CN109275154A - 基于双层拓扑路由算法的动态自适应路由路径规划方法 - Google Patents

基于双层拓扑路由算法的动态自适应路由路径规划方法 Download PDF

Info

Publication number
CN109275154A
CN109275154A CN201811452864.1A CN201811452864A CN109275154A CN 109275154 A CN109275154 A CN 109275154A CN 201811452864 A CN201811452864 A CN 201811452864A CN 109275154 A CN109275154 A CN 109275154A
Authority
CN
China
Prior art keywords
node
lamp stand
network
routed path
vehicle
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
Application number
CN201811452864.1A
Other languages
English (en)
Other versions
CN109275154B (zh
Inventor
刘彦博
黄宏成
时良仁
程志伟
王振阳
郭风朋
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.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
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 Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201811452864.1A priority Critical patent/CN109275154B/zh
Publication of CN109275154A publication Critical patent/CN109275154A/zh
Application granted granted Critical
Publication of CN109275154B publication Critical patent/CN109275154B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W24/00Supervisory, monitoring or testing arrangements
    • H04W24/02Arrangements for optimising operational condition
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00Routing or path finding of packets in data switching networks
    • H04L45/12Shortest path evaluation
    • H04L45/124Shortest path evaluation using a combination of metrics
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00Routing or path finding of packets in data switching networks
    • H04L45/14Routing performance; Theoretical aspects
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/01Protocols
    • H04L67/12Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W40/00Communication routing or communication path finding
    • H04W40/02Communication 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)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供一种基于双层拓扑路由算法的动态自适应路由路径规划方法,S1:构建交通网络;S2:对车辆节点和灯杆节点分组;S3:计算车辆节点和灯杆节点之间的路由路径;S4:评估车辆节点与灯杆节点间各路由路径的性能;S5:计算地面智能灯杆网络的有效链接和路由路径的可用度权值;S6:计算地面智能灯杆网络的数据传送的总代价,以总代价最小、可用度权值最佳的路由路径建立数据传送;S7:筛选满足业务需求的车辆节点和灯杆节点参与数据传送,得到交通网络的拓扑路由路径。本发明的一种基于双层拓扑路由算法的动态自适应路由路径规划方法,可提高交通网络工作利用效率,解决信息量拥塞,增强收敛、减小路由开销,提升业务满意度。

Description

基于双层拓扑路由算法的动态自适应路由路径规划方法
技术领域
本发明涉及交通网络通信领域,尤其涉及一种基于双层拓扑路由算法的动态自适应路由路径规划方法。
背景技术
智慧交通网络结构拓扑变化频繁复杂,拓扑结构变化具有移动性、独立性、分布性等特征。车联网节点沿其路面轨道运行,从而使得整个交通网络拓扑处于动态变化之中。随着智慧灯杆的出现,越来越多的灯杆加装了微基站模块、数据存储模块、5G通信模块、GPS模块等通信网络模块。地面智能灯杆网络在智慧交通网络中地位越来越重要。交通网络规模的增大,车联网承载处理的信息量日益增大,业务量愈来愈繁重,根据业务所需对交通网络进行自组网的重新配置资源划分。
因此,需要提高交通网络处理信息量的灵活性和高效性,目前尚缺乏一种可提高交通网络工作利用效率,加速无人驾驶中车联网信息传输,可通过对车联网节点及其网络链路状态的综合考虑,利用交通网络不同的层次性特征和多播路由的功能,在双层路面交通网络环境中,解决为车辆高速切换频繁所导致的信息量拥塞,增强收敛、减小路由开销,从而提升业务满意度的有效方法。
发明内容
针对上述现有技术中的不足,本发明提供一种基于双层拓扑路由算法的动态自适应路由路径规划方法,可提高交通网络工作利用效率,加速无人驾驶中车联网信息传输,解决为车辆高速切换频繁所导致的信息量拥塞,增强收敛、减小路由开销,从而提升业务满意度。
为了实现上述目的,本发明提供一种基于双层拓扑路由算法的动态自适应路由路径规划方法,包括步骤:
S1:构建一交通网络,所述交通网络包括一地面车联网和一地面智能灯杆网络;所述地面车联网包括多个车辆节点,所述地面智能灯杆网络包括多个灯杆节点;
S2:对所述车辆节点和所述灯杆节点分组;
S3:计算所述车辆节点和所述灯杆节点之间的路由路径,所述路由路径包括一源端节点和一终端节点;
S4:通过对经由所述路由路径发送数据的自所述源端节点至所述终端节点的时延和丢包率评估所述车辆节点与所述灯杆节点间各所述路由路径的性能;
S5:根据所述交通网络所处的地理位置、所述车辆节点到所述灯杆节点路径所需经历的频段和所述地面智能灯杆网络的拥塞情况来计算所述地面智能灯杆网络的有效链接和所述有效链接对应的所述路由路径的可用度权值;
S6:结合所述地面智能灯杆网络的所述路由路径的所述可用度权值、所述源端节点的所述可用度权值和所述终端节点的所述可用度权值,计算所述地面智能灯杆网络的数据传送的总代价,以所述总代价最小、所述可用度权值最佳的所述路由路径建立数据传送;
S7:根据所述交通网络的忙碌度和所述路由路径的复杂度,筛选满足业务需求的所述车辆节点和所述灯杆节点参与数据传送,得到所述交通网络的一拓扑路由路径。
优选地,所述S2进一步包括步骤:
S21:建立一灯杆节点组,所述灯杆节点组包括所述地面智能灯杆网络的多个所述灯杆节点,将与所述灯杆节点组位于同一路面内的所述车辆节点以路面轨道为界分组;
S22:按照如下规则建立通信并传送信息:
当一所述车辆节点仅可与一所述灯杆节点通信时,所述车辆节点与所述灯杆节点建立通信,并传送路由表信息;
当一所述车辆节点可与两所述灯杆节点通信时,选择间距较小的一所述灯杆节点与所述车辆节点建立通信,并传送所述路由表信息;
S23:通过所述地面智能灯杆网络同一维护所述交通网络的所述路由表信息。
优选地,还包括步骤:
当所需业务传输完成后,更新所述交通网络的一可用路由表,将所述交通网络的路由路径恢复为S1步骤时的路由路径,返回步骤S2。
本发明由于采用了以上技术方案,使其具有以下有益效果:
通过建立交通网络、对节点分组、节点间路由路径的计算、并引入了路径可用度权值,可以根据当前地面智能灯杆网络状态筛选出满足业务需求的链路以及车辆节点,进而优化数据的传输,提高业务需求传输的有效性和稳定性,可提高交通网络工作利用效率,加速无人驾驶中车联网信息传输,解决为车辆高速切换频繁所导致的信息量拥塞,增强收敛、减小路由开销,从而提升业务满意度。针对不同的业务请求,在双层链路传输优化选择规划后,能够确保传输路径满足需求,有较高的稳定性和有效性。
附图说明
图1为本发明实施例的基于双层拓扑路由算法的动态自适应路由路径规划方法的流程图;
图2为本发明实施例的交通网络的结构示意图;
图3为本发明实施例的交通网络的工作状态图之一。
具体实施方式
下面根据附图1~图3,给出本发明的较佳实施例,并予以详细描述,使能更好地理解本发明的功能、特点。
请参阅图1和图2,本发明实施例的一种基于双层拓扑路由算法的动态自适应路由路径规划方法,包括步骤:
S1:构建一交通网络,交通网络包括一地面车联网1和一地面智能灯杆网络2;地面车联网1包括多个车辆节点11,地面智能灯杆网络2包括多个灯杆节点21;
S2:对车辆节点11和灯杆节点21分组;
S3:计算车辆节点11和灯杆节点21之间的路由路径,路由路径包括一源端节点和一终端节点;
S4:通过对经由路由路径发送数据的自源端节点至终端节点的时延和丢包率评估车辆节点11与灯杆节点21间各路由路径的性能;
S5:根据交通网络所处的地理位置、车辆节点11到灯杆节点21路径所需经历的频段和地面智能灯杆网络2的拥塞情况来计算地面智能灯杆网络2的有效链接和有效链接对应的路由路径的可用度权值;
S6:结合地面智能灯杆网络2的路由路径的可用度权值、源端节点的可用度权值和终端节点的可用度权值,计算地面智能灯杆网络2的数据传送的总代价,以总代价最小、可用度权值最佳的路由路径建立数据传送;
S7:根据交通网络的忙碌度和路由路径的复杂度,筛选满足业务需求的车辆节点11和灯杆节点21参与数据传送,得到交通网络的一拓扑路由路径。
优选地,S2进一步包括步骤:
S21:建立一灯杆节点组,灯杆节点组包括地面智能灯杆网络2的多个灯杆节点21,将与灯杆节点组位于同一路面内的车辆节点11以路面轨道为界分组;
S22:按照如下规则建立通信并传送信息:
当一车辆节点11仅可与一灯杆节点21通信时,车辆节点11与灯杆节点21建立通信,并传送路由表信息;
当一车辆节点11可与两灯杆节点21通信时,选择间距较小的一灯杆节点21与车辆节点11建立通信,并传送路由表信息;
S23:通过地面智能灯杆网络2同一维护交通网络的路由表信息。
优选地,还包括步骤:
当所需业务传输完成后,更新交通网络的一可用路由表,将交通网络的路由路径恢复为S1步骤时的路由路径,返回步骤S2。
本发明实施例的一种基于双层拓扑路由算法的动态自适应路由路径规划方法,针对交通网络中,地面车联网1的初始权重进行自适应的计算,将车辆节点11的初始权重自适应的计算值上传至地面智能灯杆网络2的链路层进行链路值得优化选择,进而筛选出满足需求的路由表进行配置;根据灯杆节点21的信息量处理量,计算出路面车联网节点的可用度权值,并根据权值的配置最终形成交通网络传输的代价值,从而筛选出符合业务要求的路由及其车联网节点,进行自适应交通网络的选择构建。
本实施例的核心内容是根据交通网络中地面车联网1的初始链路权值,并结合车辆节点11的可用度权值,上传至地面智能灯杆网络2对其综合链路传输代价数值做判断,从而选择出满足业务需求的链路通道,对信息量进行传输。
请参阅图2和图3,灯杆节点21对所在路面进行视觉扫面,将所在路面进行栅格化,并将路面上的第i车辆节点11和第j车辆节点11之间的路径长度dij定义从节点i到节点j之间通过的最少边的数量。网格化后,平均路径长度L为车辆节点11间的路径长度均值。其中N为地面车联网1的车辆节点11总数。平均路径长度反映了地面车联网1的分离程度,也反映了地面车联网1的大小。平均路径长度L的公式为:
根据从源端节点到终端节点效率最优的规划路径,建立模型。通过保留目前所得从源端到目的端的最短路径得以实现。初始时,源端节点的路径长度值被置为0,同时网络中其他节点的路径长度值均被置为无穷大,该算法维护一第一顶点集合O和一第二顶点集合D,第一顶点集合O中存储着所有已知路径长度值在最短路径上的源端节点,而第二顶点集合D中则保留网络上其他任一顶点,路由计算每进行一步都将有一个节点从第二顶点集合D中移动至第一顶点集合O中,其中第一顶点集合O初始化为空。
本实施例中,路由计算的过程就是将当前节点的路由长度值与当前链路的可用度权值相加比较的过程,路由计算的目的是计算得到从源端节点到终端节点路由长度最短的一条路径。双层拓扑路由路径的选择过程亦即各路由路径总代价的计算过程,各车辆节点11分组中最小组的车辆节点11通过收集各路由路径的可用度权值并对其排序,进而选择总代价最小、可用度最高的路径完成数据传送。
如果第i车辆节点11同时与第j车辆节点11和第m车辆节点11相连,那么第j车辆节点11和第m车辆节点11即是第i车辆节点11的邻居节点,这些邻居节点彼此之间也有很大可能相连。假设第i车辆节点11的邻居节点有k个,这些邻居节点两两相连可达到的最大连边数为k(k-1)/2,实际产生的连边数为E,那么实际的连边数与可能最大边数的比值即为第i车辆节点11的聚类系数:
地面车联网1的聚类系数定义为所有车辆节点11的聚类系数的平均值:
当C=1时,网络中所有节点都直接相连,当C=0时,网络中所有节点都是孤立的。聚类系数反映了网络节点存在的密集连接性质,即网络中节点的聚集程度。
假定第i节点和第j节点之间的最短路径条数为C(i,j),第k节点在这两个节点之间,即Ck(i,j)为第i节点和第j节点之间经过第k节点的最短路径的条数。
定义第k节点的介数gk为所有节点相对的总和:
根据从源端节点到终端节点效率最优的规划路径,建立模型。规划路径要满足端到端的可靠性。设定Sm,n(t)表示一条链接,从源端节点到终端节点在t的时间段内第k条路径的可靠性公式如下:
其中,O表示起始节点;D表示目标节点;m表示m∈(O,D)的子起始点;n表示n∈(O,D)的子目标点。
本实施例中,交通双层链路的建立:
交通网络由地面车联网1和地面智能灯杆网络2组成:
地面智能灯杆网络2:地面智能灯杆网络2包括交通网络中所有的灯杆节点21,设共有Nlv×Mlv个节点,N1v表示地面智能灯杆网络2中轨道路面个数,M1v表示每个轨道平面内的灯杆节点21个数。第i轨道平面内第j个灯杆节点21用Mi,j表示,其中,i=1,2,...,N1v,j=1,2,...,M1v
地面车联网1:地面车联网1包括交通网络中所有的车辆节点11,共有Nvn×Mvn个车辆节点11,Nvn表示地面车联网1的轨道路面个数,Mvn表示每个轨道平面内的车辆节点11个数。第i轨道平面内第j个车辆节点11用Mi,j表示,其中,i=1,2,...,Nvn,j=1,2,...,Mvn
本实施例中,有如下几种传输方式:
(a)、当源端节点和终端节点均不存在耦合,这种情况下,传输有两种选择传输方式:利用上层地面智能灯杆网络2,即:先在地面车联网1上行驶,找到耦合节点,然后再转到智能灯杆网络传播,其次找到耦合节点,再次传播,最后到达终端节点;
(b)、当源端节点存在耦合节点,终端节点不存在耦合的节点,此种情况下,网络有两种传输方式:利用智能灯杆网络传播,从地面车联网1站点出发,在地面车联网1上行驶,找到耦合的节点则转换到智能灯杆网络,最后到达终端节点;
(c)、当源端节点不存在耦合节点,终端节点存在耦合的节点,与(b)类似,有两种情况:利用上层地面智能灯杆网络2转换,从地面车联网1站点出发,在地面车联网1上行驶,找到耦合的节点则转换到地面智能灯杆网最后到达终端节点;
(d),当源端节点和终端节点均存在耦合的节点,这种情况下,可以转化成(a)、(b)、(c)所对应的问题,综合比较代价最小的路径即可。
算法假定两个非循环路径P1和P2有着共同的源端节点和终端节点,但不共享中间的节点即不相交的路径。保证在多路径路由、数据传输过程中,所有不相交路径不能在同一时间失效。
因此,传输失败的概率小于其他路径的一个在个体层面失败的概率。算法假定的端到端可靠性,非循环路径P(t)拥有成功的效率是在两个移动节点之间的数据传输时间段内从t0到t+t0,且端到端可靠性从源端节点到终端节点是一组不相交的路径。并且保证数据在多条不相交路径并行或可选。非循环路径P(t)的公式如下:
交通轨道链路包括以下两种类型的全双工链路:
(1)、轨道内链路:同层内的交通通信通过轨道内链路实现。每个车辆节点11通过同路面的轨道与它周围最邻近的车辆节点11,通过轨道链路进行全双工的通信;灯杆节点21与同轨道内直接相近的灯杆节点21一直保持连接。轨道内链路包括两种类型:轨内车辆网内链路(Inter-Vehicle Link,以下简称IVL)即同一轨道面内星间链路,轨间车联网链路(Between-Vehicle Link,以下简称BVL)即为不同轨道面内的车联网间链路。IVL能够永久保持,而BVL无法永久保持,同时由于车辆间距离和视角的变化,IVL会临时关闭。IVL(O→D)或IVL(D→O)表示连接同一层车辆节点11的源端节点和终端节点的轨道间链路。
(2)、轨间链路:不同轨道车联网间的通信通过BVL完成,每个车辆节点11与低于它所在轨道且处在他覆盖区间的车辆节点11通过BVL联接。灯杆节点21和车辆节点11通过轨间车辆间链路进行通信。当作为源端节点的车辆节点11位于作为终端节点的灯杆节点21的覆盖范围之内,那么它们之间的轨间链路表示为BVL(O→D)或BVL(D→O)。
(3)、用户数据链路:地面网关与覆盖它的车辆节点11之间通过用户数据链路连接(User Data Link,以下简称UDL)。车辆节点11通过用户数据链路可以和多个地面网关相连,同样,一个地面网关也可以连接到多个车辆节点11。作为源端节点的车辆节点11和地面网关G之间的用户数据链路表示为UDL(O→G)或UDL(G→O)。
轨间车辆节点11随机分布在一维长度为L的离散序列中。每个节点有效能力值为0或者为1。假设同轨道内的车辆换道时从左移动到右。在同一个转变范围第i节点和第j节点的坐标分别为(xi,yi)和(xj,yj),第i节点和第j节点的相对平均移动速度分别为vi和vj。θi和θj分别代表第i节点和第j节点的相对移动方向。
本实施例中,在轨道维长度为L内的N辆车都会按照如下的规则并行分配:
步骤1:车辆加速过程,若vi,vj<vmax;vmax表示最大速率
则vi,j(t+t0)<min(vi,j(t)+t0,vmax);t0表示采样间隔点
步骤2:车辆减速过程,若d<vi,j,d表示车辆减速状态下当前标记状态,vi,j表示范围在(i,j)内时间速率。
则vi,j(t+t0)<min(vi,j(t)+t0,d-1)
步骤3:车辆以随机概率p慢化过程:
vi,j(t+t0)—>max(vi,j(t+t0)-t0,0);“—>”表示更新状态;
步骤4:车辆位置更新:
xi,j(t+t0)—>xi,j(t)+vi,j(t+t0);
在计算车辆节点11可用路径权重,车辆L1,L2,…,Ln在IVL之间构成一个完整的传输路径,路径延迟Dp公式如下:
其中D(Li)是集合V={v1,...,vn}下,排队和延迟处理的总和。vn表示第n个时段下的速度;Dmax表示路径最大延迟;D(Lj,j+1)表示不同路径间的延时。
路径可用度权值P(Wp)是路径延迟时间和Ck介质参数最小优化筛选的权值参数,Wp定义如下:
其中α、β分别表示链路传输计算过程中链路权重的计算系数,α是路径延迟的权重因子,β是权重因子,且α+β=1。其中Lk表示不同路径。
公式(7)可以表示为:
其中,K表示第K个车辆节点上的状态;O表示起始节点,D表示目的节点;Pk(t)表示本实施例的拓扑路由路径。
公式(10)同公式(7)相比,引入了路径可用度权值,可以根据当前地面智能灯杆网络2状态筛选出满足业务需求的链路以及车辆节点11,进而优化数据的传输,提高业务需求传输的有效性和稳定性。
本实施例的基于自适应交通网络的双层拓扑路由算法包括如下步骤:
步骤1,地面车联网1根据地面智能灯杆网络2的灯杆节点21的局部信息生成路由报告(Routing Report,以下简称RREP)和路由请求(Routing Request,以下简称RREQ),局部信息包含了地面车联网1车辆节点11与灯杆节点21间的所属连接关系、以及节点连接时延、接收信息等。初始化可用路由表集合表和候选路由表集合表,判断当前车辆节点11路由请求内容是否满足条件,如果有重复信息、信息处理冗余的情况则移除此车辆节点11并寻找可用车联网接入节点。在路面候选路由表集合表插入可选用路径rk,如果插入后的候路面选路由表集合表最优化,则更新路面可用路由表集合表和路面候选路由表集合表。
步骤2,车辆节点11L(i,j,k)向上层所属的地面智能灯杆网络2的灯杆节点21M(i,j,k)报告RREP(i,j,k)信息。i、j、k表示区间内起始节点i,和目标节点j,k∈(i,j);车辆节点11L(i,j,k)通过同一层车辆节点11的源端节点的车辆节点11L(i,j,k)和终端节点的灯杆节点21M(i,j,k)的轨道间链路,发送路由报告。
步骤3,灯杆节点21之间通过轨间车联网链路相互交互信息,并判地面智能灯杆网络2可用路由表集合表LV(m)和LV(m+1)是否相同,可用路由表集合表LV(m)和LV(m+1)分别是由灯杆网络节点处理计算得到当前时刻的路由表。m表示第m个灯杆节点;如果不同则插入LV(vi,rk,Wp);vi、rk分别表示灯杆网络在Wp规划条件下的,相应最优速率和请求路径,通过灯杆网络对当前路径情况做更新,如果相同则返回步骤2再次判断。
步骤4:灯杆节点21M(i,j,k)根据地面智能灯杆网络2接收地面车联网1连接所获的路由报告,并根据最优化路径判断是否成立:p.delay<rtdest.delay-rtsrc.delay(11);
其中p.delay代表路径传输延时时长,rtsrc.delay代表起始节点路由延时时间,rtdest.delay代表目标节点路由延时时间,经过多次迭代满足公式(11),则判断满足最优路径更新路面可用路由表集合表信息,否则返回步骤2,重新检测节点信息。
步骤5:双层交通网络构建完毕后,传输路由路径确定后,关闭非使用传输路径,减小灯杆网络接口资源占用。
步骤6:当业务传输完毕后,更新路面车辆传输可用路由表集合表信息VN(vi),恢复双层交通链路,等待下一次业务请求路由路径规划。
以上结合附图实施例对本发明进行了详细说明,本领域中普通技术人员可根据上述说明对本发明做出种种变化例。因而,实施例中的某些细节不应构成对本发明的限定,本发明将以所附权利要求书界定的范围作为本发明的保护范围。

Claims (3)

1.一种基于双层拓扑路由算法的动态自适应路由路径规划方法,包括步骤:
S1:构建一交通网络,所述交通网络包括一地面车联网和一地面智能灯杆网络;所述地面车联网包括多个车辆节点,所述地面智能灯杆网络包括多个灯杆节点;
S2:对所述车辆节点和所述灯杆节点分组;
S3:计算所述车辆节点和所述灯杆节点之间的路由路径,所述路由路径包括一源端节点和一终端节点;
S4:通过对经由所述路由路径发送数据的自所述源端节点至所述终端节点的时延和丢包率评估所述车辆节点与所述灯杆节点间各所述路由路径的性能;
S5:根据所述交通网络所处的地理位置、所述车辆节点到所述灯杆节点路径所需经历的频段和所述地面智能灯杆网络的拥塞情况来计算所述地面智能灯杆网络的有效链接和所述有效链接对应的所述路由路径的可用度权值;
S6:结合所述地面智能灯杆网络的所述路由路径的所述可用度权值、所述源端节点的所述可用度权值和所述终端节点的所述可用度权值,计算所述地面智能灯杆网络的数据传送的总代价,以所述总代价最小、所述可用度权值最佳的所述路由路径建立数据传送;
S7:根据所述交通网络的忙碌度和所述路由路径的复杂度,筛选满足业务需求的所述车辆节点和所述灯杆节点参与数据传送,得到所述交通网络的一拓扑路由路径。
2.根据权利要求1所述的基于双层拓扑路由算法的动态自适应路由路径规划方法,其特征在于,所述S2进一步包括步骤:
S21:建立一灯杆节点组,所述灯杆节点组包括所述地面智能灯杆网络的多个所述灯杆节点,将与所述灯杆节点组位于同一路面内的所述车辆节点以路面轨道为界分组;
S22:按照如下规则建立通信并传送信息:
当一所述车辆节点仅可与一所述灯杆节点通信时,所述车辆节点与所述灯杆节点建立通信,并传送路由表信息;
当一所述车辆节点可与两所述灯杆节点通信时,选择间距较小的一所述灯杆节点与所述车辆节点建立通信,并传送所述路由表信息;
S23:通过所述地面智能灯杆网络同一维护所述交通网络的所述路由表信息。
3.根据权利要求2所述的基于双层拓扑路由算法的动态自适应路由路径规划方法,其特征在于,还包括步骤:
当所需业务传输完成后,更新所述交通网络的一可用路由表,将所述交通网络的路由路径恢复为S1步骤时的路由路径,返回步骤S2。
CN201811452864.1A 2018-11-30 2018-11-30 基于双层拓扑路由算法的动态自适应路由路径规划方法 Active CN109275154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811452864.1A CN109275154B (zh) 2018-11-30 2018-11-30 基于双层拓扑路由算法的动态自适应路由路径规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811452864.1A CN109275154B (zh) 2018-11-30 2018-11-30 基于双层拓扑路由算法的动态自适应路由路径规划方法

Publications (2)

Publication Number Publication Date
CN109275154A true CN109275154A (zh) 2019-01-25
CN109275154B CN109275154B (zh) 2020-08-04

Family

ID=65186564

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811452864.1A Active CN109275154B (zh) 2018-11-30 2018-11-30 基于双层拓扑路由算法的动态自适应路由路径规划方法

Country Status (1)

Country Link
CN (1) CN109275154B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223061A (zh) * 2019-05-30 2019-09-10 杭州李奥信息科技有限公司 加油站无线结算方法
CN111934901A (zh) * 2020-06-24 2020-11-13 合肥工业大学 无人平台信息感知网络的拓扑控制方法及系统
CN112504291A (zh) * 2020-11-17 2021-03-16 腾讯科技(深圳)有限公司 一种车辆导航的方法及装置
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103716194A (zh) * 2013-12-31 2014-04-09 北京交通大学 一种城轨列车网络拓扑优化方法
CN104080056A (zh) * 2014-07-09 2014-10-01 南京邮电大学 基于连通度概率感知的车载自组织网络的消息分发方法
CN105338067A (zh) * 2015-10-10 2016-02-17 苏州大学 一种基于网络编码的车联网数据传输方法及系统
US20170163398A1 (en) * 2015-12-08 2017-06-08 Uber Technologies, Inc. Backend communications system for a fleet of autonomous vehicles
WO2017141078A1 (en) * 2016-02-15 2017-08-24 Telefonaktiebolaget Lm Ericsson (Publ) Ospf extensions for flexible path stitching and selection for traffic transiting segment routing and mpls networks

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103716194A (zh) * 2013-12-31 2014-04-09 北京交通大学 一种城轨列车网络拓扑优化方法
CN104080056A (zh) * 2014-07-09 2014-10-01 南京邮电大学 基于连通度概率感知的车载自组织网络的消息分发方法
CN105338067A (zh) * 2015-10-10 2016-02-17 苏州大学 一种基于网络编码的车联网数据传输方法及系统
US20170163398A1 (en) * 2015-12-08 2017-06-08 Uber Technologies, Inc. Backend communications system for a fleet of autonomous vehicles
WO2017141078A1 (en) * 2016-02-15 2017-08-24 Telefonaktiebolaget Lm Ericsson (Publ) Ospf extensions for flexible path stitching and selection for traffic transiting segment routing and mpls networks

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ABDUL WAHID: "Adaptive route planning in spatial road networks", 《2016 INTERNATIONAL CONFERENCE ON WIRELESS COMMUNICATIONS,SIGNAL PROCESSING AND NETWORKING(WISPNET)》 *
ALLAN M.DE SOUZA等: "Real-time path planning to prevent traffic jam through an intelligent transportation system", 《2016 IEEE SYMPOSIUM ON COMPUTERS AND COMMUNICATION(ISCC) 》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223061A (zh) * 2019-05-30 2019-09-10 杭州李奥信息科技有限公司 加油站无线结算方法
CN110223061B (zh) * 2019-05-30 2021-06-29 杭州李奥信息科技有限公司 加油站无线结算方法
CN111934901A (zh) * 2020-06-24 2020-11-13 合肥工业大学 无人平台信息感知网络的拓扑控制方法及系统
CN112504291A (zh) * 2020-11-17 2021-03-16 腾讯科技(深圳)有限公司 一种车辆导航的方法及装置
CN113256961A (zh) * 2021-06-25 2021-08-13 上海交通大学 基于车辆编队的路口自主车辆调度与控制方法

Also Published As

Publication number Publication date
CN109275154B (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN109275154A (zh) 基于双层拓扑路由算法的动态自适应路由路径规划方法
CN104683016B (zh) 基于最小化时延的多层卫星网络最优业务分布路由方法
Li et al. Adaptive quality-of-service-based routing for vehicular ad hoc networks with ant colony optimization
Zhang et al. A street-centric routing protocol based on microtopology in vehicular ad hoc networks
CN110493131A (zh) 一种sdn架构下的空间信息网络路由策略的设计方法
CN111263419B (zh) 基于无人机的应急场景下立体异构网络的动态路由方法
CN104080112B (zh) 一种提高无线自组织网络业务可靠性的方法
CN109714270B (zh) 基于事件触发的卫星路由负载均衡方法
CN104581862A (zh) 一种基于低空无人飞行器自组网的测控通信方法和系统
Deng et al. An ant colony optimization-based routing algorithm for load balancing in leo satellite networks
CN109257091A (zh) 全局负载均衡星地协同网络组网装置和方法
CN106162752B (zh) 适用于空地一体化网络的负载均衡路由方法
CN111294108A (zh) 一种面向正交圆轨道构型卫星星座的高效路由方法
Li et al. Adaptive vehicular routing protocol based on ant colony optimization
CN105471730B (zh) 电力通信分层路由路径确定方法
CN113055076B (zh) 一种leo/meo双层卫星通信网络中的路由方法
CN108540204A (zh) 用于卫星网络拓扑生成的快速收敛蚁群算法
CN103888976A (zh) 一种联合网络调度和路由的链路选择方法
CN108650656A (zh) 一种基于交叉路口的分布式城市车联网路由方法
Tang et al. Federated learning for intelligent transmission with space-air-ground integrated network (SAGIN) toward 6G
CN104734770B (zh) 一种基于上下文的分布式星群网络路由方法
CN106851770A (zh) 基于链路质量的车联网通信方法
CN106452555A (zh) 一种基于中低地球轨道卫星网络的多路径优化算规划方法
CN114268575B (zh) 天地一体化信息网络中自适应立体传输方法及系统
CN110932969B (zh) 一种智能电网高级量测系统ami网络抗干扰攻击路由算法

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