CN103781148A - 车载自组织网络中基于链路感知的稳定成簇路由方法 - Google Patents

Abstract

本发明提出了一种车载自组织网络中基于链路感知的稳定成簇路由方法，属于车载自组织网络技术领域。该方法利用Affinity Propagation聚类方法中的节点相似度S、节点间的亲密度IN和连接度D来计算节点优先级，优先级最大的节点成为簇头；成簇之后，根据节点链路感知的方法向路口触发链路断开信息；路口节点根据记录的最近k个周期内路段的通断来计算再次连通概率，路口节点利用再次连通概率和贪婪方法选择最佳候选簇，并根据贪婪方法选择到达最佳候选簇的网关节点。本发明所示方法明显提高了数据包的投递率，减小了数据包传递所需的时延，增加了簇头的稳定性，减少了簇头个数，降低了数据传输的跳数和平均时延，大大降低了路由开销。

Description

车载自组织网络中基于链路感知的稳定成簇路由方法

技术领域

本发明属于车载自组织网络技术领域，涉及一种车载自组织网络中基于链路感知的稳定成簇路由方法。

背景技术

车载自组织网络(VANET)是移动ad hoc的一种，但由于车载自组织网的车辆节点移动速度较快、网络拓扑变化非常频繁等特点，使车载网的路由层不仅要面临传统移动自组网所面对的问题，还必须克服其自身特性所产生的缺陷，因此车载自组网中路由协议的设计是研究工作中的一大挑战。

目前，车载网中使用的路由协议根据不同的方式可以进行不同的分类。按照网络逻辑结构的不同可分为平面路由和分层路由即分簇路由。分簇路由协议通过分簇方法将网络中的节点划分为逻辑上独立的簇，将拓扑变化的影响控制在小范围内，减少了网络负载，便于对网络进行管理，适用于大规模网络。因此成为了当前重点研究的技术。成簇方法是分簇路由的关键，好的成簇方法可以延长簇头持续时间，提高传输的投递率，减少路由的跳数，从而减少丢包。

现有分簇方法中很多只考虑节点的单一参数如ID、速度、距离、节点度等参量，有些加权分簇方法也只是将几个简单的参量进行加权，近些年提出的Affinity Propagation聚类方法，它根据N个数据点之间的相似度进行聚类。现有的Affinity Propagation聚类方法是基于节点间距离的，当节点的节点度差别较大时，选取节点度较小的节点为簇头增加了簇头的个数，簇头持续时间较短，需要频繁的更新簇头，从而增加了分组投递的跳数和时延，降低了投递率，增加了路由开销。

发明内容

有鉴于此，本发明的目的在于提供一种车载自组织网络中基于链路感知的稳定成簇路由方法。

为达到上述目的，本发明提供如下技术方案：

本发明首先提供了一种车载自组织网络中基于链路感知的稳定成簇方法，包括以下步骤：节点通过GPS及周期性的hello报文获取车辆节点的位置、速度、方向、节点类型等信息；根据获取的节点位置、速度信息确定节点与邻居节点间的相似度；根据预测模型来预测某邻居节点在未来时刻与节点保持邻居关系的概率，根据该节点的节点度来确定该节点的亲密度；根据节点的方向和速度来确定节点与其邻居之间的连接度；将节点间的相似度、亲密度、连接度加权获取节点的优先级P，并选取优先级最高的节点作为簇头；簇头向其簇内节点广播lead函数，宣告自己成为簇头，簇内节点根据自己的位置和收到lead函数的个数确定自己是簇内节点还是网关节点，并向簇头回复。

进一步，所述根据获取的节点位置、速度信息确定节点与邻居节点间的相似度S，具体包括：根据节点i的当前位置X_i及其速度信息，预测节点1时间t之后的位置X_i′；节点i通过周期性的hello报文获取邻居节点j₀、j₁...j_n-1的当前位置和速度信息，预测邻居节点时间t之后的位置X_j′；节点i根据下述公式计算与邻节点间的相似度：

$s(i,j)=-\left(\right||X_i-X_j||+||X_i^{\′}-X_j^{\′}|\left|\right).$

进一步，所述根据预测模型和节点度确定节点的亲密度IN，具体包括：预测模型--节点间通过周期性的hello报文交互，节点记录当前时刻t₀和上一时刻t₁时的邻居节点ID；节点j上一时刻t₁为i的邻居节点且当前时刻t₀不是i的邻居节点，则j下一时刻为i的邻居的概率为p²，j上一时刻不是i的邻居且当前时刻是i的邻居，则下一时刻为i的邻居的概率为p，j上一时刻、当前时刻均为i的邻居，则下一时刻为i的邻居的概率为1；节点根据当前时刻和上一时刻的邻居列表预测此邻居集合下一刻依旧保持的概率节点根据预测模型计算的概率

