CN107086962A - 一种面向车辆网路由的多跳反应式成簇方法 - Google Patents
一种面向车辆网路由的多跳反应式成簇方法 Download PDFInfo
- Publication number
- CN107086962A CN107086962A CN201710211242.9A CN201710211242A CN107086962A CN 107086962 A CN107086962 A CN 107086962A CN 201710211242 A CN201710211242 A CN 201710211242A CN 107086962 A CN107086962 A CN 107086962A
- Authority
- CN
- China
- Prior art keywords
- node
- vehicle
- cluster
- neighbours
- cluster head
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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
- H04L45/20—Hop count for routing purposes, e.g. TTL
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Small-Scale Networks (AREA)
Abstract
一种面向车辆网路由的多跳反应式成簇方法。分簇算法作为一种分层网络架构,通过将车辆节点进行分组,能够极大的提高VANET网络的性能。本方法利用分布式的方式将学习任务分散在每一个车辆节点中,节点通过周期性的与邻居车辆节点交换信息来达到动态调整路由路径的功能,提出的一种优先权邻居跟随策略选择最优邻居车辆节点加入到同一个簇中来保证所成簇的可靠性和稳定性。先保证簇成员间的稳定性,然后再去选择N跳范围内最稳定的节点为簇头,在簇的维护阶段通过引入簇合并机制,使得簇的可靠性和鲁棒性被进一步提高。本方法经检验证明,有效的解决了VANET中由于拓扑变化带来的路径不可靠的问题,极大的提高了路由算法的性能以及所成簇的稳定性。
Description
【技术领域】
本发明涉及车辆网,具体提供一种面向车辆网路由的多跳反应式成簇方法。
【背景技术】
随着无线通信技术和嵌入式系统的不断发展,智能交通系统已经成为近几年来研究的热门领域。VANET作为一种特殊的MANET网络,是实现智能交通系统的重要部分。智能交通系统作为VANET的主要应用领域,其要求VANET能够提供实时有效的信息给驾驶人员,但考虑到车辆节点的移动速度快,车辆分布不均匀以及网络拓扑多变等的特点,仅仅使用DSRC技术去实现智能交通系统中的通信是不现实的。近几年,一些基于混合网络架构的模型被提出。混合网络架构充分的结合了V2V网络开销小和部署灵活的优点以及LTE传输时延低和传播范围广的优点。在这种混合架构中,通过将车辆节点进行分簇,车与车间的通信利用IEEE 802.11p协议,并且仅仅利用簇头节点与基站进行数据包的交换,极大的减少车辆节点与基站之间的握手次数从而有效的降低了开销。混合架构虽然能够提高网络的性能,但其所面临的问题也是巨大的。其要求车辆间所成的簇有着极高的稳定性,并且在整个网络中有着尽可能少的簇头节点来保证带宽利用的最大化;同时,为了保证通信的可靠性,整个簇结构应该有着较高的链路可靠性。但受VANET自身因素的影响,解决这些问题成为一项挑战性的任务。
VANET的拓扑动态变化性使得传统的基于MANET的单跳分簇算法并不能表现出很好的效果,近几年一些基于多跳的分簇算法被提出。多跳簇算法允许簇成员与簇头之间的距离为N跳,能够有效的扩展所成簇的覆盖范围。较大的簇覆盖范围不仅能够有效的减少簇头的数目,而且在一定程度上提高了所成簇的稳定性。然而一些问题仍然需要进一步去解决,例如:1、仅仅利用多跳的方式去保证簇的稳定性是不现实的,稳定的簇架构需要有一个全局最稳定的簇头做支撑。2、多跳簇虽然有着较大的覆盖范围,但如果跳数太多以及节点度太大不能够有效的发挥分簇的优势。3、簇的开销决定了簇算法的效率以及可行性。4、簇的可靠性决定了路由的可靠性。
【发明内容】
本发明的目的是解决原有分簇算法中所成簇中节点间链路的不可靠的问题,在现有的分簇算法基础上进行优化改进,设计了一种面向车辆网路由的多跳反应式成簇方法。该方法通过优先权邻居跟随策略选择最优邻居节点加入到同一个簇中来保证所成簇的可靠性和稳定性。通过这种先保证簇成员间的稳定性,然后再去选择N跳范围内最稳定的节点为簇头,极大的提高了所成簇的稳定性。在簇的维护阶段通过引入簇合并机制,使得簇的可靠性和鲁棒性被进一步提高。
