CN107634906B - 一种基于分簇的多属性决策vdtn路由方法 - Google Patents

一种基于分簇的多属性决策vdtn路由方法 Download PDF

Info

Publication number
CN107634906B
CN107634906B CN201710986174.3A CN201710986174A CN107634906B CN 107634906 B CN107634906 B CN 107634906B CN 201710986174 A CN201710986174 A CN 201710986174A CN 107634906 B CN107634906 B CN 107634906B
Authority
CN
China
Prior art keywords
vehicle node
node
road
message
cluster
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.)
Expired - Fee Related
Application number
CN201710986174.3A
Other languages
English (en)
Other versions
CN107634906A (zh
Inventor
魏松杰
骆茜荣
罗娜
吴超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201710986174.3A priority Critical patent/CN107634906B/zh
Publication of CN107634906A publication Critical patent/CN107634906A/zh
Application granted granted Critical
Publication of CN107634906B publication Critical patent/CN107634906B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Data Exchanges In Wide-Area Networks (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种基于分簇的多属性决策VDTN路由方法，该方法具体为：在簇内，车辆节点协作感知分布预测其携带的消息在道路上的分布，并得出消息的覆盖率；同时，研究分析节点的运动速度、缓存空余、簇内生命力、道路通达度以及运动过程中动态感知的消息在道路上的覆盖率五个属性对路由的影响，提出不同属性的转发概率函数，然后将每个属性的转发概率函数添加权值综合计算后，得出多属性决策模型。本发明能够有效控制局部网络内冗余消息的数目，均衡网络节点资源，使得路由决策更加准确，从而有效提高路由性能。

Description

一种基于分簇的多属性决策VDTN路由方法
技术领域
本发明属于无线通信领域，具体涉及一种基于分簇的多属性决策VDTN 路由方法。
背景技术
车载自组织网络(Vehicular Ad Hoc Network,VANET)是通过无线进行车辆间通信的一种特殊的移动自组织网络(Mobile Ad Hoc Network, MANET)。由于VANET节点的高移动性，使得节点间连接不稳定，网络拓扑结构变化快，网络中难以在端到端之间保证一条稳定的传输路径。传统的MANET路由协议大多基于稳定的网络拓扑来建立和维护源节点到目的节点间的路由表项，所以传统的MANET路由协议在VANET环境下很难进行消息的有效传输。
时延容忍网络(Delay Tolerant Network,DTN)是一种能够在节点连接时断时续环境下进行消息有效传输的新型无线网络。VANET具有DTN的网络特性，是一种典型的DTN应用场景，所以我们将满足DTN网络特性的VANET 称为车载时延容忍网络(Vehicular DelayTolerant Network,VDTN)。为了在受限网络中进行消息的有效投递，VDTN采用“携带-存储-转发”的消息传输机制，依靠节点间的随机相遇进行消息的逐跳转发。当节点不存在邻居节点或合适的中继节点时，节点携带消息直到遇见合适的中继节点或目的节点才进行消息的转发。基于以上的消息传输机制，VDTN路由算法需要解决的关键问题就是如何为消息选择合适的中继节点。
洪泛路由(Epidemic)是一种不限制副本数量的多副本路由算法，其转发消息的方式类似生物中病毒的传染，当节点相遇时，互相复制转发对方没有的消息。在网络资源充裕时，该算法能够最大化消息的到达率并最小化消息传输延时。但是当网络资源有限时，由于其产生巨大的网络开销会使路由性能大大下降。针对Epidemic对网络资源过度消耗问题，研究者提出了一些控制消息副本数量的策略。包括控制消息洪泛次数、基于网络信息建立转发条件以及节点缓存管理等。
现有VDTN路由协议大多考虑控制全局网络内消息副本数量以提高路由性能，但却忽略了对局部网络内消息副本数量的控制，可能会将消息分布在距离目的节点较远的局部网络中，既产生了冗余消息副本又会降低消息的到达率。
发明内容
本发明提出了一种基于分簇的多属性决策VDTN路由方法。
实现本发明的技术解决方案为，一种基于分簇的多属性决策VDTN路由方法，具体步骤为：
步骤1、对车辆节点分簇：将每条道路划分为一个簇，并给每条道路一个簇标识，行驶在相同道路上的车辆节点被划分到同一个簇；
步骤2、当前车辆节点i和邻居车辆节点j相遇时，彼此发送心跳消息，消息包含如下信息：能唯一识别车辆节点的车辆节点标号id；车辆节点携带的消息ID集合MIDid；车辆节点的运动速度vid；车辆节点的运动方向did；车辆节点与邻居车辆节点的相遇位置pid；车辆节点与邻居车辆节点的相遇时刻tid；车辆节点的剩余缓存空间βid；车辆节点所在簇的簇标识Cid；
步骤3、当前车辆节点i根据与邻居节点j之间的相对速度计算出目标消息M的转发概率Pvelocity；
步骤4、当前车辆节点i根据邻居节点j剩余缓存空间计算出目标消息M 的转发概率Pbuffer；
步骤5、当前车辆节点i根据自身簇内生命力得出目标消息M的转发概率Pvitality；
步骤6、当前车辆节点i根据道路通达度AR得出目标消息M的转发概率 Paccess；
步骤7、车辆节点动态感知簇中消息的分布情况，并根据消息覆盖率得出目标消息M的转发概率Pcoverage；
步骤8、基于步骤3、4、5、6、7得到的目标消息M的转发概率得出当前车辆节点i转发目标消息M给邻居车辆节点j的多属性转发概率
Figure BDA0001440559270000031
步骤9、当前车辆节点i基于多属性转发概率
Figure BDA0001440559270000041
进行路由决策。
本发明与现有技术相比，其显著优点为：1)本发明提出节点合作感知簇内消息覆盖情况策略。节点通过动态感知簇内消息分布情况自适应的进行消息的复制转发，从而可以有效的控制局部网络内冗余的消息副本数目。 2)本发明提出了一种多属性决策转发模型。该模型研究节点属性与消息在簇内的分布情况对路由决策的影响，计算每个消息对应邻居节点的转发概率，使得路由决策更加准确。3)本发明应用于车载时延容忍网络，路由性能显著优于洪泛路由、先知路由及喷射等待路由。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明一种基于分簇的多属性决策路由方法流程图。
图2为本发明实施例1中的城市路网分布图。
图3为不同网络节点缓存下的消息到达率示意图。
图4为不同网络节点缓存下的消息平均到达延时示意图。
图5为不同网络节点缓存下的消息负载示意图。
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
具体实施方式
本发明提出的一种基于分簇的多属性决策VDTN路由算法，包括以下步骤：
步骤1、对车辆节点分簇：将每条道路划分为一个簇，并给每条道路一个簇标识，行驶在相同道路上的车辆节点被划分到同一个簇；
步骤2、当前车辆节点i和邻居车辆节点j相遇时，彼此发送心跳消息，消息包含如下信息：能唯一识别车辆节点的车辆节点标号id；车辆节点携带的消息ID集合MIDid；车辆节点的运动速度vid；车辆节点的运动方向did；车辆节点与邻居车辆节点的相遇位置pid；车辆节点与邻居车辆节点的相遇时刻tid；车辆节点的剩余缓存空间βid；车辆节点所在簇的簇标识Cid；
步骤3、当前车辆节点i根据与邻居节点j之间的相对速度计算出目标消息M的转发概率Pvelocity，具体计算公式为：
Figure BDA0001440559270000051
其中，vi表示当前车辆节点i的运动速度；vj表示邻居车辆节点j的运动速度；vlimit表示道路上的最高限速。
步骤4、当前车辆节点i根据邻居节点j剩余缓存空间计算出目标消息M 的转发概率Pbuffer，具体计算公式为：
Figure BDA0001440559270000052
其中，βj表示邻居车辆节点j的剩余缓存空间；β表示车辆节点的缓存总空间。
步骤5、当前车辆节点i根据自身簇内生命力得出目标消息M的转发概率Pvitality，具体计算公式为：
Figure BDA0001440559270000061
其中，di表示当前车辆节点i在道路上已运动的时间。
步骤6、当前车辆节点i根据道路通达度AR得出目标消息M的转发概率 Paccess，具体计算公式为：
Paccess＝AR
其中道路通达度AR表征道路在整个路网中的通达性能，其数值取决于道路的长度及其支路个数，计算公式如下：
Figure BDA0001440559270000062
其中Dmax表示整个路网中最长的道路长度，Cmax表示整个路网中道路的最大支路个数，DC表示道路C的长度，CC表示道路C的支路个数。
步骤7、车辆节点动态感知簇中消息的分布情况，并根据消息覆盖率得出目标消息M的转发概率Pcoverage，具体步骤为：
步骤7.1、当前车辆节点i刚进入一条新的道路C时，建立遇见节点消息列表NM，遇见节点消息列表NM的条目结构为 <id，MIDid，vid，did，pid，tid，Rid>，其中Rid表示当前车辆节点i对节点id携带的每个消息感知的覆盖长度，tid时刻值为2r，r为车辆节点的通信半径；
步骤7.2、当前车辆节点i与邻居车辆节点j相遇时，若两节点同属于一个簇时，将对方信息添加到NM中，同步NM信息，具体同步方式为：①如果对方有新的节点信息，则复制新节点的条目信息到自己的NM中；②如果对方有相同的条目信息，则将更新的条目信息保存到自己的NM中；
步骤7.3、预测时间为t时消息M在道路上的分布位置及其覆盖范围，并将消息覆盖道路长度与道路总长度的比值定义为消息M的覆盖率
Figure BDA0001440559270000071
具体计算公式为：
Figure BDA0001440559270000072
Rangeh＝(Ph，Rh)h∈K
Figure BDA0001440559270000081
其中，
Figure BDA0001440559270000082
表示消息M在道路R上的覆盖率；K表示MIDid中包含消息M的车辆节点集合，集合K的大小为n；Rangeh表示对集合内每一个车辆节点预测的覆盖区域，即车辆节点携带的消息M的覆盖区域，Ph表示车辆节点的位置信息，Rh表示车辆节点覆盖长度,aging表示覆盖长度随时间衰减的衰减速率，0＜aging＜1，r为车辆节点的通信半径；DC表示道路C的长度；
其中，车辆节点的的位置信息Ph的具体计算步骤为：
步骤7.3.1、根据车辆节点的运动速度与运动时间计算运动距离dis；
步骤7.3.2、将相遇位置向车辆节点运动方向上平移相应的运动距离 dis得到车辆节点的的位置信息Ph。
步骤7.4、基于消息M的覆盖率
Figure BDA0001440559270000083
求得转发概率Pcoverage，具体计算公式为：
Figure BDA0001440559270000084
其中，D为调节参数。
步骤8、基于步骤3、4、5、6、7得到的目标消息M的转发概率得出当前车辆节点i转发目标消息M给邻居车辆节点j的多属性转发概率
Figure BDA0001440559270000091
具体计算方法为：
当前车辆节点i和邻居车辆节点j同属于一个簇C时，计算公式如下：
Figure BDA0001440559270000092
其中
Figure BDA0001440559270000093
且0＜wi＜1，w1，w2，w3，w4，w5分别为在相应转发概率中的权值；
当前车辆节点i和邻居车辆节点j不属于一个簇时，计算公式如下：
Figure BDA0001440559270000094
其中Paccess表示基于簇Cj通达度得到的转发概率；Pcoverage表示基于车辆节点j对消息M感知的覆盖率得到的转发概率；
Figure BDA0001440559270000095
且 0＜wi＜1，w6，w7，w8为在相应转发概率中的权值。
步骤9、当前车辆节点i基于多属性转发概率
Figure BDA0001440559270000096
进行路由决策，具体步骤为：步骤9.1、遍历携带的消息，若目标消息的目标车辆节点是邻居车辆节点时，直接将目标消息转发至目标车辆节点，若不是，则进行步骤9.2；
步骤9.2、车辆节点根据多属性转发概率
Figure BDA0001440559270000101
计算自身携带的每个消息对应每个邻居车辆节点的转发概率值P，然后建立三元组列表，其中，三元组信息包括消息，邻居车辆节点以及转发概率P值；当P值小于设定的阈值时，表示邻居车辆节点不是一个合适的中继节点，不进行转发；当P值大于设定的阈值时，对P大于阈值的三元组按照P降序排列，并以此顺序转发三元组内的消息给对应的邻居车辆节点。
下面结合实施例进行进一步说明。
实施例1
下面采用网络仿真对基于分簇的多属性决策路由方法进行建模，通过在真实场景下模拟路由转发过程进一步说明本方法过程如下：
(1)场景
结合图2所示，环境为赫尔辛基城市地图，选取赫尔辛基城市中的153 条道路，道路平均长度为655m，道路最长1819m，最短104m，道路总长度为100.25km。
(2)场景配置
时间长度为6小时，节点采取最短路径移动模型，运动速度为2.7m/s-13.9m/s，节点消息传输速率为10Mbps，通信范围20m，消息大小 250kB，多属性决策模型中的权重因子w1、w2、w3、w4、w5分别设置为0.1、 0.3、0.1、0.4、0.1，转发阈值为0.7，aging取值为0.9，D取值为500。
(3)内容及结果
主要比较在不同网络节点缓存下基于分簇的多属性决策路由方法与典型的时延容忍网络的路由性能，主要从消息到达率、消息负载以及消息平均到达延时三个方面评价路由性能。设置节点缓存为10M、15M、20M以及 25M，对应可缓存的消息个数为40、60、80和100。
如图3所示，随着节点缓存能力的提高各路由方法的消息到达率的变化情况。基于分簇的多属性决策路由方法的消息到达率明显优于其他三种路由算法。证明本发明为消息选择中继节点策略的有效性。
如图4所示，随着节点缓存能力的提高各路由方法的消息负载的变化情况。基于分簇的多属性决策路由方法的网络负载高于喷射等待路由但是低于洪泛路由和先知路由。由于本发明有策略的进行中继节点的选择，可以减少无效消息副本的数量，所以其网络负载低于洪泛路由与先知路由。
如图5所示，随着节点缓存能力的提高各路由方法的消息平均延时的变化情况。喷射等待路由由于喷射规则使得网络负载没有到达上限，所以增加缓存消息延时呈现平稳趋势。洪泛路由、先知路由和基于分簇的多属性决策路由当增加节点缓存时，使网络负载得到缓解，丢包率降低，可以有效降低消息到达延时。基于分簇的多属性决策路由消息延时较其他路由达到最低。

Claims (1)

1.一种基于分簇的多属性决策VDTN路由方法，其特征在于，包括以下步骤：
步骤1、对车辆节点分簇：将每条道路划分为一个簇，并给每条道路一个簇标识，行驶在相同道路上的车辆节点被划分到同一个簇；
步骤2、当前车辆节点i和邻居车辆节点j相遇时，彼此发送心跳消息，消息包含如下信息：能唯一识别车辆节点的车辆节点标号id；车辆节点携带的消息ID集合MIDid；车辆节点的运动速度vid；车辆节点的运动方向did；车辆节点与邻居车辆节点的相遇位置pid；车辆节点与邻居车辆节点的相遇时刻tid；车辆节点的剩余缓存空间βid；车辆节点所在簇的簇标识Cid；
步骤3、当前车辆节点i根据与邻居节点j之间的相对速度计算出目标消息M的转发概率Pvelocity，具体计算公式为：
Figure FDA0002427207820000011
其中，vi表示当前车辆节点i的运动速度；vj表示邻居车辆节点j的运动速度；vlimit表示道路上的最高限速；
步骤4、当前车辆节点i根据邻居节点j剩余缓存空间计算出目标消息M的转发概率Pbuffer，具体计算公式为：
Figure FDA0002427207820000012
其中，βj表示邻居车辆节点j的剩余缓存空间；β表示车辆节点的缓存总空间；
步骤5、当前车辆节点i根据自身簇内生命力得出目标消息M的转发概率Pvitality，具体计算公式为：
Figure FDA0002427207820000021
其中，di表示当前车辆节点i在道路上已运动的时间；
步骤6、当前车辆节点i根据道路通达度AR得出目标消息M的转发概率Paccess，具体计算公式为：
Paccess＝AR
其中，道路通达度AR表征道路在整个路网中的通达性能，其数值取决于道路的长度及其支路个数，计算公式如下：
Figure FDA0002427207820000022
其中Dmax表示整个路网中最长的道路长度，Cmax表示整个路网中道路的最大支路个数，DC表示道路C的长度，CC表示道路C的支路个数；
步骤7、车辆节点动态感知簇中消息的分布情况，并根据消息覆盖率得出目标消息M的转发概率Pcoverage，具体步骤为：
步骤7.1、当前车辆节点i刚进入一条新的道路C时，建立遇见节点消息列表NM，遇见节点消息列表NM的条目结构为<id，MIDid，vid，did，pid，tid，Rid>，其中Rid表示当前车辆节点i对节点id携带的每个消息感知的覆盖长度，tid时刻值为2r，r为车辆节点的通信半径；
步骤7.2、当前车辆节点i与邻居车辆节点j相遇时，若两节点同属于一个簇时，将对方信息添加到NM中，同步NM信息，具体同步方式为：①如果对方有新的节点信息，则复制新节点的条目信息到自己的NM中；②如果对方有相同的条目信息，则将更新的条目信息保存到自己的NM中；
步骤7.3、预测时间为t时消息M在道路上的分布位置及其覆盖范围，并将消息覆盖道路长度与道路总长度的比值定义为消息M的覆盖率
Figure FDA0002427207820000031
具体计算公式为：
Figure FDA0002427207820000032
Rangeh＝(Ph，Rh) h∈K
Figure FDA0002427207820000033
其中，
Figure FDA0002427207820000034
表示消息M在道路C上的覆盖率；K表示MIDid中包含消息M的车辆节点集合，集合K的大小为n；Rangeh表示对集合内每一个车辆节点预测的覆盖区域，即车辆节点携带的消息M的覆盖区域，Ph表示车辆节点的位置信息，Rh表示车辆节点的覆盖长度，aging表示覆盖长度随时间衰减的衰减速率，0＜aging＜1，r为车辆节点的通信半径；DC表示道路C的长度；
其中，位置信息Ph的具体计算步骤为：
步骤7.3.1、根据车辆节点的运动速度与运动时间计算运动距离dis；
步骤7.3.2、将相遇位置向车辆节点运动方向上平移相应的运动距离dis得到车辆节点的的位置信息Ph；
步骤7.4、基于消息M的覆盖率
Figure FDA0002427207820000035
求得转发概率Pcoverage，具体计算公式为：
Figure FDA0002427207820000041
其中，D为调节参数；
步骤8、基于步骤3、4、5、6、7得到的目标消息M的转发概率得出当前车辆节点i转发目标消息M给邻居车辆节点j的多属性转发概率
Figure FDA0002427207820000042
具体计算方法为：
当前车辆节点i和邻居车辆节点j同属于一个簇C时，计算公式如下：
Figure FDA0002427207820000043
其中
Figure FDA0002427207820000044
且0＜wi＜1，w1，w2，w3，w4，w5分别为在相应转发概率中的权值；
当前车辆节点i和邻居车辆节点j不属于一个簇时，计算公式如下：
Figure FDA0002427207820000045
其中Paccess表示基于簇Cj通达度得到的转发概率；Pcoverage表示基于车辆节点j对消息M感知的覆盖率得到的转发概率；
Figure FDA0002427207820000046
且0＜wi＜1，w6，w7，w8为在相应转发概率的权值；
步骤9、遍历携带的消息，若目标消息的目标车辆节点是邻居车辆节点时，直接将目标消息转发至目标车辆节点，若不是，则车辆节点根据多属性转发概率
Figure FDA0002427207820000047
计算自身携带的每个目标消息对应每个邻居车辆节点的转发概率值P，然后建立三元组列表，其中，三元组信息包括消息，邻居车辆节点以及转发概率P值；当P值小于设定的阈值时，表示邻居车辆节点不是一个合适的中继节点，不进行转发；当P值大于设定的阈值时，对P大于阈值的三元组按照P降序排列，并以此顺序转发三元组内的目标消息给对应的邻居车辆节点。
CN201710986174.3A 2017-10-20 2017-10-20 一种基于分簇的多属性决策vdtn路由方法 Expired - Fee Related CN107634906B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710986174.3A CN107634906B (zh) 2017-10-20 2017-10-20 一种基于分簇的多属性决策vdtn路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710986174.3A CN107634906B (zh) 2017-10-20 2017-10-20 一种基于分簇的多属性决策vdtn路由方法

Publications (2)

Publication Number Publication Date
CN107634906A CN107634906A (zh) 2018-01-26
CN107634906B true CN107634906B (zh) 2020-06-19

Family

ID=61104580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710986174.3A Expired - Fee Related CN107634906B (zh) 2017-10-20 2017-10-20 一种基于分簇的多属性决策vdtn路由方法

Country Status (1)

Country Link
CN (1) CN107634906B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108881049A (zh) * 2018-09-26 2018-11-23 南京邮电大学 一种基于Epidemic路由的拥塞控制策略

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325544A (zh) * 2008-07-21 2008-12-17 武汉理工大学 无线传感器网络中基于链路多特征值的多路径路由建立方法
CN102495934A (zh) * 2011-12-15 2012-06-13 南京理工大学 基于粒子群算法的轨道交通牵引功率平衡运行图设计方法
CN103095593A (zh) * 2013-01-11 2013-05-08 上海交通大学 车辆自组网络的路由系统及方法
CN107197495A (zh) * 2017-01-17 2017-09-22 燕山大学 一种基于多属性决策的无线传感器网络安全路由算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101325544A (zh) * 2008-07-21 2008-12-17 武汉理工大学 无线传感器网络中基于链路多特征值的多路径路由建立方法
CN102495934A (zh) * 2011-12-15 2012-06-13 南京理工大学 基于粒子群算法的轨道交通牵引功率平衡运行图设计方法
CN103095593A (zh) * 2013-01-11 2013-05-08 上海交通大学 车辆自组网络的路由系统及方法
CN107197495A (zh) * 2017-01-17 2017-09-22 燕山大学 一种基于多属性决策的无线传感器网络安全路由算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于模糊多属性决策的WSN路由方法;徐倩楠，牛强;《计算机工程与应用》;20110930;第47卷(第9期);第99-102页 *

Also Published As

Publication number Publication date
CN107634906A (zh) 2018-01-26

Similar Documents

Publication Publication Date Title
Zhang et al. Novel self-adaptive routing service algorithm for application in VANET
Luo et al. Intersection-based V2X routing via reinforcement learning in vehicular ad hoc networks
Maslekar et al. A stable clustering algorithm for efficiency applications in VANETs
CN103561426B (zh) 容迟移动传感网中基于节点活跃度的改进概率路由方法
CN111741448B (zh) 一种基于边缘计算策略的分簇aodv路由方法
CN103763193B (zh) 车载自组织网络中选择喷发范围的多副本路由方法
CN101594697B (zh) 一种基于社区机会网络下的数据传输方法
CN106211260B (zh) 一种车联网中基于位置信息自适应的机会路由方法
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
CN107105389B (zh) 车载网络中基于道路拓扑结构的地理信息路由方法
CN114449477B (zh) 一种基于边缘缓存和免疫克隆策略的车联网内容分发方法
CN109600715B (zh) 一种车联网v2x通信辅助文件下载方法
Debnath et al. Fuzzy logic-based VANET routing method to increase the QoS by considering the dynamic nature of vehicles
CN110248392B (zh) 一种车联网中基于节点效能的机会转发方法
CN108768852B (zh) 一种车联网中基于多副本拥塞避免的机会路由方法
Hussain et al. Artificial intelligence based handover decision and network selection in heterogeneous internet of vehicles
Zaimi et al. An evaluation of routing protocols for vehicular ad-hoc network considering the video stream
CN107634906B (zh) 一种基于分簇的多属性决策vdtn路由方法
Wu et al. Social-Aware Decentralized Cooperative Caching for Internet of Vehicles
Wang et al. An improved VANET intelligent forward decision-making routing algorithm
WO2020186655A1 (zh) 基于服务类型的车载自组织网络中内容转发节点选择方法
Wu et al. A geographic routing protocol based on trunk line in VANETs
Shuang et al. Study on V2V clustering algorithm in heterogeneous network based on VANET and LTE-V2X
Mirjazaee et al. A driving path based opportunistic routing in vehicular ad hoc network
Liao et al. Environment-Adaptive Dynamic Caching for Vehicular Named Data Networks in Dynamic Network Environments

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200619