的阈值大,则相遇可能性较低,对应一个相对较低的相遇概率。
(4)、基于相遇概率的计算,通信路径上的传输概率则计算成这条传输路径上所有转发点的相遇概率的乘积。
以下将配合一具体实施例来进一步说明本发明,图3为本发明较佳实施例中以上海市城区地图为背景的车辆网络联通图,其形象直观地展示了上海中心城区2,000辆左右出租车构成的网络连通图。图中背景是上海市中心城区的简易道路分布图,每一个黑点表示一辆出租车,连接两个黑点的线段表示该两辆出租车可以相互通信,因为距离小于通信半径。图中的通信半径设为200米。
图4用一个简单的实例解释了本发明的基本思想。图中车辆节点v携带着数据包要发送给一组接收节点,包括d1,d2,和d3。车辆节点r1和r2是两个备选的转发节点。七角星位于两个车辆路径的交叉点表示对应的两个车辆在此会相遇。由于车辆v和r1会遇到所有的接收节点,所以v只会转发给r1而不会转发给r2。因此本路由可以消除不必要的转发,降低通信代价。
图5是本发明较佳实施例的计算车辆传输潜能的示例。当计算车辆v对接收节点d的传输潜能,需要搜索所有的传输路径。在这个实例中,从v到d有三条可能的传输路径,第一条path 1只包含一跳,由v直接传输数据给d。第二条path 2和第三条path 3分别包含2跳和3跳数据转发。由于每一跳数据转发都依赖于两车的相遇概率,每条传输路径也是有成功概率的。如果给定每条传输路径的传输概率p(i),则可以计算v对d的传输潜能:
P=1-∑all path i(1-p(i))。
图6是本发明较佳实施例的计算传输路径成功率的示例。图中v到d的传输路径包含了3跳数据转发,分别是v转发给l,l转发给m,m转发给d。我们已经提到过传输路径的成功率取决于每一跳转发所对应两车辆的相遇概率。如果图中三处相遇概率都已经计算好了,那么传输路径上的成功率则可以计算为
Figure BDA00002728584200081
其中ei表示某个相遇。
车辆a和b在路径交叉点L的相遇概率的计算是基于对车辆行驶时间的建模。如果用Ta(L)和Tb(L)表示。如果这两个随机变量的概率密度函数分别为
Figure BDA00002728584200091
则相遇概率可如此计算:
P r ( &Delta; ( T a ( L ) , T b ( L ) ) < &delta; )
= &Integral; 0 &infin; &Integral; t - &delta; t + &delta; f T a ( L ) ( t ) &times; f T b ( L ) ( t &prime; ) dt &prime; dt
即a和b到达L的到达时间变量的差距小于一个设定值δ的概率。这个概率由变量的概率密度函数决定,概率密度函数的参数可以通过统计车辆行驶的历史数据得到。而δ的值是根据车辆通信半径以及a和b的相对速度设定的。
综上所述,本发明一种车辆自组网络的路由系统及方法通过在获取相遇车辆的未来行使路径上建立车辆行驶路径图,进而对不同车辆的传输潜能做出评估,并将之作为转发指标,形成一种适合城市车辆自组网络的路由方法,同时能支持多个接收节点。与现有技术相比,本发明具有以下优点:
1.本发明所述的路由方法抛弃了传统路由的思路,不需要事先建立传输拓扑,同时也不需要维护和重建传输拓扑,排除了由此带来的维护代价。
2.本发明是完全分布式的路由方法,不需要任何中心控制机制来共享车辆路径和数据信息。
3.本发明所述的路由方法对车辆的传输潜能的估计大大提高了转发的针对性和效益,在保证传输成功率的基础上能够大大降低传输代价和带宽。在车辆自组网络中这一点很重要,因为该种网络的通信机会十分宝贵。
因此,本发明更能适用于真实环境的城市车辆自组网络,真实车辆行驶数据的模拟实验也证明了本发明的实用和高效。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。

Claims (11)