和节点度Nd确定节点的亲密度，公式如下：

${\mathrm{IN}}_i=p_{\mathrm{Neighbor}}^i\left(t\right)*\mathrm{Nd}=P^{2(A-K)}{1}^K{p}^{B-K}*\mathrm{Nd}$

其中，A为t₁时刻节点i的邻节点个数Nⁱ _Neighbor(t₁)，B为t₀时刻节点i的邻节点个数Nⁱ _Neighbor(t₀)，K为t₁时刻和t₀时刻均为节点i的邻节点的个数。

进一步，所述根据节点的方向和速度来确定节点与其邻居之间的连接度D，具体包括：根据邻居列表中邻节点的信息，确定该节点与邻节点的距离差和速度差，距离差与速度差之比为两节点间的相对到达率，相对到达率大于0，则两节点间距离在增大，相对到达率小于0则两节点间距离在减小；节点记录相对到达率大于0的邻节点个数n′，根据下述公式确定节点间的连接度D：

$D=\left\{\begin{array}{c}\frac{\mathrm{Nd}-n^{\′}}{\mathrm{Nd}}(1-\frac{\underset{i=1}{\overset{n^{\′}}{\mathrm{\Σ}}}|V-V^{\′}|}{2n^{\′}{V}_{\max }}),n^{\′}\≠0\\ 1,...................................,n^{\′}=0\end{array}\right.$

其中，Nd为节点度，即邻节点个数，n′为邻居节点Nd中与当前节点相互远离的节点数，V为当前节点速度，V′为与当前节点相互远离的邻居节点i的速度。

进一步，所述选取优先级最高的节点作为簇头，具体包括：根据节点的相似度、亲密度和连接度加权确定节点的优先级P，P＝αS+βIN+γD，其中α,β,γ为设定参数，且α+β+γ＝1；优先级最大的节点标记自己为簇头，簇头向其簇内节点广播lead函数，宣告自己成为簇头，簇内节点根据自己的位置和收到lead函数的个数确定自己是簇内节点还是网关节点，并向簇头回复。

本发明还提供了一种车载自组织网络中簇的更新方法，包括以下步骤：簇头节点CH、簇成员节点CM和网关节点GM根据自身位置的改变、优先级P的变化进行更新；簇头节点CH维护两张邻居列表，即簇成员表和网关节点表；簇头节点每单位时间进行检测，如果簇成员的优先级大于自身，则优先级高的节点成为簇头广播消息lead（），原簇头节点成为成员节点，否则簇头节点只需更新其成员速度、位置等信息，如果簇头没有收到某成员节点周期性的广播，那么簇头把该成员节点从它的成员表中删除；簇成员周期性检测其是否收到簇头的hello消息，若收到则更新其位置速度等信息，若收到另一个节点发送的lead（）消息，则提取新的簇头信息，如果在它的周围没有簇头的话，那么它自己独立成簇；网关节点维护网关节点可达的簇头列表，网关节点每单位时间进行检测，检测其是否收到可达簇头节点发送的周期性hello报文，若有，则更新其位置、速度等信息，如无，则将此节点从可达簇头节点表中删除，如果可达簇头仅有一个且在本簇到邻簇的方向上至少有一个比自己离本簇头远的节点，则向簇头节点发送GM转为CM消息，并将自己的状态从GM转为CM。

本发明还提供了一种车载自组织网络中基于链路感知的簇路由，包括：节点信息确定以后，边界节点启动链路感知LP（Link Perception），向簇头和路口节点发送链路中断警报信息；路口节点向周围节点广播链路信息并计算链路的再次连通概率CP_ij；簇路由协议中路口节点根据路段再次连通概率和贪婪方法选择最佳候选簇，簇内簇头按照贪婪方法选择网关节点；

所述节点信息的确定包括：车载自组织网络中节点通过GPS导航系统和周期性的HELLO报文获得自身的位置、速度、方向、节点度等信息；根据自己和邻居节点的位置关系判定的自身的节点类型：路口节点CN、前后都有邻居的队列节点PN、只有一边有邻居的边界节点BN、前后都没有邻居的孤独节点LN。

