CN104394568B - 车辆自组织网络中基于人工蛛网的地理位置路由方法 - Google Patents
车辆自组织网络中基于人工蛛网的地理位置路由方法 Download PDFInfo
- Publication number
- CN104394568B CN104394568B CN201410745350.0A CN201410745350A CN104394568B CN 104394568 B CN104394568 B CN 104394568B CN 201410745350 A CN201410745350 A CN 201410745350A CN 104394568 B CN104394568 B CN 104394568B
- Authority
- CN
- China
- Prior art keywords
- node
- intersection
- path
- section
- source
- 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
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
- 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
-
- 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
- H04W40/22—Communication route or path selection, e.g. power-based or shortest path routing using selective relaying for reaching a BTS [Base Transceiver Station] or an access point
Abstract
本发明公开了一种车辆自组织网络中基于人工蛛网的地理位置路由方法。主要解决现有车辆自组织网络中数据包发送延迟大的问题。其实现步骤是:首先,车辆节点获取车辆的位置信息和交叉路口分布情况并利用这些信息构造蛛网结构和路径树结构,车辆节点利用蛛网结构和路径树结构获取到达目的结点可行路径;其次,利用实时的路段信息采集方法获取可行路径中所有路段的连通性、延迟和质量信息并根据这些信息从可行路径中选择最优路径;最后,将数据包沿着选择的最优路径进行转发。本发明选择的路径具有较高的连通概率,可有效避免将数据包转发到易于中断的路段上,减小了车辆自组织网络中数据包传输的时延和路由跳数,可用于城市场景的路由决策。
Description
技术领域
本发明属于通信技术领域,更进一步涉及一种车辆自组织网络VANETs中基于人工蛛网的地理位置路由ASGR方法,可用于城市场景的路由决策。
背景技术
车辆自组织网络是移动自组织网络一个极具应用价值的研究方向,并且为智能交通系统的发展提供了一个有效的解决方案。车辆自组织网络以行驶的车辆和道路基础设施为节点,实现车与车之间以及车与道路设施之间的信息交换,从而形成了由车辆与道路基础设施组成的实时通信网络,不仅提高了道路交通的安全性与管理效率,而且增加了驾驶舒适性。在城市环境中,由于车辆节点运动的特殊性,如节点运动受限于道路、节点的高速运动以及城市环境中建筑物等障碍物的存在,仅仅依靠节点的位置来选择路由是不够的。因此,如何结合城市环境下车辆自组织网络的特点设计出稳定、高效的路由协议是车辆自组织网络研究的一个重点。
河海大学拥有的专利技术“一种基于位置和拓扑特性的车辆自组网数据传输方法”(授权公告号CN102883402A,申请号201010334040.0)公开了一种基于位置和拓扑特性的车辆自组网数据传输方法。该方法将车辆自组网内不同的岔路口标记为J0,J1,···JN,岔路口Ji与岔路口Jj连接的道路用Rij表示,获得车辆自组网内各条道路的物理长度L_Rij和各条道路的车辆密度Den_Rij;选择发送数据的道路:定义道路Rij的权值weightij为:取weightij最小的道路Rij作为发送数据的道路将发送数据的道路中位于岔路口的节点作为数据发送的目的节点,数据在岔路口之间传输给距离下一个岔路口节点最近的相邻节点。该专利的不足之处是,一是城市环境中车辆节点运动的特殊性,如节点运动受限于道路、节点的高速运动以及城市环境中建筑物等障碍物的存在,仅仅依靠节点的位置来选择路由是不够准确的;二是数据在岔路口之间传递给距离下一个岔路口最近的相邻节点,没有考虑邻居节点位置与目的交叉路口结点的关系,导致将数据包转发至无用的路口结点,增加了路由跳数和网络时延;三是没有考虑道路的连通性,有可能将数据包发到不连通的路段上,造成很大的延迟。
