CN108366340B - 基于公交车轨迹和蚁群优化的城市车联网路由方法 - Google Patents
基于公交车轨迹和蚁群优化的城市车联网路由方法 Download PDFInfo
- Publication number
- CN108366340B CN108366340B CN201810129910.8A CN201810129910A CN108366340B CN 108366340 B CN108366340 B CN 108366340B CN 201810129910 A CN201810129910 A CN 201810129910A CN 108366340 B CN108366340 B CN 108366340B
- Authority
- CN
- China
- Prior art keywords
- bus
- ant
- data packet
- vehicle
- request
- 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
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- 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
-
- 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
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- 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
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
本发明公开了一种基于公交车轨迹和蚁群优化的城市车联网路由方法,其包括接收数据包;当数据包中不存在路由路径时,制定路由路径,并封装于数据包中;当存在路由路径时,判断数据包的目的地位置是否位于其通信范围内;若否,判断通信范围内是否存在中继公交车;若存在,则选取连接生命期最长的作为下一跳中继公交车,并向其发送数据包;否则,则采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路;当找到,则向其发送数据包;当未找到,判断当前位置是否偏离路由路径;若未偏离,则继续采用蚁群优化算法发现最优下一跳中继公交车;否则,返回寻找最短路径步骤;若位于通信范围内,向数据包的目的地位置发送数据包。
Description
技术领域
本发明涉及智能交通系统的通信方法,具体涉及基于公交车轨迹和蚁群优化的城市车联网路由方法。
背景技术
车辆自组织网络主要包括车辆与车辆、车辆与路旁设备以及车辆与行人之间的直接或多跳通信,使得在现有道路网中动态、快速构建一个自组织、分布式控制的车辆专用短距离通信网络成为现实。车辆间通信网络是移动自组织网络的一个崭新分支,它是在车载终端之上,将电子传感、导航定位、移动计算、数据网络、机器视觉、自动控制、人工智能以及系统综合等技术有效地集成,并运用于整个地面道路交通运输管理系统之中,实现人、车、路三者之间的信息共享、协同与交互,从而建立一种在区域范围内、全方位发挥作用,实时、准确、高效的综合交通运输管理与服务系统。车联网技术有效改善交通安全,减少交通拥堵,增强行驶舒适性。研究车联网关键技术,开发相应的智能交通系统和产品,对于交通系统建设和国家经济发展具有关键意义。
作为一种特殊的移动自组织网络,车联网不仅有一般自组织网络的特点,由于其运用环境和人们对其功能需求的差异,车联网又有自身所特有的特点:车辆节点的高速移动,网络拓扑结构变化频繁,节点分布不均匀,运动轨迹受限等,使得传统的移动自组织网络的路由协议不能适应车联网的动态变化。而作为车联网研究的关键技术,路由协议对车联网性能好坏起着至关重要的作用,因此设计高效、可靠、实时的车联网路由协议具有一定的实际意义和研究价值。降低端到端的延时、提高包传输率和提高Qos是设计高效路由协议的目标。
发明内容
针对现有技术中的上述不足,本发明提供了一种能够降低端到端的延时并提高包传输率的于公交车轨迹和蚁群优化的城市车联网路由方法。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于公交车轨迹和蚁群优化的城市车联网路由方法,其包括:
接收来自于非公交车向外发送的数据包;
当所述数据包中不存在路由路径时,根据公交车线路路由图,采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径;
选取最短路径中连续性概率最大的作为路由路径,并将其封装于数据包中;
当所述数据包中存在路由路径时,判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
若不位于通信范围内,则判断通信范围内是否存在位于路由路径中且与目的地的距离小于携带数据包的公交车与目的地的距离的公交车;
若存在,则携带数据包的公交车通信范围内、且与携带数据包的公交车的连接生命期最长的公交车作为下一跳中继公交车,并向其发送数据包,之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