进一步，所述链路感知LP过程具体包括：节点判定自身节点类型为边界节点后，生成中断警报信息IAM，向路口节点CN发送链路中断警报信息，通知路口节点此链路断开，如果传递IAM的节点在目的路口方向上没有下一跳，则丢弃该IAM，因为在该方向上已经存在另外的距离路口更近的边界节点；CN按HELLO周期检查本地链路状态表；CN节点通过接收到的IAM更新该路口与相邻路口的连接状态C_ij；如果在一个周期的时间内没有收到IAM报文，则默认该链路是完全连接的；根据更新的链路状态(Link State)LS_ij＝[C_ij,CP_ij]，其中C_ij为链路连接状态，CP_ij为链路再次连通概率，生成新的CIAM报文，向当前路口的所有节点广播已断开路段的信息。

进一步，所述的再次连通概率CP_ij统计了路段I_ij最近k个hello周期的链路连接状态，根据k个C_ij计算出当前时刻路段I_ij的再次连通概率CP_ij：

${\mathrm{CP}}_{\mathrm{ij}}=\underset{l=0}{\overset{k-1}{\mathrm{\Σ}}}(C_{\mathrm{ij}}\left[l\right]*\frac{2(k-l)}{k(k+1)})$

其中C_ij[l]表示t_l时刻路段I_ij的链接状态，l表示第Δt*l时刻前更新的连接状态C_ij，2(k-l)/k(k+1)表示Δt*l时刻前更新的C_ij在对当前时刻再次连通概率CP_ij的影响权重，若最近Δt*k时间内路段I_ij的C_ij＝1，即最近k个周期内路段总是连通的，则再次连通概率CP_ij＝1。

进一步，提供了一种簇路由协议，包括以下步骤：

步骤一：源节点S首先判断目的节点D是否为其邻居节点，若是其邻节点则直接将数据包转发给目的节点，若不是进入步骤二；

步骤二：S将数据包转发给簇头；

步骤三：簇头判断目的节点是否位于本簇，若是则直接将数据包转发给D，否则进入步骤四；

步骤四：簇头判断自己是否为路口节点，若是则跳到步骤五，若不是则进入步骤六；

步骤五：根据到目的节点的距离和再次连通概率从候选簇中选择最佳候选簇，即根据W值的大小来选择最佳候选簇，W值公式如下：W＝max{-C_i,j×dis(Next,D)+CP_i,j}，进入步骤七；

步骤六：簇头按照贪婪方法选择下一簇，判断下一簇的簇头是否为自己的邻节点，若是则直接转发给下一簇的簇头，进入步骤三，否则按照贪婪方法选择网关节点，再将数据包转发给下一簇簇头，进入步骤三；

步骤七：判断该路口节点是否为簇头，若是则进入步骤三，若不是则经过最多两跳将数据包转发给选定簇头，之后进入步骤三。

本发明的有益效果在于：本发明所述的车载自组织网络中基于链路感知的稳定成簇路由方法充分考虑了节点间的联系、节点度等因素，从而增加了簇头的稳定性，减少了簇头个数，降低了数据传输的跳数和平均时延，大大降低了路由开销。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明；

图1是实施例中SIND方法选取簇头的流程图；

图2是实施例提供的车辆获取邻居节点信息的周期性hello报文格式；

图3是实施例中节点根据GPS和hello报文获得的邻居信息判断自身节点类型示意图；

图4是实施例提供的车辆与其邻居节点的相对速度和相对位置的示意图；

图5是实施例中选取出的簇头节点向网关节点及簇成员节点发送的lead报文的格式；

图6是实施例中网关节点及簇成员节点向簇头节点发送的apply报文的格式；

图7是实施例中簇更新和维护过程中的状态转移图；

图8是实施例中簇路由过程路段通断状况示意图；

图9是实施例提供的链路感知LP路由过程的流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

图1是本实施例提供的SIND方法选取簇头的流程图。在本实施例中，车辆节点选取簇头的过程具体可以包括：

步骤A1--获取节点及其邻居的位置、速度、方向、权值等信息。

具体的，节点在开机或重启后，通过GPS定位系统获取自身的位置等信息，并通过周期性的hello报文向邻居告知自己的位置、速度、方向、权值等信息。节点通过收到的邻居节点的信息判断自己的节点类型。参见图2，图2是图2是本发明实施例提供的车辆获取邻居节点信息的周期性hello报文格式。节点根据与邻居节点的位置关系判定自身的节点类型，节点类型包括：处于路口位置的路口节点（CN）、上下都有邻居的队列节点（PN）、只有一边有邻居的边界节点（BN）、没有邻居的孤独节点（LN），参见图3，图3是本发明实施例中节点根据GPS和hello报文获得的邻居信息判断自身节点类型示意图。图中节点映射到电子地图上，节点1为路口节点CN，节点2两边都有邻居故为队列节点PN，节点3上边无邻居下边有邻居为边界节点BN，节点4上下左右均无邻居为孤独节点LN。