Lochert等人在《Geographic Routing in City Scenarios》(ACM SIGMOBILEMobile Computing and Communications Review)中提出了一种基于交叉口的路由协议GPCR(Greedy Perimeter Coordinator Routing)。该协议在每个交叉口设置协调节点,在交叉口之间的路段上采用贪婪转发,在交叉口将数据包转发给协调节点,由协调节点决定数据包的转发方向。该协议虽然解决了信号传输受障碍物阻碍的问题,但是过度依赖交叉口节点,将数据包转发给经过的每个交叉口的协调节点,增加了跳数和延迟,降低了数据包的转发效率,此外交叉口节点的判断算法增加了通信开销。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种车辆自组织网络中基于人工蛛网的地理位置路由方法,以减小路由跳数和延迟,提高数据包的转发效率。
本发明的技术方案是:在前行蜘蛛确定各级交叉路口结点时选择距离目的交叉路口结点位置近的交叉路口结点作为搜索区域进行搜索,以减小路由跳数;采用实时的路段信息采集方法获取路段的连通性、延时和跳数并使用这些信息进行辅助的路由选择,减小数据包的延迟,其实现步骤包括如下:
(1)确定可行路径:
(1a)源节点利用车载的电子地图和GPS导航系统,获得节点的位置信息以及源节点附近各个交叉路口的位置信息;
(1b)根据源节点和目的节点的位置确定源交叉路口结点和目的交叉路口结点;
(1c)源节点搜索电子地图产生前行蜘蛛,确定两个距离目的交叉路口结点位置近的两个一级交叉路口结点,并将源交叉路口结点与这两个一级交叉路口结点确定的区域作为搜索域,继续搜索下一级交叉路口结点;
(1d)前行蜘蛛搜索到所有的目的交叉路口结点后产生后行蜘蛛,后行蜘蛛沿着各自搜索路径返回,源交叉路口结点根据返回的信息建立蛛网;
(1e)以目的交叉路口结点为根结点,以源交叉路口结点为叶子结点,构建路径树;
(1f)遍历路径树的叶子结点到根结点,得到从源交叉路口结点到目的交叉路口结点的所有路径,组成可行路径集;
(2)选择最优路径:
(2a)源节点根据提取的自身合作感知信息CAM中的连通域值Ca,判断路径的连通性,并根据连通性求解路段的延迟;
(2b)利用获取的延迟信息,计算可行路径上每条路段的质量mJ;
(2c)根据每条路段连通性和质量mJ,计算可行路径上每条路段的虚拟作用力FIJ;
(2d)计算可行路径集中每条路径各路段的虚拟作用力之和F;
(2e)根据虚拟作用力之和F,从可行路径集中选取最优路径:
若可行路径集中所有路径连通,则每条路径的F都大于0,选取F值最小的路径为最优路径;
若可行路径集中所有的路径不连通,则选取F值最大的路径为最优路径;
若可行路径集中既包含连通路径又包含不连通路径,则选取连通路径中F值最小的路径为最优路径;
(3)选择最优路径中的下一跳路由:
(3a)每个节点通过GPS导航系统获得自己和目的节点的位置信息,并通过周期性与邻居节点交换HELLO信息包,获得邻居节点的节点信息,再将这些信息存储在自己的邻居表中;
(3b)根据获取的邻居节点信息,在最优路径的各路段中,选取距离下一个交叉路口结点最近的邻居节点作为下一跳节点。
与现有技术相比,本发明具有以下优点:
第一,本发明中在确定一级交叉路口结点的位置时,选择两个距离目的交叉路口结点位置近的两个交叉路口结点,克服了现有技术中将数据包转发到四个交叉路口结点的缺点,减少了路由的跳数。
第二,本发明中利用实时的路段信息采集方法获取路段的连通性、延迟和路段质量信息,并利用这些信息来辅助路由选择,选择的路径具有较高的连通概率,克服了现有技术中将数据包转发到不连通的路段上的缺点,减小了数据包的传输时延。
仿真结果表明,本发明在城市场景移动模型下的平均端到端时延性能优于现有的GPSR和AODV协议。
附图说明
图1为本发明的应用场景示意图;
图2为本发明的实现流程图;
图3为本发明中构建的蛛网图;
图4为本发明中对目的交叉路口结点F构建的路径树;
图5为本发明中对目的交叉路口结点I构建的路径树;
图6为本发明与现有协议在城市场景移动模型下的平均端到端延迟比较曲线。
具体实施方式
以下结合附图对本发明做进一步的描述。
参照图1,本发明的应用场景,直线所限定的条形区域表示道路,S为源节点,D为目的节点,A、B、C、E、F、G、H、I、J、K、Q、R为交叉路口结点,v1~v20节点为车辆节点。
参照图2,本发明的实现步骤如下:
步骤1,确定可行路径。
(1a)源节点S利用车载的电子地图和GPS导航系统,获得节点的位置以及源节点附近各个交叉路口的位置信息,本实施例中交叉路口的位置信息用坐标(x,y)表示,x表示交叉路口的横坐标,y表示交叉路口的纵坐标;
(1b)根据源节点和目的节点的位置确定源交叉路口结点和目的交叉路口结点:
如果源节点位于所在路段的两个交叉路口中,则选择距离目的节点较近的交叉路口作为源交叉路口结点;
如果源节点位于一个交叉路口,则将该交叉路口作为源交叉路口结点;
如果目的节点位于所在路段的两个交叉路口中,则选择这两个交叉路口为目的交叉路口结点,即有两个目的交叉路口结点;
如果目的节点位于一个交叉路口,则将该交叉路口作为目的交叉路口结点;
参照图1,本实施例中源节点S位于交叉路口A,所以将交叉路口A作为源交叉路口结点,本实施例中目的节点D位于所在路段的两个交叉路口中,所以将所在路段的交叉路口I和交叉路口F作为目的交叉路口结点;
