CN110324788A - 基于航迹的航空自组网分簇方法及计算机可读存储介质 - Google Patents
基于航迹的航空自组网分簇方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110324788A CN110324788A CN201910600382.4A CN201910600382A CN110324788A CN 110324788 A CN110324788 A CN 110324788A CN 201910600382 A CN201910600382 A CN 201910600382A CN 110324788 A CN110324788 A CN 110324788A
- Authority
- CN
- China
- Prior art keywords
- cluster
- geographical
- geographic
- airplane
- track
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004891 communication Methods 0.000 claims abstract description 84
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 70
- 238000004590 computer program Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000010006 flight Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000004083 survival effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 229940037201 oris Drugs 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- H04W4/029—Location-based management or tracking services
-
- 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
- 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
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/248—Connectivity information update
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
- H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及基于航迹的航空自组网分簇方法及计算机可读存储介质,属于航空通讯技术领域。其中分簇方法包括以下步骤:1)预存储飞机飞行航迹上相应地理位置对应的地理簇信息;所述地理簇信息包括地理簇标识和簇内地位;2)在飞机飞行过程中,实时获取飞机的当前地理位置;3)根据所述当前地理位置,查找匹配的地理簇信息;4)按照步骤3)中匹配的地理簇信息更新自身地理簇信息。本发明在飞机飞行前已经存储了飞机飞行航迹上相应地理位置对应的地理簇信息,飞机飞行过程中只需获取当前地理位置就可实现对自身地理簇信息的更新,避免了飞机飞行过程中实时计算分簇相关信息带来的通讯实时性差和效率低问题。
Description
技术领域
本发明涉及基于航迹的航空自组网分簇方法及计算机可读存储介质,属于航空通讯技术领域。
背景技术
航空自组网(AANET)是移动自组网在航空领域的拓展与应用,民航飞机组建AANET可实现飞机间直接通信、互发实时状态信息、空中感知信息以达到提高飞行安全性、方便交通管制、信息共享及为乘客提供上网服务等目的。不过,组建AANET会使路由协议、Qos(服务质量)保障及可扩展性等面临新的困难,为解决这些问题,研究人员提出将网络划分成组的方法,即分簇算法。
现有比较经典的分簇算法包括以下三种:
(1)最小ID算法(Lowest-ID),算法思想为:每个节点拥有自身唯一的身份标识ID,并按照一定周期向其邻节点广播ID等信息,收到信息的节点若未确定状态,则将自身ID与其邻居节点进行比较,如果是自身ID最小,且邻居中不存在簇首节点,则成为簇首节点。
该算法的优点是方法简单、计算量小、实现方便、算法收敛快,并且由于簇首更新频率慢而导致维护簇时的开销也随之较小;其缺点主要是算法侧重于令具有较小ID的节点充当簇首,因此,筛选簇首的公平性较差,特别是,在成簇过程中该算法受具有较小ID节点的位置影响较大,可能会使形成的簇数量不均匀,即簇首的负载均衡性较差。
(2)最大连通度算法(Max-Degree),算法思想为:由于在某节点通信范围内的节点可称为邻居节点,因此,将该节点的邻节点数量称为其节点连通度,每个节点仍具有唯一的身份标识ID,并同样在其通信范围内向周围节点广播ID等信息,具有最大连通度的节点担任簇首,在其通信范围内的节点便成为簇员。
该算法的原则是尽量减少簇的数量,具有成簇数量少、减少分组的投递时延的优点,但由于成簇数量少,信道的空间重用率较低,另外,该算法对簇内节点数量不进行限制,由此会产生簇内簇员数量过大或过小的情况发生,即簇首的负载均衡性较差,特别是,当簇内节点数量过多时,受簇首处理能力、计算能力等限制,必然会导致数据包丢失、信息处理转发时延增大等弊端,当节点剧烈运动时,簇首的更新频率则会随之急剧增大,簇结构动荡,从而引入大量的维护开销。
(3)加权分簇算法AOW(Adaptive On-demand Weighing),该算法的思想为:通过一定的簇首筛选标准,针对移动性、节点度、传输功率、剩余能量等设计对应的权重因子,并完成归一化,最后在具体的应用和网络环境中计算具有最大权值的节点作为簇首。
AOW算法的优点是可提供较好负载均衡性和公平性,可以适应不同场合的分簇情况,并可尽量减少簇首更新带来的簇维护开销。但其缺点是计算和实现复杂度较高,权值确定方法不规范,特别是当外界环境和网络需求变化较快时,其成簇性能便会受影响。
综上,为了确定自身对应的分簇标识和在簇内的地位,飞机在风行过程中需要一直按照上述分簇算法进行计算,由于分簇算法涉及的数据量较大,飞机每次计算过程就需要花费较长的时间;而由于飞机飞行速度较快,数据随时间的变化速度也较快,此刻得到的计算结果可能已经不再完全适用于此刻的飞行状况,使得通讯实时性差、效率低。
发明内容
本发明的目的在于提供基于航迹的航空自组网分簇方法及计算机可读存储介质,以解决现有飞机飞行过程中实时计算分簇相关信息带来的通讯实时性差和效率低问题。
为实现上述目的,本发明提出一种基于航迹的航空自组网分簇方法,其特征在于,包括以下步骤:
1)预存储飞机飞行航迹上相应地理位置对应的地理簇信息;所述地理簇信息包括地理簇标识和簇内地位;
2)在飞机飞行过程中,实时获取飞机的当前地理位置;
3)根据所述当前地理位置,查找匹配的地理簇信息;
4)按照步骤3)中匹配的地理簇信息更新自身地理簇信息。
另外,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序可以被计算机处理器执行时实现上述的基于航迹的航空自组网分簇方法。
有益效果是:在飞机飞行前已经存储了飞机飞行航迹上相应地理位置对应的地理簇信息,飞机飞行过程中只需获取当前地理位置就可实现对自身地理簇信息的更新,避免了飞机飞行过程中实时计算分簇相关信息带来的通讯实时性差和效率低问题。
进一步地,上述基于航迹的航空自组网分簇方法及计算机可读存储介质中,所述簇内地位包括地理簇簇首,判定飞机担任某地理簇簇首的条件为:飞机到达该地理簇中地理簇首区域内,且距离地理簇中心最近。
有益效果是:实现了对地理簇内簇首的具体判定。
进一步地,上述基于航迹的航空自组网分簇方法及计算机可读存储介质中,地理簇首区域为:以地理簇的中心为圆心,以R/2作为半径形成的圆形区域,R为通信半径。
有益效果是:提供了具体的地理簇首区域的划分方法。
进一步地,上述基于航迹的航空自组网分簇方法及计算机可读存储介质中,所述地理簇标识还包括通信子簇标识,通信子簇是通过以下步骤得到的:
判断各地理簇的簇员数量是否大于地理簇阈值;
若某个地理簇的簇员数量大于地理簇阈值,则计算该地理簇需要划分的通信子簇数量和通信子簇容量;
计算该地理簇中不同航线上的飞机数量;
根据通信子簇数量和通信子簇容量和不同航线上的飞机数量,将航线角度差值在设定范围内的飞机划分为一个通信子簇。
有益效果是:实现了对地理簇的划分,形成了通信子簇,进一步提高了通讯效率。
进一步地,上述基于航迹的航空自组网分簇方法及计算机可读存储介质中,判定飞机担任某通信子簇簇首的条件为:飞机位于距离地理簇中心最近的航线上,且该飞机在地理簇首区域内。
有益效果是:实现了对通信子簇内簇首的具体判定。
进一步地,上述基于航迹的航空自组网分簇方法及计算机可读存储介质中,所述地理簇标识是通过以下步骤得到的:
利用起降城市集合、航线方程集合确定飞机飞行区域范围;
通过计算得到飞机飞行区域的地理中心,以该地理中心为正六边形的中心,以通信半径R为正六边形的边长,形成第一个地理簇;
以第一个地理簇为基础,以边长为R的正六边形依次对飞机飞行区域的地理簇进行划分,形成的地理簇对应唯一的地理簇标识;
当划分的六边形因飞机区域的边界而不完整时,若该六边形的中心在边界内,仍将该不完整的六边形对应的飞行区域定义为地理簇;否则忽略该不完整的六边形对应的飞行区域。
有益效果是:实现了对地理簇的具体划分。
附图说明
图1为本发明基于航迹的航空自组网分簇方法实施例中地理簇划分示意图;
图2为本发明基于航迹的航空自组网分簇方法实施例中簇首区域示意图;
图3为本发明基于航迹的航空自组网分簇方法实施例中高级簇和通信子簇网络拓扑结构示意图;
图4为本发明基于航迹的航空自组网分簇方法实施例中航线角示意图;
图5为本发明基于航迹的航空自组网分簇方法实施例中城市位置及部分航线分布示意图;
图6为本发明基于航迹的航空自组网分簇方法实施例中部分重要航线飞机数量随时间变化示意图;
图7为本发明基于航迹的航空自组网分簇方法实施例中部分航线飞机总数随时间变化示意图;
图8为本发明基于航迹的航空自组网分簇方法实施例中Lowest-ID算法分簇结构示意图;
图9为本发明基于航迹的航空自组网分簇方法实施例中Max-Degree算法分簇结构示意图;
图10为本发明基于航迹的航空自组网分簇方法实施例中本发明算法分簇结构示意图。
具体实施方式
基于航迹的航空自组网分簇方法实施例:
为了方便实施,现做出如下定义:
①所有飞机节点的感知半径与传播半径相等,即为通信半径R;
②飞机的航迹已知且严格按照规划飞行,即可计算任意时刻飞机的位置坐标等信息。
本发明基于航迹的航空自组网分簇算法的主要构思在于:在飞机飞行前完成分簇部署工作,飞机预存储飞行航迹上相应地理位置对应的包括地理簇标识和簇内地位的地理簇信息;在飞机飞行过程中,实时获取飞机的当前地理位置,据此查找匹配的地理簇信息,自行更改自身地理簇信息,自动完成分簇及簇维护工作。
通过地理簇标识,飞机能够获知自身属于哪一个地理簇;簇内地位包括簇首、簇员和网关,飞机可根据自身的簇内地位承担不同的通信工作;由于飞机预存储了飞行航迹上相应地理位置对应的包括地理簇标识和簇内地位,飞机在飞行过程中就可以根据实时地理位置匹配对应的地理簇标识和簇内地位,而无需实时进行大量计算来得到地理簇标识和簇内地位。
飞机预存储的地理簇标识和簇内地位的地理簇信息是在飞机飞行前先计算得到的,计算与飞行航迹上相应地理位置对应的地理簇标识和簇内地位的过程也是本发明的重点,接下来对该过程进行说明。
所谓的地理簇即是根据一定的算法规则,按着地理区域划分而形成的簇。地理簇的形成客观存在,不以其内的飞机数量等因素变化,例如:假设以省为单位范围形成地理簇,那么无论某个省空域内有多少飞机,这些飞机均属于同一个地理簇。地理簇内的飞机通信必须经过簇首转发,而地理簇间依靠网关进行通信,因此地理簇间为平面的簇结构。
以通信半径R作为半径的圆形区域,如果以其内接正六边形对整个区域进行覆盖,那么便可得到重复覆盖最小的无漏洞覆盖。因此,可通过六边形对区域进行划分。基于此,地理簇标识可通过以下步骤得到:
A、利用起降城市集合、航线方程集合确定飞机飞行区域范围;
设起降城市集合为V(city)={V1,V2,...,Vn},根据具有起降关系的城市得到对应的航线集合V(city,city)={Lcity,city}。航线Li的相关信息为{飞机起降城市,航迹矢量集合,航班信息},其中,航迹矢量集合包括各航路点信息、航线段方向及长度等信息,航班信息包括该航班飞机的起飞城市、飞机标识、起飞时刻等。例如:利用城市坐标、航迹方程便可得到飞机的飞行区域范围。为便于存储计算,结合起降城市集合V(city)和航线集合L(line)建立邻接矩阵M(G):
B、通过计算得到飞行区域的地理中心,以此为正六边形的中心,令通信半径R为正六边形边长,从而形成第一个地理簇;
通过步骤A可确定飞机的飞行区域,并且根据飞行区域边界点的坐标便可计算得到飞行区域的地理中心,如图1中O1为该飞机飞行区域的中心,并以O1为六边形中心、以通信半径R为正六边形边长形成第一个地理簇。
C、以第一个地理簇为基础,以边长为R的正六边形依次完成对该区域的地理簇划分,所形成的地理簇有唯一的地理簇标识以便区分;
设第一个地理簇的中心坐标为O1(x1,x2),那么第1圈地理簇的中心坐标必在以O1为圆心、以为半径的圆上,并且与O1所在直线之间的夹角为π/6+πi/3,(i=0,1,2,3,4,5);第2圈地理簇的中心坐标必在以O1为圆心、以3R或为半径的圆上,并且与O1所在直线之间的夹角为πi/3,(i=0,1,2,3,4,5)或π/6+πi/3,(i=0,1,2,3,4,5)。以此类推,依次对该区域进行地理簇的划分。
D、当划分的六边形因飞机区域的边界而不完整时,若该六边形的中心在边界内,仍将其定义为地理簇(如图1中O2);否则忽略该区域;
在对地理簇划分时,若某六边形的中心在飞机区域边界外,忽略该区域不会影响其内飞机的通信。由于飞行边界由起降城市和航线分布决定,当某六边形的中心在飞机区域边界外时(如图1中O3),说明在区域S内必有起降城市且该机场的通信范围可以覆盖S,因此,忽略此区域内的飞机其通信不会受到分簇的影响。
当某飞机属于某一地理簇后便可以与簇内其它簇员保持连通。
在地理簇中,当某飞机到达该地理簇中地理簇首区域内,且距离地理簇中心最近,可自动担任该地理簇的簇首。
地理簇首区域划分方法是:以地理簇的中心为圆心,选定R/2作为地理簇首区域的半径,据此形成的圆形区域即为地理簇首区域,如图2所示中圆形区域。
由于飞机的通信范围有限,导致不同地理簇首之间不能直接通信,即所形成的地理簇是平面簇,地理簇之间通过网关连接;但当地理簇内飞机数量过多时,簇首的负担、簇内的开销便急剧增大,为减少簇首的开销、降低消息转发延迟,此时需要对地理簇进行划分,形成便于通信的小簇,小簇簇首间可直接通信进而形成分层结构的簇。
当地理簇的簇员超过一定数值后,需要对其进行簇的分割,该值称为地理簇阈值Nmax。地理簇阈值的设定减少了簇首的通信负担,避免因簇内节点数量过多而导致簇首负载加重甚至通信堵塞的情况发生。
通信子簇指按照一定的算法对地理簇进行分割所形成的便于通信的小簇。高级簇指在地理簇首区域内形成以地理簇首为簇首、通信子簇簇首为簇员的簇。
为控制地理簇的规模,若簇内簇员的数量超过地理簇阈值时,需要对其进行划分,原地理簇簇首担任高级簇簇首,划分形成的通信子簇的簇首为高级簇的簇员。同一地理簇的通信子簇间通过高级簇进行通信,不同地理簇间通过网关节点进行通信,与地理簇不同,为减少转发次数,高级簇内簇员间可直接通信,网络的结构如图3所示。
簇容量Ncapacity指簇保持最佳状态时簇员的数量。理想状态下,节点数量为n的网络,它的最佳分簇数量为簇内簇员数量也为
实际中,飞机密度与地理位置相关联,故对地理簇的划分需要结合理想成簇数量、簇容量、区域飞机密度等因素,通信子簇生成算法如下:
a、判断地理簇i的簇员数量m是否大于地理簇阈值Nmax。若大于,执行步骤b,否则,不进行簇分割;
对地理簇划分主要目的是为了减少地理簇首的通信负担,避免因簇内节点数量过多而导致簇首负载加重甚至通信堵塞的情况,即当簇员数量超过地理簇阈值时,需要对其进行划分。而当确定地理簇阈值时,需要考虑整个网络中各地理簇的平均情况,因此,若某时刻全网络中飞机总数量为n,假设所有地理簇为分层簇,则由定理4知,最理想的分簇数量为簇容量为由于划分的通信子簇个数至少为2个,因此,令地理簇阈值即,当某地理簇内飞机数量超过时,需要对该地理簇进行通信子簇的划分。
b、计算该地理簇需要划分的通信子簇数量numberi、簇容量Ncapacity;
设某地理簇内簇员数量则根据步骤a需要对其划分。其中,
c、计算不同航线与X轴所成的角度及在地理簇i中该航线上的飞机数量p;
由于在该地理簇内中,航线与所设定的X轴会存在一定的角度,而航线固定且已知,因此,可通过计算得到该航线在地理簇中的飞机数量p。
d、根据簇容量Ncapacity、通信子簇数量numberi、不同航线上飞机数量p,以航线为单位,按航线角度对通信子簇进行划分,从而保证所划分生成的通信子簇簇员数量在Ncapacity左右;
根据角度对通信子簇划分,即将在航线角度差值在设定范围内的飞机划分在一个子簇中,该方法保持了所形成子簇的稳定性。如图4所示,设航线AB与AC所成的航线角为θ,若A点有2架飞机a、b分别从航线AB、AC上同时起飞,则它们保持通信需要满足的条件为:飞机a到b的距离不大于通信半径R。两者可以保持通信状态所飞行的距离为:L=(R/2)/sin(θ/2)。
当R=300km,θ=π/18时,L=1728km。故当两航线的航线角θ很小时,也即航线角度差值在设定范围内的飞机之间相对运动便很小,通信保持很稳定,因此,将航线角相近、相对运动较小的飞机节点划分为同一个子簇以便达到减少簇重组次数的目的。
在通信子簇中,选择到地理簇中心最近的航线上的飞机作为子簇簇首,且该飞机在地理簇首区域内。由选定通信子簇的簇首担任高级簇的簇员,原地理簇的簇首继续担任高级簇的簇首;当高级簇的簇首离开地理簇首区域后,则在高级簇中选择地理簇首区域生存时间最长的簇员作为高级簇首。
地理簇之间的通信不能依靠簇首相互通信,因此,需要引入网关的概念。网关的生成算法较简单,即当某飞机离开原地理簇飞达新的地理簇时,由于该飞机与原地理簇保持通信关系,且又可以与新簇保持连通,故可充当网关节点。两个相邻的地理簇之间只需要存在一个网关节点便可进行通信。当原网关节点飞离原地理簇簇员的通信范围后,则自动取消网关身份,由新的飞机担任。网关的存在一方面可增强地理簇之间的通信,便于形成网状拓扑结构;另一方面,减少了簇结构的动荡,当某飞机成为网关后,在一定时间内仍与原簇簇员保持链路连通,避免了由更新簇导致的通信中断,增加了通信的持续性。
综上,可以得到飞机飞行航迹上对应地理位置对应的地理簇标识和簇内地位,将其形成数据,存储到飞机的可读存储介质即可。由于飞机预存储了飞行航迹上相应地理位置对应的包括地理簇标识和簇内地位,飞机在飞行过程中就可以根据实时地理位置匹配对应的地理簇标识和簇内地位,而无需实时进行大量计算来得到地理簇标识和簇内地位。
对本发明算法性能分析如下:
(1)成簇数量
由于本发明算法以地理簇为基础,从全网角度,所形成的簇为平面结构,利用地理簇区域覆盖的广阔性对簇规模进行合理控制,其数量会保持在较低的水平;从地理簇角度,为防止簇内簇员过多的情况,利用地理簇阈值作为是否划分通信子簇的标准,划分子簇后簇内与簇间采用不同信道,为保障分簇后网络工作稳定,各子簇间的流量尽量均衡,通过以上方法,可使成簇数量(簇首数量)、簇的规模保持在较佳状态。
(2)簇稳定性
本发明算法采用三种方式保障簇的稳定:
①从簇首的角度,地理簇首区域的划分,使簇首位置无论在地理簇中还是在通信子簇中均具有中心性,特别地,通信子簇的簇首选举标是以靠近地理簇中心和在簇首区域生存时间为判断标准,同样保证了簇首的稳定性;
②从簇员的角度,通信子簇中将航线角相近的航线上飞机划分为同一个簇,避免了同一子簇中存在相对运动较大的飞机,从而保证了簇员的稳定性;
③从网关的角度,网关的设立保证簇通信的持续性,避免由于飞机离开原地理簇而造成的网络动荡,同时,可以与多个簇首保持联系以负责信息转发等工作,进而使簇形成了网状结构,增加了簇结构的稳定性。
(3)负载均衡性
簇首负载均衡性的大小由该簇内的节点数量决定,保持合理的簇首负载均衡性十分必要,本发明算法通过两种方式提高簇首负载均衡性:
①由于地理簇首的动态变化,只要满足条件飞机均可以充当簇首,簇首的选举更为公平,而地理簇覆盖范围大,其内的飞机不会出现过多和过少的极端情况,因此,保证了全网角度中地理簇首的负载均衡性;
②当簇首的簇员过多时,为避免其负载过大,利用通信子簇的划分算法,实现局部区域内的簇首负载均衡。
为验证实际环境下分簇算法的性能,现根据北京、上海、成都、昆明等重要城市间航线的航班信息,构造实际航线的分布及航班情况,利用对所有飞机航班起降时间、地点、航线信息等分析,运用Matlab 2009及Visual Studio 2010平台对其飞行过程进行推算模拟,城市位置及部分航线分布如图5所示。
部分重要航线上的飞机数量及飞机总数的统计结果如图6、7所示。通过图6可知,00:00-8:00期间,我国主要航线上的航班数量很少,而在8:00-24:00中,航线上飞机数量较多,空中的飞机密度较大且平稳,具备组建航空自组网的条件。因此,在对分簇性能比较验证时,将上述航线、航班等在8:00-24:00期间实际数据作为分簇性能仿真实验的条件及各参数,据此搭建实验环境。
由于最小ID算法(Lowest-ID)和最大连通度算法(Max-Degree)是经典的分簇算法,因此,本发明将会与其进行对比从而验证算法的各项性能。其中,图8、9、10分别表示Lowest-ID、Max-Degree算法和本算法在上述实验环境下通过仿真实验得到的分簇结构图,其中,通信半径R=300km,实心黑点表示簇首。由图8、9可知,Lowest-ID和Max-Degree算法中均存在1、2个节点构成的簇,形成的簇数量较多且簇内节点数量不均匀。由图10可知,本发明算法形成的簇数量较少且簇内节点数量较均匀。
计算机可读存储介质实施例:
本实施例提出的计算机可读存储介质存储有计算机程序,所述计算机程序可以被计算机处理器执行时实现基于航迹的航空自组网分簇方法实施例中的基于航迹的航空自组网分簇方法。
基于航迹的航空自组网分簇方法的具体实施过程在上述基于航迹的航空自组网分簇方法实施例中已经介绍,这里不做过多赘述。
Claims (7)
1.一种基于航迹的航空自组网分簇方法,其特征在于,包括以下步骤:
1)预存储飞机飞行航迹上相应地理位置对应的地理簇信息;所述地理簇信息包括地理簇标识和簇内地位;
2)在飞机飞行过程中,实时获取飞机的当前地理位置;
3)根据所述当前地理位置,查找匹配的地理簇信息;
4)按照步骤3)中匹配的地理簇信息更新自身地理簇信息。
2.根据权利要求1所述的基于航迹的航空自组网分簇方法,其特征在于,所述簇内地位包括地理簇簇首,判定飞机担任某地理簇簇首的条件为:飞机到达该地理簇中地理簇首区域内,且距离地理簇中心最近。
3.根据权利要求2所述的基于航迹的航空自组网分簇方法,其特征在于,地理簇首区域为:以地理簇的中心为圆心,以R/2作为半径形成的圆形区域,R为通信半径。
4.根据权利要求1所述的基于航迹的航空自组网分簇方法,其特征在于,所述地理簇标识还包括通信子簇标识,通信子簇是通过以下步骤得到的:
判断各地理簇的簇员数量是否大于地理簇阈值;
若某个地理簇的簇员数量大于地理簇阈值,则计算该地理簇需要划分的通信子簇数量和通信子簇容量;
计算该地理簇中不同航线上的飞机数量;
根据通信子簇数量和通信子簇容量和不同航线上的飞机数量,将航线角度差值在设定范围内的飞机划分为一个通信子簇。
5.根据权利要求4所述的基于航迹的航空自组网分簇方法,其特征在于,判定飞机担任某通信子簇簇首的条件为:飞机位于距离地理簇中心最近的航线上,且该飞机在地理簇首区域内。
6.根据权利要求1-5任一项所述的基于航迹的航空自组网分簇方法,其特征在于,所述地理簇标识是通过以下步骤得到的:
利用起降城市集合、航线方程集合确定飞机飞行区域范围;
通过计算得到飞机飞行区域的地理中心,以该地理中心为正六边形的中心,以通信半径R为正六边形的边长,形成第一个地理簇;
以第一个地理簇为基础,以边长为R的正六边形依次对飞机飞行区域的地理簇进行划分,形成的地理簇对应唯一的地理簇标识;
当划分的六边形因飞机区域的边界而不完整时,若该六边形的中心在边界内,仍将该不完整的六边形对应的飞行区域定义为地理簇;否则忽略该不完整的六边形对应的飞行区域。
7.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序可以被计算机处理器执行时实现如权利要求1-6中任一项所述的基于航迹的航空自组网分簇方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910600382.4A CN110324788B (zh) | 2019-07-04 | 2019-07-04 | 基于航迹的航空自组网分簇方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910600382.4A CN110324788B (zh) | 2019-07-04 | 2019-07-04 | 基于航迹的航空自组网分簇方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110324788A true CN110324788A (zh) | 2019-10-11 |
CN110324788B CN110324788B (zh) | 2020-09-25 |
Family
ID=68122664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910600382.4A Active CN110324788B (zh) | 2019-07-04 | 2019-07-04 | 基于航迹的航空自组网分簇方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110324788B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028547A (zh) * | 2019-11-13 | 2020-04-17 | 中国电子科技集团公司第二十八研究所 | 一种低空飞行器编队局部通信失效时的解决方法 |
CN111555798A (zh) * | 2020-05-09 | 2020-08-18 | 中国航空无线电电子研究所 | 一种多平台航空网络分簇方法 |
CN113423114A (zh) * | 2021-06-22 | 2021-09-21 | 中国科学技术大学 | 一种基于虚拟拓扑的飞机组网与路由方法 |
CN113556795A (zh) * | 2021-07-20 | 2021-10-26 | 哈尔滨海能达科技有限公司 | 首次转发设备的确定方法、相关装置及计算机存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
CN103209455A (zh) * | 2013-01-06 | 2013-07-17 | 南昌大学 | 一种基于节点位置信息的无线传感网路由方法 |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
US20140218188A1 (en) * | 2013-02-06 | 2014-08-07 | Electronics And Telecommunications Research Institute | Method and apparatus for analyzing concentration level of driver |
CN104486715A (zh) * | 2014-11-26 | 2015-04-01 | 南京邮电大学 | 一种基于地理位置信息的移动传感器网络分簇方法 |
JP2017082131A (ja) * | 2015-10-29 | 2017-05-18 | 帝人株式会社 | アミン耐性を有する自動車内装部品 |
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN108710382A (zh) * | 2018-05-14 | 2018-10-26 | 西安工业大学 | 一种基于分簇算法的智能监测无人机控制系统 |
-
2019
- 2019-07-04 CN CN201910600382.4A patent/CN110324788B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101360051A (zh) * | 2008-07-11 | 2009-02-04 | 西安电子科技大学 | 一种能量高效的无线传感器网络路由方法 |
CN103209455A (zh) * | 2013-01-06 | 2013-07-17 | 南昌大学 | 一种基于节点位置信息的无线传感网路由方法 |
US20140218188A1 (en) * | 2013-02-06 | 2014-08-07 | Electronics And Telecommunications Research Institute | Method and apparatus for analyzing concentration level of driver |
CN103777640A (zh) * | 2014-01-15 | 2014-05-07 | 北京航空航天大学 | 一种分布式控制无人机群集中分簇编队方法 |
CN104486715A (zh) * | 2014-11-26 | 2015-04-01 | 南京邮电大学 | 一种基于地理位置信息的移动传感器网络分簇方法 |
JP2017082131A (ja) * | 2015-10-29 | 2017-05-18 | 帝人株式会社 | アミン耐性を有する自動車内装部品 |
CN108307444A (zh) * | 2018-01-19 | 2018-07-20 | 扬州大学 | 基于优化粒子群算法的无线传感网无人机系统通信方法 |
CN108710382A (zh) * | 2018-05-14 | 2018-10-26 | 西安工业大学 | 一种基于分簇算法的智能监测无人机控制系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028547A (zh) * | 2019-11-13 | 2020-04-17 | 中国电子科技集团公司第二十八研究所 | 一种低空飞行器编队局部通信失效时的解决方法 |
CN111028547B (zh) * | 2019-11-13 | 2020-11-17 | 中国电子科技集团公司第二十八研究所 | 一种低空飞行器编队局部通信失效时的解决方法 |
CN111555798A (zh) * | 2020-05-09 | 2020-08-18 | 中国航空无线电电子研究所 | 一种多平台航空网络分簇方法 |
CN113423114A (zh) * | 2021-06-22 | 2021-09-21 | 中国科学技术大学 | 一种基于虚拟拓扑的飞机组网与路由方法 |
CN113556795A (zh) * | 2021-07-20 | 2021-10-26 | 哈尔滨海能达科技有限公司 | 首次转发设备的确定方法、相关装置及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110324788B (zh) | 2020-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110324788B (zh) | 基于航迹的航空自组网分簇方法及计算机可读存储介质 | |
Wang et al. | Taking drones to the next level: Cooperative distributed unmanned-aerial-vehicular networks for small and mini drones | |
CN105979558B (zh) | 一种基于云的无人机集群通信系统 | |
Islam et al. | Software-defined vehicular network (SDVN): A survey on architecture and routing | |
CN110602633B (zh) | 一种面向爆发性流量的移动边缘计算无人机群辅助通信方法 | |
CN105871717A (zh) | 一种基于链路稳定性的无人机自组网路由方法 | |
CN106713147A (zh) | 面向geo/leo双层卫星网络的抗毁路由方法 | |
CN109041165B (zh) | 适用于天临空地车专用网络的分簇组网方法及系统 | |
CN110995333B (zh) | 一种分簇QoS路由设计方法 | |
Gao et al. | A hierarchical routing scheme with load balancing in software defined vehicular ad hoc networks | |
Liu et al. | Deep learning aided routing for space-air-ground integrated networks relying on real satellite, flight, and shipping data | |
Chen et al. | Energy efficient task offloading and resource allocation in air-ground integrated mec systems: A distributed online approach | |
CN116187021A (zh) | 一种无人机场面运行调度方法及应用 | |
Bilen et al. | Learning-vector-quantization-based topology sustainability for clustered-aanets | |
Gao et al. | Coverage-maximization and energy-efficient drone small cell deployment in aerial-ground collaborative vehicular networks | |
CN106358243B (zh) | 一种海空广域自组织网络分簇方法 | |
CN106209202A (zh) | 一种航空自组织网络拓扑构建及互联网接入的方法 | |
Wang et al. | Load-balancing method for leo satellite edge-computing networks based on the maximum flow of virtual links | |
Newton et al. | Analysis of topology algorithms for commercial airborne networks | |
Jiang et al. | Research on OLSR adaptive routing strategy based on dynamic topology of UANET | |
Pei et al. | UAV swarm for connectivity enhancement of multiple isolated sensor networks for Internet of things application | |
CN110427046B (zh) | 一种三维平滑随机游走无人机群移动模型 | |
Zeng et al. | Wireless-Enabled Asynchronous Federated Fourier Neural Network for Turbulence Prediction in Urban Air Mobility (UAM) | |
Wang et al. | Deep reinforcement learning based routing in an air-to-air ad-hoc network | |
Bilen et al. | A proof of concept on digital twin-controlled wifi core network selection for in-flight connectivity |
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 |