步骤A2--根据获取的节点位置、速度信息确定节点与邻居节点间的相似度。

具体的，节点i根据其当前位置X_i及其速度，预测其时间t之后的位置X_i′。节点i通过接受周期性hello报文获取邻节点j的当前位置和速度信息，预测邻居节点时间t之后的位置X_j′。节点根据以下公式计算其与邻节点间的相似度。

$S(i,j)=-\left(\right||X_i-X_j||+||X_i^{\′}-X_j^{\′}|\left|\right),$ 其中 $X_i=\left[\begin{array}{c}{x}_i\\ y_i\end{array}\right],$ $X_i^{\′}=\left[\begin{array}{c}{x}_i+v_x*t\\ y_i+v_y*t\end{array}\right]$

t表示计算时间，计算时间越短，相似度计算越精确，但是会导致簇头更替月频繁，计算时间越长，位置预测越不准确，相似度越不精确，为了是相似度更精确，计算时间t定义为：

$t=\frac{d_{\mathrm{tran}}}{v_{\max }}.$

步骤A3--根据预测模型邻居集合在下一时刻继续保持的概率和该节点的节点度来确定该节点的亲密度。

具体的，节点i的邻居节点j在t₀时刻出现在下一时刻t_-1依然为i的邻居的概率P(N_j)为p，则j在t₁时刻为i的邻居在下一周期t_-1为i的邻居的概率为p²，同时假设j在t₁、t₀均为i的邻居时那么预测下一刻t_-1时j是i的邻居的概率为1。因此p²+p＝1，根据二次方程式计算得： $p=\frac{\sqrt{5}-1}{2}.$

假设邻居集合中每个节点都是独立的，不会受到其他节点存在的影响，就可以将此概率表示为：

那么节点i前两个时刻的邻居在下一刻还能够继续保持的概率表示为：

$p_{\mathrm{Neighbor}}^i\left(t\right)=p\left(N_0\right)p\left(N_1\right)p\left(N_2\right)...p\left(N_{A+B-1}\right)$

$=p^{2(N_{\mathrm{Neighbor}}^i\left(t_1\right)-N_{{\mathrm{Neighbor}}_{t_1}^i\∩{\mathrm{Neighbor}}_{t_0}^i}^i)}{1}^{N_{\mathrm{Neighbo}{r}_{t_1}^i\∩{\mathrm{Neighbor}}_{t_0}^i}^i}{p}^{N_{\mathrm{Neighbor}}^i\left(t_0\right)-N_{\mathrm{Neighbo}{r}_{t_1}^i\∩{\mathrm{Neighbor}}_{t_0}^i}^i}$

$=p^{2(A-K)}{1}^K{p}^{B-K}$

其中，A为t₁时刻节点i的邻节点个数Nⁱ _Neighbor(t₁)，B为t₀时刻节点i的邻节点个数Nⁱ _Neighbor(t₀)，K为节点i的邻节点中在t₁时刻和t₀时刻均为i的邻节点的个数（即

），Neighborⁱ _t＝{N₀,N₁,N₂,...N_n-1}表示在时刻t节点i的n个邻居的集合，P(N_j)（0＜j＜n）表示节点N_j在该邻居集合中出现的概率，Neighborⁱ ₁表示节点i上一时刻的邻居集合，Neighborⁱ ₀表示节点i当前时刻邻居的集合；

亲密度IN可以表示为：IN_i＝P(Neighbor_i,t)×Nd_i。

步骤A4--根据节点的方向和速度来确定节点与其邻居之间的连接度。

具体的，假设不同车速车辆的到达率为参数为λ的泊松分布，不同车辆的速度为独立同分布且与到达的时间间隔无关。根据邻居列表中邻节点的信息，确定该节点与邻节点的距离差

和速度差ΔV_i＝V_i-V_N，距离差ΔDis_i与速度差ΔV_i之比为两节点间的相对到达率即

相对到达率大于0，则两节点间距离在增大，相对到达率小于0则两节点间距离在减小，如图4所示，图4为实施例提供的车辆与其邻居节点的相对速度和相对位置示意图，节点记录相对到达率大于0的邻节点个数n′，根据下述公式确定节点间的连接度D：