(1c)源节点搜索电子地图产生前行蜘蛛,确定两个距离目的交叉路口结点位置近的两个一级交叉路口结点:
(1c1)将源交叉路口结点A与其邻居结点B、C、D、E组成线段AB、AC、AD、AE;
(1c2)将源交叉路口结点A与目的交叉路口结点F组成线段AF;
(1c3)分别求解上述线段AB、AC、AD、AE线段AF之间的夹角θAB、θAC、θAD、θAE;
(1c4)判断这些夹角θAB、θAC、θAD、θAE是否为锐角,若其中有两个夹角为锐角,则将对应的邻居交叉路口结点分别确定为一级交叉路口结点,否则,邻居交叉路口结点为非一级交叉路口结点;
本实施例中,源交叉路口结点A和邻居结点B、C、Q、R组成线段AB、AC、AQ、AR,源交叉路口结点A与目的交叉路口结点F组成线段AF;
分别求解AB、AC、AQ、AR与AF之间的夹角θAB、θAC、θAD、θAE;
本实施例中θAB、θAC为锐角,故将对应的两个邻居交叉路口结点B和C作为一级交叉路口结点;
(1d)前行蜘蛛搜索到所有的目的交叉路口结点后产生后行蜘蛛,后行蜘蛛沿着各自搜索路径返回,源交叉路口结点根据返回的信息建立蛛网:
本实施例是在确定一级交叉路口结点B、C后,将AB、AC确定的区域作为搜索域进行搜索,按照确定一级交叉路口的方法从结点B和C出发确定二级交叉路口结点,确定的二级交叉路口结点为结点E、F、G;由于前行蜘蛛没有搜索到目的交叉路口结点I,故按照确定二级交叉路口结点的方法,从二级交叉路口结点出发确定三级交叉路口结点,确定的三级交叉路口结点为H、I、J、K,至此前行蜘蛛搜索到所有的目的交叉路口结点;
目的交叉路口结点I和F提取前行蜘蛛中包含的路径信息,并产生后行蜘蛛;
目的交叉路口结点I和F将前行蜘蛛中提取的路径信息复制给后行蜘蛛;
后行蜘蛛根据自己的路径信息返回到源交叉路口结点A;
源交叉路口结点A根据后行蜘蛛返回的路径信息建立到目的交叉路口结点的网络,即蛛网,如图3所示;
(1e)以目的交叉路口结点为根结点,以源交叉路口结点为叶子结点建立路径树;
(1e1)将路径树初始化为空,添加目的交叉路口结点到路径树,作为路径树的根结点;
本实施例是将路径树初始化为空,添加目的交叉路口结点F到路径树,作为树的根结点;
(1e2)目的交叉路口结点的邻居结点在自己的邻居结点集中删除目的交叉路口结点;
本实施例是目的交叉路口结点F的邻居结点B在自己的邻居结点集中删除目的交叉路口结点F,目的交叉路口结点F的邻居结点C在自己的邻居结点集中删除目的交叉路口结点F,目的交叉路口结点F的邻居结点I在自己的邻居结点集中删除目的交叉路口结点F,目的交叉路口结点F的邻居结点J在自己的邻居结点集中删除目的交叉路口结点F;
(1e3)目的交叉路口结点遍历查询自己的邻居结点集,若查询的结点是另一个目的交叉路口结点或者目的交叉路口的祖先结点或者同一条边界上的上一级邻居结点的孩子结点,则该结点不能添加到路径树,否则,将此结点添加到路径树,完成路径树第一层的构造,判断路径树的每一个叶子结点是否为源交叉路口结点,若路径树的所有叶子结点为源交叉路口结点,则路径树构建结束,否则执行步骤(1e4);
本实施例中目的交叉路口结点F的邻居结点为B、C、I、J,I为另一个目的交叉路口结点按照构造路径树的规则,交叉路口结点I不能成为目的交叉路口结点的孩子结点,交叉路口结点B、C、J既非目的交叉路口结点又非同一条边界上的上一级邻居结点的孩子结点和目的交叉路口的祖先结点,故将交叉路口结点B、C、J加入树结构,完成路径树第一层的构造,本实施例中由于叶子结点B、C、J不是源交叉路口结点,故执行步骤(1e4),本实施例中路径树构建到第四层后,路径树的所有叶子结点都为源交叉路口结点,路径树构建结束,本实施例中构建的以目的交叉路口结点F为根结点,以源交叉路口结点A为叶子结点的路径树如图4所示;
(1e4)重复上述步骤(1e2)和(1e3)完成其余各层路径树的构造;
本实施例中按照以F为根结点的路径树构建方法建立以目的交叉路口结点I为根结点的路径树,如图5所示;
(1f)遍历路径树的叶子结点到根结点,得到从源交叉路口结点到目的交叉路口结点的所有路径,组成可行路径集;
本实施例对以目的交叉路口结点F为根结点的路径树从叶子结点A到根结点F遍历,得到路径ABF、ACF、ACGJF,按同样的方法对以目的交叉路口结点I为根结点的路径树从叶子结点A到根结点I遍历,得到路径ABEI,进一步得到源交叉路口结点到目的交叉路口结点的可行路径集为ABF、ACF、ACGJF、ABEI,共包含4条路径。
步骤2,从可行路径集中选出最优路径。
(2a)源节点根据提取的自身合作感知信息CAM中的连通域值Ca,判断路径的连通性,并根据连通性求解路段的延迟:
(2a1)将路段上车辆节点所在的一端作为源节点,将另一端作为目的节点;
本实施例在路段BE中车辆节点v1为源节点,车辆节点v6为目的节点,在路段EI中车辆节点v7为源节点,车辆节点v12为目的节点;
(2a2)将路段分成长度等于无线信号的通信半径的子单元,对子单元从目的节点到源节点依次编号,目的节点处的子单元编号为1;