本发明提供的一种面向车辆网路由的多跳反应式成簇方法主要包括如下关键步骤:
第1、车辆状态转换:
第1.1、每个车辆开始状态为初始状态,并且保持这个状态直到初始化定时器超时;
第1.2、在初始化定时器时间间隔内,每个车辆节点周期性的发送和接收来自邻居车辆节点的HELLO信标数据包去更新自己的路由表;
第1.3、当定时器超时的时候,车辆将状态转换为状态选择状态;
第2、邻居车辆节点的优先权计算:
第2.1、利用车辆节点跟随度数公式计算车辆节点的跟随度数;
第2.2、由期望传输数目公式计算出期望传输数目;
第2.3、利用二维平面坐标来表示车辆的位置以及速度向量,由链路生存时间公式计算出链路生存时间;
第2.4、由以上第2.1至第2.3中的三个评估因子,利用邻居节点优先权公式计算出优先权;
第3、簇头选择:
第3.1、根据邻居车辆节点优先权,即第2步骤中计算的邻居车辆节点的优先权,选择优先权最高的发送跟随请求;如果目标车辆连接节点数目小于预定义的最大连接度,并且簇头跳数小于预定义的最大跳数,则允许发送请求车辆加入;
第3.2、如果某个车辆节点不能直接链接到任何的簇头节点,那么该车辆尝试通过簇成员组利用多跳的方式连接到簇头;根据优先权邻居跟随策略,即第2步骤中计算的邻居车辆节点的优先权,选择最优的邻居车辆去跟随,并且与邻居车辆共享同一个簇头节点;修改路由表信息;
第3.3、如果车辆不能够跟随任何的目标车辆,且没有任何的车辆跟随它,即路由表中没有邻居信息,那么车辆转换状态为孤立节点状态;如果此时路由表不为空,且根据查看簇头标志位为-1,那么根据簇头选取机制,满足簇头选择公式的车辆节点被选择为簇头,簇头选择公式:
其中,Nfollow表示车辆的跟随度数(可以在路由表项中得到),决定了这个节点被直接或间接跟随的车辆数目,其在一定程度上反应出了节点的稳定程度,计算公式如下:
Nfollow=DNeig+fc (2)
其中,DNeig表示在同一车道上的邻居节点数目,fc表示节点的跟随数目;由于每一个车辆节点周期性的向其邻居节点广播Hello数据包,因此很容易得到DNeig的值;
AvgRelM表示车辆的平均相关移动性,其值计算如下:
其中,NBHD(x)表示车辆节点x的邻居节点数目;RelMx,y表示车辆x和车辆y的相关移动速度。
第4、簇的合并:
第4.1、如果当前节点为簇头节点,且在邻居车辆节点中有其他簇的簇头节点,那么,当定时器簇合并定时器超时时,当前节点发送合并请求数据包到邻居簇头请求簇合并;
第4.2、如果较稳定的节点收到了合并请求数据包,稳定节点去判断自己的节点最大数以及到达簇头的最大跳数两个变量,如果满足簇头的邻居数目以及簇成员的邻居数目在合并后小于节点最大数并且合并后的节点到簇头的跳数小于最大跳数MAX_HOP两个条件,那么允许合并,发送合并回复数据包到邻居簇头进行簇合并;如果簇合并成功,稳定性较差的节点放弃簇头角色,改变自身状态为簇成员组状态,并且加入到合并的簇中,否则,继续担任簇头。要满足的条件是自己的节点的最大数没有达到最大值以及到达簇头的跳数小于到达簇头的最大跳数。
本发明的优点和积极效果
本方法主要设计了一种面向车辆网路由的多跳反应式成簇方法,该方法是基于优先权的邻居跟随策略。在网络初始化阶段,利用优先权邻居跟随机制去组织车辆,将本车辆与邻居节点中具有最高优先权的车辆划分到同一个簇中。当定时器到时时,N跳内最稳定的节点被动成为簇头节点,有效的提高了成簇的稳定性,减少了簇的开销。同时,由于优先权邻居跟随机制充分的考虑了节点间链路的可靠性,使得所成的簇具有较高的可靠性。为了减小簇间干扰,在簇的维护阶段,加入了簇合并机制进一步提高了所成簇的稳定性和可靠性。与单跳分簇算法相比,多跳分簇算法扩展了簇的覆盖范围,极大的减少了网络中簇头的数目,从而有效的提高了网络带宽的利用率。
【附图说明】
图1是多跳分簇模型图;
图2是车辆节点状态转换图;
图3是簇形成算法图;
图4是簇合并算法图;
图5簇头维持时间;
图6簇成员的维持时间;
图7簇头改变数目;
图8成簇花费的代价;
图9是本发明面向车辆网路由的多跳反应式成簇方法的结构示意图。
【具体实施方式】
本发明设计的方法基于优先权邻居跟随策略,在邻居跟随策略中,一个车辆节点要将其一跳范围内具有最高优先权的邻居车辆做为目标去跟随,并且与其共享一个簇头节点。多跳簇结构模型如图1所示,其中,在簇A中,由于邻居车辆较少,形成了类似传统的单跳簇结构。在簇B中,形成了多跳簇结构,其中车辆11距离簇头节点6的距离为2跳。我们假设,每一个车辆配备有车载通信模块,并利用WAVE通信协议进行通信,通信半径为R。其中,处于簇成员状态的车辆节点只能利用WAVE协议和簇成员或者簇头节点进行通信,而不能直接和路边固定设施进行通信。处于簇头状态的车辆节点既可以和簇成员节点利用WAVE进行通信,也可以利用4G网络和路边单元进行通信。在每一个车辆中存储着一张信息表,其中包含了本车辆以及其预定义的最大跳数内邻居车辆的相关信息。
如图1所示,在簇A中,根据优先权跟随策略,即第2步骤中计算的邻居车辆节点的优先权,车辆节点1拥有最高的优先权,所以车辆2,3,4,5选择车辆1作为其parent并与车辆1共享簇头。同样,在簇B中,车辆节点7,8,9,10将车辆节点6作为其parent,并与6共享簇头。车辆11根据跟随策略判断10具有较高的优先级,所以将10作为其parent,并与其共享簇头节点6。
本发明方法主要包括如下关键步骤:
第1、车辆状态转换:
在图2中表示了一个车辆节点的状态转换图;网络中每一个车辆开始状态为初始状态,并且保持这个状态直到初始化定时器定时器超时;在定时器时间间隔内,通常设定为0.5s,每一个车辆节点周期性的发送和接收来自邻居节点的HELLO信标数据包去更新自己的信息表;当定时器超时的时候,其将状态转换为状态选择状态;在状态选择状态,根据图3中的算法去改变自身的状态;
第2、邻居节点的优先权计算:
第2.1、跟随度数决定了这个节点被直接或间接跟随的车辆数目,其在一定程度上反应出了节点的稳定程度,计算公式如下:
Nfollow=DNeig+fc (2)
其中,DNeig表示在同一车道上的邻居节点数目,fc表示节点的跟随数目;由于每一个车辆节点周期性的向其邻居节点广播Hello数据包,因此很容易得到DNeig的值;
第2.2、期望传输数目ETX用来表示节点间双向传输的无线链路的链路质量;一个稳定的链路不仅决定了车辆节点间通信的可靠性,而且能够保证成簇的稳定性;为了评估节点间链路的可靠性,我么假设车辆节点i与车辆节点j之间的ETX为ETXij,计算节点i和j的ETXij为:
其中,df以及dr分别表示节点i的发送率以及节点j接收率。发送率指的是数据包成功到达接收方的概率。接收率指的是发送方成功接收到目的节点发来的数据包的概率。每一个车辆间隔性的发送Hello数据包到其一跳邻居节点,所以很容易计算出df以及dr,从而计算出ETXij;从公式中可以看到,ETX越小,说明链路质量越好;
第2.3、链路生存时间是通过预测节点间链路维持时间选择具有较高维持时间的节点作为跟随目标能够有效的提高所成簇的可靠性;利用LLT来表示两个车辆的链路维持时间,LLT越大,那么链路将越持久;
假设一个车辆hm在时间t时的速度vm(t),其位置为pm(t),以间隔δm秒时间向其1跳邻居节点广播Hello信标数据包。数据包中包括本节点的位置,速度以及方向等信息;车辆hm的一个邻居节点hn接收到这个Hello数据包时,会计算与hm的链路维持时间,反之亦然。假设,hn在时间t时的速度为vn(t),位置为pn(t),并且我们假设在一种理想的条件车辆hm与hn有着相同的广播距离d。那么,在时间t时,车辆的相对距离计算为:
|pm(t)-pn(t)|<d (5)
在时间t+σ时,两辆车的位置为:
pm(t+σ)=pm(t)+σvm(t) (6)
pn(t+σ)=pn(t)+σvn(t) (7)
假设,在时间间隔δm内,车辆hm与hn的速度为一定值,当两辆车之间的距离达到最大广播范围d时,其链路将产生断裂,所以,链路的维持时间满足:
|pm(t+LLTm,n(t))-pn(t+LLTm,n(t))|
=|pm(t)-pn(t)+LLTm,n(t)[vm(t)-vn(t)]|=d (8)
在这里,用LLTm,n(t)表示链路的维持时间;为了能够有效的计算出链路的维持时间,利用二维平面坐标来表示车辆的位置以及速度向量。假设车辆hm与hn的坐标为:
同样,两辆车的速度向量为:
将公式(9)和(10)带入公式(8),那么链路维持时间将被计算为:
其中,
第2.4、由2.1-2.3中提到的三个评估因子,利用邻居节点优先权公式计算出优先权;在车辆跟随策略中,一个车辆节点要将其一跳范围内具有最高优先权的邻居车辆做为目标去跟随,并且与其共享一个簇头节点;优先权作为一个至关重要的参数,其分别考虑了跟随度数、期望传输数目以及链路维持时间三个评估因子;我们利用PRI来表示优先权,其计算公式如下:
其中α+β+γ=1,从公式中能够看出,PRI越小那么其优先级越高;车辆节点i将选择具有最高优先级的车辆节点j做为目标车辆去跟随。
第3、簇头选择:
第3.1、根据邻居节点优先权策略,选择优先权最高的发送跟随请求;如果目标车辆连接节点数目小于预定义的最大连接度(即),并且簇头跳数小于预定义的最大跳数,则允许本车辆加入;
第3.2、如果某个车辆节点不能直接链接到任何的簇头节点,那么其尝试通过簇成员组利用多跳的方式连接到簇头;根据优先权邻居跟随策略,选择最优的邻居车辆去跟随,并且与其共享同一个簇头节点;修改路由表信息;
第3.3、如果车辆不能够跟随任何的目标车辆,且没有任何的车辆跟随它,也即路由表中没有邻居信息,那么其转换状态为孤立节点状态;如果此时路由表不为空,且根据查看簇头标志位为-1,那么根据簇头选取机制,满足簇头选择公式的车辆节点被选择为簇头。
在选择簇头时,不仅要考虑某一车辆所跟随车辆的数目,而且此车辆的相关移动性也是一个重要的考察指标;某一车辆所跟随的车辆越多并且此车辆平均相关速度越小,那么其越容易被选择为簇头节点。下面给出簇头选择公式:
其中,Nfollow表示车辆的跟随度数,可以在路由表项中得到,AvgRelM表示车辆的平均相关移动性,其值计算如下:
其中,NBHD(x)表示车辆节点x的邻居节点数目,RelMx,y表示车辆x和车辆y的相关移动速度。
第4、簇的合并:
在车辆行驶过程中,由于车辆速度的变化,当两个簇中的簇头节点成为邻居车辆节点时,会使得簇发生重叠,从而引起簇内干扰,这时启动簇头合并机制进行簇的维护;在图4所示的簇维护算法中,如果当前节点为簇头节点,且在其邻居车辆节点中有其他簇的簇头节点,那么,当簇合并定时器(MERGE_TIMER)超时时,通常取值为10s,其发送合并请求数据包(MERGE_REQ)到邻居节点请求簇合并;其中,在合并过程中,两个簇头在簇合并定时器内保持邻居,且他们将共享簇内节点的移动信息。在合并过程中,簇头周期性的检测两个邻居簇是否能够合并,如果一个邻居簇头具有较高的相关移动速度和较少的跟随车辆,那么进行簇的合并;如果较稳定的节点收到了合并请求数据包,其去判断自己的节点最大数(MAX_MEMBER)以及到达簇头的最大跳数(MAX_HOP)两个变量,如果满足簇头的邻居数目以及簇成员的邻居数目在合并后小于节点最大数并且合并后的节点到簇头的跳数小于最大跳数MAX_HOP两个条件,那么允许合并,发送合并回复数据包(MERGE_RESP)数据包到邻居簇头进行簇合并;如果簇合并成功,稳定性较差的节点放弃簇头角色,改变自身状态为簇成员状态,并且加入到合并的簇中,否则,继续担任簇头;在簇合并过程中,要求所合并的簇必须有着相同的移动方向;限制最大车辆数目以及跳数能够有利于簇的管理以及路由的有效性。如果车辆收到多个MERGE_RESP,那么其将选择具有最小相关移动速度的簇进行合并。
实例1:
我们通过实验来验证基于多跳反应式成簇机制PMC算法的正确以及有效性,并且通过与相关算法进行比较来验证算法的性能。我们选择在NS2(release2.35)网路模拟仿真环境下进行实验,并利用VanetMobiSim车辆路径生成器去生成车辆行驶的trace文件,详细的仿真参数已经在表1中给出。总的仿真时间是300s,车辆的行驶速度被限制在了10到35米/s。在实验环境中,车辆的传输范围变化从100米到300米。本方法提出的PMC算法分别与N-HOP,DMCNF以及VMaSC算法进行比较。N-HOP是一个典型的多跳分簇的路由算法,是最早实现利用多跳成簇这一思想去分簇的算法。其主要提出了一种利用移动度量来评估车辆的相关移动性,然后,根据相关移动性去决定车辆是否能够被选择作为簇头。DMCNF是近几年提出的一种多跳分簇算法,其改进了N-HOP算法,并首次提出了车辆跟随的思想。VMaSC也是对N-HOP的改进的一种多跳分簇算法。在实验中,我们将N-HOP算法的最大的跳数MAX_HOP(簇成员与簇头之间的最大跳数)设置为3,同时将DMCNF的算法的参数设置为HI=180使得能够取到最好的效果。VMaSC在这里也取其跳数为3跳。分别通过比较平均簇头维持时间,平均簇成员维持时间以及簇头的改变次数我们得到了如下的实验结果。
表1仿真参数
簇头的维持时间是指当某一车辆从簇头状态起,到其转换为非簇头状态的时间间隔,例如在本方法的PMC算法会转换到簇成员或者孤立节点状态。平均簇头维持时间为总的簇头维持时间与簇头的个数的比值,计算公式如下:
其中,AvgStimeCH表示平均簇头维持时间,StimeCH表示簇头的维持时间。通过仿真,我们得到如图5的实验结果。图5为平均簇头维持时间与车辆速度的关系。其中我们分别将由通信半径为100m,200m,300m产生的实验结果放在图5中,记作a,b,c。从图5中的a,b,c这3幅图中我们可以很明显的看出,随着速度的增加,虽然整体上呈现下降的趋势,但本方法提出的PMC算法与DMCNF有着较高的簇头维持时间。这和这两种算法都采用了跟随策略是分不开的,跟随性能够有效的提高所成簇的稳定性。VMaSC算法与N-HOP算法维持时间相对比较低,虽然二者都将相关移动度量作为簇头选取因素。在车辆速度较高的网络中,仅仅考察某一个车辆的最小相关移动性很难保证整个簇的稳定性,这就造成了簇头的频繁切换,使得每一个簇头的维持时间都很短。从图5中我们对比PMC与DMCNF可以看出,本方法提出的PMC算法簇头维持时间高于DMCNF,尤其是在速度较快的情况下。这是由于PMC在选择跟踪车辆时利用了优先权策略去选择最稳定的车辆,而不是仅仅跟随相对速度最小的车辆。对比图5中a,b,c中传输范围对簇头维持时间的稳定性造成的影响。随着传输范围的变大,簇头的维持时间均有较高的提升。这是由于随着传输范围的增加,车辆间的链路变的更加稳定,使其不容易失去和所跟随车辆的连接。特别是在图5中的c图,通信半径为300米时,VMaSC算法与N-HOP的簇头维持时间均有所提高,但与之相比,PMC与DMCNF算法有着更长的簇头维持时间。
簇成员维持时间是指当一个车辆加入到某一个簇,到其离开这个簇的时间间隔。在这里值得说明的是,当簇头发生改变时,或者自身成为簇头节点时,我们都认为其连接到另一个簇。其中,在判断车辆加入到哪一个簇中时,主要是判断其与所跟随的目标车辆所共享的簇头。在这里我们仍然是计算平均簇成员维持时间,计算方法与计算簇头维持时间类似,这里直接给出实验结果如图6所示。从图6中可以明显的看到,平均簇成员维持时间均受到速度的影响,从整体来看,随着速度的增长,簇成员的维持时间呈现下降的趋势。但从a,b,c三个图中可以看出,随着广播半径的逐渐增大,平均簇成员维持时间在逐渐变高,而且趋于稳定。本方法提出的PMC算法的成员维持时间高于其它三种算法。
簇头变化数目是指网络中处于簇头状态的车辆节点放弃成为簇头而改变为其他状态的车辆总数。在这里我们通过多次试验取平均簇头变化数目,得到图7的实验结果。从图7可以看出,随着车辆速度的增加,簇头的变化数目呈现上升的趋势。其中车辆的通信半径对簇头的变化数目有一定的影响,通信范围越大,变化数目越小,越接近于稳定。从图7中能够看出,随着速度的增加N-HOP和VMaSC算法的簇头变化比较快,这与其仅仅考虑相关移动速度而没有考虑整个簇的拓扑变化性有着直接的关系。相比DMCNF与本文提出的PMC算法,由于其簇头的选取是建立在车辆跟随的基础上的,所以其最终选出的簇头节点是整个最大跳数中最稳定的节点,因此这两个算法有着较小的簇头变化数目。在图7c中,由于节点广播半径的增大,使得VMaSC算法与N-HOP趋于接近。而PMC与DMCNF逐渐变的稳定,这是由于当广播范围较大时,链路具有更高的可靠性。
我们定义分簇代价为成簇阶段和簇维持阶段所花费控制数据包的数目与总数目的比值。计算公式如下:
其中,overheadRatio表示分簇代价。在实验中,我们取车辆节点的广播半径为300m,同时在PMC算法中MAX_HOP取3跳,MAX_MEMBER取10得到了如图8所示的实验结果。从图8中可以明显的看出,随着速度的增长,簇维护的开销越来越大。与N-HOP以及VMaSC算法相比,本方法提出的PMC所花费的开销很小,而且与DMCNF比较接近。这是由于其仅仅使用了邻居Hello数据包。同时,另一方面反映出,开销越小,簇维护也越少,说明成簇更加稳定。从图8中可以看出,当速度较慢时,PMC算法的开销要少于DMCNF算法。当车辆的速度达到30m/s时,PMC算法的开销逐渐超过了DMCNF算法,这是由于在PMC算法中采用了簇维护机制所导致的,但可以看出开销也是很小的。
Claims (1)
1.一种面向车辆网路由的多跳反应式成簇方法,其特征在于该方法主要包括如下关键步骤:
第1、车辆状态转换:
第1.1、每个车辆开始状态为初始状态,并且保持这个状态直到初始化定时器超时;
第1.2、在初始化定时器时间间隔内,每个车辆节点周期性的发送和接收来自邻居车辆节点的HELLO信标数据包去更新自己的路由表;
第1.3、当定时器超时的时候,车辆将状态转换为状态选择状态;
第2、邻居车辆节点的优先权计算:
第2.1、利用车辆节点跟随度数公式计算车辆节点的跟随度数;
第2.2、由期望传输数目公式计算出期望传输数目;
第2.3、利用二维平面坐标来表示车辆的位置以及速度向量,由链路生存时间公式计算出链路生存时间;
第2.4、由以上第2.1至第2.3中的三个评估因子,利用邻居节点优先权公式计算出优先权;
第3、簇头选择:
第3.1、根据邻居车辆节点优先权,即第2步骤中计算的邻居车辆节点的优先权,选择优先权最高的发送跟随请求;如果目标车辆连接节点数目小于预定义的最大连接度,并且簇头跳数小于预定义的最大跳数,则允许发送请求的车辆加入;
第3.2、如果某个车辆节点不能直接链接到任何的簇头节点,那么该车辆尝试通过簇成员组利用多跳的方式连接到簇头;根据优先权邻居跟随策略,即第2步骤中计算的邻居车辆节点的优先权,选择最优的邻居车辆去跟随,并且与邻居车辆共享同一个簇头节点;修改路由表信息;
第3.3、如果车辆不能够跟随任何的目标车辆,且没有任何的车辆跟随它,即路由表中没有邻居信息,那么车辆转换状态为孤立节点状态;如果此时路由表不为空,且根据查看簇头标志位为-1,那么根据簇头选取机制,满足簇头选择公式的车辆节点被选择为簇头,簇头选择公式:
其中,Nfollow表示车辆的跟随度数,决定了这个节点被直接或间接跟随的车辆数目,其在一定程度上反应出了节点的稳定程度,计算公式如下:
Nfollow=DNeig+fc (2)
其中,DNeig表示在同一车道上的邻居节点数目,fc表示节点的跟随数目;由于每一个车辆节点周期性的向其邻居节点广播Hello数据包,因此很容易得到DNeig的值;AvgRelM表示车辆的平均相关移动性,其值计算如下:
<mrow>
<mi>A</mi>
<mi>v</mi>
<mi>g</mi>
<mi> </mi>
<msub>
<mi>RelM</mi>
<mi>x</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>y</mi>
<mo>&Element;</mo>
<mi>N</mi>
<mi>B</mi>
<mi>H</mi>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<msub>
<mi>RelM</mi>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mi>N</mi>
<mi>B</mi>
<mi>H</mi>
<mi>D</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,NBHD(x)表示车辆节点x的邻居节点数目;RelMx,y表示车辆x和车辆y的相关移动速度。
第4、簇的合并:
第4.1、如果当前节点为簇头节点,且在邻居车辆节点中有其他簇的簇头节点,那么,当定时器簇合并定时器超时时,当前节点发送合并请求数据包到邻居簇头请求簇合并;
第4.2、如果较稳定的节点收到了合并请求数据包,Nfollow值越大的节点,稳定性越好。稳定节点去判断自己的节点最大数以及到达簇头的最大跳数两个变量,如果满足簇头的邻居数目以及簇成员的邻居数目在合并后小于节点最大数并且合并后的节点到簇头的跳数小于最大跳数MAX_HOP两个条件,那么允许合并,发送合并回复数据包到邻居簇头进行簇合并;如果簇合并成功,稳定性较差的节点放弃簇头角色,改变自身状态为簇成员组状态,并且加入到合并的簇中,否则,继续担任簇头;要满足的条件是自己的节点的最大数没有达到最大值以及到达簇头的跳数小于到达簇头的最大跳数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710211242.9A CN107086962A (zh) | 2017-04-01 | 2017-04-01 | 一种面向车辆网路由的多跳反应式成簇方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710211242.9A CN107086962A (zh) | 2017-04-01 | 2017-04-01 | 一种面向车辆网路由的多跳反应式成簇方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107086962A true CN107086962A (zh) | 2017-08-22 |
Family
ID=59614904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710211242.9A Withdrawn CN107086962A (zh) | 2017-04-01 | 2017-04-01 | 一种面向车辆网路由的多跳反应式成簇方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107086962A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108834195A (zh) * | 2018-06-19 | 2018-11-16 | 中国联合网络通信集团有限公司 | 簇状网络结构中的簇合并方法及其模块与微控制器 |
CN114205780A (zh) * | 2021-12-15 | 2022-03-18 | 福州大学 | 基于多跳分簇的车辆组网方法 |
CN117202309A (zh) * | 2023-11-08 | 2023-12-08 | 中国民航大学 | 分布式航空自组网多跳跟随分簇方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
CN102137462A (zh) * | 2011-04-19 | 2011-07-27 | 西安电子科技大学 | 车辆自组织网络中基于预测的交叉路口处的路由方法 |
CN102347991A (zh) * | 2011-11-23 | 2012-02-08 | 常熟理工学院 | 一种车载网络的构建方法 |
CN102883403A (zh) * | 2012-10-09 | 2013-01-16 | 常熟理工学院 | 一种移动自组网的构建方法 |
CN103237326A (zh) * | 2013-04-07 | 2013-08-07 | 常熟理工学院 | 一种基于跨层的车载网移动切换方法 |
CN103533595A (zh) * | 2013-10-28 | 2014-01-22 | 天津工业大学 | 无线传感网络的多跳分簇路由算法 |
CN103781148A (zh) * | 2014-02-25 | 2014-05-07 | 重庆邮电大学 | 车载自组织网络中基于链路感知的稳定成簇路由方法 |
CN104602302A (zh) * | 2015-01-23 | 2015-05-06 | 重庆邮电大学 | 一种基于分簇结构的ZigBee网络能量均衡路由方法 |
CN106131161A (zh) * | 2016-06-28 | 2016-11-16 | 中山大学 | 一种城市环境下基于稳定性分簇的车载路由协议方法 |
CN106535279A (zh) * | 2016-11-03 | 2017-03-22 | 江西理工大学 | 基于cp神经网络的车载自组网交叉路口预测路由方法 |
-
2017
- 2017-04-01 CN CN201710211242.9A patent/CN107086962A/zh not_active Withdrawn
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
CN102137462A (zh) * | 2011-04-19 | 2011-07-27 | 西安电子科技大学 | 车辆自组织网络中基于预测的交叉路口处的路由方法 |
CN102347991A (zh) * | 2011-11-23 | 2012-02-08 | 常熟理工学院 | 一种车载网络的构建方法 |
CN102883403A (zh) * | 2012-10-09 | 2013-01-16 | 常熟理工学院 | 一种移动自组网的构建方法 |
CN103237326A (zh) * | 2013-04-07 | 2013-08-07 | 常熟理工学院 | 一种基于跨层的车载网移动切换方法 |
CN103533595A (zh) * | 2013-10-28 | 2014-01-22 | 天津工业大学 | 无线传感网络的多跳分簇路由算法 |
CN103781148A (zh) * | 2014-02-25 | 2014-05-07 | 重庆邮电大学 | 车载自组织网络中基于链路感知的稳定成簇路由方法 |
CN104602302A (zh) * | 2015-01-23 | 2015-05-06 | 重庆邮电大学 | 一种基于分簇结构的ZigBee网络能量均衡路由方法 |
CN106131161A (zh) * | 2016-06-28 | 2016-11-16 | 中山大学 | 一种城市环境下基于稳定性分簇的车载路由协议方法 |
CN106535279A (zh) * | 2016-11-03 | 2017-03-22 | 江西理工大学 | 基于cp神经网络的车载自组网交叉路口预测路由方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108834195A (zh) * | 2018-06-19 | 2018-11-16 | 中国联合网络通信集团有限公司 | 簇状网络结构中的簇合并方法及其模块与微控制器 |
CN108834195B (zh) * | 2018-06-19 | 2020-10-02 | 中国联合网络通信集团有限公司 | 簇状网络结构中的簇合并方法及其模块与微控制器 |
CN114205780A (zh) * | 2021-12-15 | 2022-03-18 | 福州大学 | 基于多跳分簇的车辆组网方法 |
CN117202309A (zh) * | 2023-11-08 | 2023-12-08 | 中国民航大学 | 分布式航空自组网多跳跟随分簇方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Routing protocols for unmanned aerial vehicles | |
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 | |
Li et al. | Adaptive quality-of-service-based routing for vehicular ad hoc networks with ant colony optimization | |
Luo et al. | A mobile infrastructure based VANET routing protocol in the urban environment | |
Fogue et al. | An adaptive system based on roadmap profiling to enhance warning message dissemination in VANETs | |
CN102355406B (zh) | 车载自组网中基于节点密度分布的自适应数据分发方法 | |
Li et al. | Improved AODV routing protocol for vehicular Ad hoc networks | |
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 | |
CN104135436A (zh) | 一种车辆自组织网络路由选择方法 | |
Kumar | Performance evaluation of energy consumption in MANET | |
CN107086962A (zh) | 一种面向车辆网路由的多跳反应式成簇方法 | |
CN109640369A (zh) | 一种基于自适应功率的车载网可靠通信方法 | |
CN102781060B (zh) | 一种在无线网络中实现路由的方法、转发节点和无线网络 | |
Syfullah et al. | Mobility-based clustering algorithm for multimedia broadcasting over IEEE 802.11 p-LTE-enabled VANET | |
Teshima et al. | A data transfer scheme using autonomous clustering in VANETs environment | |
Al-Doori | Directional routing techniques in vanet | |
Li et al. | Optimized AODV routing protocol for vehicular ad hoc networks | |
CN105101262A (zh) | 一种高动态无线车载网络中基于tdma协议的移动预测方法 | |
CN108112046A (zh) | 一种基于车载互联网的路由调度方法 | |
Poojary et al. | Ant colony optimization routing to mobile ad hoc networks in urban environments | |
Wang et al. | An improved VANET intelligent forward decision-making routing algorithm | |
Sun et al. | An optimal ODAM-based broadcast algorithm for vehicular ad-hoc networks | |
Wang et al. | A survey on intersection-based routing protocols in city scenario of VANETs | |
Sasirekha et al. | Efficient route map based ant colony optimization for route discovery in vanet |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170822 |