CN111356199A - 一种三维场景中车载自组织网络路由选择方法 - Google Patents

一种三维场景中车载自组织网络路由选择方法 Download PDF

Info

Publication number
CN111356199A
CN111356199A CN202010139432.6A CN202010139432A CN111356199A CN 111356199 A CN111356199 A CN 111356199A CN 202010139432 A CN202010139432 A CN 202010139432A CN 111356199 A CN111356199 A CN 111356199A
Authority
CN
China
Prior art keywords
vehicle
link
attribute
model
sinr
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
CN202010139432.6A
Other languages
English (en)
Other versions
CN111356199B (zh
Inventor
徐川
熊郑英
韩珍珍
赵国锋
刑媛
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202010139432.6A priority Critical patent/CN111356199B/zh
Publication of CN111356199A publication Critical patent/CN111356199A/zh
Application granted granted Critical
Publication of CN111356199B publication Critical patent/CN111356199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • 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
    • H04W40/12—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality
    • H04W40/16—Communication route or path selection, e.g. power-based or shortest path routing based on transmission quality or channel quality based on interference
    • 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
    • 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]
    • H04W4/48—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for in-vehicle communication
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于通信技术领域，涉及一种三维场景中车载自组织网络路由选择方法，包括利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正，以获取准确的位置信息；基于修正后的GPS数据，分别建立信干燥比SINR、链路可用性和缓冲队列的评估属性模型；采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重；根据评估属性模型以及其对应法人权重建立基于多属性决策的链路可靠性模型，并通过该模型确定三维VANET场景的无线链路可靠性值；当前车辆根据无线链路可靠性值选择最优路由路径；本发明路由方法可以动态地调整路由决策以及自适应网络的拓扑变化，最终改进网络性能，降低端到端时延和提高分组传送率。

Description

一种三维场景中车载自组织网络路由选择方法
技术领域
本发明属于通信技术领域，涉及一种三维场景中车载自组织网络路由选择方法。
背景技术
车载自组织网络(VANET)是一种由车辆通信单元构成的庞大自组织通信网络，其旨在车辆间建立适当的通信网络以提高交通安全性和出行的便利性。为了实现车辆间高效和可靠的通信，如何设计高效的路由方法将数据成功快速可靠地传输至目的车辆节点是VANET研究领域中的一个重要问题。
近年来，由于各种高架桥、隧道和立交桥等结构的实施，许多现实中的VANET出现了三维特性。越来越多的工作也开始致力于研究三维VANET场景带来的挑战，但是针对三维VANET场景的路由方法研究仍然较少。在三维场景中，高动态的车辆、复杂的节点分布和严重的阴影衰落造成高度脆弱的无线链路和极其复杂的网络环境，这使得三维VANET中路由方法的设计比一般VANET场景更具挑战性。并且，最近的研究表明三维场景中跨层通信的车辆通信范围比同层通信的车辆通信范围小，一般VANET中的路由方法不能直接应用于三维场景。因此，设计一种适用于三维场景的VANET高效和可靠的路由方法以提高路由性能具有重要意义。
目前针对三维场景的VANET路由方法有：
1、通过简单室外传输实验和利用数学随机分析地理路由方法在三维场景下存在跳数增大、数据包传送率降低、连通性计算出错等问题，并提出面向三维场景的贪婪机会路由方法，考虑三维场景特征估计车辆节点间连通性概率，以用于辅助交叉路口方向的选择，然后设计贪婪机会转发方法提升同层邻居节点的转发概率，以此来应对三维直行道路上的分组转发造成的跳数增大和分组传送率降低问题。
2、一种基于空间分布的连通性感知路由方法被提出以解决三维场景中节点连通性问题。该方法将街道分为多个路段，并利用控制包来收集每个路段的网络特征，再基于每个路段收集到的车辆数量和位置分布计算路段的连通性，最后根据计算得到的连通性来确定转发路径，改进路由性能。
然而，现有的三维VANET的路由方法存在以下问题：
1、现有路由方法主要基于贪婪转发策略，不适用于高动态场景，当邻居车辆快速移动离开车辆通信范围时，导致链路中断，丢包率增大。
2、现有路由方法仅仅根据车辆数量和位置来确定转发中继，没有考虑网络动态性对信道跳间和缓冲队列的影响，无法准确刻画车辆间链路性能，影响路由方法的有效性和自适应性。
现有路由方法根据获得的GPS数据来确定邻居车辆集和计算路径，其没有考虑三维场景中动态性和阴影衰落对GPS数据的影响，导致车辆获取的GPS信息不准确，进而影响路由算法的有效性。尤其在三维VANET中，当极其不稳定的无线链路导致信标消息丢失时，车辆获取过期的邻居节点信息，进而影响路由决策的有效性。
发明内容
为了提高分组传送率和降低端到端时延，提高通信质量和路由整体性能，本发明提出一种三维场景中车载自组织网络路由选择方法，具体包括以下步骤：
利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正，以获取准确的位置信息；
根据三维VANET网络特点，基于修正后的GPS数据，分别建立信干燥比SINR、链路可用性和缓冲队列的评估属性模型；
采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重；
根据评估属性模型以及其对应法人权重建立基于多属性决策的链路可靠性模型，并通过该模型确定三维VANET场景的无线链路可靠性值；
当前车辆根据无线链路可靠性值选择最优路由路径。
进一步的，所述利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正包括以下步骤：
将车辆移动模式分为静止、匀速运动、匀加速运动和加速度恒定变化的运动，并采用马尔可夫模型描述车辆移动模式的转移，建立卡尔曼滤波的状态转移矩阵P；
选择四个卡尔曼滤波器分别表示静止、匀速运动、匀加速运动和加速度恒定变化的运动四种移动模型，并根据卡尔曼滤波的状态转移矩阵P计算每个卡尔曼滤波器的状态输入；
根据每个卡尔曼滤波器的状态输入计算每个卡尔曼滤波器的卡尔曼增益和误差协方差；
根据获取的卡尔曼增益和误差协方差修正GPS原始数据，并更新每个卡尔曼滤波器的状态输出；
采用最大似然法计算各个卡尔曼滤波器模型的状态输出与当前车辆移动状态之间的匹配度，获得各个卡尔曼滤波器的输出概率；
根据各个模型的输出概率和状态输出，确定最终修正后的GPS数据。
进一步的，建立SINR、链路可用性和缓冲队列的评估属性模型的过程包括：
通过SINR的评估属性建立的模型表示为：
Figure BDA0002398536010000031
通过链路可用性的评估属性建立的模型表示为：
Figure BDA0002398536010000032
通过缓冲队列的评估属性建立的模型表示为：
Figure BDA0002398536010000033
其中，U(s)表示通过SINR的评估属性建立的模型，P{SINR(j,Δt)≥SINR0}表示车辆j在Δt时间后接收数据包时的信干燥比SINR(j,Δt)大于信干噪比阈值SINR0的概率，Pt表示车辆发射功率，L(ij,Δt)为车辆i与车辆j间数据包传播损耗，I(j,Δt)为接收数据包的车辆j的干扰；U(l)通过链路可用性的评估属性建立的模型，f(T)为持续时间服从高斯分布的概率密度函数，Tp为车辆通信链路持续时间；U(q)通过缓冲队列的评估属性建立的模型，x和y分别为接收车辆在Δt内可能接收的数据包数和发送数据包数，a和b分别为剩余可用缓冲队列长度和当前时刻缓冲度列长度，fx和fy分别为泊松分布函数和二项分布函数。
进一步的，车辆i与车辆j间数据包传播损耗L(ij,Δt)表示为：
L(ij,Δt)＝(1-βi)(θd)-α+βiρ(θd)-α；
其中，βi∈{0,1}表示邻居车辆属性，0和1分别为层内和层间邻居；θ为天线增益；2＜α＜4为路径损耗指数；d为欧式距离并由修正后的GPS数据进行计算获得，ρ为阴影衰落因子，Δt表示数据包传输的时间。
进一步的，接收数据包的车辆j的干扰I(j,Δt)表示为：
Figure BDA0002398536010000041
其中，N0代表高斯噪声，
Figure BDA0002398536010000042
为Δt后车辆j的邻居车辆数，Δt表示数据包传输的时间。
进一步的，采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重的过程包括：
若当前车辆的邻居车辆数量为
Figure BDA0002398536010000043
每条无线链路li的评估属性为Aj(j＝1,2,3)，且根据链路的SINR、链路可用性和缓冲队列的评估属性值可以得到链路li对应的属性值uij，则建立决策矩阵
Figure BDA0002398536010000044
每个评估属性的权重矢量为
Figure BDA0002398536010000045
则链路li总属性评估值为
Figure BDA0002398536010000046
且对于属性Aj，链路li与其它链路lk的离差为
Figure BDA0002398536010000051
则对于属性Aj，所有链路的总离差为
Figure BDA0002398536010000052
根据约束
Figure BDA0002398536010000053
和
Figure BDA0002398536010000054
离差最大化目标函数为
Figure BDA0002398536010000055
构建拉格朗日函数
Figure BDA0002398536010000056
分别求偏导
Figure BDA0002398536010000057
和
Figure BDA0002398536010000058
得出每条链路li最优的三个权重最优解
Figure BDA0002398536010000059
进一步的，确定三维VANET场景的无线链路可靠性值的过程包括：
Figure BDA00023985360100000510
其中，Ui表示链路li的链路可靠性值，Ui(s)为链路li的SINR评估属性值，Ui(a)为链路li的链路可用性评估属性值，Ui(q)链路li的缓冲队列评估属性值，
Figure BDA00023985360100000511
分别表示链路li的SINR、链路可用性和缓冲队列三个评估属性的权重。
进一步的，当无线链路评估属性U(s)、U(l)和U(q)任意等于0时，则该链路的可靠性值为0。
进一步的，当前车辆根据无线链路可靠性值选择最优路由路径的过程包括：
当前车辆计算其邻居车辆位置与目的车辆的距离，选择靠近目的车辆的邻居车辆加入候选传输链路集；
分别计算候选链路集中无线链路的链路可靠性值；
选择具有最大选择具有最大可靠性值的链路为最优传输链路。
进一步的，当目的车辆在当前车辆的传输范围内时，当前车辆直接将数据包传输至目的车辆。
本发明首先考虑三维场景中阴影损耗和动态性对车辆从GPS设备获取的位置信息的影响，对获取的GPS数据进行修正以得到精准的车辆位置信息，以保证路由计算和邻居发现的准确性和有效性；其次，深入分析了三维VANET中影响无线传输链路性能的网络参数，并综合考虑三维场景中车辆高动态性、车辆分布的复杂性和严重的阴影衰落对网络参数的影响，选择SINR、链路可用性和缓冲队列为链路性能的评估属性，并基于修正后的GPS数据分别建立SINR、链路可用性和缓冲队列模型来刻画三维VANET的无线链路可靠性；然后，考虑到三维VANET中不同的链路状态，采用自适应离差最大化算法根据车辆当前的网络状态来分别计算其对应无线链路评估属性的权重，从而准确的评估无线链路可靠性值；最后，基于多属性决策理论，将三维VANET路由中继决策问题转化为多属性决策问题，选择具有最大链路可靠性值的链路为传输中继，并且，由于精确的链路评估和自适应权重计算，该路由方法可以动态地调整路由决策以及自适应网络的拓扑变化，最终改进网络性能，降低端到端时延和提高分组传送率。
附图说明
图1为三维场景的车载自组织网络架构图；
图2为卡尔曼滤波算法原理图；
图3为三维VANET网络路由方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明提供一种三维场景中车载自组织网络路由选择方法，如图1，在本实施例中每辆车辆配有GPS设备用于获取车辆位置等信息，进行路由选择具体包括以下步骤：
利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正，以获取准确的位置信息；
根据三维VANET网络特点，基于修正后的GPS数据，分别建立SINR、链路可用性和缓冲队列的评估属性模型；
采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重；
根据评估属性模型以及其对应法人权重建立基于多属性决策的链路可靠性模型，并通过该模型确定三维VANET场景的无线链路可靠性值；
当前车辆根据无线链路可靠性值选择最优路由路径。
在本实施例中，采用静止(CL)、匀速运动(CV)、匀加速运动(CA)和加速度恒定变化的运动(CJ)四种移动模型来描述三维街道上车辆的移动模式，如图2，采用卡尔曼滤波算法对车辆从GPS获取的数据进行修正，具体步骤如下：
将车辆移动模式分为静止、匀速运动、匀加速运动和加速度恒定变化的运动，并采用马尔可夫模型描述车辆移动模式的转移，建立卡尔曼滤波的状态转移矩阵P；
选择四个卡尔曼滤波器分别表示静止、匀速运动、匀加速运动和加速度恒定变化的运动四种移动模型，并根据卡尔曼滤波的状态转移矩阵P计算每个卡尔曼滤波器的状态输入；
根据每个卡尔曼滤波器的状态输入计算每个卡尔曼滤波器的卡尔曼增益和误差协方差；
根据获取的卡尔曼增益和误差协方差修正卡尔曼滤波器原始的输入数据，并更新状态输入；
采用最大似然法计算各个卡尔曼滤波器模型与当前车辆移动状态之间的匹配度，获得各个卡尔曼滤波器的输出概率；
根据各个模型的输出概率和输出结果，确定最终修正后的GPS数据。
得到修正后的GPS数据后，车辆发送携带自己修正后的GPS数据的hello包进行邻居发现过程，确定邻居车辆集判断邻居车辆集内是否包含目的车辆，若包含，则直接将数据包发送至目的车辆；若不包含，则根据修正后的GPS数据建立信干燥比SINR、链路可用性和缓冲队列的评估属性模型，具体包括以下步骤：
计算三维车载网络中当前车辆发送数据包且车辆j在Δt时间后接收数据包的信干噪比SINR(j,Δt)大于信干噪比阈值SINR0的概率U(s)作为SINR的评估属性，即将U(s)作为通过SINR的评估属性建立的模型，表示为：
Figure BDA0002398536010000081
其中，P{SINR(j,Δt)≥SINR0}表示车辆j在Δt时间后接收数据包时的信干燥比SINR(j,Δt)大于信干噪比阈值SINR0的概率，Pt表示车辆发射功率，L(ij,Δt)为车辆i与车辆j间数据包传播损耗，I(j,Δt)为接收数据包的车辆j的干扰。
计算三维车载网络中当前车辆发送数据包且车辆j在Δt时间后接收数据包后链路仍然可用的概率，并将该概率作为通过链路可用性的评估属性建立的模型，表示为：
Figure BDA0002398536010000082
其中，Tp为车辆通信链路持续时间，其值由当前时刻车辆位置、速度以及车俩传输范围可以计算得到，f(T)为持续时间服从高斯分布的概率密度函数。
计算三维车载网络中当前车辆发送数据包且车辆j在Δt时间后接收数据包后接收车辆缓冲队列长度小于最大可用值的概率，并将该概率作为通过缓冲队列的评估属性建立的模型，表示为：
Figure BDA0002398536010000083
其中，x和y分别为接收车辆在Δt内可能接收的数据包数和发送数据包数，a和b分别为剩余可用缓冲队列长度和当前时刻缓冲度列长度，fx和fy分别为泊松分布函数和二项分布函数。
车辆根据当前的网络状态，采用离差最大化方法分别计算自己所在链路的SINR、链路可用性以及缓冲队列的权重值。
作为一种可选的实施方式，本实施例在链路可靠性值得确定上，提出了自适应离差最大化方法，具体步骤如下：
当前车辆已经获得该车辆的邻居数据集，当前车辆车辆根据邻居车辆的位置信息选择靠近目的车辆的邻居加入候选链路集合中；
当前车辆计算候选链路集合中每条链路对应的U(s)、U(l)和U(q)值，建立决策矩阵Ω(0)；
用
Figure BDA0002398536010000091
表征链路li的SINR、链路可用性以及缓冲队列的权重矢量
Figure BDA0002398536010000092
建立离差最大化目标函数
Figure BDA0002398536010000093
构建拉格朗日函数
Figure BDA0002398536010000094
分别求偏导
Figure BDA0002398536010000095
和
Figure BDA0002398536010000096
计算获得每条链路li最优的三个权重最优解
Figure BDA0002398536010000097
由上述得到通过SINR、链路可用性以及缓冲队列的评估属性建立的模分别对链路li进行评估得到Ui(s)、Ui(a)以及Ui(q)及其对应的权值，将链路li的可靠性表示为：
Figure BDA0002398536010000098
通过上式获得当前车辆的候选链路集中每条链路的链路可靠性值，选择具有最大链路可靠性值的链路为下一跳传输中继链路。
下面结合附图3，详细说明一种三维车载自组织网络路由选择方法具体步骤：
201：根据当前三维街道中车辆移动状态确定车辆移动模型。
202：车辆通过GPS设备获取位置信息，并采用卡尔曼滤波算法进行GPS信息修正获得准确数据和邻居车辆集。
203：判断邻居车辆集是否包含目的车辆。
204：若目的车辆在邻居车辆集内，则直接将数据包发送至目的地，否则转入205处理。
205：分析影响链路性能的网络参数，并根据三维VANET网络特点选择SINR、链路可用性和缓冲队列作为链路性能的评估属性。
206：基于修正后的GPS数据，分别建立SINR、链路可用性和缓冲队列模型。
207：车辆根据邻居节点集中邻居车辆的位置信息，选择靠近目的车辆的链路加入候选链路集合，并采用自适应离差最大化方法分别计算候选链路集中每条链路其SINR、链路可用性和缓冲队列的权重值。
208：基于多属性决策建立链路可靠性模型。
209：计算候选链路集中每条链路的链路可靠性值。
210：将路由中继选择问题转化为多属性决策问题，选择具有最高链路可靠性值的链路为下一跳数据传输链路。
211：数据包转发至下一跳中继车辆。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种三维场景中车载自组织网络路由选择方法，其特征在于，包括以下步骤：
利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正，以获取准确的位置信息；
根据三维VANET网络特点，基于修正后的GPS数据，分别建立信干燥比SINR、链路可用性和缓冲队列的评估属性模型；
采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重；
根据评估属性模型以及其对应法人权重建立基于多属性决策的链路可靠性模型，并通过该模型确定三维VANET场景的无线链路可靠性值；
当前车辆根据无线链路可靠性值选择最优路由路径。
2.根据权利要求1所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，所述利用卡尔曼滤波算法对车辆的GPS设备获取的位置信息进行修正包括以下步骤：
将车辆移动模式分为静止、匀速运动、匀加速运动和加速度恒定变化的运动，并采用马尔可夫模型描述车辆移动模式的转移，建立卡尔曼滤波的状态转移矩阵P；
选择四个卡尔曼滤波器分别表示静止、匀速运动、匀加速运动和加速度恒定变化的运动四种移动模型，并根据卡尔曼滤波的状态转移矩阵P计算每个卡尔曼滤波器的状态输入；
根据每个卡尔曼滤波器的状态输入计算每个卡尔曼滤波器的卡尔曼增益和误差协方差；
根据获取的卡尔曼增益和误差协方差修正GPS原始数据，并更新每个卡尔曼滤波器的状态输出；
采用最大似然法计算各个卡尔曼滤波器模型的状态输出与当前车辆移动状态之间的匹配度，获得各个卡尔曼滤波器的输出概率；
根据各个模型的输出概率和状态输出，确定最终修正后的GPS数据。
3.根据权利要求1所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，建立SINR、链路可用性和缓冲队列的评估属性模型的过程包括：
通过SINR的评估属性建立的模型表示为：
U(s)＝P{SINR(j,Δt)≥SINR0}，
Figure FDA0002398533000000021
通过链路可用性的评估属性建立的模型表示为：
Figure FDA0002398533000000022
通过缓冲队列的评估属性建立的模型表示为：
Figure FDA0002398533000000023
其中，U(s)表示通过SINR的评估属性建立的模型，P{SINR(j,Δt)≥SINR0}表示车辆j在Δt时间后接收数据包时的信干燥比SINR(j,Δt)大于信干噪比阈值SINR0的概率，Pt表示车辆发射功率，L(ij,Δt)为车辆i与车辆j间数据包传播损耗，I(j,Δt)为接收数据包的车辆j的干扰；U(l)通过链路可用性的评估属性建立的模型，f(T)为持续时间服从高斯分布的概率密度函数，Tp为车辆通信链路持续时间；U(q)通过缓冲队列的评估属性建立的模型，x和y分别为接收车辆在Δt内可能接收的数据包数和发送数据包数，a和b分别为剩余可用缓冲队列长度和当前时刻缓冲度列长度，fx和fy分别为泊松分布函数和二项分布函数。
4.根据权利要求3所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，车辆i与车辆j间数据包传播损耗L(ij,Δt)表示为：
L(ij,Δt)＝(1-βi)(θd)-α+βiρ(θd)-α；
其中，βi∈{0,1}表示邻居车辆属性，0和1分别为层内和层间邻居；θ为天线增益；2＜α＜4为路径损耗指数；d为欧式距离并由修正后的GPS数据进行计算获得，ρ为阴影衰落因子，Δt表示数据包传输的时间。
5.根据权利要求3所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，接收数据包的车辆j的干扰I(j,Δt)表示为：
Figure FDA0002398533000000031
其中，N0代表高斯噪声，
Figure FDA0002398533000000032
为Δt后车辆j的邻居车辆数，Δt表示数据包传输的时间。
6.根据权利要求1所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，采用自适应最大化离差算法分别计算每条链路的三个评估属性的权重的过程包括：
若当前车辆的邻居车辆数量为
Figure FDA0002398533000000033
每条无线链路li的评估属性为Aj(j＝1,2,3)，且根据每条链路的SINR、链路可用性和缓冲队列的评估属性值可以得到链路li对应的属性值uij，则建立决策矩阵
Figure FDA0002398533000000034
每个评估属性的权重矢量为
Figure FDA0002398533000000035
则链路li总属性评估值为
Figure FDA0002398533000000036
且对于属性Aj，链路li与其它链路lk的离差为
Figure FDA0002398533000000037
则对于属性Aj，所有链路的总离差为
Figure FDA0002398533000000038
根据约束
Figure FDA0002398533000000039
和
Figure FDA00023985330000000310
离差最大化目标函数为
Figure FDA00023985330000000311
构建拉格朗日函数
Figure FDA00023985330000000312
分别求偏导
Figure FDA00023985330000000313
和
Figure FDA00023985330000000314
得出每条链路li最优的三个权重最优解
Figure FDA00023985330000000315
7.根据权利要求1所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，确定三维VANET场景的无线链路可靠性值的过程包括：
Figure FDA00023985330000000316
其中，Ui表示链路li的链路可靠性值，Ui(s)为链路li的SINR评估属性值，Ui(a)为链路li的链路可用性评估属性值，Ui(q)链路li的缓冲队列评估属性值，
Figure FDA0002398533000000041
分别表示链路li的SINR、链路可用性和缓冲队列三个评估属性的权重。
8.根据权利要求7所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，当无线链路评估属性U(s)、U(l)和U(q)任意等于0时，则该链路的可靠性值为0。
9.根据权利要求1所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，当前车辆根据无线链路可靠性值选择最优路由路径的过程包括：
当前车辆计算其邻居车辆位置与目的车辆的距离，选择靠近目的车辆的邻居车辆加入候选传输链路集；
分别计算候选链路集中无线链路的链路可靠性值；
选择具有最大选择具有最大可靠性值的链路为最优传输链路。
10.根据权利要求9所述的一种三维场景中车载自组织网络路由选择方法，其特征在于，当目的车辆在当前车辆的传输范围内时，当前车辆直接将数据包传输至目的车辆。
CN202010139432.6A 2020-03-03 2020-03-03 一种三维场景中车载自组织网络路由选择方法 Active CN111356199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010139432.6A CN111356199B (zh) 2020-03-03 2020-03-03 一种三维场景中车载自组织网络路由选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010139432.6A CN111356199B (zh) 2020-03-03 2020-03-03 一种三维场景中车载自组织网络路由选择方法

Publications (2)

Publication Number Publication Date
CN111356199A true CN111356199A (zh) 2020-06-30
CN111356199B CN111356199B (zh) 2022-05-31

Family

ID=71197251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010139432.6A Active CN111356199B (zh) 2020-03-03 2020-03-03 一种三维场景中车载自组织网络路由选择方法

Country Status (1)

Country Link
CN (1) CN111356199B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821940A (zh) * 2021-01-15 2021-05-18 重庆邮电大学 一种基于星间链路属性的卫星网络动态路由方法
CN114980185A (zh) * 2022-05-12 2022-08-30 重庆邮电大学 一种基于拓扑演化的车载自组织网络路由选择方法
CN116383675A (zh) * 2023-05-26 2023-07-04 交通运输部规划研究院 车辆位置数据的路网匹配方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130131980A1 (en) * 2007-09-07 2013-05-23 On Time Systems, Inc. Resolving gps ambiguity in electronic maps
CN103888848A (zh) * 2014-03-27 2014-06-25 西安电子科技大学 车辆自组织网络中基于接收节点的视频传输路由方法
US20150281907A1 (en) * 2008-05-13 2015-10-01 At&T Mobility Ii Llc Location-based services in a femtocell network
CN105791143A (zh) * 2016-03-09 2016-07-20 大连理工大学 一种移动性与dsrc/wave网络相关反馈的自适应速率控制方法
CN107534970A (zh) * 2015-06-08 2018-01-02 华为技术有限公司 无线通信网络中连接性调整的方法与装置
CN110307841A (zh) * 2019-06-14 2019-10-08 南京工程学院 一种基于信息量测不完全的车辆运动参数估计方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130131980A1 (en) * 2007-09-07 2013-05-23 On Time Systems, Inc. Resolving gps ambiguity in electronic maps
US20150281907A1 (en) * 2008-05-13 2015-10-01 At&T Mobility Ii Llc Location-based services in a femtocell network
CN103888848A (zh) * 2014-03-27 2014-06-25 西安电子科技大学 车辆自组织网络中基于接收节点的视频传输路由方法
CN107534970A (zh) * 2015-06-08 2018-01-02 华为技术有限公司 无线通信网络中连接性调整的方法与装置
CN105791143A (zh) * 2016-03-09 2016-07-20 大连理工大学 一种移动性与dsrc/wave网络相关反馈的自适应速率控制方法
CN110307841A (zh) * 2019-06-14 2019-10-08 南京工程学院 一种基于信息量测不完全的车辆运动参数估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
""attachment_6.3"", 《3GPP TSG_RAN\TSG_RAN》 *
朱丽娜: "车联网中的路由技术研究", 《工程科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821940A (zh) * 2021-01-15 2021-05-18 重庆邮电大学 一种基于星间链路属性的卫星网络动态路由方法
CN114980185A (zh) * 2022-05-12 2022-08-30 重庆邮电大学 一种基于拓扑演化的车载自组织网络路由选择方法
CN116383675A (zh) * 2023-05-26 2023-07-04 交通运输部规划研究院 车辆位置数据的路网匹配方法及装置
CN116383675B (zh) * 2023-05-26 2023-08-11 交通运输部规划研究院 车辆位置数据的路网匹配方法及装置

Also Published As

Publication number Publication date
CN111356199B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN111356199B (zh) 一种三维场景中车载自组织网络路由选择方法
Darwish et al. Reliable intersection-based traffic aware routing protocol for urban areas vehicular ad hoc networks
CN111683351A (zh) 基于分组接收概率的三维车载自组织网络路由选择方法
CN111510956B (zh) 一种基于分簇和增强学习的混合路由方法、海洋通信系统
CN112822745B (zh) 一种面向无人机自组网的自适应路由方法
CN110167097B (zh) 基于加权度量转发和路径规划的移动机器人中继路由方法
CN113163466B (zh) 基于模糊决策树的自适应鱼群寻路包路由方法
CN113115399B (zh) 一种异构无人机自组织网络的路由优化方法
CN108667668B (zh) 一种城市道路场景下基于车联网连通基的通达性路由方法
CN109275154B (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
CN102883402A (zh) 一种基于位置和拓扑特性的车辆自组网数据传输方法
Bauza et al. Power-aware link quality estimation for vehicular communication networks
Xu et al. Link reliability-based adaptive routing for multilevel vehicular networks
Hussain et al. Co-DLSA: Cooperative delay and link stability aware with relay strategy routing protocol for flying Ad-hoc network
Qiu et al. Maintaining links in the highly dynamic fanet using deep reinforcement learning
Ayass et al. Unmanned aerial vehicle with handover management fuzzy system for 5G networks: challenges and perspectives
CN110519820B (zh) 一种应用在集群无人机通信中的路由方法
CN110493843B (zh) 基于圆环形全向天线模型的3d-gpsr路由方法
Hussain et al. Performance evaluation of vertical handover in Internet of Vehicles
He et al. Intelligent terahertz medium access control (MAC) for highly dynamic airborne networks
Say et al. Cooperative path selection framework for effective data gathering in UAV-aided wireless sensor networks
CN109862537A (zh) 车联网社区内通达性方法
Tarng et al. A novel stability-based routing protocol for mobile ad-hoc networks
CN114449608A (zh) 一种基于Q-Learning的无人机自组网自适应路由方法
CN106850428B (zh) 基于802.11的感知链路质量的机会路由协议方法

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