本实施例中路段BE的长度为550m,路段EI的长度为650m,无线电信号的通信半径为200m,路段BE按无线电信号的通信半径分为三个子单元,从目的节点v6向源节点v1依次编号为1,2,3,路段EI按无线电信号的通信半径分为四个子单元,从目的节点v7向源节点v12次编号为1,2,3,4;
(2a3)将路段上每个节点的连通域值初始化为节点所在子单元的编号;
本实施例路段BE中车辆节点v1、v2位于编号为1的子单元,故将v1、v2的连通域值初始化为1,车辆节点v3位于编号为2的子单元,故将v3的连通域值初始化为2,车辆节点v4、v5、v6位于编号为3的子单元,故将v4、v5、v6的连通域值初始化为3;在路段EI中车辆节点为v7、v8位于编号为1的子单元,故将v7、v8的连通域值初始化为1,车辆节点v9位于编号为2的子单元,故将v9的连通域值初始化为2,车辆节点v10位于编号为3的子单元,故将v10的连通域值初始化为3,车辆节点v11、v12位于编号为4的子单元,故将v11、v12的连通域值初始化为4;
(2a4)源节点向路段广播合作感知信息CAM,并记录首次广播的时间t1;
本实施中源节点v1向路段BE广播合作感知信息CAM,并记录首次广播的时间tb=0,源节点v7向路段EI广播合作感知信息CAM,并记录首次广播的时间ti=0;
(2a5)路段节点集中的节点收到广播的合作感知信息CAM后,检查自己的邻居节点集,判断自己的邻居节点中是否包含目的节点,若目的节点为当前节点的邻居节点,则将当前节点的连通域值更新为0,将更新后的连通域值写入合作感知信息CAM进行广播并跳转到步骤(2a8),否则执行步骤(2a6);
本实施例路段BE中目的节点v6为车辆节点v5的邻居节点,故车辆节点v5将自己的连通域值更新为0,将更新后的连通域值写入合作感知信息CAM进行广播;路段EI中目的节点v12为车辆节点v11的邻居节点,故车辆节点v11将自己的连通域值更新为0,将更新后的连通域值写入合作感知信息CAM进行广播;
(2a6)路段节点集中的节点收到合作感知信息CAM后,查询自己的邻居节点有无比自身距离目的节点更近的节点,如果没有,则节点将自身的连通域值记入广播信息CAM进行广播并执行步骤(2a8),否则节点只广播合作感知信息CAM并执行步骤(2a7);
本实施例在路段BE中,车辆节点v2有比自身距离目的交叉口更近的车辆节点v3,则车辆节点v2只广播合作感知信息CAM;节点v3有比自身距离目的交叉口更近的节点v4,则节点v3只广播合作感知信息CAM;节点v4有比自身距离目的交叉口更近的节点v5,则节点v4只广播合作感知信息CAM;在路段EI中,车辆节点v8有比自身距离目的交叉口更近的车辆节点v9,则车辆节点v8只广播合作感知信息CAM;车辆节点v9有比自身距离目的交叉口更近的节点v10,则节点v9只广播合作感知信息CAM;节点v10没有比自身距离目的交叉口更近的节点,则节点v10将自己的连通域值3记入合作感知信息CAM并进行广播;
(2a7)当路段节点集中的节点收到来自比自身距离目的节点更近的节点的合作感知信息CAM时,根据合作感知信息CAM中记录的连通域值更新自身的连通域值,将更新后的连通域值记入合作感知信息CAM进行广播;
本实施例是在路段BE中,节点v4收到节点v5的合作感知信息CAM,将连通域值更新为0,记入合作感知信息CAM进行广播;节点v3收到节点v4的合作感知信息CAM,将连通域更新为0,记入合作感知信息CAM进行广播,节点v2收到节点v3的合作感知信息CAM,将连通域更新为0,记入广播信息CAM进行广播;在路段EI中,节点v9收到节点v10的合作感知信息CAM,将连通域值更新为3,记入合作感知信息CAM进行广播;节点v8收到节点v9的合作感知信息CAM,将连通域更新为3,记入合作感知信息CAM进行广播;
(2a8)源节点查询自身接收的广播信息CAM中是否有连通域值,若有,将收到的合作感知信息CAM中的连通域值记入自身的合作感知信息CAM并执行步骤(2a9),否则,返回步骤(2a5);
本实施例是在路段BE中,源交叉口节点v1收到节点v2的合作感知信息CAM中有连通域值,并将连通域值0记入自身的合作感知信息CAM中;在路段EI中源交叉口节点v7收到节点v8的合作感知信息CAM中有连通域值,并将连通域值3记入自身的合作感知信息CAM中;
(2a9)源节点提取自己合作感知信息CAM中的时间信息t2和连通域值,并将连通域值记为Ca,并根据连通性求解路段的延迟;
若Ca大于0,则路径不连通,路段延迟D1是连通部分的延迟和不连通部分信息被节点携带转发到目的节点的延迟之和,即:
若Ca为0,则路段连通,路段延迟D2为:
其中,d为开始不连通的单元到目的节点的距离,v为车辆自组织网络中节点的平均运动速度。
本实施例是在路段BE中,源节点v1提取自己合作感知信息CAM中的时间信息te和连通域值,其中te=1.8s,连通域值为0,源节点v1提取的连通域值为0,所以路段BE连通,路段BE延迟为0.90s;在路段EI中源节点v7提取自己合作感知信息CAM中的时间信息tl和连通域值,其中tl=2.0s,连通域值为3,源节点v7提取的连通域值为3,所以EI路段不连通路,路段EI延迟在本实施中开始不连通的单元到目的节点的距离为300m,城市路况下,车辆自组织网节的的平均运动速度v为15m/s,延迟D1为21s;