$D=\left\{\begin{array}{c}\frac{\mathrm{Nd}-n^{\′}}{\mathrm{Nd}}(1-\frac{\underset{i=1}{\overset{n^{\′}}{\mathrm{\Σ}}}|V-V^{\′}|}{2n^{\′}{V}_{\max }}),n^{\′}\≠0\\ 1,...................................,n^{\′}=0\end{array}\right.$

其中，Nd为节点度即邻节点个数，n′为邻居节点Nd中与当前节点相互远离的节点数，V为当前节点速度，V′为与当前节点相互远离的邻居节点i的速度。n′＝0表示节点的所有邻居都在相互靠近，此时其连接度为1。

步骤A5--将节点间的相似度、亲密度、连接度加权获取节点的优先级P，并选取优先级最高的节点作为簇头。

将节点的相似度、亲密度和连接度加权确定节点的优先级P，公式如下：

P＝αS+βIN+γD

其中α,β,γ为权重因子，且α+β+γ＝1。优先级最大的节点标记自己为簇头，即CH_i＝max{P_i}。

簇头向其簇内节点广播lead消息，宣告自己成为簇头，参见图5，图5是本发明实施例中选取出的簇头节点向网关节点及簇成员节点发送的lead报文的格式。簇内节点根据自己的位置和收到lead消息的个数确定自己是簇内节点还是网关节点，并向簇头回复apply消息，参见图6，图6是本发明实施例中网关节点及簇成员节点向簇头节点发送的apply报文的格式。

图7是本发明实施例中簇更新和维护过程中的状态转移图。在车载自组织网络VANET中，由于车辆节点移动速度较快易引起簇结构改变频繁，簇头、簇成员不断更新，将产生许多控制开销，及时的更新和维护将增加数据传输的正确性，避免因局部变化而引起整个网络的变化，提高数据传输投递率，所以簇的维护过程对提高簇的稳定性尤为重要。簇的更新过程具体如下：

步骤B1：簇头的更新。

具体的，簇头节点CH维护了两张邻居表，即簇成员表和网关节点表。簇头节点每单位时间进行检测，如果簇成员或网关节点中有节点的的权值大于自身，则权值大的节点成为簇头广播消息lead（），原簇头节点成为成员节点或网关节点，否则簇头节点只需要更新其成员节点的速度、位置等信息。如果簇头没有收到某成员节点周期性的广播，那么簇头把该成员节点从其成员表中删除。

步骤B2：簇成员节点的更新。

具体的，簇成员节点周期性检测其是否收到簇头的hello消息，若收到则更新其位置速度等信息。若收到另一个节点发送的lead（）消息，则提取新的簇头信息，检测其ID是否已经在自己的邻居列表中，若有则将其状态设置为簇头，并更新其位置、速度等信息，若没有则将其信息加入邻居列表中，标记其为簇头。如果在它的周围没有簇头的话，那么它自己独立成簇。

步骤B3：网关节点的更新。

具体的，网关节点需维护其可达得簇头节点表。网关节点每单位时间进行检测，检测其是否收到可达簇头节点发送的周期性hello报文，若有，则更新其位置、速度等信息，如无，则将此节点从可达簇头节点表中删除。检测完毕后网关节点统计其可达簇头节点个数及其离簇头的距离，如果可达簇头仅有一个且在本簇到邻簇的方向上至少有一个比自己离本簇头远的节点，则向簇头节点发送GM转为CM消息，并将自己的状态从GM转为CM。

在本发明实施例中，链路感知LP簇路由过程包括：

步骤C1--边界节点BN向路口节点CN发送链路中断警报信息。

具体的，节点在开机后根据GPS定位及接收周期性hello报文判断节点自身的节点类型，其中边界节点BN生成中断警报信息(IAM)，经过簇头向路口节点CN发送链路中断警报信息(IAM)，通知路口节点此链路断开。如果转发IAM的节点在通往目的路口方向上没有下一跳，则丢弃该IAM，因为该方向已经存在距离路口更近的另外的边界节点，此边界节点已生产了新的IAM信息到该路口方向。

