CN107509229B - 一种基于车辆节点中心性计算的车联网机会路由方法 - Google Patents
一种基于车辆节点中心性计算的车联网机会路由方法 Download PDFInfo
- Publication number
- CN107509229B CN107509229B CN201710655014.0A CN201710655014A CN107509229B CN 107509229 B CN107509229 B CN 107509229B CN 201710655014 A CN201710655014 A CN 201710655014A CN 107509229 B CN107509229 B CN 107509229B
- Authority
- CN
- China
- Prior art keywords
- node
- vehicle node
- community
- vehicle
- long
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于车辆节点中心性计算的车联网机会路由方法，该方法包括以下步骤：采用分布式社区检测方法对车辆节点进行社区划分；根据同一个社区内的车辆节点联系为强连接，不同社区间的车辆节点联系为弱连接；历史相遇时间中长持续时间所占的比例为长时比；计算车辆节点的中心性时，将弱连接和长时比的综合效用作为全局中心性，将强连接和长时比的综合效用作为本地中心性；在消息传输选择中继节点时，根据当前车辆节点和目的节点是否同属于一个社区从而采取相应的传输策略。本发明能提高消息的投递率，降低端到端时延，改善网络性能。
Description
技术领域
本发明涉及车联网通信技术领域，具体涉及一种车辆节点中心性计算方法及车联网机会路由方法。
背景技术
车载自组织网络(Vehicular Ad Hoc Network,VANET)是ITS中重要的组成部分，通常由车载单元(on board unit,OBU)和路侧单元(roadside unit,RSU)组成，VANET中支持车车通信(Vehicle to Vehicle,V2V)以及车辆与路边固定基础设施之间的通信(Vehicle to Infrastructure,V2I)，使得智能驾驶、道路状况预告、安全预警、资源共享等服务成为现实。
各种服务和应用都离不开消息的投递，使得路由协议成为VANET研究中不可或缺的一个环节。不同于传统网络，VANET具有节点快速移动、拓扑频繁变化、链路稳定性差、传输时延大、带宽有限、容易出现网络分割等特点，传统的路由协议无法满足VANET的通信需求。因此路由技术成为VANET面临的重大挑战之一。机会网络(Opportunistic Network)不需要源节点和目的节点之间存在完整路径，采用“存储-携带-转发”的机制，增加节点移动带来的通信机会提高数据传输率，能更好得满足VANET的需求。
社会网络(social network,SN)描述了人们之间的互动和联系以及人们的社会行为。车辆移动受到人为控制，具有明显的社会属性，如社区性、相似性、中心性、自私性等。车载自组织网络与社会网络的结合被称为车联社会网络(VSN,vehicular social network)。车辆节点间的社会关系在相对较长的时间内比较稳定，而车辆移动速度快，其传输链路变化较为频繁。因此，研究VANET中的信息交互、信息分发等关键技术应当充分考虑到车辆节点的社会属性。
然而，目前已有的基于社会属性的机会路由协议大多是在应用于容忍延迟网络中，直接应用于车联网，其网络性能较差。针对VANET中车辆节点移动速度快，网络拓扑结构变化频繁等特性，并利用较为稳定的车辆节点社会属性，提高消息的投递率，降低端到端时延，改善网络性能是我们需要解决的问题。
发明内容
本发明提出一种车辆节点中心性计算方法及车联网机会路由方法，旨在解决车联网网络投递率低，端到端时延大的问题。
为实现以上目的，本发明采取如下技术方案：
本发明公开了一种基于车辆节点中心性计算的车联网机会路由方法，包括下述步骤：
(1)根据分布式社区检测方法对车辆节点进行社区划分，每个车辆节点至少属于一个社区；
(2)根据同一个社区内的车辆节点联系为强连接，不同社区间的车辆节点联系为弱连接；历史相遇时间中长持续时间所占的比例为长时比；计算车辆节点的中心性时，将弱连接和长时比的综合效用作为全局中心性，将强连接和长时比的综合效用作为本地中心性，本步骤包括以下子步骤：
(2.1)在当前车辆节点和目的节点处于不同社区时，首先利用弱连接将消息传输到目的社区；当消息到达目的社区时，利用强连接将其传输到目的节点；对于每一个车辆节点u，其连接效用的表达式为：
其中，E为邻居节点v的集合，c(u，v)为车辆节点u和车辆节点v之间的连接度；
(2.2)车辆移动速度快，车辆节点相遇，需要充足的时间用于传输消息，采用历史相遇时间中长持续时间所占的比例作为长时比度量；对于每一个车辆节点u，其长时比效用的表达式为：
其中只计算车辆节点u和曾经相遇过的邻居节点v的长时比，Long Duration(u，v)为车辆节点u和车辆节点v的每一次历史相遇持续时间超过时间阈值的次数，ShortDuration(u，v)为车辆节点u和车辆节点v的每一次历史相遇持续时间未超过时间阈值的次数；
(2.3)综合考虑连接性和长时比的综合效用，即车辆节点的中心性的表达式为：
TieDurationUtil(u)＝αTieUtil(u)+βDurationUtil(u)
其中，α为连接效用的因子，β为长时比效用的因子，并且α+β＝1；
全局中心性只考虑弱连接，弱连接越多，表明该节点与越多不同社区有联系；本地中心性只考虑强连接，强连接越多，表明该节点与越多同一社区节点有联系；
计算全局中心性时，考虑弱连接的连接度表达式为：
计算本地中心性时，考虑强连接的连接度表达式为：
(3)在消息传输选择中继节点时，根据当前车辆节点和目的节点是否同属于一个社区从而采取相应的传输策略。
作为优选的技术方案，步骤(1)中，采用k-clique社区检测方法对车辆节点进行动态社区划分。
作为优选的技术方案，步骤(2.2)中，计算长时比效用时，当每一次历史相遇时间超过时间阈值时，将视为LongDuration，否则视为ShortDuration，所述时间阈值与消息大小和传输速率有关，设置为消息大小/传输速率的十倍。
作为优选的技术方案，步骤(2.3)中，计算综合效用时，参数设置为α＝0.5，β＝0.5，该参数根据不同场景中连接效用和长时比效用的重要性的不同从而设置不同的值。
作为优选的技术方案，步骤(3)中，若当前车辆节点与目的节点同属于一个社区，则选择同社区内本地中心性比当前车辆节点高且最高的邻居节点，增加消息到达目的节点的机会；若当前车辆节点与目的节点不属于同一个社区，则选择在目的社区且本地中心性最高的邻居节点，若没有与目的节点同属于一个社区的邻居节点，则选择全局中心性比当前车辆节点高且最高的邻居节点，提高消息到达目的社区的机会；若没有找到合适的中继节点，则当前车辆节点继续携带消息进行移动，通过车辆的移动来增加寻找合适中继节点的机会。
通过本发明所构思的方法，与现有技术相比，本发明具有以下的有益效果：
1、本发明采用k-clique社区检测方法对车辆节点进行社区划分，充分考虑了车载网络的无中心和自组织特性，计算复杂度较低，社区划分所需时间较短，有效降低了端到端时延。
2、通过本发明的技术方案，车载网络拓扑结构变化频繁，消息需要在不同社区之间进行传输的可能性更大，考虑弱连接效用增加了消息传输到目的社区的机会，考虑强连接效用增加了消息传输到目的节点的机会，有效提高了投递率，降低了端到端时延。
3、本发明车辆节点移动速度快，有效通信链路存在时间短，曾经每次相遇时间长的车辆相遇后其通信链路时间长的可能性更大，因此选择中继节点时，考虑历史相遇时间中的长时比可以有效提高投递率。
附图说明
图1是本发明中车辆节点强弱连接示意图；
图2是本发明中车辆节点中心性计算流程图；
图3是实施例中构建的城市场景示意图；
图4是实施例与Bubble Rap路由协议的投递率比较示意图；
图5是实施例与Bubble Rap路由协议的端到端时延比较示意图。
具体实施方式
上述说明仅是本发明技术方案的概述，为了使本发明的目的、技术方案及优点更加清楚，以下结合一个较优具体实施例对上述方案做进一步说明；应理解，这些实施例是用于说明本发明而不用于限制本发明的范围。
实施例
如图1所示为车辆节点强弱连接示意图，如图2所示为本发明方法核心部分车辆节点中心性计算流程图。如图3所示，选用广州花城广场地图，并用JOSM工具对其进行地图清洗。利用The ONE网络仿真器分别对本发明所述方法与DTN中经典的基于社会属性路由协议Bubble Rap进行仿真和比较，仿真参数设置如表1所示，得到图4和图5所示的投递率和端到端时延的对比图。
如图2所示，本实施例基于车辆节点中心性计算的车联网机会路由方法，包括如下步骤：
(1)根据k-clique分布式社区检测方法对车辆节点进行社区划分；其中k-clique方法中的K值设置为22，familiar threshold设置为970，当节点需要转发消息时，进入步骤(2)。
(2)如图1所示，同一个社区的车辆节点联系更为频繁，为强连接，不同社区的车辆节点联系并不是很频繁，为弱连接。根据消息转发是否发生在同一社区，本步骤包括以下子步骤：
(2.1)当消息转发发生在同一社区时，即从S->D1，社区内的强连接越多意味着与社区内更多的节点有联系，则更有机会将消息传递到目的节点。源节点a的邻居节点为节点b、e、f，其中节点f的强连接最多，且比节点a多，因此将选择节点f作为中继节点，多跳路径为a->f->d。
(2.2)当消息转发发生在不同社区时，即从S->D2，社区间的弱连接越多意味着与更多不同的社区有联系，能更快得将消息传到目的社区。源节点a的邻居节点为节点b、e、f，其中只有节点b有弱连接，因此将选择节点b作为中继节点，将消息传到目的社区，再进入步骤(2.1)，多跳路径为a->b->q->r->o。
对于每一个车辆节点u，其连接效用的表达式为：
其中，邻居节点v的集合为E。
车辆移动速度快，车辆节点相遇，需要足够时间用于传输消息，采用历史相遇时间中长持续时间所占的比例作为度量。对于每一个车辆节点u，其长时比效用的表达式为：
其中，只计算车辆节点u和曾经相遇过的邻居节点的长时比。计算长时比效用时，当每一次历史相遇时间超过时间阈值时，将视为LongDuration，否则视为ShortDuration，且该时间阈值与消息大小和传输速率有关，设置为消息大小/传输速率的十倍。本实施例中该时间阈值设置为10s。
综合考虑以上两个方面，连接性和长时比的综合效用，即车辆节点的中心性的表达式为：
TieDurationUtil(u)＝αTieUtil(u)+βDurationUtil(u)
其中α+β＝1，本实施例中参数设置为α＝0.5，β＝0.5，该参数可以根据不同场景中连接效用和长时比效用的重要性的不同从而设置不同的值。
将节点的弱连接和长时比的综合效用作为全局中心性，将节点的强连接和长时比的综合效用作为本地中心性。
计算全局中心性时，考虑弱连接的连接度表达式为：
计算本地中心性时，考虑强连接的连接度表达式为：
(2.3)若没有找到合适的中继节点，则当前车辆节点继续携带消息进行移动，通过车辆的移动来增加寻找合适中继节点的机会。
仿真参数设置如表1所示，按照以上步骤实现本发明方法，并移植到The ONE网络仿真器中进行仿真比较，得到的仿真结果如图4、图5所示。
表1仿真参数设置
图4所示的是随着车辆节点缓存大小的变化，本方法较之DTN中经典的基于社会属性路由协议Bubble Rap在投递率上有明显的提升，优化了网络性能。
图5所示的是随着车辆节点缓存大小的变化，本方法较之DTN中经典的基于社会属性路由协议Bubble Rap在端到端时延上有明显的降低，优化了网络性能。
Claims (5)
1.一种基于车辆节点中心性计算的车联网机会路由方法，其特征在于，具体包括下述步骤：
(1)根据分布式社区检测方法对车辆节点进行社区划分，每个车辆节点至少属于一个社区；
(2)根据同一个社区内的车辆节点联系为强连接，不同社区间的车辆节点联系为弱连接；历史相遇时间中长持续时间所占的比例为长时比；计算车辆节点的中心性时，将弱连接和长时比的综合效用作为全局中心性，将强连接和长时比的综合效用作为本地中心性，本步骤包括以下子步骤：
(2.1)在当前车辆节点和目的节点处于不同社区时，首先利用弱连接将消息传输到目的社区；当消息到达目的社区时，利用强连接将其传输到目的节点；对于每一个车辆节点u，其连接效用的表达式为：
其中，E为邻居节点v的集合，c(u，v)为车辆节点u和车辆节点v之间的连接度；
(2.2)车辆移动速度快，车辆节点相遇，需要充足的时间用于传输消息，采用历史相遇时间中长持续时间所占的比例作为长时比度量；对于每一个车辆节点u，其长时比效用的表达式为：
其中，只计算车辆节点u和曾经相遇过的邻居节点v的长时比，LongDuration(u，v)为车辆节点u和车辆节点v的每一次历史相遇持续时间超过时间阈值的次数，ShortDuration(u，v)为车辆节点u和车辆节点v的每一次历史相遇持续时间未超过时间阈值的次数；
(2.3)综合考虑连接性和长时比的综合效用，即车辆节点的中心性的表达式为：
TieDurationUtil(u)＝αTieUtil(u)+βDurationUtil(u)
其中，α为连接效用的因子，β为长时比效用的因子，并且α+β＝1；
全局中心性只考虑弱连接，弱连接越多，表明该节点与越多不同社区有联系；本地中心性只考虑强连接，强连接越多，表明该节点与越多同一社区节点有联系；
计算全局中心性时，考虑弱连接的连接度表达式为：
计算本地中心性时，考虑强连接的连接度表达式为：
(3)在消息传输选择中继节点时，根据当前车辆节点和目的节点是否同属于一个社区从而采取相应的传输策略。
2.根据权利要求1所述的基于车辆节点中心性计算的车联网机会路由方法，其特征在于，步骤(1)中，采用k-clique社区检测方法对车辆节点进行动态社区划分。
3.根据权利要求1所述的基于车辆节点中心性计算的车联网机会路由方法，其特征在于，步骤(2.2)中，计算长时比效用时，当每一次历史相遇时间超过时间阈值时，将视为LongDuration，否则视为ShortDuration，所述时间阈值与消息大小和传输速率有关，设置为消息大小/传输速率的十倍。
4.根据权利要求1所述的基于车辆节点中心性计算的车联网机会路由方法，其特征在于，步骤(2.3)中，计算综合效用时，参数设置为α＝0.5，β＝0.5，该参数根据不同场景中连接效用和长时比效用的重要性的不同从而设置不同的值。
5.根据权利要求1所述的基于车辆节点中心性计算的车联网机会路由方法，其特征在于，步骤(3)中，若当前车辆节点与目的节点同属于一个社区，则选择同社区内本地中心性比当前车辆节点高且最高的邻居节点，增加消息到达目的节点的机会；若当前车辆节点与目的节点不属于同一个社区，则选择在目的社区且本地中心性最高的邻居节点，若没有与目的节点同属于一个社区的邻居节点，则选择全局中心性比当前车辆节点高且最高的邻居节点，提高消息到达目的社区的机会；若没有找到合适的中继节点，则当前车辆节点继续携带消息进行移动，通过车辆的移动来增加寻找合适中继节点的机会。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710655014.0A CN107509229B (zh) | 2017-08-03 | 2017-08-03 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710655014.0A CN107509229B (zh) | 2017-08-03 | 2017-08-03 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107509229A CN107509229A (zh) | 2017-12-22 |
| CN107509229B true CN107509229B (zh) | 2019-10-18 |
Family
ID=60690526
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710655014.0A Active CN107509229B (zh) | 2017-08-03 | 2017-08-03 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107509229B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107509229B (zh) * | 2017-08-03 | 2019-10-18 | 华南理工大学 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
| CN109862537B (zh) * | 2019-03-07 | 2020-08-25 | 同济大学 | 车联网社区内通达性方法 |
| CN109862536B (zh) * | 2019-03-07 | 2020-06-16 | 同济大学 | 大规模车联网多社区间通达性方法 |
| CN113518327B (zh) * | 2021-07-23 | 2023-05-02 | 中山大学 | 一种社会属性感知的车载自组网机会路由方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103957509A (zh) * | 2014-05-07 | 2014-07-30 | 北京邮电大学 | 一种车载网络区分用户移动行为相似性的方法 |
| CN107509229A (zh) * | 2017-08-03 | 2017-12-22 | 华南理工大学 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160055930A (ko) * | 2013-09-19 | 2016-05-18 | 시소모스 엘.피. | 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법 |
-
2017
- 2017-08-03 CN CN201710655014.0A patent/CN107509229B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103957509A (zh) * | 2014-05-07 | 2014-07-30 | 北京邮电大学 | 一种车载网络区分用户移动行为相似性的方法 |
| CN107509229A (zh) * | 2017-08-03 | 2017-12-22 | 华南理工大学 | 一种基于车辆节点中心性计算的车联网机会路由方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107509229A (zh) | 2017-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107509229B (zh) | 一种基于车辆节点中心性计算的车联网机会路由方法 | |
| Qin et al. | Vehicloud: Cloud computing facilitating routing in vehicular networks | |
| CN102883263B (zh) | 一种基于相邻车辆距离的vanet分簇维护方法 | |
| CN106535280B (zh) | 一种基于地理位置的车联网机会路由方法 | |
| CN103475710B (zh) | 基于反馈方式的车辆间合作下载方案 | |
| 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 | |
| CN109660465B (zh) | 一种路侧单元辅助的车联网负载均衡路由方法 | |
| CN103561446B (zh) | 一种车载自组织网络中基于道路拓扑感知路由方法 | |
| Meneguette et al. | SERVitES: An efficient search and allocation resource protocol based on V2V communication for vehicular cloud | |
| 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 | |
| Song et al. | An unsupervised-learning-based method for multi-hop wireless broadcast relay selection in urban vehicular networks | |
| Zhou et al. | Multiple intersection selection routing protocol based on road section connectivity probability for urban VANETs | |
| Li et al. | Improved AODV routing protocol for vehicular Ad hoc networks | |
| Huang et al. | ECDS: Efficient collaborative downloading scheme for popular content distribution in urban vehicular networks | |
| Sou et al. | SCB: store-carry-broadcast scheme for message dissemination in sparse VANET | |
| Yadav et al. | Secure and reliable routing protocols for VANETs | |
| Maia et al. | A data dissemination protocol for urban vehicular ad hoc networks with extreme traffic conditions | |
| CN104469874A (zh) | 一种基于概率中心度的机会网络的消息转发方法 | |
| CN104010340B (zh) | 一种基于节点运动趋势的城市车辆网络消息多播路由方法 | |
| Li et al. | Optimized AODV routing protocol for vehicular ad hoc networks | |
| Yang et al. | Comparison and evaluation of routing protocols based on a collaborative simulation using SUMO and NS3 with TraCI | |
| Aravindhan et al. | A cluster approach in VANET using collaborative learning automata-based routing | |
| Duc et al. | Towards opportunistic data dissemination in mobile phone sensor networks | |
| Dua et al. | An energy efficient data dissemination and information retrieval scheme for VANET | |
| CN108540927A (zh) | 一种车联网广告数据分发路径选择方法和系统 |
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 |