CN108684065B - 一种车联网中基于蚁群优化的中继选择方法 - Google Patents

Abstract

本发明公开了一种车联网中基于蚁群优化的中继选择方法，该策略的实现方法如下：首先，利用蚁群特性估计源节点到每个邻居节点的平均时延，作为时延信息素。其次，通过车辆本身的移动性，计算相应的距离、链路持续时间以及MAC层竞争退避的次数。利用蚁群特性总结出相应的转发概率，最后选择转发概率最大的车辆作为中继。本发明通过采用蚁群优化的方式，利用时延的正反馈以及车辆本身的特性优化中继选择策略。仿真结果表明，与传统的AODV、GPSR协议相比，所提出的策略具有更好的性能。

Description

一种车联网中基于蚁群优化的中继选择方法

技术领域

本发明属于无线通信技术领域，具体涉及一种车联网中基于蚁群优化的中继选择方法。

背景技术

车辆自组织网络是由车辆节点组成的多跳通信自治系统。车辆自组网的目的是在车辆环境中提供无线通信能力。车联网场景是第五代移动通信三大典型场景中超高可靠低时延场景的典型案例，在5G中具有重要地位。然而，车辆自组织网络有着其特殊的特性，例如频繁的链路失效、不稳定的网络拓扑以及车辆的随机移动。所以这些特性都对车辆自组织的路由设计产生了巨大挑战。由于车辆通信的主要性能指标是时延，因此传统的路由协议不能很好的适用于车辆环境。设计能够保证超低时延和超高可靠性的路由协议具有很大的挑战性。由于车辆环境的复杂多变性，路由协议只有通过自适应调整车辆环才有可能表现出良好的性能，而考虑到时延的重要性，通过评估每个转发车辆的时延特性，并结合车辆自身移动性的特点，将有助于选择最佳的中继，以便减少整体的传输时延。

发明内容

本发明的目的是为了降低车辆自组织网络多跳通信时延，保证通信的可靠性，通过引入蚁群优化的方法，提供了针对时延的自适应的中继选择策略，能够有效的提升系统性能。

为达到上述目的，本发明所采用如下技术方案予以实现：

车联网中基于蚁群优化的中继选择方法，包括以下步骤：

1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延D_ij的大小；

2)对于在通信范围R_range内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离d_ij和链路持续时间LET_ij；

3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；

4)采用蚁群优化的方法对数据包传输时延D_ij、距离d_ij、链路持续时间LET_ij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；

5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。

本发明进一步的改进在于，步骤1)中，将通信范围R_range内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延

为：

其中，

表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；

则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：

其中：

是经过稀释之后的信息素，ρ是恒定的稀释速率，τ_ij(t)是在t时间积累的信息素；

则经过Δt时间后积累的总信息素浓度为：

公式(3)归一化之后的结果为：

其中：τ_max是车辆i和邻居车辆之间最大的时延信息素。

本发明进一步的改进在于，步骤2)中，定义车辆i与车辆j之间的坐标分别为(x_i,y_i)和(x_j,y_j)，则车辆i与车辆j之间的距离为：

发送端车辆i与车辆j之间的夹角为：

发送端车辆i与车辆j同向行驶时，链路持续时间为：

其中：w_ij表示车辆i与车辆j的垂直距离，v_i和v_j分别是车辆i和车辆j的速度，R是最大通信范围；

发送端车辆i与车辆j行驶方向相反时，链路持续时间为：

本发明进一步的改进在于，在步骤3)中，车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：

其中：λ表示数据包的到达速率，则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：

λ(j)＝C(j)×λ (10)

则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：

P_i(t,0)＝e^-λ(j)×t (11)

依据公式(11),车辆i的所在簇其他车辆有k个数据包发送请求，即车辆i遇到冲突的概率为1-P_i(t,0)，则车辆i竞争成功的平均退避次数

为：

本发明进一步的改进在于，步骤4)中，车辆i与车辆j之间MAC层退避次数、距离d_ij和链路持续时间LET_ij的联合权重，也即车辆本身的启发式信息表示为：

其中：w₁、w₂、w₃分别为权重系数，

是邻居车辆的最大退避次数，LET_max是邻居车辆的最长链路持续时间，d_max是车辆到邻居车辆最长的距离。

本发明进一步的改进在于，步骤4)中，应用蚁群优化模型，依据公式(4)和公式(13),邻居车辆转发概率模型为：

其中：

车辆i与车辆j之间的信息素，

车辆i与车辆j之间的启发式信息，

车辆j与车辆l之间的信息素，

车辆j与车辆l之间的信息素，N_i是邻居车辆集合，α和β是权重系数；则选择的最佳中继也即下面优化问题的解：

由于该优化问题没有限制条件，只需要找出所有邻居车辆转发概率最大的车辆，将其作为中继。

本发明所提出的车联网中基于蚁群优化的中继选择方法具有如下优点：

本发明所述的车联网中继选择方法，通过引入蚁群优化理论，能够使得选择的中继在进行数据包发送时具有较低的时延，符合车辆自组织网络的特性，同时结合了车辆自身的特性，保证了链路的持续时间。因此本发明所提出的方案能够提高整个系统的性能。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的不当限定，在附图中：

图1为车辆自组织网络场景示意图；

图2为不同车辆数下的平均时延对比图；

图3为不同车辆数下的数据包传送率对比图；

图4为不同车辆数下的平均吞吐量对比图。

具体实施方式

下面将结合附图以及具体实施例来详细说明本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。

如图1所示，本发明车联网中基于蚁群优化的中继选择方法，该车联网场景拓扑由典型的高速公路场景组成，60辆汽车随机分布在场景中，包括以下步骤：

步骤1，发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延D_ij的大小。

将通信范围R_range内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的集合M中车辆j的平均传输时延为：

其中，

表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数。则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：

其中：

是经过稀释之后的信息素，ρ是恒定的稀释速率，τ_ij(t)是在t时间积累的信息素。则经过Δt时间后积累的总信息素浓度为：

公式(3)归一化之后的结果为：

其中：τ_max是车辆i和邻居车辆之间最大的时延信息素。

步骤2，对于在通信范围内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离d_ij、链路持续时间LET_ij。

定义车辆i与车辆j之间的坐标分别为(x_i,y_i)和(x_j,y_j)，则车辆i与车辆j之间的距离为：

发送端车辆i与车辆j之间的夹角为：

发送端车辆i与车辆j同向行驶时，链路持续时间为：

其中：w_ij表示车辆i与车辆j的垂直距离，v_i和v_j分别是车辆i和车辆j的速度，R是最大通信范围。

发送端车辆i与车辆j行驶方向相反时，链路持续时间为：

步骤3，采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B。

车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：

其中：λ表示数据包的到达速率。则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：

λ(j)＝C(j)×λ (10)

则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：

P_i(t,0)＝e^-λ(j)×t (11)

依据公式(10),车辆i的所在簇其他车辆有k个数据包发送请求，即车辆i遇到冲突的概率为1-P_i(t,0)，则车辆i竞争成功的平均退避次数为：

步骤4，采用蚁群优化的方法对时延、距离、链路持续时间以及MAC层退避的次数进行联合分析，建立发送端车辆选择中继的概率模型。

车辆i与车辆j之间MAC层退避次数、距离和链路持续时间的联合权重，也即车辆本身的启发式信息表示为：

其中：w₁、w₂、w₃分别为权重系数，

是邻居车辆的最大退避次数，LET_max是邻居车辆的最长链路持续时间，d_max是车辆到邻居车辆最长的距离。

步骤5，采用最大化概率的方式，选择转发概率最大的车辆作为中继。

应用蚁群优化模型，依据公式(4)和公式(12),邻居车辆转发概率模型为：

其中：

车辆i与车辆j之间的信息素，

车辆i与车辆j之间的启发式信息，

车辆j与车辆l之间的信息素，

车辆j与车辆l之间的信息素，N_i是邻居车辆集合，α和β是权重系数。则选择的最佳中继也即下面优化问题的解：

由于该优化问题没有限制条件，只需要找出所有邻居车辆转发概率最大的车辆，将其作为中继。中继选择的具体算法如表1所示：

表1

为验证本发明的性能，我们进行如下仿真：

采用典型的高速公路场景图，详细的仿真参数如表2所示：

表2

参数	数值
		仿真场景	高速公路
车道数	6
		数据包大小	512bytes
(α,β)	(1/2,1/2)
		(w<sub>1</sub>,w<sub>2</sub>，w<sub>3</sub>)	(1/3,1/3,1/3)
车辆速度	10-30km/h
		车辆数	12-60
通信范围	250m
		MAC层协议	IEEE 802.11p
仿真时间	500TTI

图2为不同车辆数下的平均时延对比图，从图2可以看出，随着汽车数量的增加，不同路由方案下的平均端到端时延都在显著增加，这是因为车辆数增多时，车辆MAC层竞争也变得更加激烈。除此之外，从图中可以看出本发明的方案所需要的时延比AODV、GPSR方案要小，说明本发明方案具有更好的时延性能，这是由于我们在选择中继策略中加入了时延的正反馈信息，同时考虑了MAC层退避时延的影响，因此最终本发明方案经过优化后得到的时延结果更优。

图3为不同车辆速度下的数据包传送率对比图，从图3中可以看出，首先随着车辆速度的增大，所有方案下数据包到达率都减小，这是因为车辆速度增大，车辆间链路的持续时间会变短。在本发明方案下，数据包的到达率比AODV、GPSR方案更高，说明本发明方案选择中继组成的链路具有更高的稳定性和可靠性。这是因为本发明方案考虑了不同车辆链路持续时间的影响，最终的中继选择中选择的中继具有更好的链路持续时间。

图4为不同车辆数下的平均吞吐量对比图，从图4中可以看出，随着车辆数目增多，所有方案的平均吞吐量都在增大，这是因为节点密度增大导致总吞吐量增大。同时，节点数增多，总源节点到目的节点的可供选择的路径也增多了，系统整体性能因此变得更好。除此之外，图4中本发明所提出的方案的吞吐量最高，再次说明本发明方案具有良好的性能。

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作出一些替换和变形，这些替换和变形均在本发明的保护范围内。

Claims (3)

1.一种车联网中基于蚁群优化的中继选择方法，其特征在于，包括以下步骤：

1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延D_ij的大小；

2)对于在通信范围R_range内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离d_ij和链路持续时间LET_ij；

3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；

车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：

其中：λ表示数据包的到达速率,则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：

λ(j)＝C(j)×λ (10)

则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：

P_i(t,0)＝e^-λ(j)×t (11)

依据公式(10),车辆i的所在簇其他车辆有k个数据包发送请求，即车辆i遇到冲突的概率为1-P_i(t,0)，则车辆i竞争成功的平均退避次数

为：

4)采用蚁群优化的方法对数据包传输时延D_ij、距离d_ij、链路持续时间LET_ij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；

车辆i与车辆j之间MAC层退避次数、距离d_ij和链路持续时间LET_ij的联合权重，也即车辆本身的启发式信息表示为：

其中：w₁、w₂、w₃分别为权重系数，

是邻居车辆的最大退避次数，LET_max是邻居车辆的最长链路持续时间，d_max是车辆到邻居车辆最长的距离；

应用蚁群优化模型，依据公式(4)和公式(13),邻居车辆转发概率模型为：

其中：

车辆i与车辆j之间的信息素，

车辆i与车辆j之间的启发式信息，

车辆j与车辆l之间的信息素，

车辆j与车辆l之间的信息素，N_i是邻居车辆集合，α和β是权重系数；则选择的最佳中继也即下面优化问题的解：

由于该优化问题没有限制条件，只需要找出所有邻居车辆转发概率最大的车辆，将其作为中继；

5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。

2.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤1)中，将通信范围R_range内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延

为：

其中，

表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；

则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：

其中：

是经过稀释之后的信息素，ρ是恒定的稀释速率，τ_ij(t)是在t时间积累的信息素；

则经过Δt时间后积累的总信息素浓度为：

公式(3)归一化之后的结果为：

其中：τ_max是车辆i和邻居车辆之间最大的时延信息素。

3.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤2)中，定义车辆i与车辆j之间的坐标分别为(x_i,y_i)和(x_j,y_j)，则车辆i与车辆j之间的距离为：

发送端车辆i与车辆j之间的夹角为：

发送端车辆i与车辆j同向行驶时，链路持续时间为：

其中：w_ij表示车辆i与车辆j的垂直距离，v_i和v_j分别是车辆i和车辆j的速度，R是最大通信范围；

发送端车辆i与车辆j行驶方向相反时，链路持续时间为：

Images