(2b)利用获取的延迟信息,计算可行路径上每条路段的质量mJ;
路段不连通的质量:m1=αD1,
路段连通的质量:m2=αD2,
其中,D1为不连通路段的延迟,D2为连通路段的延迟,α为系数因子,其取值为0.8,本发明实施例中路段BE连通,质量m1=0.8*0.9为0.72,路段EI不连通,质量m2=0.8*21为16.8。
(2c)根据每条路段连通性和质量mJ,计算可行路径上每条路段的虚拟作用力;
路段不连通的虚拟作用力:F1=-Gm1,
路段连通的虚拟作用力:F2=Gm2,
其中,m1表示不连通路段的质量,m2表示连通路段的质量,G为常数因子,其取值为1。
本发明实施例中路段BE连通,路段虚拟作用力F2=1*0.72为0.72,路段EI不连通,路段虚拟作用力F1=-1*16.8为-16.8;
按步骤(2a)~(2c)所示方法可求解可行路径集中其余各路段的连通性、延迟、质量和虚拟作用力信息。
(2d)计算路径上各路段虚拟作用力之和,即:
其中,n的取值为路径上路段的数目,i表示该路径上第i条路段,I和J分别表示第i条路段的源交叉路口和目的交叉路口;
本实施例中路径ABEI的虚拟作用力之和F=FAB+FBE+FEI,其中FAB、FBE、FEI分别为路段AB、BE、EI段虚拟作用力,FAB为0.78,FBE为0.72,FEI为-16.8,求解路径ABEI的虚拟作用力之和为-15.1;
按同样的方法可求出路径ABF、ACF、ACGJF的虚拟作用力之和。
(2e)根据虚拟作用力之和,从可行路径集中选出最优路径:
若可行路径集中所有路径连通,则每条路径的F都大于0,选取F值最小的路径为最优路径;
若可行路径集中所有的路径不连通,则选取F值最大的路径为最优路径;
若可行路径集中既包含连通路径又包含不连通路径,则选取连通路径中F值最小的路径为最优路径;
本实施例中,可行路径集中既包含连通路径又包含不连通路径,根据步骤(2d)计算的结果,本实施例中最优路径为ABF。
步骤3,选择最优路径中的下一跳路由。
(3a)每个节点通过GPS导航系统获得自己和目的节点的位置信息,并通过周期性与邻居节点交换HELLO信息包,获得邻居节点的节点信息,再将这些信息存储在自己的邻居表中;
本实施例中车辆节点v1~v20通过GPS导航系统获得自己和目的节点D的位置信息,并通过周期性与邻居结点交换HELLO信息包,获得邻居节点的节点信息,再将这些信息存储在自己的邻居表中;
(3b)根据获取的邻居节点信息,在最优路径的各路段中,选取邻居节点集中距离下一个交叉路口结点最近的邻居节点作为下一跳节点;
本实施例中源节点S向车辆节点v13发送数据包,车辆节点v13根据步骤(3a)获取的邻居节点信息选择距离下一个交叉路口结点B最近的邻居节点v15作为下一跳节点,车辆节点v13向车辆节点v15发送数据包,数据包经过车辆节点v16、v18、v19、v20最后到达目的节点D,路由过程结束。
本发明的效果可通过以下仿真进一步说明:
由于新协议的现场实验,需要大量的人力和财力,代价昂贵且过程复杂,因此本发明用NS2网络仿真工具对ASGR协议的性能进行研究。
1.仿真条件:利用SUMO软件搭建一个较贴近城市场景的移动模型。
2.仿真内容:在搭建的城市移动模型下,用NS2网络仿真工具对ASGR协议进行大量的仿真实验。仿真结果如图6所示,由图6可知,车辆的节点数越多,网络的连通性越好,ASGR协议端到端延迟越低;同时,在相同的节点数目的情况下,ASGR协议端到端延迟比现有GPSR和AODV协议端到端延迟低,协议性能更优。
Claims (7)
1.一种车辆自组织网络中基于人工蛛网的地理位置路由方法,其步骤包括如下:
(1)确定可行路径:
(1a)源节点利用车载的电子地图和GPS导航系统,获得节点的位置信息以及源节点附近各个交叉路口的位置信息;
(1b)根据源节点和目的节点的位置确定源交叉路口结点和目的交叉路口结点;
(1c)源节点搜索电子地图产生前行蜘蛛,确定两个距离目的交叉路口结点位置近的两个一级交叉路口结点,并将源交叉路口结点与这两个一级交叉路口结点确定的区域作为搜索域,继续搜索下一级交叉路口结点;
(1d)前行蜘蛛搜索到所有的目的交叉路口结点后产生后行蜘蛛,后行蜘蛛沿着各自搜索路径返回,源交叉路口结点根据返回的信息建立蛛网;
(1e)以目的交叉路口结点为根结点,以源交叉路口结点为叶子结点,构建路径树;
(1f)遍历路径树的叶子结点到根结点,得到从源交叉路口结点到目的交叉路口结点的所有路径,组成可行路径集;
(2)选择最优路径:
(2a)源节点根据提取的自身合作感知信息CAM中的连通域值Ca,判断路径的连通性,并根据连通性求解路段的延迟:
(2a1)将路段上车辆节点所在的一端作为源节点,将另一端作为目的节点;
(2a2)将路段分成长度等于无线信号的通信半径的子单元,对子单元从目的节点到源节点依次编号,目的节点处的子单元编号为1;