1.一种车辆自组网络的路由系统,至少包括: 
路径分享模组,用于车辆相遇时,每个车辆通过其自身携带的无线通信装置互相分享各自的未来行使路径; 
车辆行驶路径图建立模组,用于建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇; 
相遇概率计算模组,用于对车辆行驶路径图中每个潜在的相遇计算其相遇概率; 
传输成功率计算模组,用于在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率; 
综合传输潜能计算模组,综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能;以及 
数据转发模组,基于相遇车辆的传输潜能,数据持有者决定是否要将数据转发给该相遇车辆 。
2.如权利要求1所述的一种车辆自组网络的路由系统,其特征在于:于该数据转发模组中,若相遇车辆具有比自身高的传输潜能,则可以选择转发;同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。 
3.如权利要求1所述的一种车辆自组网络的路由系统,其特征在于:该相遇概率计算模组通过对车辆的行驶时间建模,车辆到达路径交叉点的时长建模为符合伽马分布的随机变量,两个车辆是否能在路径交叉点相遇的概率取决于这两个车到达交叉点时长的随机变量。 
4.如权利要求1所述的一种车辆自组网络的路由系统,其特征在于:该传输成功率计算模组通过计算传输路径上所有转发点概率的乘积来获得传输成功率。 
5.如权利要求1所述的一种车辆自组网络的路由系统,其特征在于,该综合传输潜能计算模组通过以下公式计算该综合传输潜能: 
P=1-∑all path i(1-p(i)), 
其中p(i)为每条传输路径的成功率。 
6.如权利要求1所述的一种车辆自组网络的区域多播路由系统,其特征在于:该未来行使路径由车辆自身携带的GPS导航系统获得。 
7.一种车辆自组网络的路由方法,包括如下步骤: 
步骤一,车辆相遇时,每个车辆通过无线通信分布式地获取其他车辆的未来行驶路径; 
步骤二,建立车辆行驶路径图,包括所有获得的车辆的未来行驶路径,只要任意两个车辆的路径有交叉点,都记录为一个潜在的相遇; 
步骤三,对车辆行驶路径图中每个潜在的相遇计算其相遇概率; 
步骤四,在车辆行驶路径图中搜索车辆经过多跳转发到达数据接收节点的所有传播路径,并计算车辆在每条传输路径上的传输成功率; 
步骤五,综合所有传输路径的传输成功率,计算车辆对每个数据接收节点的综合传输潜能;以及 
步骤六,基于相遇车辆的传输潜能,数据的持有者决定是否要将数据转发给该相遇车辆。 
8.如权利要求7所述的一种车辆自组网络的路由方法,其特征在于:于步骤六中,若相遇车辆具有比自身高的传输潜能,则可以选择转发;同时,如果同时遇到多个车辆,数据持有者可以选择具有最高传输潜能的车辆做转发。 
9.如权利要求7所述的一种车辆自组网络的路由方法,其特征在于,该步骤三还包括如下步骤: 
将车辆在一段城市道路的行驶时间建模成符合伽马分布的随机变量,伽马分布的两个分布参数可以通过统计历史行驶时间信息来获得; 
得到两个车辆节点分别行驶到路径交叉点的时间随机变量,都符合伽马分 布,且具有不同的分布参数; 
计算两个符合伽马分布的随机变量的差值,是否小于一个特定的阈值,如果比设定的阈值小,则有可能会相遇,对应一个相对较高的相遇概率,如果比特定的阈值大,则相遇可能性较低,对应一个相对较低的相遇概率。 
10.如权利要求9所述的一种车辆自组网络的路由方法,其特征在于:于步骤四中,通过计算传输路径上所有转发点概率的乘积来获得传输成功率。 
11.如权利要求7所述的一种车辆自组网络的路由方法,其特征在于,于步骤五中,通过以下公式计算该综合传输潜能: 
P=1-∑all path i(1-p(i)), 
其中p(i)为每条传输路径的成功率。 
CN201310011903.5A 2013-01-11 2013-01-11 车辆自组网络的路由系统及方法 Active CN103095593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310011903.5A CN103095593B (zh) 2013-01-11 2013-01-11 车辆自组网络的路由系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310011903.5A CN103095593B (zh) 2013-01-11 2013-01-11 车辆自组网络的路由系统及方法

Publications (2)

Publication Number Publication Date
CN103095593A true CN103095593A (zh) 2013-05-08
CN103095593B CN103095593B (zh) 2016-03-30

Family

ID=48207746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310011903.5A Active CN103095593B (zh) 2013-01-11 2013-01-11 车辆自组网络的路由系统及方法

Country Status (1)

Country Link
CN (1) CN103095593B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105610732A (zh) * 2016-01-07 2016-05-25 南京邮电大学 车辆自组织网络转发节点选择与协作通信方法
CN106297270A (zh) * 2015-06-26 2017-01-04 中兴通讯股份有限公司 车联网中车队的管理方法及装置
CN107634906A (zh) * 2017-10-20 2018-01-26 南京理工大学 一种基于分簇的多属性决策vdtn路由方法
CN108012244A (zh) * 2017-11-29 2018-05-08 南京工业大学 基于簇的公路车载自组织网络数据服务通信系统及方法
CN111615060A (zh) * 2020-04-29 2020-09-01 西安理工大学 一种基于公交轨迹和定位信息的地域群播方法
US11477718B1 (en) 2021-03-31 2022-10-18 Toyota Motor North America, Inc. Systems and methods for selecting a routing protocol

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102724631A (zh) * 2012-06-28 2012-10-10 上海交通大学 车辆自组织网络基于位置路由的位置信息更新方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102724631A (zh) * 2012-06-28 2012-10-10 上海交通大学 车辆自组织网络基于位置路由的位置信息更新方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
RUOBING JIANG ET AL: "Coverage-aware Geocast Routing in Urban Vehicular Networks", 《PARALLEL AND DISTRIBUTED PROCESSING SYMPOSIUM WORKSHOPS & PHD FORUM 2012 IEEE 26TH INTERNATIONAL》 *
YANMIN ZHU ET AL: "On Adaptive Routing in Urban Vehicular Networks", 《GLOBAL COMMUNICATIONS CONFERENCE 2012 IEEE》 *
YUCHEN WU ET AL: "Trajectory Improves Data Delivery in Vehicular Networks", 《INFOCOM 2011 PROCEEDINGS IEEE》 *
朱燕民等: "车辆传感器网络研究", 《中兴通讯技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106297270A (zh) * 2015-06-26 2017-01-04 中兴通讯股份有限公司 车联网中车队的管理方法及装置
CN105610732A (zh) * 2016-01-07 2016-05-25 南京邮电大学 车辆自组织网络转发节点选择与协作通信方法
CN105610732B (zh) * 2016-01-07 2018-09-25 南京邮电大学 车辆自组织网络转发节点选择与协作通信方法
CN107634906A (zh) * 2017-10-20 2018-01-26 南京理工大学 一种基于分簇的多属性决策vdtn路由方法
CN107634906B (zh) * 2017-10-20 2020-06-19 南京理工大学 一种基于分簇的多属性决策vdtn路由方法
CN108012244A (zh) * 2017-11-29 2018-05-08 南京工业大学 基于簇的公路车载自组织网络数据服务通信系统及方法
CN108012244B (zh) * 2017-11-29 2020-12-01 南京工业大学 基于簇的公路车载自组织网络数据服务通信系统及方法
CN111615060A (zh) * 2020-04-29 2020-09-01 西安理工大学 一种基于公交轨迹和定位信息的地域群播方法
US11477718B1 (en) 2021-03-31 2022-10-18 Toyota Motor North America, Inc. Systems and methods for selecting a routing protocol

Also Published As

Publication number Publication date
CN103095593B (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
Maglaras et al. Distributed clustering in vehicular networks
CN103095593B (zh) 车辆自组网络的路由系统及方法
Maglaras et al. Social clustering of vehicles based on semi-Markov processes
Rémy et al. LTE4V2X—Collection, dissemination and multi-hop forwarding
Raw et al. Performance analysis of P-GEDIR protocol for vehicular ad hoc network in urban traffic environments
CN105245563A (zh) 一种基于车辆节点连通稳定度的动态分簇方法
Kwatirayo et al. Adaptive traffic light control using VANET: A case study
Dressler et al. Toward realistic simulation of intervehicle communication
Venkata et al. Traffic monitoring and routing in VANETs—A cluster based approach
CN105307232A (zh) 一种车载自组织网络的基于连通概率的路由优化方法
CN103200526A (zh) 一种基于路边基站的车载自组织网络路由的方法
Akabane et al. Towards a distributed and infrastructure-less vehicular traffic management system
Li et al. Intermittently connected vehicle-to-vehicle networks: Detection and analysis
Abboud et al. Impact of microscopic vehicle mobility on cluster-based routing overhead in VANETs
Milojevic et al. Short paper: Distributed vehicular traffic congestion detection algorithm for urban environments
CN113891422B (zh) 一种自组织车联网的数据感知路由方法、系统、存储介质及设备
CN103095592B (zh) 车辆自组织网络的区域多播路由系统及方法
Ramakrishnan et al. Comprehensive analysis of Highway, Manhattan and Freeway mobility models for vehicular ad hoc network
Aravindhan et al. A cluster approach in VANET using collaborative learning automata-based routing
Prokop Routing protocol evaluation and development of a fully functional simulation environment for vehicular ad hoc networks
Wu et al. A geographic routing protocol based on trunk line in VANETs
CN101937613B (zh) 一种基于公交车网络的数据传输方法
Sun et al. A global and dynamitic route planning application for smart transportation
Gong et al. Analysis and improvement of vehicle information sharing networks
Twahirwa et al. Travel matrix enabled delta-based roadside units deployment for vehicular ad hoc networks: A case of kigali city

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant