CN107196835A - 车联网大规模网络互联互通的连通基组件构造方法 - Google Patents
车联网大规模网络互联互通的连通基组件构造方法 Download PDFInfo
- Publication number
- CN107196835A CN107196835A CN201710397807.7A CN201710397807A CN107196835A CN 107196835 A CN107196835 A CN 107196835A CN 201710397807 A CN201710397807 A CN 201710397807A CN 107196835 A CN107196835 A CN 107196835A
- Authority
- CN
- China
- Prior art keywords
- node
- mrow
- msub
- car networking
- connection
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/46—Interconnection of networks
-
- 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
- H04L45/02—Topology update or discovery
-
- 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)
- Mobile Radio Communication Systems (AREA)
Abstract
城市场景中车联网大规模网络节点数目庞大，拓扑变化频繁，以及道路纵横交错等特性，导致车联网大规模网络客观存在互联互通耦合度低。针对以上问题，考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。本研究方法“一种建立车联网大规模网络互联互通的连通基组件构造方法”，可有效解决城市场景下的车联网大规模网络冗余节点大量参与通信引起的信号干扰和网络拥塞，造成通信效率不高问题，有助于提高车联网大规模网络互联互通的实时性和稳定性，同时为车联网应用服务的设计和运行提供更快的传输效率保障。
Description
技术领域
本发明涉及车联网复杂网络领域。
背景技术
在车联网中，节点之间使用IEEE802.11p标准进行通信，大部分距离远的车辆之间或者车与路边基础设施之间不能直接进行通信，必须借助于中间节点转发和接受消息。而在城市场景下的大规模车联网中，存在大量节点，节点具有冗余特性，这样进行网络通信时会有大量的中间节点进行参与转发数据，导致节点间信号干扰增多，易引发网络拥塞、发送延迟等问题，网络互联互通难以保证。在节点冗余的情况下，如果信息传输过程使用简单的洪泛(Flooding)方式即每个车辆节点将它所感知的信息立即向邻居节点播报出去，极易造成网络拥塞并产生大量的信号干扰，引起广播风暴。此外，现有的表驱动(又称为：先应式)车联网路由协议如DSDV，OLSR，GSR等在构建路由时，通过节点周期性广播路由发现包，交换拓扑信息来维护一张到网络中其他节点路由信息表。这种周期性的广播在节点冗余的车联网中也极有可能造成网络延迟，增加路由开销。
发明内容
本发明考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。
本发明技术方案为：
一种车联网大规模网络互联互通的连通基组件构造方法，具体方法包括如下步骤：
步骤1.车联网大规模网络互联互通的连通基组件定义；
步骤2.车联网大规模网络互联互通的连通基组件构造方法；
步骤21.节点连通因子；
步骤22.车联网大规模网络连通基构造方法；
步骤3.验证车联网连通基的有效性。
有益效果
针对城市场景中车联网大规模网络节点数目庞大，拓扑变化频繁，以及道路纵横交错等特性，导致车联网大规模网络客观存在互联互通耦合度低等问题，本发明考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法，从而有效解决城市场景下的车联网大规模网络冗余节点大量参与通信引起的信号干扰和网络拥塞，造成通信效率不高问题，同时为车联网应用服务的设计和运行提供更快的传输效率保障。
附表说明
表1车联网连通基构造方法中需要的重要符号
附图说明
图1车联网连通基
图2车联网连通基功能
图3连通基大小随车辆密度变化
图4车辆密度可变的数据投递率对比
图5速度均方差可变的数据投递率对比
图6数据包发送率可变的数据投递率对比
图7车辆密度可变的平均端到端延迟对比
图8车辆速度均方差可变的平均端到端延迟对比
图9为本发明方法流程图
具体实施方式
本发明的具体实施过程如图9所示，包括如下3个方面：
①车联网大规模网络互联互通的连通基组件定义
②车联网大规模网络互联互通的连通基组件构造方法
③验证车联网连通基的有效性
①
车联网大规模网络互联互通的连通基组件定义
车联网大规模网络包括移动的车辆节点和地理位置固定的RSU节点，虽然车辆和RSU有不同的运动特征，但两者通信功能并无二差，所以车联网大规模网络可以抽象为无向单位圆盘图UDG，单位圆盘中的顶点表示网络中每个车辆节点或者RSU节点，如果两个节点能相互直接通信，则在图中对应为一条边。为便于描述，以下将单位圆盘图表示为G＝(V,E)，其中V＝{v1,v2,…,vn}代表网络节点集合，E＝{Eij}表示网络中边的集合，Eij表示节点vi和vj之间的边。
定义1车联网连通基：对于车联网络拓扑G＝(V,E)，若有子图满足以下条件：
⑴其中
⑵都有或者v至少和中一个节点相邻；
⑶是连通的。
则称为网络的G车联网连通基。
定义2连通元：连通基中的节点称为连通元，不在连通基中的节点称为普通节点。连通元节点控制着与其相连的普通节点，存储其所控制普通节点的信息。
图1为车联网连通基示意图。深色节点v3,v4,v7,v9表示连通元节点，浅色节点表示普通节点。从图中很明显可以看出，每一个浅色节点都至少与一个深色节点有边相连。
定理1对于网络G(即车联网络拓扑G)，若存在连通基网络中任意两个节点都可通过连通基相连。
证明:证明G任意两个节点之间存在一条链路，等价于证明之间的链路
根据连通基定义，对于任意节点，其1跳邻居节点集Ne1(v)和其本身中至少有1个节点是连通基那么对于vi,vj来说，存在三种情况：
⑴若vi,vj同属于又是连通的，vi,vj之间存在一条通路。
⑵若vi,vj其中一个属于假设是vj，则必存在连通元使得又和vj是连通的，则存在链路使vi,vj连通。
⑶若vi,vj都不属于对于节点vi，存在连通元使得对于节点vj，存在连通元使得又是连通的，则存在链路使vi,vj连通。证毕。
定义出车联网连通基的目标是构建一个在网络动态变化下的提高网络连通性且能降低网络冗余性的拓扑结构。图2为城市道路中车联网连通基在网络通信中的功能，连通基由网络中少量节点组成连通元，每个连通元存储其所控制普通节点的信息，任意节点之间的通信都交由连通元处理，也就是车联网连通基承载网络基本通信功能。车联网路由协议如单播路由、组播路由和广播路由的建立和维护都基于车联网连通基进行。车联网连通基可以提高网络互联互通，主要体现在两个方面：(1)车联网连通基可以减少参与信息转发中间节点的数量，降低网络中的通信干扰，提高网络通信效率。(2)车联网连通基将网络中不必要的链接移除，路由发现过程不再是面向整个网络，而只限制在连通基之内，从而降低了网络规模，提高了路由发现效率。
②
车联网大规模网络互联互通的连通基组件构造方法
城市场景中车联网大规模网络具有节点数量庞大、道路拓扑复杂的特点，导致要获取全局拓扑结构信息所需时间非常长，如果采用集中式构建算法，算法时间复杂度将很大。相较于集中式算法，采用求解连通基的分布式算法可以更好地解决这些问题。本发明首先考虑链路稳定度和节点重要度，引入连通因子作为构造连通基时筛选节点的权值，并利用启 发式算法给出了车联网连通基分布式构造方法。
(1)节点连通因子
在车联网连通基中，连通元节点需要承载普通节点的信息并且普通节点通信都交给连通基处理，连通元的优异性直接影响所构建连通基的性能。因此本发明引入链路稳定度和节点重要度来构建连通因子，作为筛选连通元节点时的权值。在实际的车联网大规模网络中，由于行驶速度和道路状况等多种因素的差异及不确定性，道路中车辆之间的速度、位置关系是随着时间在不断变化的，节点之间的链路随时都有可能断裂，链路稳定程度是连通基好坏的重要因素。并且每个节点都具有不同的拓扑特性，不同的节点对网络连通的影响力不同，因此在筛选节点构造连通基时需要考虑节点重要度。
1)链路稳定度
车联网中车辆节点位置时刻变化，RSU节点位置不变，链路稳定度可以用节点之间链路的寿命来衡量。在计算链路寿命度时需要区分车辆间和车辆与RSU之间两种情况。假设车辆节点对信号的传输力相同，即传输半径相同，都为Rvehicle,RSU的传输能力比车辆节点强，为RRSU，RRSU>Rvehicle；网络时间一直同步，当两个节点的距离小于通信半径时，被认为是相连接的。每个车辆节点vi都可以通过GPS获得自己在网络中的坐标(xi,yi)，RSU的节点位置是固定的。Vei用来表示节点vi的移动速度，θi表示节点vi的移动方向。
车辆vi和vj之间的链路寿命LETi,j为：
其中a＝vicosθi-vjcosθj，b＝xi-xj，c＝visinθi-vjsinθj,d＝yi-yj，θ表示两辆车运行方向的夹角
假设RSU节点vR的位置为(xR,yR),其与车辆节点vi之间的链路寿命LETi,R为：
其中
表示路边基础设施RSU与车辆节点之间的夹角。
式(1)(2)分别给出了车辆与车辆之间和车辆与RSU之间链路寿命计算公式。如果已经保持连接的两个车辆节点的移动方向和速度一致，那么其链路寿命趋向于无穷大，即一直保持连接。在车辆刚驶入RSU通信半径范围内时，根据式(2)计算出的链路寿命较大，当要驶出RSU通信半径范围时，其链路寿命较小，者符合现实场中连接情况。
定义3节点vi的链路稳定度为
其中表示节点vi与其邻居节点的链路寿命之和。节点vi的链路稳定度可衡量节点vi与邻居节点之间链路的稳定程度。在构造车联网连通基筛选节点的过程中，优先选择节点链路稳定度高的节点，这样构建出的连通基节点之间链路不易断裂，可以提高车联网连通基稳定程度。
2)节点重要度
与大多数网络一样，车联网中节点重要性是指节点在网络功能运转中的重要程度。目标网络构件车联网连通基应当是由节点重要性高的节点组成。近些年国内外学者已经给出了很多节点重要性评估方法，其中比较典型的是基于度的节点重要性度量指标，使用节点及其邻居节点的数目来度量节点重要性。但是这种方法并不能很好的描述出节点之间的差异性，本发明使用节点所在局域网络的节点数目来度量此节点的重要性。
定义4局域节点集LN(vi)：对于节点vi，其局域节点集是指由节点vi的一跳邻居节点集Ne1(vi)和二跳邻居节点集Ne2(vi)组成的节点集合，也就是
LN(vi)＝Ne1(vi)UNe2(vi) (4)
定义5节点vi的权重定义为
wi＝|LN(vi)| (5)
wi表示节点vi局域节点集中节点的数目。
由式(5)可以看出，节点vi的权重取主要决于节点vi的Ne1(vi)和Ne2(vi)的节点数目，Ne1(vi)的节点数目为节点vi的度，Ne2(vi)的节点数目则为vi邻居节点度之和。那么节点vi的度和其邻居节点的度共同决定了其权重大小，节点度和邻居节点度越高，该节点越重要。
定义6节点vi的重要度为
节点重要度给出了一种可根据局部拓扑结构衡量节点重要性的方法，根据vi所属局域节点集的数目来度量节点重要性。节点重要度越高，表明此节点的度和其邻居节点度越高，网络中有较多的路径经过此节点，与此节点直接或者间接相连的节点越多，选择节点重要度高的节点作为连通元节点，可以减少连通基的大小，有助于加快连通基构造算法的收敛速度。
基于以上分析，本发明提出基于链路稳定度和节点重要度的连通因子Γ，对于节点vi，
Γi＝α·Ei+β·Ii (7)
其中，α,β为权重因子，α+β＝1。连通因子Γ综合考虑节点之间链路的寿命和节点在网络连通中的重要程度，节点vi的连通因子Γ越高，表示vi被选为连通元的优先级越高。使用节点连通因子作为连通基构造算法中节点的权值一方面可以提高连通基的稳定性，另一方面可以提高了连通基构造算法的收敛速度。
(2)车联网大规模网络连通基构造方法
为了实现连通基分布式构建算法(其中表1所列符号为车联网连通基构造方法中需要的重要符号)，每个车辆节点需要维护以下核心数据结构：
●邻接节点信息表
对于任意节点vi，其邻居节点信息列表表示为NeiListi，NeiListi1存储节点vi的1跳邻接节点信息，NeiListi2存储节点vi的2跳邻接节点信息，具体包括：节点ID，节点连通因子Γ以及节点是否已被选为连通元节点。
对于有NeiListi[vj].ID＝ID(vj)，
NeiListi[vj].Γ＝Γj，
●邻接连通元表
对于任意节点vi，其邻接连通元表表示为CCListi,
CCListi＝{vj|NeiListi[vj].IfCC＝1∧vj∈Ne1(vi)}
车联网连通基构造方法应不断选取连通因子较大的节点作为连通元，直到所有节点都被连通基覆盖。而启发式算法就是指从最初的空解开始，采用增量的方法迭代地添加解成分知道生成完整的解，因此本发明基于启发式算法给出连通基构造方法。
在城市场景中的大规模车联网中，由于其地理范围跨度广、车辆分布不均等原因，车联网网络有可能出现不连通的现象，部署一定数量的路边基础设施RSU可以解决此问题。连通基构建算法主要分三个阶段：1、发起节点筛选；2、连通树构造；3、连通树连接。下面对这三个部分进行详述：
1)发起节点筛选
车联网连通基构造方法为分布式算法。在每个局域网络选取各自的发起节点，局域网络是指发起节点的2跳邻居节点集合组成的网络，所选中的发起节点的连通因子应该是最大的。发起节点筛选过程从任意节点开始，每个节点把其InitID初始化为自己的ID。节点之间首先发送两次Hello消息来获取其2跳邻居节点集合Ne2(v)，然后根据各个节点d(v)，Vel (v)，Dir(v)计算节点的连通因子Γ(v)。接着每个节点广播Beacon消息，包含自身ID，m(v)，InitID(v)，Γ(v)和Initiator Flag。为了确保Γ(InitNode)最大，此Beacon消息发送三遍。两个Beacon周期之后，若节点v的InitID(v)保持不变，则设置Initiator Flag，以此来标记节点v已经被选为发起节点。当收到第三条Beacon消息并且Initiator Flag的值为1时，节点v就把自己的状态设为连通元。
至此发起节点筛选阶段结束，所选发起节点为局域网络中连通因子最大的节点，并且局域网络中所有节点的InitID都变为其发起节点ID。
所述节点d(v)：表示节点度，与邻居节点的连接数；
所述Vel(v)：表示节点V行驶速度；
所述Dir(v)：表示节点V行驶方向。
所述m(v)：表示节点v的状态，取值0到4，分别表示初始状态，被覆盖状态，连通元，普通节点。
所述InitID(v)：表示发起节点V。
所述节点之间首先发送两次Hello消息来获取其2跳邻居节点集合Ne2(v)，然后根据各个节点d(v)，Vel(v)，Dir(v)计算节点的连通因子Γ(v)。解释如下：所述d(v)表示节点的连接数，也就是邻居的数目，分别体现在公式(5)节点权重wi和公式(6)重要度li中，邻居节点连接数越多，表示这个节点的重要度越大；通过公式(5)节点权重wi、公式(6)重要度li，表征出公式(7)连通因子Γ中的重要度li。所述Vel(v)表示节点V的速度，在公式(2)RSU节点vR与车辆节点vi之间的链路寿命LETi，R中体现，通过公式(2)，代入公式(3)，得到公式(7)连通因子Γ中的Ei，这种情况适合车与RSU的通信。所述Dir(v)表示节点的移动方向，分别在公式(1)车辆之间的链路寿命LETi，j、在公式(2)RSU节点vR与车辆节点vi之间的链路寿命LETi，R中体现，代入公式(3)链路稳定度Ei，得到公式(7)连通因子Γ中的Ei，这种情况适合车与车之间的通信。
2)连通树构造
从发起节点开始构建连通树，主要目的是构造可以覆盖每个发起节点2跳邻居节点Ne2(v)这个局部网络的连通基，即连通树。这阶段的算法应满足如下规则：
●若连通元节点v只有一个邻居节点u，则把u送入S1并令m(v)＝1。
●若连通元节点v的邻居节点u有处于S0状态的邻居节点，并且邻居节点u的连通因子最大，则把u送入S2并令m(v)＝2(该条件使连通因子大的节点优先确定状态以保证得到的连通元节点集的连通因子和最大)。
●若节点v为普通节点，且处于S1状态，并且没有邻居节点处于S0状态，则把u送入S3并令m(u)＝3。
至此，所有节点都为连通元或者普通节点状态，筛选出的连通元可组成发起节点2跳范围这个局域网络的连通树，并且每个普通节点都确保有一个连通元来支配，但是各个连通树之间还没有连接起来。
3)连通树连接
连通树连接阶段主要是通过选取一些普通节点作为连通元把相邻接的连通树连接起来。如果节点收到邻居节点发送来的Beacon信息，此邻居节点处于S2或者S3状态，但是此邻居节点所持有的InitID不同于自己的InitID，表明此邻居节点来自于不用的连通树，发送CT(Connect tree Packet)通知邻居节点其为边界节点。连接不同的连通树最简单的方法就是把所有的连通树的边界节点都设为连通元，并且连接起来，但是这样构建出的拓扑结构不符合连通基的条件(2)(即不符合定义1中的第(2)条：都有或者v至少和中一个节点相邻，其中表示连通元),并且拓扑结构会非常庞大。对于连通树Treei，为了保证连通基中的节点都具有较大的连通因子，本发明让连通树的发起节点来筛选连通因子最大的边界节点，这样相邻连通树的边界节点连接起来就可以构造覆盖全局的连通基。
③
验证车联网连通基的有效性
为验证车联网连通基的有效性，通过SUMO设计了一个6000m*6000m城市道路大规模车联网网络场景，并设定车辆平均速度为37km/h,通信半径300米，数据包大小为32bytes，并按如下步骤进行实验：
●使用ALTP算法进行RSU部署；
●使用上述连通基构造方法进行连通基的构造，并采集不同车辆密度下的连通元节点所占比例；
●进行网络仿真发送数据包，设置网络中的车辆数量和数据包发送速率，采集不同情况下的网络指标，如数据包投递率、平均端到端延迟。这些指标反映了当前网络的互联互通能力。
●对比使用连通基前后网络各项指标的变化，研究连通基对网络互联互通能力的影响。
(1)连通基规模
车联网连通基的规模越小，节点间通信选取的中间节点数量越少，通信效率就越高。本发明对不同车辆密度下的实验场景使用连通基构造方法进行连通基构建，为了防止误差，执行多次并取平均数。然后统计所得到的连通基的大小，得到连通基规模随着车辆密度的变化图，如图3所示。由图3易见，本发明给出的连通基构建算法构建的连通基规模在不同的车辆密度下均有较好的表现，并且随着网络中车辆密度的递增，车联网连通基的规模均呈现下降趋势，由0.015辆/米时的87％降到了0.045辆/米时的22％。这是因为随着车辆密度的增加，连通基构建算法更加容易筛选出优秀节点作为连通元节点，并且所选出的连通元节点能覆盖更多的节点。所以随着车辆密度的增加，连通元节点所占总结点的比例会缩小。因网络中只有连通元节点之间和普通节点与连通元之间存在链接，通过实验也可看出，连通基大大降低了网络的冗余性。
(2)数据包投递率
为证明连通基对网络互联互通能力的影响，分别使用基于连通基的Flooding算法、CDS-SVB和Flooding算法进行OMNeT++仿真，并分析其数据包传递成功率和平均端到端延迟。首先在车辆速度均方差为6km/h的情况下，控制车辆密度的由0.01辆/米到0.05辆/米，统计基于连通基的Flooding、CDS-SVB和Flooding三者的端到端数据包投递率，得到投递率随着车辆密度变化的曲线如图4所示。在车辆密度固定的情况下，控制速度均方差由2km/h递增到10km/h,对以上三种算法的数据包进行统计，得到投递率随着速度均方差的变化曲线如图5所示。接着在车辆密度和速度均方差都固定情况下，控制数据包发送速率的变化，得到数据包传递成功率与数据包发送速率的关系图，如图6所示。
根据图4所示的实验结果，我们可以看到三种算法的数据包传递成功率的变化趋势。整体而言，基于连通基的Flooding＞CDS-SVB＞Flooding。在节点密度为0.01辆/米时，基于连通基的Flooding的投递率为70％，当节点密度递增到0.05辆/米，投递率可增加到95％。而对与Flooding算法，其投递率最高峰在节点度为0.04辆/米时，当其递增到0.05时投递率并没有增加反而降低了3％。这主要是因为网络中节点密度过大时，参与转发数据的节点数量过多，导致数据包传递过程中产生了通信干扰。而基于连通基的Flooding算法，只有连通元节点负责数据传输，从而减少了干扰发生的概率。
由图5易见，在速度均方差为2km/h时，基于连通基的Flooding可提供达90％数据包投递率，即使增加到10km/h，数据包投递率依然有76％。而CDS-SVB和Flooding算法已经分别降到了53％和42％。这主要是因为基于连通基的Flooding在构造连通基时，根据连通因子来选取运动速度接近于平均速度的节点作为连通元，因此所筛选的连通元之间的相对速度较低，链路断开概率低，保证了数据包能安全传递到下一个节点，其数据包投递率更高。CDS-SVB选用速度最慢的节点来进行数据转发，速度方差小的时候可以提供较高的数据包投递率，当数据差异大时，节点之间链路容易断裂，丢包率严重。
图6为基于连通基的Flooding、CDS-SVB和Flooding三种算法在车辆密度为0.04辆/米，速度均方差为5km/h时的数据包投递率随数据包发送速率变化的对比图。由图6可以看出，当数据包发送速率较慢时，三种算法的投递率都较高，而随着数据包发送速率的递增，到40p/s时，Flooding算法的降幅高达86％，而基于连通基的Flooding的降幅只为23％。由于数据包发送速率越来越快，网络中易发生网络风暴的概率也越高。基于连通基的Flooding由于筛选了优异节点作为连通元来转发数据包，所构建处的路径具有更高的通达性，整体上表现出了比CDS-SVB和Flooding更好的性能。
(3)平均端到端延迟
在平均端到端延迟试验中，车辆平均速度控制在37km/h，数据包发送速率为10p/s，分别研究平均端到端延迟随着车辆密度和速度均方差的变化，得到如图7和8的变化曲线。
由图7易见，随着车辆密度的递增，三种算法的平均端到端延迟都有减少趋势，但到0.045辆/米时，Flooding的平均端到端延迟却在增加，这主要是因为节点密度过大时数据包转发过程中发生了大量的网络冲突，导致平均端到端延迟增加。相反，随着网络越来越稠密，基于连通基的Flooding和CDS-SVB的平均端到端延迟一直在减少。这不难解释，网络中节点越多对于基于连通基的Flooding和CDS-SVB就越能筛选出优异节点来构建拓扑。基于连通基的Flooding因使用连通因子筛选节点重要度高的节点，所以构建的网络拓扑的规模比CDS-SVB小，数据包转发经过的中间节点数量较少，因此基于连通基的Flooding算法比CDS-SVB要低。在图7中也可看出，基于连通基的Flooding算法的平均端到端延迟整体上比CDS-SVB低了30％。
由图8看出，基于连通基的Flooding随着速度均方差的增加，其平均端到端延迟变化不大，相较之下，Flooding和CDS-SVB的平均端到端延迟都有所增加，并且CDS-SVB的增幅更大。CDS-SVB因为只选用速度慢的节点来转发数据，而当速度均方差较大时，速度较快的车辆与速度较慢的车辆之间链路容易断裂，会引起丢包率严重且端到端延迟增加。而基于连通基的Flooding在速度均方差从2km/h递增到10km/h时，都一直保持较低的端到端延迟，说明基于连通基的UMB即使在拓扑高速动态的情况下也能具有较低的平均端到端延迟。
创新点
本发明提出了一种表征车联网大规模网络互联互通的连通基组件构造方法，从而有助于提高车联网大规模网络互联互通的实时性和稳定性。针对城市场景中车联网大规模网络节点数目庞大，拓扑变化频繁，以及道路纵横交错等特性，导致车联网大规模网络客观存在互联互通耦合度低等问题，考虑车联网网络节点冗余特性，给出了一种车联网网络拓扑结构，即车联网连通基,并利用启发式算法给出了连通基构造方法。本发明“一种建立车联网大规模网络互联互通的连通基组件构造方法”，可有效解决城市场景下的车联网大规模网络冗余节点大量参与通信引起的信号干扰和网络拥塞，造成通信效率不高问题，有助于提高车联网大规模网络互联互通的实时性和稳定性，同时为车联网应用服务的设计和运行提供更快的传输效率保障。
说明书附表
表1
Claims (7)
1.一种建立车联网大规模网络互联互通的连通基组件构造方法，其特征在于，包括
首先、车联网大规模网络互联互通的连通基组件定义
将单位圆盘图表示为G＝(V,E)，其中V＝{v1,v2,…,vn}代表网络节点集合，E＝{Eij}表示网络中边的集合，Eij表示节点vi和vj之间的边。
定义1车联网连通基：对于车联网络拓扑G＝(V,E)，若有子图满足以下条件：
⑴其中
⑵都有或者v至少和中一个节点相邻；
⑶是连通的；
则称为网络的G车联网连通基；
定义2连通元：连通基中的节点称为连通元，不在连通基中的节点称为普通节点。连通元节点控制着与其相连的普通节点，存储其所控制普通节点的信息。
定理1对于网络G(即车联网络拓扑G)，若存在连通基网络中任意两个节点都可通过连通基相连。
2.如权利要求1所述的方法，其特征在于，基于定义，给出车联网大规模网络互联互通 的连通基组件构造方法：
在车联网连通基中，连通元节点承载普通节点的信息并且普通节点通信都交给连通基处理。本发明引入链路稳定度和节点重要度来构建连通因子，作为筛选连通元节点时的权值。
所谓链路稳定度：
车联网中车辆节点位置时刻变化，RSU节点位置不变，链路稳定度可以用节点之间链路的寿命来衡量。在计算链路寿命度时需要区分车辆间和车辆与RSU之间两种情况。假设车辆节点对信号的传输力相同，即传输半径相同，都为Rvehicle,RSU的传输能力比车辆节点强，为RRSU，RRSU>Rvehicle；网络时间一直同步，当两个节点的距离小于通信半径时，被认为是相连接的。每个车辆节点vi都可以通过GPS获得自己在网络中的坐标(xi,yi)，RSU的节点位置是固定的。Vei用来表示节点vi的移动速度，θi表示节点vi的移动方向。
车辆vi和vj之间的链路寿命LETi,j为：
<mrow>
<msub>
<mi>LET</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>b</mi>
<mo>+</mo>
<mi>c</mi>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msqrt>
<mrow>
<mo>(</mo>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
<mo>)</mo>
<msubsup>
<mi>R</mi>
<mrow>
<mi>v</mi>
<mi>e</mi>
<mi>h</mi>
<mi>i</mi>
<mi>c</mi>
<mi>l</mi>
<mi>e</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mi>d</mi>
<mo>-</mo>
<mi>b</mi>
<mi>c</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mrow>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中a＝vicosθi-vj cosθj，b＝xi-xj，c＝vi sinθi-vj sinθj,d＝yi-yj，θ表示两辆车运行方向的夹角
假设RSU节点vR的位置为(xR,yR),其与车辆节点vi之间的链路寿命LETi,R为：
<mrow>
<msub>
<mi>LET</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>R</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msqrt>
<mrow>
<msubsup>
<mi>R</mi>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>U</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>D</mi>
<mi> </mi>
<mi>sin</mi>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<mi>D</mi>
<mo>|</mo>
<mi>cos</mi>
<mi>&theta;</mi>
<mo>|</mo>
</mrow>
<mrow>
<msub>
<mi>Ve</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中
表示路边基础设施RSU与车辆节点之间的夹角。
式(1)、式(2)分别给出了车辆与车辆之间和车辆与RSU之间链路寿命计算公式。
定义3节点vi的链路稳定度为
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>Ne</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中表示节点vi与其邻居节点的链路寿命之和。节点vi的链路稳定度可衡量节点vi与邻居节点之间链路的稳定程度。
所谓节点重要度：
本发明使用节点所在局域网络的节点数目来度量此节点的重要性。
定义4局域节点集LN(vi)：对于节点vi，其局域节点集是指由节点vi的一跳邻居节点集Ne1(vi)和二跳邻居节点集Ne2(vi)组成的节点集合，也就是
LN(vi)＝Ne1(vi)UNe2(vi) (4)
定义5节点vi的权重定义为
wi＝|LN(vi)| (5)
wi表示节点vi局域节点集中节点的数目。
由式(5)可以看出，节点vi的权重取主要决于节点vi的Ne1(vi)和Ne2(vi)的节点数目，Ne1(vi)的节点数目为节点vi的度，Ne2(vi)的节点数目则为vi邻居节点度之和。那么节点vi的度和其邻居节点的度共同决定了其权重大小，节点度和邻居节点度越高，该节点越重要。
定义6节点vi的重要度为
<mrow>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<msub>
<mi>Ne</mi>
<mi>i</mi>
</msub>
</mrow>
</munder>
<msub>
<mi>w</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
基于以上分析，本发明提出基于链路稳定度和节点重要度的连通因子Γ，对于节点vi，
Γi＝α·Ei+β·Ii (7)
其中，α,β为权重因子，α+β＝1。连通因子Γ综合考虑节点之间链路的寿命和节点在网络连通中的重要程度，节点vi的连通因子Γ越高，表示vi被选为连通元的优先级越高。
3.如权利要求2所述的方法，其特征在于，利用启发式算法给出了车联网连通基分布式构造方法，
为了实现连通基分布式构建算法，每个车辆节点需要维护以下核心数据结构：
●邻接节点信息表
对于任意节点vi，其邻居节点信息列表表示为NeiListi，NeiListi1存储节点vi的1跳邻接节点信息，NeiListi2存储节点vi的2跳邻接节点信息，具体包括：节点ID，节点连通因子Γ以及节点是否已被选为连通元节点。
对于有NeiListi[vj].ID＝ID(vj)，
NeiListi[vj].Γ＝Γj，
<mrow>
<msub>
<mi>NeiList</mi>
<mi>i</mi>
</msub>
<mo>&lsqb;</mo>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>&rsqb;</mo>
<mo>.</mo>
<mi>I</mi>
<mi>f</mi>
<mi>C</mi>
<mi>C</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<mi>C</mi>
<mi>C</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mi>i</mi>
<mi>s</mi>
<mi> </mi>
<mi>n</mi>
<mi>o</mi>
<mi>t</mi>
<mi> </mi>
<mi>C</mi>
<mi>C</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
●邻接连通元表
对于任意节点vi，其邻接连通元表表示为CCListi,
CCListi＝{vj|NeiListi[vj].IfCC＝1∧vj∈Ne1(vi)}
车联网连通基构造方法应不断选取连通因子较大的节点作为连通元，直到所有节点都被连通基覆盖。从最初的空解开始，采用增量的方法迭代地添加解成分知道生成完整的解。
4.如权利要求2所述的方法，其特征在于，连通基构建算法主要分三个阶段：1、发起节点筛选；2、连通树构造；3、连通树连接。
5.如权利要求4所述的方法，其特征在于，所述发起节点筛选：
在每个局域网络选取各自的发起节点，局域网络是指发起节点的2跳邻居节点集合组成的网络，所选中的发起节点的连通因子应该是最大的。发起节点筛选过程从任意节点开始，每个节点把其InitID初始化为自己的ID。节点之间首先发送两次Hello消息来获取其2跳邻居节点集合Ne2(v)，然后根据各个节点d(v)，Vel(v)，Dir(v)计算节点的连通因子Γ(v)。接着每个节点广播Beacon消息，包含自身ID，m(v)，InitID(v)，Γ(v)和Initiatorflag。为了确保Γ(InitNode)最大，此Beacon消息发送三遍。两个Beacon周期之后，若节点v的InitID(v)保持不变，则设置Initiator Flag，以此来标记节点v已经被选为发起节点。当收到第三条Beacon消息并且Initiator Flag的值为1时，节点v就把自己的状态设为连通元。
至此发起节点筛选阶段结束，所选发起节点为局域网络中连通因子最大的节点，并且局域网络中所有节点的InitID都变为其发起节点ID。
所述节点d(v)：表示节点度，与邻居节点的连接数；
所述Vel(v)：表示节点V行驶速度；
所述Dir(v)：表示节点V行驶方向。
所述m(v)：表示节点v的状态，取值0到4，分别表示初始状态，被覆盖状态，连通元，普通节点。
所述InitID(v)：表示发起节点V。
6.如权利要求4所述的方法，其特征在于，所述连通树构造：
从发起节点开始构建连通树，主要目的是构造可以覆盖每个发起节点2跳邻居节点Ne2(v)这个局部网络的连通基，即连通树。这阶段的算法应满足如下规则：
●若连通元节点v只有一个邻居节点u，则把u送入S1并令m(v)＝1。
●若连通元节点v的邻居节点u有处于S0状态的邻居节点，并且邻居节点u的连通因子最大，则把u送入S2并令m(v)＝2(该条件使连通因子大的节点优先确定状态以保证得到的连通元节点集的连通因子和最大)。
●若节点v为普通节点，且处于S1状态，并且没有邻居节点处于S0状态，则把u送入S3并令m(u)＝3。
至此，所有节点都为连通元或者普通节点状态，筛选出的连通元可组成发起节点2跳范围这个局域网络的连通树，并且每个普通节点都确保有一个连通元来支配，但是各个连通树之间还没有连接起来。
7.如权利要求4所述的方法，其特征在于，所述连通树连接：
连通树连接阶段主要是通过选取一些普通节点作为连通元把相邻接的连通树连接起来。如果节点收到邻居节点发送来的Beacon信息，此邻居节点处于S2或者S3状态，但是此邻居节点所持有的InitID不同于自己的InitID，表明此邻居节点来自于不用的连通树，发送CT(Connect tree Packet)通知邻居节点其为边界节点。连接不同的连通树最简单的方法就是把所有的连通树的边界节点都设为连通元，并且连接起来，但是这样构建出的拓扑结构不符合连通基的条件(2)(即不符合定义1中的第(2)条：都有或者v至少和中一个节点相邻，其中表示连通元),并且拓扑结构会非常庞大。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710397807.7A CN107196835B (zh) | 2017-05-31 | 2017-05-31 | 车联网大规模网络互联互通的连通基组件构造方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710397807.7A CN107196835B (zh) | 2017-05-31 | 2017-05-31 | 车联网大规模网络互联互通的连通基组件构造方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107196835A true CN107196835A (zh) | 2017-09-22 |
| CN107196835B CN107196835B (zh) | 2020-08-14 |
Family
ID=59877269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710397807.7A Active CN107196835B (zh) | 2017-05-31 | 2017-05-31 | 车联网大规模网络互联互通的连通基组件构造方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107196835B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108650141A (zh) * | 2018-05-21 | 2018-10-12 | 同济大学 | 一种基于车联网连通基的大规模网络通达性模型 |
| CN108834100A (zh) * | 2018-06-15 | 2018-11-16 | 九江学院 | 一种高效的广播路由方法 |
| CN109640295A (zh) * | 2019-01-31 | 2019-04-16 | 同济大学 | 城市场景中有基础设施车联网面向连通预测的候选节点集构造方法 |
| CN111695253A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 自动驾驶中的站点测试方法、装置、设备及存储介质 |
| CN112468996A (zh) * | 2020-12-14 | 2021-03-09 | 华东交通大学 | 一种认知车联网中的网络拓扑控制方法 |
| CN114071421A (zh) * | 2020-08-04 | 2022-02-18 | 同济大学 | 高速公路场景中开放式无人驾驶车车群模型及车群形成过程研究方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100125387A1 (en) * | 2008-11-17 | 2010-05-20 | Chung-Ang University Industry-Academy Cooperation Foundation | System of integrated telematics service and method of controlling the system |
| CN105307232A (zh) * | 2015-11-13 | 2016-02-03 | 南京邮电大学 | 一种车载自组织网络的基于连通概率的路由优化方法 |
| CN106713143A (zh) * | 2016-12-06 | 2017-05-24 | 天津理工大学 | 一种面向车联网的自适应可靠路由方法 |
| CN106713477A (zh) * | 2017-01-03 | 2017-05-24 | 郭泽丰 | 一种基于种群竞争的车联网网络动态演进方法 |
-
2017
- 2017-05-31 CN CN201710397807.7A patent/CN107196835B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100125387A1 (en) * | 2008-11-17 | 2010-05-20 | Chung-Ang University Industry-Academy Cooperation Foundation | System of integrated telematics service and method of controlling the system |
| CN105307232A (zh) * | 2015-11-13 | 2016-02-03 | 南京邮电大学 | 一种车载自组织网络的基于连通概率的路由优化方法 |
| CN106713143A (zh) * | 2016-12-06 | 2017-05-24 | 天津理工大学 | 一种面向车联网的自适应可靠路由方法 |
| CN106713477A (zh) * | 2017-01-03 | 2017-05-24 | 郭泽丰 | 一种基于种群竞争的车联网网络动态演进方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108650141A (zh) * | 2018-05-21 | 2018-10-12 | 同济大学 | 一种基于车联网连通基的大规模网络通达性模型 |
| CN108650141B (zh) * | 2018-05-21 | 2021-09-14 | 同济大学 | 一种基于车联网连通基的大规模网络通达性模型设计方法 |
| CN108834100A (zh) * | 2018-06-15 | 2018-11-16 | 九江学院 | 一种高效的广播路由方法 |
| CN109640295A (zh) * | 2019-01-31 | 2019-04-16 | 同济大学 | 城市场景中有基础设施车联网面向连通预测的候选节点集构造方法 |
| CN111695253A (zh) * | 2020-06-09 | 2020-09-22 | 北京百度网讯科技有限公司 | 自动驾驶中的站点测试方法、装置、设备及存储介质 |
| CN111695253B (zh) * | 2020-06-09 | 2023-09-01 | 北京百度网讯科技有限公司 | 自动驾驶中的站点测试方法、装置、设备及存储介质 |
| CN114071421A (zh) * | 2020-08-04 | 2022-02-18 | 同济大学 | 高速公路场景中开放式无人驾驶车车群模型及车群形成过程研究方法 |
| CN114071421B (zh) * | 2020-08-04 | 2023-01-10 | 同济大学 | 高速公路场景中开放式无人驾驶车车群模型及车群形成方法 |
| CN112468996A (zh) * | 2020-12-14 | 2021-03-09 | 华东交通大学 | 一种认知车联网中的网络拓扑控制方法 |
| CN112468996B (zh) * | 2020-12-14 | 2022-07-26 | 华东交通大学 | 一种认知车联网中的网络拓扑控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107196835B (zh) | 2020-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107196835A (zh) | 车联网大规模网络互联互通的连通基组件构造方法 | |
| CN106961707B (zh) | 一种vanet中基于连通性的多因素决策路由协议 | |
| CN105553780B (zh) | 一种城市场景中有基础设施的车联网连通性模型推演方法 | |
| CN103702387B (zh) | 一种基于社会网络的车载自组织网络路由方法 | |
| Zhao et al. | An intelligent fuzzy-based routing scheme for software-defined vehicular networks | |
| CN101945432B (zh) | 一种用于无线mesh网络的多速率机会路由方法 | |
| Li et al. | Improved AODV routing protocol for vehicular Ad hoc networks | |
| Sutariya et al. | An improved AODV routing protocol for VANETs in city scenarios | |
| CN108650656A (zh) | 一种基于交叉路口的分布式城市车联网路由方法 | |
| CN103379575A (zh) | 一种利用路口静态节点辅助数据转发的车载网路由协议 | |
| CN106941447A (zh) | 基于蚁群模型的自由空间光网络路由方法 | |
| CN108811022A (zh) | 一种面向车辆网应用环境的动态高效路由方法 | |
| CN110267321A (zh) | 三维场景中的贪婪多播路由协议设计方法 | |
| Li et al. | Optimized AODV routing protocol for vehicular ad hoc networks | |
| CN103079249A (zh) | 一种基于车流密度的物联网组播数据传输方法 | |
| Marinov | Comparative analysis of AODV, DSDV and DSR routing protocols in VANET | |
| CN103974372B (zh) | 一种基于模糊推理的容忍延迟网络路由方法 | |
| CN107086962A (zh) | 一种面向车辆网路由的多跳反应式成簇方法 | |
| CN108650141B (zh) | 一种基于车联网连通基的大规模网络通达性模型设计方法 | |
| CN109309944B (zh) | 一种无线多跳网络拓扑发现方法 | |
| Wang et al. | An improved VANET intelligent forward decision-making routing algorithm | |
| CN110536309A (zh) | 一种基于结点活跃度与能量因素的移动社会网络路由方法 | |
| CN107911296A (zh) | 基于骨干链路保障时延的地理位置路由方法、车载终端 | |
| CN110446185B (zh) | 一种基于节点熟悉度模型的车辆间通信的路由方法 | |
| CN103079250A (zh) | 一种基于车流密度的物联网单播数据传输方法 |
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 |