CN107453947A - 基于模糊推理的车载网络路由建立方法 - Google Patents
基于模糊推理的车载网络路由建立方法 Download PDFInfo
- Publication number
- CN107453947A CN107453947A CN201710602139.7A CN201710602139A CN107453947A CN 107453947 A CN107453947 A CN 107453947A CN 201710602139 A CN201710602139 A CN 201710602139A CN 107453947 A CN107453947 A CN 107453947A
- Authority
- CN
- China
- Prior art keywords
- node
- mrow
- msub
- delta
- routing
- 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
- H04L45/00—Routing or path finding of packets in data switching networks
- H04L45/54—Organization of routing tables
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- 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
- H04L45/14—Routing performance; Theoretical aspects
-
- 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
- H04L45/74—Address processing for routing
- H04L45/745—Address table lookup; Address filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于模糊推理的车载网络路由建立方法，主要解决现有技术未选择可靠通信链路而造成数据传输性能较低的问题。其方案是：1)对网络进行初始化；2)获取邻居节点运动信息；3)源节点发送路由请求包；4)根据2)利用模糊推理计算节点间的链路可靠值，并更新链路可靠值；5)判断当前节点是否为目的节点：若是，则执行步骤6)；否则，返回步骤4)；6)目的节点选择可靠值最高的通信链路，并发送路由回复包；7)判断路由回复数据包是否到达源节点：若是，则建立路由路径，完成数据传输；否则，返回步骤6)。本发明提高了网络的数据包投递成功率，降低了网络传输时延，保证了通信链路的稳定性及高效性，可应用于数据通信。
Description
技术领域
本发明属于通信技术领域，特别是一种基于模糊推理的车载网络路由建立方法，可应用于数据通信传输。
背景技术
车载网络路由是在车载网络环境下，为解决车载网络通信问题而建立通信链路，保障通信数据能够稳定、高效传输的过程。
目前，在解决车载网络通信问题的技术领域中，通常使用基于路由链路稳定性的方法来建立车载网络路由的通信路径，以提高网络中数据传输的性能。
上海交大学提出的专利申请“用于车载Ad Hoc网络基于改进AODV协议的方法”(申请号：201210181415.4，公开号：CN102769888B，授权公告日：2015.03.11)中，公开了一种基于路由稳定性改进AODV算法的车载Ad Hoc网络路由方法。在该方法中计算了通信链路连通时间，并将其作为衡量网络路由稳定性的条件。该方法在发送路由请求数据包和选择路由通信路径时，均要考虑路由的稳定性，以此减少网络路由控制开销。但是，该方法由于只考虑了两节点之间的连通时间，并未考虑其他影响因素，如节点的数据包接收率等，并且未能考虑整体链路的稳定性，因此在此基础上建立的路由路径和传输性能不稳定，难以获得较好的路由性能。
Mahmoud Hashem Eiza和Qiang Ni等在文章“An Evolving Graph-BasedReliable Routing Scheme for VANETs(IEEE Transactions on Vehicular Technology,2013,62(4):1493-1504.)”中提出了一种基于演化图论的车载网络可靠性路由方法。该方法基于演化图论设计了一种通信链路的可靠性模型，该模型考虑了节点间距离以及平均跳数等因素，并且在路由建立过程中选择节点间可靠值最大的链路作为路由的路径，以此提高数据通信的稳定性。但是，该方法由于没有考虑整体的链路可靠性，容易造成局部最优问题，且在每一次数据传输时，都要重新进行路由路径建立，增加了网络路由的开销。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于模糊推理的车载网络路由建立方法，以提高网络中数据传输性能、保证通信链路的稳定性及高效性。本发明可以提高数据包的投递成功率，控制网络中的路由开销并降低网络传输时延。
实现本发明的技术思路是：首先，建立通信链路可靠性模型，引入链路可靠性评价函数；其次，考虑链路预测连通质量和数据包接收率两个影响因素，通过模糊推理方法计算通信链路的可靠值；最后，选取可靠性最高的通信链路作为数据传输的路由路径，高效且稳定地完成通信数据的传输。
其实现方案包括如下：
(1)将网络中每个网络节点的路由表设置为空；将源节点作为初始节点，并将其链路可靠值初始化为1；
(2)网络中的所有网络节点周期性广播发送问候HELLO数据包，以获取通信范围内邻居节点的位置、速度大小及方向等运动状态信息；
(3)源节点查询其路由表信息，查看是否有到目的节点的路由：如有，则源节点直接发送数据包给目的节点；否则，源节点周期性广播路由请求数据包RREQ，以建立路由路径；
(4)计算节点间链路可靠值：
(4a)计算相邻节点间的链路预测连通质量LQij：
其中，Δtime表示保证节点间能完成数据包传输的时间；链路预测连通质量LQij表示相邻节点间预测连通时间Δt与Δtime的比值；
(4b)计算相邻节点间的问候数据包HELLO包接收率HPRRji：
其中，NSi表示节点i发出的HELLO包的数量，NRji表示节点j接收到从节点i发出的HELLO包的数量；
(4c)利用模糊推理方法，计算相邻节点间的链路可靠值r(eij)；
r(eij)＝Fuzzy(LQij,HPRRji)；
(5)更新路由请求包RREQ中的链路可靠值R(e)，判断路由请求包RREQ中链路可靠值R(e)是否大于路由表中的链路可靠值R'(e)：若R(e)＞R'(e)，则将路由表中的链路可靠值更新为R(e)，并继续广播该路由请求包RREQ；否则，将该路由请求包RREQ丢弃；
(6)根据路由请求包RREQ中信息判断当前节点是否为目的节点：若是，则执行步骤(7)；否则，返回步骤(4)；
(7)目的节点收到路由请求包RREQ，判断是否第一次收到该路由请求包RREQ：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤(9)；否则，执行步骤(8)；
(8)若目的节点多次收到路由请求包RREQ，判断路由请求包RREQ的序列号是否最新或者链路可靠值是否更大：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤(9)；否则，丢弃该路由请求包RREQ；
(9)判断网络中路由回复包RREP是否到达源节点，如果是，则从源节点到目的节点的路由路径建立完成，源节点开始按照路由表信息发送数据包，完成数据传输；否则，返回步骤(7)。
本发明与现有的技术相比具有以下优点：
第一、本发明由于建立了通信链路可靠性模型，考虑了链路连通质量以及数据包接收率两个影响因素，克服了现有技术中仅考虑跳数作为链路选择依据，导致通信链路易断、数据包丢失和传输延时增大的问题，使得车载网络的数据传输性能得到了较大的提升。
第二、本发明由于考虑了通信链路的整体可靠性，选取整体链路可靠值最高的通信链路，避免了现有方法中只考虑当前节点与其相邻节点间链路可靠性而出现的局部最优问题。
第三、本发明由于采用模糊推理方法对链路可靠值进行计算，克服了现有方法中单纯计算链路可靠值与实际的网络通信产生偏差的问题，使得计算的通信链路可靠值更准确，网络的路由性能更好。
附图说明
图1是本发明的实现流程图；
图2是本发明中两个节点的运动示意图；
图3是本发明中通信链路的两个影响因素的隶属度函数示意图；
图4是本发明中相邻节点间链路可靠值的隶属度函数示意图；
图5是用本发明建立路由的仿真示意图；
图6是用本发明方法和现有方法建立网络路由的投递成功率对比图；
图7是用本发明方法和现有方法建立网络路由的平均端到端时延对比图；
图8是用本发明方法和现有方法建立网络路由的路由控制开销对比图；
具体实施方式
下面结合附图对本发明的是实例和效果做进一步的描述。
参照图1，本发明的具体实施步骤如下：
步骤1，网络初始化。
在初始化阶段，网络中每个节点都建立一个路由表，并将网络中每个节点路由表设置为空；
将源节点作为初始节点，并将链路可靠值初始化为1。
步骤2，节点运动信息获取。
在车载网络环境中，所有的车辆节点都通过装备的GPS设备和传感器设备获取节点自己的位置、运动速度和方向信息，并将获取的信息存入节点的问候HELLO数据包中，同时，网络中的所有节点周期性的广播发送的问候HELLO数据包，该问候HELLO数据包的主要信息包括：节点地址，节点速度大小，节点运动方向和节点位置；
网络中的每一个节点维护一个邻居节点列表，当节点收到邻居节点发送的问候HELLO数据包时，获取邻居节点的信息并存入邻居节点列表中。
步骤3，网络中源节点发送路由请求数据包。
网络中的每一个节点都要维护一个路由表，路由表的主要信息包括：目的地址，下一跳网络节点，序列号和链路可靠值；
源节点需要向目的节点发送数据时，需查询源节点的路由表信息，查看是否有到目的节点的路由：如有，则源节点直接将数据包发送给目的节点；否则，源节点发起路由建立请求，源节点周期性广播发送路由请求包RREQ，该路由请求包RREQ主要信息包括：目的节点，序列号，跳数和链路可靠值。
步骤4，计算相邻节点间链路可靠值。
4a)计算相邻节点间的链路预测连通质量LQij：
参照图2，本发明中相邻节点间链路预测连通质量LQij计算如下：
4a1)假设在t时刻，车辆节点i的坐标为(xi(t),yi(t))，速度为vi(t)，邻居节点j的坐标为(xj(t),yj(t))，速度为vj(t)；节点i和节点j在经过时间Δt后，此时节点i的坐标为(xi(t+Δt),yi(t+Δt))，节点j的坐标为(xj(t+Δt),yj(t+Δt))，这两个节点间的距离Dij(t+Δt)为：
4a2)当Dij(t+Δt)＝R时，两相邻节点到达通信临界点，此时两节间点的预测连通时间Δt为：
其中，Δvi表示节点i的速度在x轴方向上的差值，Δvj表示节点j的速度在y轴方向上的差值，Δx表示节点i在x轴方向上位移的差值，Δy表示节点j在y轴方向上的位移差值，R为节点的通信半径；
4a3)根据上述已求得的相邻节点间的预测连通时间Δt，可计算相邻节点间链路预测连通质量LQij，公式如下：
其中，Δtime表示保证节点间能完成数据包传输的时间，在实验中Δtime＝120ms；链路预测连通质量LQij表示相邻节点间预测连通时间Δt与Δtime的比值；LQij的值域为[0,1)，其值越大，说明节点间链路预测连通质量越好。
4b)计算相邻节点间的HELLO包接收率HPRRji：
在车载网络中，节点的数据包接收率越高，表明链路的数据传输性能越好，本实例对HELLO包的接收率HPRRji进行如下定义，用来衡量链路的数据传输性能：
其中，NSi表示节点i发出的问候HELLO数据包的数量，NRji表示节点j接收到从节点i发出的问候HELLO数据包的数量，实验中设置NSi＝10；
4c)利用模糊推理方法，计算相邻节点间的链路可靠值r(eij)：
4c1)构建模糊集和隶属度函数：
参照图3，构建链路预测连通质量和HELLO包接收率的模糊集和隶属度函数：
将相邻节点间的链路预测连通质量的模糊集设置为{强，中，弱}，并构建链路预测连通质量的隶属度函数，如图3(a)所示；
将相邻节点间的HELLO包接收率的模糊集设置为{大，中，小}，并构建HELLO包接收率的隶属度函数，如图3(b)所示；
将相邻节点间的链路可靠值的模糊集设置为{很好，好，一般，差}，并构建相邻节点链路可靠值的隶属度函数，如图4所示；
4c2)建立模糊规则库：
在上述模糊集和隶属度函数的基础上，利用模糊推理方法中的IF-THEN规则，建立模糊规则库，如表1所示：
表1 模糊规则库
4c3)计算链路可靠值r(eij)：
根据上述模糊规则库，将相邻节点间的链路预测连通质量LQij和HELLO包接收率HPRRji作为输入，通过模糊化、模糊规则推理和去模糊化的过程，输出得到链路可靠值r(eij)：
r(eij)＝Fuzzy(LQij,HPRRji)。
步骤5，更新链路可靠值。
5a)根据链路可靠模型计算整体通信链路可靠值R(eu,v)：
其中，eu,v表示节点u到节点v的通信链路，eu,v由k条相邻节点链路组成，ew表示单条相邻节点链路；r(ew)表示单条相邻节点链路的链路可靠值，R(eu,v)表示k条链路组成的整体通信链路的可靠值；
5b)更新路由请求包RREQ和路由表中的链路可靠值R(e)：
利用上述5a)的公式，更新路由请求包RREQ中的链路可靠值R(e)，判断路由请求包RREQ中链路可靠值R(e)是否大于路由表中的链路可靠值R'(e)：若R(e)＞R'(e)，则将路由表中的链路可靠值更新为R(e)，并继续广播该路由请求包RREQ；否则，将该路由请求包RREQ丢弃。
步骤6，目的节点接收路由请求包。
根据路由请求包RREQ中的信息判断当前节点是否为目的节点：若是，表明目的节点接收到了源节点的路由请求包，执行步骤7；否则，返回步骤4。
步骤7，目的节点首次接收路由请求包并发送路由回复包。
目的节点收到路由请求包RREQ，判断是否是第一次收到该路由请求包RREQ：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤9；否则，执行步骤8；
步骤8，目的节点多次接收路由请求包并发送路由回复包。
目的节点多次收到路由请求包RREQ，并判断路由请求包RREQ的序列号是否最新或者链路可靠值是否更大：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤9；否则，丢弃该路由请求包RREQ。
步骤9，路由路径建立。
为了建立路由路径，需要判断网络中的路由回复包RREP是否到达源节点：如果是，则表明从源节点到目的节点的路由路径建立已完成，源节点开始按照路由表信息发送数据包，完成数据传输；否则，返回步骤7。
本发明的效果可以通过以下实验进一步验证：
参照图5，本发明的仿真实验如下：
1)实验仿真软件和参数设置
实验使用VanetMobiSim和NS2作为仿真软件，具体的仿真参数如表2所示：
表2 仿真参数设置
| 设置 | 取值 |
| 物理通信信道 | Channel/WirelessChannel |
| 无线传输模型 | Propagation/TwoRayGround |
| 网络接口类型 | Phy/WirelessPhy |
| 物理层协议 | Mac/802_11 |
| 接口队列类型 | Queue/DropTail/PriQueue |
| 网络接口队列大小 | 50 |
| 路由算法 | AODV/EG-RAODV/FR-AODV |
| 节点数量 | 80，100，120，140，160，180，200，220 |
| 设定拓扑范围长度 | 2000m |
| 设定拓扑范围宽度 | 2000m |
2)实验性能评价指标
本实验性能评价指标为投递成功率、平均端到端的时延和路由控制开销，各指标定义如下：
投递成功率表示网络中源节点发出的数据包成功投递到目的节点的比率，反映了网络中数据传输路径的可靠性，计算公式如下所示：
其中，SPN为源节点发出的数据包总数，RPN为目的节点接收的数据包总数。投递成功率PDR越高，表明网络中通信链路的可靠性越高。
平均端到端时延是衡量车载网络性能的重要指标，反映网络是否顺畅，计算方法如下所示：
其中，N表示网络中节点接收到的数据包总数，RTi表示目的节点收到第i个数据包的时间，STi表示源节点发出第i个数据包的时间。平均端到端时延AEED越低，表明网络中的通信链路连通性越好。
路由控制开销反映的是建立的路由是否可靠，也能反映路由建立的代价大小，计算方法如下所示：
其中，RCN表示网络中路由控制包的数量，RPN表示网络中节点接收到数据包的总数量。路由控制开销NRL越低，表明路由建立的代价越小。
3)实验场景与条件
本实验场景采用曼哈顿地图模型，场景分为40条路段和25个路口，仿真时间为180s，仿真区域的大小为2000m×2000m，节点数量为80～220个，如表2所示，节点最大移动速度为20m/s，最大暂停时间为10s。实验结果采用10次重复实验的均值。
实验中，将本发明提出的基于模糊推理的车载网络路由建立方法FR-AODV方法，与现有技术基于距离向量的路由方法AODV方法和基于演化图论的可靠路由方法EG-RAODV方法做对比。实验结果将从投递成功率、平均端到端时延和路由控制开销三个评价指标进行比较。
4)实验内容与结果
仿真1，利用上述1)的仿真软件和3)的实验场景设置，用本发明与现有技术AODV方法和EG-RAODV方法进行投递成功率的比较实验，实验数据如表3，用表3的数据绘制三种方法的投递成功率的曲线如图6所示。
表3 三种方法的投递成功率
| 节点数量 | AODV算法 | EG-RAODV算法 | 本发明 |
| 80 | 0.473018 | 0.483438 | 0.493438 |
| 100 | 0.535496 | 0.536588 | 0.572178 |
| 120 | 0.565617 | 0.579239 | 0.624019 |
| 140 | 0.629449 | 0.620577 | 0.649606 |
| 160 | 0.655197 | 0.646168 | 0.679134 |
| 180 | 0.688504 | 0.698005 | 0.708005 |
| 200 | 0.743438 | 0.758136 | 0.797900 |
| 220 | 0.758609 | 0.763281 | 0.835958 |
从图6和表3可见，本发明的投递成功率要高于现有技术AODV方法和EG-RAODV方法。这是由于本发明在对链路连通质量进行预测的同时，还考虑了节点间数据包接收率，从而能更精准的选择高质量的通信链路作为数据包的传输路径，有效的减小了因链路断裂而造成数据包丢失的概率。
仿真2，利用上述1)的仿真软件和3)的实验场景设置，用本发明与现有技术AODV方法和EG-RAODV方法进行平均端到端时延的比较实验，实验数据如表4，用表4的数据绘制三种方法的平均端到端时延的曲线如图7所示。
表4 三种方法的平均端到端时延
| 节点数量 | AODV算法 | EG-RAODV算法 | 本发明 |
| 80 | 0.236765 | 0.232597 | 0.222597 |
| 100 | 0.274100 | 0.264328 | 0.244289 |
| 120 | 0.283700 | 0.271049 | 0.249030 |
| 140 | 0.294797 | 0.283609 | 0.267542 |
| 160 | 0.330222 | 0.298838 | 0.270900 |
| 180 | 0.368017 | 0.309156 | 0.299156 |
| 200 | 0.390436 | 0.324966 | 0.308910 |
| 220 | 0.425948 | 0.348012 | 0.312219 |
从图7和表4可见，本发明的平均端到端时延要低于现有技术AODV方法和EG-RAODV方法。这是由于网络中时延的产生主要是由于节点间链路出现断裂，节点需要重新建立路由，这个过程会带来通信时延。而本发明通过链路可靠性模型选择可靠值最高的通信链路，减少了路由发生断裂的情况，降低了平均端到端时延。
仿真3，利用上述1)的仿真软件和3)的实验场景设置，用本发明与现有技术AODV方法和EG-RAODV方法进行路由控制开销的比较实验，实验数据如表5，用表5的数据绘制三种方法的路由控制开销的曲线如图8所示。
表5 三种方法的路由控制开销
| 节点数量 | AODV算法 | EG-RAODV算法 | 本发明 |
| 80 | 0.563995 | 0.554695 | 0.485117 |
| 100 | 0.598153 | 0.607845 | 0.563867 |
| 120 | 0.634274 | 0.650496 | 0.615695 |
| 140 | 0.678206 | 0.691834 | 0.641285 |
| 160 | 0.693954 | 0.717425 | 0.670813 |
| 180 | 0.737261 | 0.769262 | 0.699684 |
| 200 | 0.832195 | 0.819393 | 0.789579 |
| 220 | 0.897366 | 0.854538 | 0.827637 |
从图8和表5可见，本发明的路由控制开销要低于现有技术AODV方法和EG-RAODV方法。这是由于本发明在更新链路可靠值时，将链路可靠值较小的路由请求包RREQ丢弃，避免了多余的路由控制包的传输；同时选择链路可靠值较高的通信链路，使路由路径能维持更长时间，避免了用过多的路由控制包来维护链路。
Claims (6)
1.一种基于模糊推理的车载网络路由建立方法，包括：
(1)将网络中每个网络节点的路由表设置为空；将源节点作为初始节点，并将其链路可靠值初始化为1；
(2)网络中的所有网络节点周期性广播发送问候HELLO数据包，以获取通信范围内邻居节点的位置、速度大小及方向等运动状态信息；
(3)源节点查询其路由表信息，查看是否有到目的节点的路由：如有，则源节点直接发送数据包给目的节点；否则，源节点周期性广播路由请求数据包RREQ，以建立路由路径；
(4)计算节点间链路可靠值：
(4a)计算相邻节点间的链路预测连通质量LQij：
<mrow>
<msub>
<mi>LQ</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
</mrow>
</mfrac>
<mo><</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mi>i</mi>
<mi>m</mi>
<mi>e</mi>
</mrow>
</mfrac>
<mo>&GreaterEqual;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，Δtime表示保证节点间能完成数据包传输的时间，链路预测连通质量LQij表示相邻节点间预测连通时间Δt与Δtime的比值；
(4b)计算相邻节点间的问候数据包HELLO包接收率HPRRji：
<mrow>
<msub>
<mi>HPRR</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>NR</mi>
<mrow>
<mi>j</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>NS</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，NSi表示节点i发出的HELLO包的数量，NRji表示节点j接收到从节点i发出的HELLO包的数量；
(4c)利用模糊推理方法，计算相邻节点间的链路可靠值r(eij)；
r(eij)＝Fuzzy(LQij,HPRRji)；
(5)更新路由请求包RREQ中的链路可靠值R(e)，判断路由请求包RREQ中链路可靠值R(e)是否大于路由表中的链路可靠值R'(e)：若R(e)＞R'(e)，则将路由表中的链路可靠值更新为R(e)，并继续广播该路由请求包RREQ；否则，将该路由请求包RREQ丢弃；
(6)根据路由请求包RREQ中信息判断当前节点是否为目的节点：若是，则执行步骤(7)；否则，返回步骤(4)；
(7)目的节点收到路由请求包RREQ，判断是否第一次收到该路由请求包RREQ：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤(9)；否则，执行步骤(8)；
(8)若目的节点多次收到路由请求包RREQ，判断路由请求包RREQ的序列号是否最新或者链路可靠值是否更大：若是，则目的节点产生新的路由回复包RREP并反向传回到源节点，并执行步骤(9)；否则，丢弃该路由请求包RREQ；
(9)判断网络中路由回复包RREP是否到达源节点，如果是，则从源节点到目的节点的路由路径建立完成，源节点开始按照路由表信息发送数据包，完成数据传输；否则，返回步骤(7)。
2.根据权利要求1所述的方法，其特征在于，步骤(2)中的问候HELLO数据包，信息包括：节点地址，节点速度大小，节点运动方向和节点位置。
3.根据权利要求1所述的方法，其特征在于，步骤(2)中的获取节点运动信息，是在车载网络环境下，所有车辆节点通过装备的GPS和传感器获取节点的位置、速度和方向。
4.根据权利要求1所述的方法，其特征在于，步骤(3)中的路由表信息，包括：目的地址，下一跳网络节点，序列号和链路可靠值。
5.根据权利要求1所述的方法，其特征在于，步骤(3)中的路由请求数据包RREQ，信息包括:目的节点，序列号，跳数和链路可靠值。
6.根据权利要求1所述的方法，其特征在于，步骤4(a)中的两个相邻节点间的预测连通时间Δt，按如下公式计算：
<mrow>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msqrt>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>&Delta;v</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>&Delta;v</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msup>
<mo>)</mo>
<msup>
<mi>R</mi>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;v</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>y</mi>
<mo>-</mo>
<msub>
<mi>&Delta;v</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&Delta;v</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>x</mi>
<mo>+</mo>
<msub>
<mi>&Delta;v</mi>
<mi>j</mi>
</msub>
<mo>&CenterDot;</mo>
<mi>&Delta;</mi>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<msub>
<mi>&Delta;v</mi>
<mi>i</mi>
</msub>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<msub>
<mi>&Delta;v</mi>
<mi>j</mi>
</msub>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，Δvi表示节点i的速度在x轴方向上的差值，Δvj表示节点j的速度在y轴方向上的差值，Δx表示节点i在x轴方向上位移的差值，Δy表示节点j在y轴方向上的位移差值，R为节点的通信半径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710602139.7A CN107453947B (zh) | 2017-07-21 | 2017-07-21 | 基于模糊推理的车载网络路由建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710602139.7A CN107453947B (zh) | 2017-07-21 | 2017-07-21 | 基于模糊推理的车载网络路由建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107453947A true CN107453947A (zh) | 2017-12-08 |
| CN107453947B CN107453947B (zh) | 2020-08-11 |
Family
ID=60487252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710602139.7A Active CN107453947B (zh) | 2017-07-21 | 2017-07-21 | 基于模糊推理的车载网络路由建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107453947B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115665765A (zh) * | 2022-09-08 | 2023-01-31 | 中原工学院 | 基于模糊推理的多无人机传感器网络多信道时延优化方法 |
| CN117811993A (zh) * | 2024-03-01 | 2024-04-02 | 山东云海国创云计算装备产业创新中心有限公司 | 三维超立方结构网络及其路由方法、装置、设备和介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5283575A (en) * | 1991-11-08 | 1994-02-01 | Zexel Corporation | System and method for locating a travelling vehicle |
| CN103546937A (zh) * | 2013-10-22 | 2014-01-29 | 重庆邮电大学 | 一种车载自组织网络中基于主动链路状态感知的机会路由方法 |
| CN104684040A (zh) * | 2015-03-09 | 2015-06-03 | 西安电子科技大学 | 基于模糊推理的q学习车载网建立路由路径的方法 |
| CN105848247A (zh) * | 2016-05-17 | 2016-08-10 | 中山大学 | 一种车载Ad Hoc网络的自适应路由协议方法 |
-
2017
- 2017-07-21 CN CN201710602139.7A patent/CN107453947B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5283575A (en) * | 1991-11-08 | 1994-02-01 | Zexel Corporation | System and method for locating a travelling vehicle |
| CN103546937A (zh) * | 2013-10-22 | 2014-01-29 | 重庆邮电大学 | 一种车载自组织网络中基于主动链路状态感知的机会路由方法 |
| CN104684040A (zh) * | 2015-03-09 | 2015-06-03 | 西安电子科技大学 | 基于模糊推理的q学习车载网建立路由路径的方法 |
| CN105848247A (zh) * | 2016-05-17 | 2016-08-10 | 中山大学 | 一种车载Ad Hoc网络的自适应路由协议方法 |
Non-Patent Citations (3)
| Title |
|---|
| HAMID MENOUAR ; MASSIMILIANO LENARDI ; FETHI FILALI: "Movement Prediction-Based Routing (MOPR) Concept for Position-Based Routing in Vehicular Networks", 《2007 IEEE 66TH VEHICULAR TECHNOLOGY CONFERENCE》 * |
| MAHMOUD HASHEM EIZA ; QIANG NI: "An Evolving Graph-Based Reliable Routing Scheme for VANETs", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY 》 * |
| WALAA GAD ; TAMER ABDELKADE: "A fuzzy-based routing protocol for metropolitan-area mobile adhoc networks", 《 2014 10TH INTERNATIONAL COMPUTER ENGINEERING CONFERENCE (ICENCO)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115665765A (zh) * | 2022-09-08 | 2023-01-31 | 中原工学院 | 基于模糊推理的多无人机传感器网络多信道时延优化方法 |
| CN115665765B (zh) * | 2022-09-08 | 2023-09-12 | 中原工学院 | 基于模糊推理的多无人机传感器网络多信道时延优化方法 |
| CN117811993A (zh) * | 2024-03-01 | 2024-04-02 | 山东云海国创云计算装备产业创新中心有限公司 | 三维超立方结构网络及其路由方法、装置、设备和介质 |
| CN117811993B (zh) * | 2024-03-01 | 2024-06-07 | 山东云海国创云计算装备产业创新中心有限公司 | 三维超立方结构网络及其路由方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107453947B (zh) | 2020-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jetcheva et al. | Design and evaluation of a metropolitan area multitier wireless ad hoc network architecture | |
| TWI226200B (en) | Intelligent communication node object beacon framework including neighbor discovery in a mobile ad hoc network | |
| CN103476086B (zh) | 基于节点拥塞度预测的动态多径aodv路由方法 | |
| CN105101086B (zh) | 一种基于车辆密度分布的数据传输路径选择方法 | |
| CN106535280A (zh) | 一种基于地理位置的车联网机会路由方法 | |
| CN108650656A (zh) | 一种基于交叉路口的分布式城市车联网路由方法 | |
| CN104618979A (zh) | 一种基于路口辅助的自适应分区路由方法 | |
| Tran et al. | A new deep Q-network design for QoS multicast routing in cognitive radio MANETs | |
| CN107453947A (zh) | 基于模糊推理的车载网络路由建立方法 | |
| KR101601774B1 (ko) | Ｖａｎｅｔ 환경을 위한 라우팅 방법 | |
| Zheng et al. | A reliable routing protocol based on QoS for VANET | |
| Li et al. | An intersection-based delay sensitive routing for VANETs using ACO algorithm | |
| CN110248392A (zh) | 一种车联网中基于节点效能的机会转发方法 | |
| Hamedani et al. | A new two level cluster-based routing protocol for vehicular ad hoc network (VANET) | |
| Qian et al. | A next-hop selection scheme providing long path lifetime in VANETs | |
| CN104683232A (zh) | 一种vanet中可提供长连接服务的路由选择方法 | |
| Patel et al. | A regression-based technique for link failure time prediction in MANET | |
| Gawas et al. | Cross layer multi QoS metric routing for multimedia traffic in 802.11 E over MANETs | |
| CN105263121B (zh) | 一种机会车载网络中基于十字路口的路由方法 | |
| Prakash et al. | Path Load Balancing Adaptive Gateway Discovery in MANET-Internet Integration Using PSO. | |
| Hadawale et al. | Link prediction-based topology control and adaptive routing in cognitive radio mobile ad-hoc networks | |
| Keshavarz et al. | Using routing table flag to improve performance of AODV routing protocol for VANETs environment | |
| CN107124359A (zh) | 基于802.11的感知传输质量保障链路稳定路由方法 | |
| Hammouche et al. | Cross-layer greedy forwarding algorithm for VANET | |
| CN104184829B (zh) | 车辆自组织网络中基于内容完整性和位置信息的路由方法 |
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 |