CN节点通过接收到的IAM更新该路口与相邻路口的连接状态C_ij，取值为0或1，C_ij＝1表示当前路段处于连接状态，C_ij＝0表示当前路段链路断开。如果在一个hello周期的时间内没有收到IAM报文，则认为该链路是完全连接的，若收到IAM信息，则此链路断开。参见图8，图8是本发明实施例中簇路由过程路段通断状况示意图，图中路段I_ab、I_ad因为路段上有边界节点，所以C_ab＝C_ad＝0，路段I_bc、I_cd上的节点均为队列节点，故路段I_bc、I_cd均为连通，C_bc＝C_cd＝1。

步骤C2--路口节点计算路段的再次连通概率CP_ij。

具体的，再次连通概率CP_ij是根据路段I_ij最近k个hello周期的链路连接状态来确定的。最近链路连通的次数越多，再次连通概率越高，否则越低。而且离当前时刻越近的链路连通状态对再次连通概率影响越大，离当前时刻越远的链路连通状态对当前时刻的再次连通概率影响越小。假设交换hello报文的周期为Δt，我们记录路段I_ij最近k次的链路通断状态C_ij，则当前时刻链路的再次连通概率为：

${\mathrm{CP}}_{\mathrm{ij}}=\underset{l=0}{\overset{k-1}{\mathrm{\Σ}}}(C_{\mathrm{ij}}\left[l\right]*\frac{2(k-l)}{k(k+1)})$

其中C_ij[l]表示t_l时刻路段I_ij的链接状态，l表示第Δt*l时刻前更新的连接状态C_ij，2(k-l)/k(k+1)表示Δt*l时刻前更新的C_ij在对当前时刻再次连通概率CP_ij的影响。若最近Δt*k时间内路段I_ij的C_ij＝1，即最近k个周期内路段总是连通的，则再次连通概率CP_ij＝1。当最近k次路段连通状态均为1时，再次连通概率为1。

路口节点根据更新的链路状态(Link State)LS_ij＝[C_ij,CP_ij]生成新的CIAM报文，向当前路口的所有节点广播路段信息。

步骤C3--簇路由中路口节点根据W值选择最佳候选簇，簇头根据贪婪方法选择网关节点。

具体的，在簇路由中，路口节点需判断最佳候选簇，然后将数据包发送给最佳候选簇的簇头。为了提高数据投递率，路口节点在选择最佳候选簇的时候需依据路段的连通状态、再次连通概率和距离目的节点的距离判断，即W值。W值公式如下：

W＝max{-C_i,j×dis(Next,D)+CP_i,j}

其中，dis(Next,D)表示下一簇簇头到目的地的距离。-C_i,j是用来衡量到目的节点距离的影响，距离越大，则权值越小。当路段断开时，路口节点选择再次连通概率最大的路段上的候选簇，当路段均连通时，路口节点选择到目的节点最近的候选簇。

簇内簇头按照贪婪方法选择下一簇及网关节点，以减小数据传输所需的跳数，从而减小平均时延。

参见图9，图9是本发明实施例提供的链路感知LP路由过程的流程图。簇路由中数据包从源节点S到目的节点D的转发过程如下所示：

i：源节点S首先判断目的节点D是否为其邻居节点。若是其邻节点则直接将数据包转发给目的节点，若不是进入ii；

ii：S将数据包转发给簇头；

iii：簇头判断目的节点是否位于本簇。若是则直接将数据包转发给D，否则进入iv；

iv：簇头判断自己是否为路口节点。若是则进入v，若不是则进入vi；

v：根据到目的节点的距离和再次连通概率从候选簇中选择最佳候选簇，即根据W值的大小来选择最佳候选簇，进入vii；

vi：簇头按照贪婪方法选择下一簇。判断下一簇的簇头是否为自己的邻节点。若是则直接转发给下一簇的簇头，进入iii，否则按照贪婪方法选择网关节点，再将数据包转发给下一簇簇头，进入iii；

vii：判断该路口节点是否为簇头，若是则进入iii，若不是则经过最多两跳将数据包转发给选定簇头，之后进入iii。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (10)

1.一种车载自组织网络中基于链路感知的稳定成簇方法，其特征在于：包括以下步骤：

节点通过GPS及周期性的hello报文获取车辆节点的位置、速度、方向、节点类型等信息；

根据获取的节点位置、速度信息确定节点与邻居节点间的相似度；

根据预测模型来预测某邻居节点在未来时刻与节点保持邻居关系的概率，根据该节点的节点度来确定该节点的亲密度；

根据节点的方向和速度来确定节点与其邻居之间的连接度；

将节点间的相似度、亲密度、连接度加权获取节点的优先级P，并选取优先级最高的节点作为簇头；

簇头向其簇内节点广播lead函数，宣告自己成为簇头，簇内节点根据自己的位置和收到lead函数的个数确定自己是簇内节点还是网关节点，并向簇头回复。

2.根据权利要求1所述的一种车载自组织网络中基于链路感知的稳定成簇方法，其特征在于：所述根据获取的节点位置、速度信息确定节点与邻居节点间的相似度S，具体包括：

根据节点i的当前位置X_i及其速度信息，预测节点1时间t之后的位置X_i′；

节点i通过周期性的hello报文获取邻居节点j₀、j₁...j_n-1的当前位置和速度信息，预测邻居节点时间t之后的位置X_j′；

节点i根据下述公式计算与邻节点间的相似度：

$s(i,j)=-\left(\right||X_i-X_j||+||X_i^{\′}-X_j^{\′}|\left|\right).$

3.根据权利要求1所述的一种车载自组织网络中基于链路感知的稳定成簇方法，其特征在于：所述根据预测模型和节点度确定节点的亲密度IN，具体包括：

预测模型--节点间通过周期性的hello报文交互，节点记录当前时刻t₀和上一时刻t₁时的邻居节点ID；

节点j上一时刻t₁为i的邻居节点且当前时刻t₀不是i的邻居节点，则j下一时刻为i的邻居的概率为p²，j上一时刻不是i的邻居且当前时刻是i的邻居，则下一时刻为i的邻居的概率为p，j上一时刻、当前时刻均为i的邻居，则下一时刻为i的邻居的概率为1；

节点根据当前时刻和上一时刻的邻居列表预测此邻居集合下一刻依旧保持的概率

节点根据预测模型计算的概率

和节点度Nd确定节点的亲密度，公式如下：

${\mathrm{IN}}_i=p_{\mathrm{Neighbor}}^i\left(t\right)*\mathrm{Nd}=P^{2(A-K)}{1}^K{p}^{B-K}*\mathrm{Nd}$

其中，A为t₁时刻节点i的邻节点个数Nⁱ _Neighbor(t₁)，B为t₀时刻节点i的邻节点个数Nⁱ _Neighbor(t₀)，K为t₁时刻和t₀时刻均为节点i的邻节点的个数。

4.根据权利要求1所述的一种车载自组织网络中基于链路感知的稳定成簇方法，其特征在于：所述根据节点的方向和速度来确定节点与其邻居之间的连接度D，具体包括：

根据邻居列表中邻节点的信息，确定该节点与邻节点的距离差和速度差，距离差与速度差之比为两节点间的相对到达率，相对到达率大于0，则两节点间距离在增大，相对到达率小于0则两节点间距离在减小；

节点记录相对到达率大于0的邻节点个数n′，根据下述公式确定节点间的连接度D：

$D=\left\{\begin{array}{c}\frac{\mathrm{Nd}-n^{\′}}{\mathrm{Nd}}(1-\frac{\underset{i=1}{\overset{n^{\′}}{\mathrm{\Σ}}}|V-V^{\′}|}{2n^{\′}{V}_{\max }}),n^{\′}\≠0\\ 1,...................................,n^{\′}=0\end{array}\right.$

其中，Nd为节点度，即邻节点个数，n′为邻居节点Nd中与当前节点相互远离的节点数，V为当前节点速度，V′为与当前节点相互远离的邻居节点i的速度。

5.根据权利要求1所述的一种车载自组织网络中基于链路感知的稳定成簇方法，其特征在于：所述选取优先级最高的节点作为簇头，具体包括：

根据节点的相似度、亲密度和连接度加权确定节点的优先级P，P＝αS+βIN+γD，其中α,β,γ为设定参数，且α+β+γ＝1；

优先级最大的节点标记自己为簇头，簇头向其簇内节点广播lead函数，宣告自己成为簇头，簇内节点根据自己的位置和收到lead函数的个数确定自己是簇内节点还是网关节点，并向簇头回复。

6.一种车载自组织网络中簇的更新方法，其特征在于：包括以下步骤：

簇头节点CH、簇成员节点CM和网关节点GM根据自身位置的改变、优先级P的变化进行更新；

簇头节点CH维护两张邻居列表，即簇成员表和网关节点表；

簇头节点每单位时间进行检测，如果簇成员的优先级大于自身，则优先级高的节点成为簇头广播消息lead（），原簇头节点成为成员节点，否则簇头节点只需更新其成员速度、位置等信息，如果簇头没有收到某成员节点周期性的广播，那么簇头把该成员节点从它的成员表中删除；

簇成员周期性检测其是否收到簇头的hello消息，若收到则更新其位置速度等信息，若收到另一个节点发送的lead（）消息，则提取新的簇头信息，如果在它的周围没有簇头的话，那么它自己独立成簇；

网关节点维护网关节点可达的簇头列表，网关节点每单位时间进行检测，检测其是否收到可达簇头节点发送的周期性hello报文，若有，则更新其位置、速度等信息，如无，则将此节点从可达簇头节点表中删除，如果可达簇头仅有一个且在本簇到邻簇的方向上至少有一个比自己离本簇头远的节点，则向簇头节点发送GM转为CM消息，并将自己的状态从GM转为CM。

7.一种车载自组织网络中基于链路感知的簇路由，其特征在于：包括：

节点信息确定以后，边界节点启动链路感知LP，向簇头和路口节点发送链路中断警报信息；

路口节点向周围节点广播链路信息并计算链路的再次连通概率CP_ij；

簇路由协议中路口节点根据路段再次连通概率和贪婪方法选择最佳候选簇，簇内簇头按照贪婪方法选择网关节点；

所述节点信息的确定包括：车载自组织网络中节点通过GPS导航系统和周期性的HELLO报文获得自身的位置、速度、方向、节点度等信息；根据自己和邻居节点的位置关系判定的自身的节点类型：路口节点CN、前后都有邻居的队列节点PN、只有一边有邻居的边界节点BN、前后都没有邻居的孤独节点LN。

8.根据权利要求7所述的一种车载自组织网络中基于链路感知的簇路由，其特征在于：所述链路感知LP过程具体包括：

节点判定自身节点类型为边界节点后，生成中断警报信息IAM，向路口节点CN发送链路中断警报信息，通知路口节点此链路断开，如果传递IAM的节点在目的路口方向上没有下一跳，则丢弃该IAM；

CN按HELLO周期检查本地链路状态表；

CN节点通过接收到的IAM更新该路口与相邻路口的连接状态C_ij；

如果在一个周期的时间内没有收到IAM报文，则默认该链路是完全连接的；

根据更新的链路状态(Link State)LS_ij＝[C_ij,CP_ij]，其中C_ij为链路连接状态，CP_ij为链路再次连通概率，生成新的CIAM报文，向当前路口的所有节点广播已断开路段的信息。

9.根据权利要求8所述的一种车载自组织网络中基于链路感知的簇路由，其特征在于：所述的再次连通概率CP_ij统计了路段I_ij最近k个hello周期的链路连接状态，根据k个C_ij计算出当前时刻路段I_ij的再次连通概率CP_ij：

${\mathrm{CP}}_{\mathrm{ij}}=\underset{l=0}{\overset{k-1}{\mathrm{\Σ}}}(C_{\mathrm{ij}}\left[l\right]*\frac{2(k-l)}{k(k+1)})$

其中C_ij[l]表示t_l时刻路段I_ij的链接状态，l表示第Δt*l时刻前更新的连接状态C_ij，2(k-l)/k(k+1)表示Δt*l时刻前更新的C_ij在对当前时刻再次连通概率CP_ij的影响权重，若最近Δt*k时间内路段I_ij的C_ij＝1，即最近k个周期内路段总是连通的，则再次连通概率CP_ij＝1。

10.根据权利要求7所述的簇路由协议，其特征在于，包括：

步骤一：源节点S首先判断目的节点D是否为其邻居节点，若是其邻节点则直接将数据包转发给目的节点，若不是进入步骤二；

步骤二：S将数据包转发给簇头；

步骤三：簇头判断目的节点是否位于本簇，若是则直接将数据包转发给D，否则进入步骤四；

步骤四：簇头判断自己是否为路口节点，若是则跳到步骤五，若不是则进入步骤六；

步骤五：根据到目的节点的距离和再次连通概率从候选簇中选择最佳候选簇，即根据W值的大小来选择最佳候选簇，W值公式如下：W＝max{-C_i,j×dis(Next,D)+CP_i,j}，进入步骤七；

步骤六：簇头按照贪婪方法选择下一簇，判断下一簇的簇头是否为自己的邻节点，若是则直接转发给下一簇的簇头，进入步骤三，否则按照贪婪方法选择网关节点，再将数据包转发给下一簇簇头，进入步骤三；

步骤七：判断该路口节点是否为簇头，若是则进入步骤三，若不是则经过最多两跳将数据包转发给选定簇头，之后进入步骤三。

Images