若不存在,则携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路;
当采用蚁群优化算法成功找到下一跳中继公交车,则向其发送数据包,之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
当采用蚁群优化算法未能成功找到下一跳中继公交车,判断当前位置是否偏离路由路径;
若未偏离,则继续采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路;否则,返回采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径;
若位于通信范围内,向数据包的目的地位置发送数据包。
进一步地,所述携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路的方法包括:
携带数据包的公交车生成多个具有下一跳中继公交车选取条件的请求蚂蚁,所述选取条件为公交车所在街道位于路由路径中且与目的地的距离小于携带数据包的公交车与目的地的距离;
计算携带数据包的公交车通信范围内的车辆节点与携带数据包的公交车之间所有链路的转发概率;
携带数据包的公交车通过其邻近车辆节点的最大转发概率对应的链路向其邻近车辆节点发送请求蚂蚁;
当在设定的门限时间内接收到响应蚂蚁时,计算每个响应蚂蚁的功能函数值;
选择功能函数值最大的响应蚂蚁中的目的公交车作为下一跳中继公交车,并输出响应蚂蚁中保存的多跳链路及已找到的下一跳中继公交车;
当在设定的门限时间内未接收到响应蚂蚁时,判断携带数据包的公交车当前所在位置是否偏离路由路径;
若未偏离,则重新生成多个具有下一跳中继公交车选取条件的请求蚂蚁;否则,输出未找到下一跳中继公交车。
进一步地,所述转发概率的计算公式为:
其中,pi,j(t)为t时刻的接收请求蚂蚁的车辆i和其邻近车辆j之间的转发概率;为接收请求蚂蚁的车辆i通信范围内的邻近车辆集合;τij(t)为t时刻接收请求蚂蚁的车辆i存储的与其邻近车辆j之间的信息素强度;ηij(t)为t时刻车辆i和车辆j之间的链路li,j的启发函数值;ηik(t)为t时刻车辆i和其邻近车辆k之间的链li,k的启发函数值;α、β分别为信息素启发因子和期望值因子;
启发函数值ηij的计算公式为:
其中,LT(li,j)为链路li,j的生命期;D(li,j)为链路li,j的延迟;为权重。
进一步地,所述功能函数值的计算公式为:
其中
LT(P)、D(P)分别位多跳链路P的链路生命期和链路传输延迟;Dth为设定的门限时间;LT(li,j)为车辆i和车辆j之间的连接生命期;D(li,j)为车辆i与车辆j的传输延迟;为权重。
进一步地,当采用蚁群优化算法发现最优下一跳中继公交车过程中,位于携带数据包的公交车通信范围内的非公交车接收蚂蚁数据包时,非公交车对蚂蚁数据包的处理方法包括:
判断接收的蚂蚁数据包是否为请求蚂蚁;
若蚂蚁数据包是请求蚂蚁,则判断请求蚂蚁的生命期是否结束;
若结束,则丢弃蚂蚁数据包;否则,将其ID加入请求蚂蚁的路由表中,并计算其通信范围内所有车辆与其之间的转发概率;
接收蚂蚁的非公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁;
若蚂蚁数据包不是请求蚂蚁,则判断其是否是响应蚂蚁表中的中继车辆;
若不是,则丢弃蚂蚁数据包;否则,更新其信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
进一步地,当采用蚁群优化算法发现最优下一跳中继公交车过程中,若公交车接收到蚂蚁数据包时,公交车对蚂蚁数据包的处理方法包括:
判断接收的蚂蚁数据包是否为请求蚂蚁;
若蚂蚁数据包是请求蚂蚁,则判断其是否满足请求蚂蚁中下一跳中继公交车选取条件;
若满足选取条件,则加入公交车ID至请求蚂蚁的路由表中,并将请求蚂蚁中的路由表封装于响应蚂蚁中,同时将响应蚂蚁发送给响应蚂蚁路由表逆序中的下一跳车辆;
若不满足选取条件,判断请求蚂蚁的生命期是否结束;
若结束,则丢弃请求蚂蚁;否则,加入公交车ID至请求蚂蚁的路由表中,并更新公交车的信息素;
采用其更新后的信息素,计算其通信范围内的所有车辆与其之间的转发概率;
接收蚂蚁的公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁;
若蚂蚁数据包类型不是请求蚂蚁,则判断其是否是响应蚂蚁表中的中继车辆;
若不是,则丢弃蚂蚁数据包;否则,更新其信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
进一步地,所述更新信息素的计算公式为:
其中,ρij(t+Δt)∈(0,1)为t+Δt时刻车辆i和车辆j之间的信息素挥发系数;τij(t)表示t时刻车辆i和车辆j之间的信息素强度,τij(t+Δt)为(t+Δt)时刻车辆i和车辆j之间的的信息素强度;τ0为信息素的初始值;
τ0=(1-ρij(t))θτij(t)
其中,ρij(t)为t时刻的车辆i和车辆j之间信息素挥发系数;θ为在生命期LT(li,j)内信息素挥发的次数,τij(t)为t时刻车辆i和车辆j之间的信息素强度。
进一步地,所述公交车线路路由图为其中,顶点集合由十字路口组成,边集合为道路图中的路段,权重集合为每条路段上经过的公交车线路的权重。
进一步地,所述非公交车向外发送数据包的方法包括:
判断其通信范围内是否存在公交车;
若不存在,则等待直至其通信范围内存在公交车;
若存在,则计算通信范围内所有公交车与其之间的链路的生存时间;
选取生存时间最长的链路对应的公交车作为中继公交车,并向中继公交车发送数据包。
进一步地,所述连续性概率的计算公式为:
其中,街道i和i+1相邻,Ni为经过街道i的公交车线路条数;PSCi,i+1为街道i到街道i+1的连贯性概率;ni,i+1为经过街道i且经过街道i+1的公交车线路条数。
本发明的有益效果为:
(1)保证路由传输路径的车辆密度。本方案基于公交车线路构建路由图,并选取公交车出现概率高的路径作为路由路径,由于公交车具有固定线路和规律性服务的特点因而可以保证路由路径上的车辆密度,从而防止因网络稀疏而找不到下一跳中继的情况发生。
(2)减少路由所需的网络开销。因在短距离范围内使用蚁群优化算法,从而避免了寻路时间过长引起多跳链路失效,且减少了网络开销。
(3)提高路由的服务质量。本发明当携带数据包的公交车通信范围内没有可用的中继公交车时,利用了蚁群优化算法来寻找最优的下一跳中继公交车并且找到与下一跳中继公交车之间的最优服务质量的链路。
(4)两种中继模式。本方案使用了公交车和普通车辆两种中继:公交车作为主要中继,用于制定数据包路由路径,和沿着路由路径转发数据包到目的地;而普通车辆作为辅助中继,用于辅助公交车与公交车之间的数据传输。两种中继模式减轻了对公交车的依赖。
附图说明
图1为基于公交车轨迹和蚁群优化的城市车联网路由方法的流程图。
图2为携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路的方法的流程图。
图3为非公交车对蚂蚁数据包的处理方法的流程图。
图4为公交车对蚂蚁数据包的处理方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
参考图1,图1示出了基于公交车轨迹和蚁群优化的城市车联网路由方法的流程图;如图1所示,该方法100包括步骤101至步骤112。
在步骤101中,接收来自于非公交车向外发送的数据包;
其中的非公交车(此处的非公交车指代的是步骤101中的非公交车)向外发送数据包的方法包括:
判断非公交车通信范围内是否存在公交车;
若不存在,则等待直至其通信范围内存在公交车;
若存在,则计算通信范围内所有公交车与其之间的链路的生存时间;
选取生存时间最长的链路对应的公交车作为中继公交车,并向中继公交车(此处的中继公交车为步骤101中接收非公交车发送的数据包的公交车)发送数据包。
下面对车辆与车辆之间的链路的生存时间的计算进行详细说明:
车辆会周期性地向邻节点(其通信范围内的车俩)广播信标消息(包含当前位置、速度、移动方向等信息),并将邻节点的信息存储到邻居表(NeighborTable)中。任一车辆如果知道另一车辆的位置、速度、移动方向和通信半径就可以计算出与该车辆的连接生命期和链路生存时间。
令车辆的通信半径为R,对于任意两辆相邻车辆Ci、Cj则有:车辆Ci所在位置P1(x1,y1),速度为V1;车辆Cj所在地理位置P2(x2,y2),速度为V2,Ci、Cj之间的距离ΔD,速度之差为ΔV,矢量P1、V1、P2、V2、ΔD、ΔV记作:
由于Ci和Cj相邻,因此初始距离|ΔD|≤R,它们之间的连接生命期T(li,j),计算如下所示:
其中,
在连接生命期T(li,j)内,Ci、Cj的速度服从正态分布,分别为υi~N(μi,σi 2t),υj~N(μj,σj 2t),它们之间的速度差Δυ~N(μi-μj,(σi 2+σj 2)t)。链路可靠性是指两辆车之间的直接通信将会继续在指定的时间段内连续可用的概率,它的计算公式如下:
其中,
μ、σ分别表示车辆Ci与Cj速度差Δυ的均值和方差,即μ=μi-μj,
车辆Ci与Cj之间的链接预期的生存时间为:
LT(li,j)=rt(li,j)T(li,j)
其中,LT(li,j)为车辆i和车辆j之间的连接生命期。
在步骤102中,判断所述数据包中是否存在路由路径,若是存在则进行步骤105,若是不存在则进入步骤103。
在步骤103中,根据基于公交车线路的路由图,采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径,其中的Dijsktra算法计算最短路径是现有技术中比较成熟的技术,此处就不再对其具体计算方法进行详细说明。
实施时,本方案优选所述基于公交车线路路由图为其中,顶点集合由十字路口组成,边集合为道路图中的路段,权重集合为每条路段上经过的公交车线路的权重。
顶点表示实际道路图中的十字路口i。
边表示实际道路图中的十字路口i、j之间的路段ri,j,由于ri,j和rj,i表示的是同一路段,我们记ei,j=ej,i。
权重表示边ei,j对应的权重,反映了路段ri,j上出现公交车的概率。我们定义权重ω越小表示出现公交车的概率越大。为了方便表示,当路段ei,j没有公交车线路经过(即)时,我们记该边对应的权重ωi,j=∞。
其中,表示边ei,j所对应的街道ri,j上出现公交车的概率,其定义如下所示。
其中,b表示公交车线路b,为街道ri,j的长度,Lb为公交车线路b的航线总长度。NBus为公交车线路的总数量,为经过街道ri,j的所有公交车线路组成的集合。
由于公交车线路的双向性满足因此ωi,j=ωj,i。
在步骤104中,选取最短路径中连续性概率最大的作为路由路径,并将其封装于数据包中。
在步骤105中,判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内,若是不位于通信范围内,则进入步骤107,若是位于通信范围内则进行步骤106。
在步骤106中,将数据包发送到目的地。在步骤107中,判断通信范围内是否存在位于路由路径中且与目的地的距离小于携带数据包的公交车与目的地的距离的公交车;,若存在,则进入步骤108,否则进入步骤110。
在步骤108中,携带数据包的公交车通信范围内、且与携带数据包的公交车的连接生命期最长的公交车作为下一跳中继公交车。在步骤109中,向下一跳中继公交车发送数据包,之后下一跳中继公交车返回步骤105,继续执行105至112的相应操作。
在步骤110中,携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路。
在本方案中,所提的以街道为中心的路由中,公交车需要为每个请求路由的数据包制定一条到目的地的路由路径(即一组街道序列)。根据基于公交车线路的路由图,选择一组到目的地位置公交车出现概率高的街道序列。然而,以街道为中心路由方法面临的一个问题:携带数据包的车辆沿着路由路径将数据包传给下一跳中继车辆,如果车辆在离开当前街道后的行驶轨迹偏离了路由路径,并且在偏离前未找到合适的下一跳中继车辆,数据包就会随着携带车辆远离目的地,从而导致丢包或重新路由的情况发生;如果车辆的行驶轨迹和路由路径重合,即使车辆在离开当前街道前未找到合适的中继而携带数据包进入下一个街道,也不会偏离路由路径。
针对上一段可能出现的问题,本方案提出了街道连贯性概率用来描述公交车线路在相邻边之间的连贯性。基于街道连贯性概率,引入了路径连贯性概率,用来评判路由路径的好坏,值越高表示所选取的街道上的公交车行驶轨迹偏离路由路径的概率越小。
街道连贯性概率PSC:若街道i和街道j相邻,经过街道i的公交车线路有Ni条,经过街道j的公交车线路有Nj条,经过街道i且经过街道j的公交车线路有ni,j条,则街道i到街道j的连贯性概率PSCi,j和街道j到街道i的连贯性概率PSCj,i分别为:
其中,街道i和j相邻。
路径连贯性概率PPC:一条路径依次经过街道rk,rk+1,…,rn(即ri与ri+1相邻,i∈[k,n-1]),则该条路径的连续性概率为:
本方案将路径的权重和PPC两个指标作为选取消息路由路径的指标,根据基于公交车线路的路由图,选出一组最小权重和、最大PPC的路径作为消息路由的街道序列。
在本发明的一个实施例中,如图2所示,携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路的方法200包括步骤201至步骤208。
在步骤201中,携带数据包的公交车生成多个具有下一跳中继公交车选取条件的请求蚂蚁,其中,选取条件为公交车所在街道位于路由路径中、且与目的地的距离小于携带数据包的公交车与目的地的距离。
其中,路由路径为一组长度为n的街道序列数组R={r0,r1…,rn-1},当前携带数据包的中继公交车位于街道ri上,则下一跳中继公交车的选择需要满足条件C(选取条件):所在街道位于ri~rn-1中的任一街道上。
在步骤202中,计算携带数据包的公交车通信范围内的车辆节点与携带数据包的公交车之间所有链路的转发概率。
在本发明的一个实施例中,所述转发概率的计算公式为:
其中,pi,j(t)为t时刻的接收请求蚂蚁的车辆i和其邻近车辆j之间的转发概率;为接收请求蚂蚁的车辆i通信范围内的邻近车辆集合;τij(t)为t时刻接收请求蚂蚁的车辆i存储的与其邻近车辆j之间的信息素强度;ηij(t)为t时刻车辆i和车辆j之间的链路li,j的启发函数值;ηik(t)为t时刻车辆i和其邻近车辆k之间的链路li,k的启发函数值;α、β分别为信息素启发因子和期望值因子;
启发函数值ηij的计算公式为:
其中,LT(li,j)为链路li,j的生命期;D(li,j)为链路li,j的延迟;为权重。
在步骤203中,携带数据包的公交车通过其邻近车辆节点的最大转发概率对应的链路向其邻近车辆节点发送请求蚂蚁。
在步骤204中,判断设定的门限时间内是否接收到响应蚂蚁,若收到,则进入步骤205,若未收到则进入步骤207。
在步骤205中,计算每个响应蚂蚁的功能函数值:
其中
LT(P)、D(P)分别位多跳链路P的链路连接生命期和链路传输延迟;Dth为设定的门限时间;LT(li,j)为车辆i和车辆j之间的连接生命期;D(li,j)为车辆i与车辆j的传输延迟;为权重。
在步骤206中,选择功能函数值最大的响应蚂蚁中的目的公交车作为下一跳中继公交车,并输出响应蚂蚁中保存的多跳链路及已找到下一跳中继公交车。
在步骤207中,判断携带数据包的公交车当前所在位置是否偏离路由路径,若未偏离,则进入步骤201中,若偏离,则进行步骤208。
在步骤208中,输出未找到下一跳中继公交车。
在步骤111中,判断采用蚁群优化算法是否成功找到下一跳中继公交车,若是找到则进入步骤109,否则进入步骤112。
在步骤112中,判断当前位置是否偏离路由路径,若是未偏离,则返回步骤110,若是偏离,则返回步骤103。
在本发明的一个实施例中,当采用蚁群优化算法发现最优下一跳中继公交车过程中,位于携带数据包的公交车通信范围内的非公交车接收蚂蚁数据包时,如图3所示,非公交车对蚂蚁数据包的处理方法300包括步骤301至步骤309。
在步骤301中,接收蚂蚁数据包。在步骤302中,判断接收的蚂蚁数据包(请求蚂蚁或响应蚂蚁)是否为请求蚂蚁,若不是请求蚂蚁,则进入步骤303,若是则进入步骤306。
在步骤303中,判断其(接收蚂蚁数据包的非公交车)是否是响应蚂蚁表中的中继车辆;若是,则进入步骤304,否则进入步骤309。
在步骤304中,更新其(接收蚂蚁数据包的非公交车)信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
其中,车辆的信息素强度τij的计算公式为:
τij=(1-δ)τij+δηij
其中,δ∈(0,1)为权重,表示ηij对τij更新所占的比重。信息素会随时间的推移自动挥发。考虑到车联网节点的快速移动性,信息素的挥发过程应该在链路生命期结束前蒸发到初始值状态,以避免下一次蚂蚁使用无效的链路。
如果某各邻居车辆长时间始终没有被访问,则它的信息素将会接近于初始值τ0,那么更新信息素的公式为:
其中,ρij(t+Δt)∈(0,1)为t+Δt时刻车辆i和车辆j之间的信息素挥发系数;τij(t)表示t时刻车辆i和车辆j之间的信息素强度,τij(t+Δt)为(t+Δt)时刻车辆i和车辆j之间的的信息素强度;τ0为信息素的初始值。
每隔Δt时间,信息素将按照更新其的公式进行挥发,在链路的生存时间LT(li,j)结束时,信息素的强度应该近似于初始值,即:
τ0=(1-ρij(t))θτij(t)
其中,θ为在生存时间LT(li,j)内信息素挥发的次数,因此,信息素挥发系数ρi,j(t)的计算公式为:
在步骤305中,将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
在步骤306中,判断请求蚂蚁的生命期是否结束,若结束,则进入步骤309,若未结束,则进入步骤307。
在步骤307中,将其(接收蚂蚁数据包的非公交车)ID加入请求蚂蚁的路由表中,并计算其通信范围内的车辆与其之间所有路径的转发概率。
在步骤308中,接收蚂蚁的非公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁。
在步骤309中,丢弃蚂蚁数据包。
在本发明的一个实施例中,当采用蚁群优化算法发现最优下一跳中继公交车过程中,若公交车接收到来自于非公交车发送的蚂蚁数据包时,如图4所示,公交车对蚂蚁数据包的处理方法400包括步骤401至步骤411。
在步骤401中,接收来自于非公交车向外发送的蚂蚁数据包,这儿的蚂蚁数据包可能为响应蚂蚁,也可能为请求蚂蚁。
在步骤402中,判断接收的蚂蚁数据包是否为请求蚂蚁;若蚂蚁数据包不是请求蚂蚁,则进入步骤403,若蚂蚁数据包是请求蚂蚁,则进入步骤405中。
在步骤403中,判断其(接收到蚂蚁数据包的公交车)是否是响应蚂蚁表中的中继车辆;若是,则进入步骤404,若不是,则进入步骤411。
在步骤404中,更新其(接收到蚂蚁数据包的公交车)信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
在步骤405中,判断其(接收到蚂蚁数据包的公交车)是否满足请求蚂蚁中下一跳中继公交车选取条件;若满足选取条件,则进入步骤406,否则进入步骤407。
在步骤406中,加入公交车(接收到蚂蚁数据包的公交车)ID至请求蚂蚁的路由表中,并将请求蚂蚁中的路由表封装于响应蚂蚁中,同时将响应蚂蚁发送给响应蚂蚁路由表逆序中的下一跳车辆。
在步骤407中,判断请求蚂蚁的生命期是否结束;若结束,则进入步骤411,否则进入步骤408。
在步骤408中,加入公交车ID至请求蚂蚁的路由表中,并更新公交车的信息素。
在步骤409中,采用其更新后的信息素,计算其通信范围内的所有车辆与其之间的转发概率;
在步骤410中,接收蚂蚁的公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁。
在步骤411中,丢弃蚂蚁数据包。
综上所述,本方案基于应用广泛的地理位置路由,借助有着固定线路的公交车,设计基于公交车线路的以街道为中心的城市车联网路由协议,并结合蚁群优化算法提高路由性能。
Claims (9)
1.基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,包括:
接收来自于非公交车向外发送的数据包;
当所述数据包中不存在路由路径时,根据公交车线路路由图,采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径;
选取最短路径中连续性概率最大的作为路由路径,并将其封装于数据包中;
当所述数据包中存在路由路径时,判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
若不位于通信范围内,则判断通信范围内是否存在位于路由路径中、且与目的地的距离小于携带数据包的公交车与目的地的距离的公交车;
若存在,则选取携带数据包的公交车通信范围内、且与携带数据包的公交车的连接生命期最长的公交车作为下一跳中继公交车,并向其发送数据包,之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
若不存在,则携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路;
当采用蚁群优化算法成功找到下一跳中继公交车,则向其发送数据包,之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内;
当采用蚁群优化算法未能成功找到下一跳中继公交车,判断当前位置是否偏离路由路径;
若未偏离,则继续采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路;否则,返回采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径;
若位于通信范围内,向数据包的目的地位置发送数据包;
所述连续性概率的计算公式为:
其中,街道i’和i’+1相邻,Ni’为经过街道i’的公交车线路条数;PSCi’,i’+1为街道i’到街道i’+1的连贯性概率;ni’,i’+1为经过街道i’且经过街道i’+1的公交车线路条数。
2.根据权利要求1所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路的方法包括:
携带数据包的公交车生成多个具有下一跳中继公交车选取条件的请求蚂蚁,所述选取条件为公交车所在街道位于路由路径中且与目的地的距离小于携带数据包的公交车与目的地的距离;
计算携带数据包的公交车通信范围内的车辆节点与携带数据包的公交车之间所有链路的转发概率;
携带数据包的公交车通过其邻近车辆节点的最大转发概率对应的链路向其邻近车辆节点发送请求蚂蚁;
当在设定的门限时间内接收到响应蚂蚁时,计算每个响应蚂蚁的功能函数值;
选择功能函数值最大的响应蚂蚁中的目的公交车作为下一跳中继公交车,并输出响应蚂蚁中保存的多跳链路及已找到的下一跳中继公交车;
当在设定的门限时间内未接收到响应蚂蚁时,判断携带数据包的公交车当前所在位置是否偏离路由路径;
若未偏离,则重新生成多个具有下一跳中继公交车选取条件的请求蚂蚁;否则,输出未找到下一跳中继公交车。
3.根据权利要求2所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述转发概率的计算公式为:
其中,pi,j(t)为t时刻的接收请求蚂蚁的车辆i和其邻近车辆j之间的转发概率;为接收请求蚂蚁的车辆i通信范围内的邻近车辆集合;τij(t)为t时刻接收请求蚂蚁的车辆i存储的与其邻近车辆j之间的信息素强度;ηij(t)为t时刻车辆i和车辆j之间的链路li,j的启发函数值;ηik(t)为t时刻车辆i和其邻近车辆k之间的链li,k的启发函数值;α、β分别为信息素启发因子和期望值因子;
启发函数值ηij的计算公式为:
其中,LT(li,j)为链路li,j的生命期;D(li,j)为链路li,j的延迟;为权重。
4.根据权利要求2所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述功能函数值的计算公式为:
其中
LT(P)、D(P)分别为多跳链路P的链路生命期和链路传输延迟;Dth为设定的门限时间;LT(li,i+1)为车辆i和车辆i+1之间的连接生命期;D(li,i+1)为车辆i与车辆i+1的传输延迟;为权重。
5.根据权利要求2-4任一所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,当采用蚁群优化算法发现最优下一跳中继公交车过程中,位于携带数据包的公交车通信范围内的非公交车接收蚂蚁数据包时,非公交车对蚂蚁数据包的处理方法包括:
判断接收的蚂蚁数据包是否为请求蚂蚁;
若蚂蚁数据包是请求蚂蚁,则判断请求蚂蚁的生命期是否结束;
若结束,则丢弃蚂蚁数据包;否则,将其ID加入请求蚂蚁的路由表中,并计算其通信范围内所有车辆与其之间的转发概率;
接收蚂蚁的非公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁;
若蚂蚁数据包不是请求蚂蚁,则判断其是否是响应蚂蚁表中的中继车辆;
若不是,则丢弃蚂蚁数据包;否则,更新其信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
6.根据权利要求5所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,当采用蚁群优化算法发现最优下一跳中继公交车过程中,若公交车接收到蚂蚁数据包时,公交车对蚂蚁数据包的处理方法包括:
判断接收的蚂蚁数据包是否为请求蚂蚁;
若蚂蚁数据包是请求蚂蚁,则判断其是否满足请求蚂蚁中下一跳中继公交车选取条件;
若满足选取条件,则加入公交车ID至请求蚂蚁的路由表中,并将请求蚂蚁中的路由表封装于响应蚂蚁中,同时将响应蚂蚁发送给响应蚂蚁路由表逆序中的下一跳车辆;
若不满足选取条件,判断请求蚂蚁的生命期是否结束;
若结束,则丢弃请求蚂蚁;否则,加入公交车ID至请求蚂蚁的路由表中,并更新公交车的信息素;
采用其更新后的信息素,计算其通信范围内的所有车辆与其之间的转发概率;
接收蚂蚁的公交车向最大转发概率对应的邻居车辆节点转发请求蚂蚁;
若蚂蚁数据包类型不是请求蚂蚁,则判断其是否是响应蚂蚁表中的中继车辆;
若不是,则丢弃蚂蚁数据包;否则,更新其信息素、启发函数值和功能函数值,并将响应蚂蚁发送给响应蚂蚁路由表中下一跳车辆。
7.根据权利要求6所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述更新信息素的计算公式为:
其中,ρij(t+Δt)∈(0,1)为t+Δt时刻的车辆i和车辆j之间的信息素挥发系数;τij(t)表示t时刻车辆i和车辆j之间的信息素强度,τij(t+Δt)为(t+Δt)时刻车辆i和车辆j之间的的信息素强度;τ0为信息素的初始值;
τ0=(1-ρij(t))θτij(t)
其中,ρij(t)为t时刻的车辆i和车辆j之间信息素挥发系数;θ为在生命期LT(li,j)内信息素挥发的次数,
8.根据权利要求1所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述公交车线路路由图为其中,顶点集合由十字路口组成,边集合为道路图中的路段,权重集合为每条路段上经过的公交车线路的权重。
9.根据权利要求1所述的基于公交车轨迹和蚁群优化的城市车联网路由方法,其特征在于,所述非公交车向外发送数据包的方法包括:
判断其通信范围内是否存在公交车;
若不存在,则等待直至其通信范围内存在公交车;
若存在,则计算通信范围内所有公交车与其之间的链路的生存时间;
选取生存时间最长的链路对应的公交车作为中继公交车,并向中继公交车发送数据包。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129910.8A CN108366340B (zh) | 2018-02-08 | 2018-02-08 | 基于公交车轨迹和蚁群优化的城市车联网路由方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810129910.8A CN108366340B (zh) | 2018-02-08 | 2018-02-08 | 基于公交车轨迹和蚁群优化的城市车联网路由方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108366340A CN108366340A (zh) | 2018-08-03 |
CN108366340B true CN108366340B (zh) | 2019-12-10 |
Family
ID=63005151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810129910.8A Expired - Fee Related CN108366340B (zh) | 2018-02-08 | 2018-02-08 | 基于公交车轨迹和蚁群优化的城市车联网路由方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108366340B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109448364B (zh) * | 2018-10-15 | 2020-08-14 | 同济大学 | 一种考虑舒适度和节能减排的公交动态轨迹优化方法 |
CN110460975B (zh) * | 2019-08-22 | 2022-03-04 | 首都师范大学 | 基于公交车的车联网数据传输方法 |
CN110505671B (zh) * | 2019-08-23 | 2021-02-23 | 首都师范大学 | 公交车自组织网络的数据传输方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808275A (zh) * | 2010-01-08 | 2010-08-18 | 中国科学院软件研究所 | 一种基于车辆移动趋势预测的车载网络数据转发方法 |
CN107104899A (zh) * | 2017-06-09 | 2017-08-29 | 中山大学 | 一种应用于车载自组织网络中的基于蚁群算法的路由方法 |
CN107333313A (zh) * | 2017-08-28 | 2017-11-07 | 常熟理工学院 | 一种可靠的智能车联网路由实现方法 |
CN107660345A (zh) * | 2015-05-22 | 2018-02-02 | 奥迪股份公司 | 用于确定传输路径的方法、机动车和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8737225B2 (en) * | 2012-02-17 | 2014-05-27 | City University Of Hong Kong | Mobile internet service system for long distance trains |
-
2018
- 2018-02-08 CN CN201810129910.8A patent/CN108366340B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808275A (zh) * | 2010-01-08 | 2010-08-18 | 中国科学院软件研究所 | 一种基于车辆移动趋势预测的车载网络数据转发方法 |
CN107660345A (zh) * | 2015-05-22 | 2018-02-02 | 奥迪股份公司 | 用于确定传输路径的方法、机动车和系统 |
CN107104899A (zh) * | 2017-06-09 | 2017-08-29 | 中山大学 | 一种应用于车载自组织网络中的基于蚁群算法的路由方法 |
CN107333313A (zh) * | 2017-08-28 | 2017-11-07 | 常熟理工学院 | 一种可靠的智能车联网路由实现方法 |
Non-Patent Citations (1)
Title |
---|
面向VANET的基于蚁群的移动感知区域优化路由;李文琴 等;《电子技术应用 2015年01期》;20150106;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108366340A (zh) | 2018-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105307232B (zh) | 一种车载自组织网络的基于连通概率的路由优化方法 | |
Ghaffari | Hybrid opportunistic and position-based routing protocol in vehicular ad hoc networks | |
CN103281742B (zh) | 基于自主获取道路信息车载自组织网络路由方法 | |
US8270347B2 (en) | Process for routing data packets in a mobile node network and associated terminal | |
CN108366340B (zh) | 基于公交车轨迹和蚁群优化的城市车联网路由方法 | |
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 | |
JP2002536648A (ja) | 関連交通情報を得るためかつ動的経路最適化のための方法、および、装置 | |
CN108430049B (zh) | 一种基于路边单元的车载命名数据网络数据分发方法 | |
CN105407517B (zh) | 路由方法、路由模块、车载终端和车载自组网路由系统 | |
CN108093458B (zh) | 适于车联网基于分簇结构的快速稳定路由方法及装置 | |
CN109600715B (zh) | 一种车联网v2x通信辅助文件下载方法 | |
Mirjazaee et al. | An opportunistic routing based on symmetrical traffic distribution in vehicular networks | |
CN108650656A (zh) | 一种基于交叉路口的分布式城市车联网路由方法 | |
Duarte et al. | Receiver mobility in vehicular named data networking | |
CN110248392B (zh) | 一种车联网中基于节点效能的机会转发方法 | |
Oubbati et al. | ETAR: Efficient traffic light aware routing protocol for vehicular networks | |
Wang et al. | Delay-aware relay selection with heterogeneous communication range in VANETs | |
Okamoto et al. | Distributing location-dependent data in VANETs by guiding data traffic to high vehicle density areas | |
Wolterink et al. | Dissemination protocols to support cooperative adaptive cruise control (CACC) merging | |
Rana et al. | Fuzzy logic-based multi-hop directional location routing in vehicular ad-hoc network | |
CN110460975B (zh) | 基于公交车的车联网数据传输方法 | |
Nakamura et al. | A method for improving data delivery efficiency in delay tolerant vanet with scheduled routes of cars | |
Al-dolaimy et al. | Hybrid Optimization with Enhanced QoS-based Path Selection in VANETs. | |
KR20090056072A (ko) | 차량 애드혹네트워크를 위한 영역기반 릴레이노드선택알고리듬을 이용한 긴급경고메시지 브로드캐스팅방법 | |
CN107911296B (zh) | 基于骨干链路保障时延的地理位置路由方法、车载终端 |
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: 20191210 Termination date: 20210208 |
|
CF01 | Termination of patent right due to non-payment of annual fee |