(2a3)将路段上每个节点的连通域值初始化为节点所在子单元的编号;
(2a4)源节点向路段广播合作感知信息CAM,并首次广播的时间t1;
(2a5)路段节点集中的节点收到广播的合作感知信息CAM后,检查自己的邻居节点集,判断自己的邻居节点中是否包含目的节点,若目的节点为当前节点的邻居节点,则将当前节点的连通域值更新为0,将更新后的连通域值写入合作感知信息CAM进行广播并跳转到步骤(2a8),否则执行步骤(2a6);
(2a6)路段节点集中的节点收到合作感知信息CAM后,查询自己的邻居节点有无比自身距离目的交叉口节点更近的节点,如果没有,则节点将自身的连通域值记入广播信息CAM进行广播并执行步骤(2a8),否则节点只广播合作感知信息CAM并执行步骤(2a7);
(2a7)当路段节点集中的节点收到来自比自身距离目的节点更近的节点的合作感知信息CAM时,根据合作感知信息CAM中记录的连通域值更新自身的连通域值,将更新后的连通域值记入合作感知信息CAM进行广播;
(2a8)源节点查询自身接收的广播信息CAM中是否有连通域值,若有,将收到的合作感知信息CAM中的连通域值记入自身的合作感知信息CAM并执行步骤(2a9),否则,返回步骤(2a5);
(2a9)源节点提取自己合作感知信息CAM中的时间信息t2和连通域值,并将连通域值记为Ca,并根据连通性求解路段的延迟:
若Ca大于0,则路径不连通,路段延迟D1是连通部分的延迟和不连通部分信息被节点携带转发到目的节点的延迟之和,即:
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>t</mi>
<mn>2</mn>
<mo>-</mo>
<mi>t</mi>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>+</mo>
<mfrac>
<mi>d</mi>
<mi>v</mi>
</mfrac>
<mo>,</mo>
</mrow>
若Ca为0,则路段连通,路段延迟D2为:
<mrow>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>t</mi>
<mn>2</mn>
<mo>-</mo>
<mi>t</mi>
<mn>1</mn>
</mrow>
<mn>2</mn>
</mfrac>
<mo>,</mo>
</mrow>
其中,d为开始不连通的单元到目的节点的距离,v为车辆自组织网络中节点的平均运动速度;
(2b)利用获取的延迟信息,计算可行路径上每条路段的质量mJ;
(2c)根据每条路段连通性和质量mJ,计算可行路径上每条路段的虚拟作用力FIJ;
(2d)计算可行路径集中每条路径各路段的虚拟作用力之和F;
(2e)根据虚拟作用力之和F,从可行路径集中选取最优路径:
若可行路径集中所有路径连通,则每条路径的F都大于0,选取F值最小的路径为最优路径;
若可行路径集中所有的路径不连通,则选取F值最大的路径为最优路径;
若可行路径集中既包含连通路径又包含不连通路径,则选取连通路径中F值最小的路径为最优路径;
(3)选择最优路径中的下一跳路由:
(3a)每个节点通过GPS导航系统获得自己和目的节点的位置信息,并通过周期性与邻居节点交换HELLO信息包,获得邻居节点的节点信息,再将这些信息存储在自己的邻居表中;
(3b)根据获取的邻居节点信息,在最优路径的各路段中,选取距离下一个交叉路口结点最近的邻居节点作为下一跳节点。
2.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于所述步骤(1b)中源交叉路口结点和目的交叉路口结点的确定,按如下规则进行:
如果源节点位于所在路段的两个交叉路口中,则选择距离目的节点较近的交叉路口作为源交叉路口结点;
如果源节点位于一个交叉路口,则将该交叉路口作为源交叉路口结点;
如果目的节点位于所在路段的两个交叉路口中,则选择这两个交叉路口为目的交叉路口结点,即有两个目的交叉路口结点;
如果目的节点位于一个交叉路口,则将该交叉路口作为目的交叉路口结点。
3.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于步骤(1c)所述的确定两个距离目的交叉路口结点位置近的两个一级交叉路口结点,是先分别计算源交叉路口结点A和邻居结点B、C、D、E组成的直线AB、AC、AD、AE与源交叉路口结点A与目的交叉路口结点F 组成的直线AS之间的夹角θAB、θAC、θAD、θAE;再判断这些夹角θAB、θAC、θAD、θAE是否为锐角,若其中有两个夹角为锐角,则将对应的邻居交叉路口结点分别确定为一级交叉路口结点,否则,邻居交叉路口结点为非一级交叉路口结点。
4.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于所述步骤(1d)中蛛网的建立,按如下步骤进行:
(1d1)目的交叉路口结点提取前行蜘蛛中包含的路径信息,并产生后行蜘蛛;
(1d2)目的交叉路口结点将前行蜘蛛中提取的路径信息复制给后行蜘蛛;
(1d3)后行蜘蛛根据自己的路径信息到达源交叉路口结点;
(1d4)源交叉路口结点根据后行蜘蛛返回的路径信息建立到目的交叉路口结点的网络,即蛛网。
5.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于步骤(1e)所述的构造路径树,按如下步骤进行:
(1e1)将路径树初始化为空,添加目的交叉路口结点到路径树,作为路径树的根结点;
(1e2)目的交叉路口结点的邻居结点在自己的邻居结点集中删除目的交叉路口结点;
(1e3)目的交叉路口结点遍历查询自己的邻居结点集,若查询的结点是另一个目的交叉路口结点或者目的交叉路口的祖先结点或者同一条边界上的上一级邻居结点的孩子结点,则该结点不能添加到路径树,否则,将此结点添加到路径树,完成路径树第一层的构造,判断路径树的每一个叶子结点是否为源交叉路口结点,若路径树的所有叶子结点为源交叉路口结点,则路径树构建结束,否则执行步骤(1e4);
(1e4)重复上述步骤(1e2)和(1e3)完成其余各层路径树的构造。
6.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于步骤(2b)所述的利用获取的延迟信息,计算可行路径上每条路段的质量,计算公式如下:
路段不连通的质量:m1=αD1
路段连通的质量:m2=αD2
其中,D1为不连通路段的延迟,D2为连通路段的延迟,α为系数因子,其取值为0.8。
7.根据权利要求1所述的车辆自组织网络中基于人工蛛网的地理位置路由方法,其特征在于所述步骤(2c)中根据每条路段连通性和质量,计算可行路径上每条路段的虚拟作用力:
路段不连通的虚拟作用力:F1=-Gm1,
路段连通的虚拟作用力:F2=Gm2,
其中,m1表示不连通路段的质量,m2表示连通路段的质量,G为常数因子,其取值为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410745350.0A CN104394568B (zh) | 2014-12-08 | 2014-12-08 | 车辆自组织网络中基于人工蛛网的地理位置路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410745350.0A CN104394568B (zh) | 2014-12-08 | 2014-12-08 | 车辆自组织网络中基于人工蛛网的地理位置路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104394568A CN104394568A (zh) | 2015-03-04 |
CN104394568B true CN104394568B (zh) | 2018-03-06 |
Family
ID=52612386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410745350.0A Active CN104394568B (zh) | 2014-12-08 | 2014-12-08 | 车辆自组织网络中基于人工蛛网的地理位置路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104394568B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104864882B (zh) * | 2015-05-12 | 2019-01-22 | 北京邮电大学 | 一种基于车辆自组织网络的导航方法 |
CN105263121B (zh) * | 2015-09-17 | 2018-10-12 | 重庆邮电大学 | 一种机会车载网络中基于十字路口的路由方法 |
CN106909614A (zh) * | 2017-01-12 | 2017-06-30 | 杭州电子科技大学 | 一种叠加网络的提取方法 |
CN107690169A (zh) * | 2017-09-22 | 2018-02-13 | 广州大学 | 一种适用于车联网的gpsr路由协议的转发方法 |
CN108572114B (zh) * | 2017-11-27 | 2024-03-19 | 河南科技大学 | 一种拟生蛛网抗毁研究方法及装置 |
CN110389991B (zh) * | 2018-04-12 | 2022-02-22 | 腾讯大地通途(北京)科技有限公司 | 地图路段的报错处理方法、装置和存储介质 |
CN109379771B (zh) * | 2018-10-16 | 2020-06-19 | 河南科技大学 | 一种基于人工蛛网的网络拓扑建立方法 |
CN109982406B (zh) * | 2019-04-11 | 2022-03-11 | 湖南工业大学 | 一种车载通信路由方法 |
CN110809254A (zh) * | 2019-10-29 | 2020-02-18 | 天津大学 | 一种在城市vanet中基于停车区域的蜘蛛网路由协议 |
Citations (2)
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 |
CN104185239A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 车辆自组织网络中基于路段长度的交叉口路由方法 |
-
2014
- 2014-12-08 CN CN201410745350.0A patent/CN104394568B/zh active Active
Patent Citations (2)
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 |
CN104185239A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 车辆自组织网络中基于路段长度的交叉口路由方法 |
Non-Patent Citations (2)
Title |
---|
CLWPR-A novel cross-layer optimized position based routing protoclo for VANETs;Konstantinos;《2011 IEEE Vehicular Networking Conference》;20111229;第139-146页 * |
一种基于人工逻辑蛛网的路由算法;蒋亚静;《微机发展》;20041130;第14卷(第11期);21-24页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104394568A (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104394568B (zh) | 车辆自组织网络中基于人工蛛网的地理位置路由方法 | |
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 | |
CN103298059B (zh) | 车辆自组网中基于位置预测的连通度感知路由方法 | |
Jerbi et al. | GyTAR: improved greedy traffic aware routing protocol for vehicular ad hoc networks in city environments | |
CN104080056B (zh) | 基于连通度概率感知的车载自组织网络的消息分发方法 | |
Schnaufer et al. | Position-based unicast routing for city scenarios | |
CN105208616A (zh) | 车载自组织网络中基于道路拓扑的自适应多副本路由方法 | |
Sutariya et al. | An improved AODV routing protocol for VANETs in city scenarios | |
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 | |
CN104185239B (zh) | 车辆自组织网络中基于路段长度的交叉口路由方法 | |
CN106851590B (zh) | 一种VANETs中V2V多跳警告广播方法 | |
CN109640369A (zh) | 一种基于自适应功率的车载网可靠通信方法 | |
CN107454650A (zh) | 车载自组织网络中基于q学习和电子地图的路由方法 | |
CN105282813B (zh) | 一种车载网络环境下的路由方法、装置及系统 | |
CN104837173B (zh) | 一种带停车节点的城域车载通信系统 | |
CN108024228A (zh) | 一种基于路网和qos模型的车载网gpsr协议改进方法 | |
CN103079249A (zh) | 一种基于车流密度的物联网组播数据传输方法 | |
CN103874160B (zh) | 车辆自组织网络中基于三维场景的路由方法 | |
Ramakrishnan et al. | Comprehensive analysis of Highway, Manhattan and Freeway mobility models for vehicular ad hoc network | |
CN101867997B (zh) | 一种车载自组织网络环境下基于越区切换的分群路由方法 | |
CN106713477A (zh) | 一种基于种群竞争的车联网网络动态演进方法 | |
CN110519682A (zh) | 一种结合位置与通信范围预测的v2v路由方法 | |
CN103596237B (zh) | 一种异构通信半径下双向车道中的定向广播路由方法 | |
CN103095592A (zh) | 车辆自组织网络的区域多播路由系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |