CN111741448A - 一种基于边缘计算策略的分簇aodv路由方法 - Google Patents

一种基于边缘计算策略的分簇aodv路由方法 Download PDF

Info

Publication number
CN111741448A
CN111741448A CN202010570066.XA CN202010570066A CN111741448A CN 111741448 A CN111741448 A CN 111741448A CN 202010570066 A CN202010570066 A CN 202010570066A CN 111741448 A CN111741448 A CN 111741448A
Authority
CN
China
Prior art keywords
vehicle
node
communication
cluster
rsu
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
CN202010570066.XA
Other languages
English (en)
Other versions
CN111741448B (zh
Inventor
张德干
张捷
张婷
朴铭杰
龚倡乐
王法玉
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.)
Tianjin University of Technology
Original Assignee
Tianjin University of Technology
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 Tianjin University of Technology filed Critical Tianjin University of Technology
Priority to CN202010570066.XA priority Critical patent/CN111741448B/zh
Publication of CN111741448A publication Critical patent/CN111741448A/zh
Application granted granted Critical
Publication of CN111741448B publication Critical patent/CN111741448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/02—Topology update or discovery
    • H04L45/04—Interdomain routing, e.g. hierarchical routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/12—Shortest path evaluation
    • H04L45/122—Shortest path evaluation by minimising distances, e.g. by selecting a route with minimum of number of hops
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/14—Routing performance; Theoretical aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • 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
    • H04W40/026—Route selection considering the moving speed of individual devices
    • 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
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • 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)
  • Mobile Radio Communication Systems (AREA)

Abstract

一种基于边缘计算策略的分簇AODV路由方法。本方法相比于传统的移动自组织网络，由于车辆节点的高速移动的特殊性，在链路稳定性及网络拓扑控制开销上有了更高的挑战。本发明方法在传统的AODV路由协议中，综合考虑车辆节点能量，车辆行驶速度的信息，对以最小跳数为基础的AODV路由协议进行优化，并结合车对车以及车对路的通信模式，通过在路边单元RSU中添加边缘服务器，使用分层分簇的方法，即簇内车辆节点使用V2V通信模式，簇间车辆节点使用V2V与V2R相结合的通信模式来进行路由的选择。该方法在高速移动车辆自组织网络中提高了路由的先择效率，降低了链路因高速移动而导致断开重新建立链接带来的网络拓扑控制开销。

Description

一种基于边缘计算策略的分簇AODV路由方法
【技术领域】
本发明属于物联网领域，具体涉及一种基于边缘计算策略的分簇AODV路由方法。
【背景技术】
在移动自组织网络的普及以及车辆迅速发展的情景下，智能交通的建设已成为了大势所趋，也衍生出了以车辆自组织网络为代表的移动物联网。车联网是一种按照所给定的通信协议和数据交互的标准，从而实现车辆通过一种比较智能的方式与周围进行通信的智能车辆互联网络。对于传统的车辆技术而言，在车联网中，现代通信与网络技术的融合显得格外的重要，车联网环境下智能汽车的使用给智能交通带来了很大便利，例如提供智能车辆的控制，交通管理以及交互式的应用，都需要相应的计算单元以及通信技术作为支撑。由于车辆数量大、分布广，如果将所有的服务计算都放置于云端进行，会消耗大量的计算资源。
相比于传统的移动自组织网络，由于车辆节点的高速移动，车辆自组织网络具有更高的网络拓扑，节点之间的连接也更加不稳定。这些特征给车辆自组网的设计带来了很多的挑战，其中路由协议的设计对于VANETs中数据的高效传输至关重要。按需驱动路由协议，是在移动自组织网络中根据需要来构建路由，因此具有无中心、自组织、多跳路由以及动态路由的特点。协议要求仅当在有通信需求的情况下，才进行路由的建立，而不需要对所有的节点进行维护，因此间接的增加了网络的寿命。总的来说，按需驱动路由协议，可以更便捷地达到移动自组织网中关于动态、带宽、消耗等约束条件，是路由协议未来的发展的方向。典型的按需路由协议有AODV,DSR,TORA等。
移动边缘计算可以将小规模数据中心，即微云部署在靠近网络边缘的节点，比如基站、无线接入点等，以此为邻近区域的移动用户提供计算服务，以此来减轻网络中心的拥塞压力，节省通信消耗。将移动边缘计算与车联网相结合，能提供具备本地特色的高质量的服务。
在密集的车联网环境下，车辆与车辆间的距离很短，假设每个RSU都配置了移动边缘计算服务器，并且每辆车都可以进行通信，将边缘计算作为云计算的补充，使车辆能够将计算任务卸载到网络边缘成为了可能，降低了网络数据传输量，减少了网络拥塞的可能性，将云计算推向无线电接入网络的边缘，在靠近车载终端的地方提供计算服务。但是，由于车辆的高速移动，实现车辆和服务器之间的可靠通信仍然是一个挑战。
【发明内容】
本发明目的是解决单纯的使用V2R或者V2V模式进行车载通信时，会产生大量的资源消耗的问题。提出一种基于边缘计算策略的分簇AODV路由方法。在数据传输中，考虑到车辆的密集程度以及车辆的高速移动，本发明添加了分层分簇的方法，对车载通信模式进行选择，并对传统的AODV路由协议进行优化，通过车辆的速度预测节点链路的保持时间，综合考虑概率不确定性，结合节点的能量消耗，最终选择出一条合适的链路进行通信。
本发明的技术方案
一种基于边缘计算策略的分簇AODV路由方法，该方法主要包括如下步骤：
第1、基本原理的描述；
第1.1、建立道路模型；
我们考虑一条双向通行道路，总长度为LROAD，车辆在道路上以一定的速度匀速运动，在通信范围内，车辆密度为ρ。沿路设有路边设备RSU，相邻的RSU之间的距离为LRSU，RSU提供在通信范围内的无线通信，将其无线通信范围设置为LRSU/2。综上，整条道路可以被看作分成了为LROAD/LRSU段。根据V2V通信模式，任意两辆车都是可以进行相互通信的。同时根据V2R的通信模式，给定通信范围内的车辆只能与对应段中的RSU进行通信。
假设每个路边设备RSU都配置有MEC服务器，且每个MEC服务器只能够和对应的RSU进行通信，因此可以认为通信范围段内的RSU和MEC是具有一一对应关系的，RSU和RSU之间以LRSU/2通信范围进行通信。
第1.2、车载通信路由协议；
整个车辆网络体系是建立在车辆密度较大的场景下，V2R和V2V都采用了AdHoc网络模型，在路由协议的选择上，我们使用了AODV路由协议。AODV路由协议是在表驱动路由协议DSDV的基础上，通过结合DSR路由协议的机制，加以改进后所提出的一种按需路由协议。与DSR路由协议不同，AODV路由协议采用了逐跳路由，而并非DSR协议所采取的源路由，其路由中的每个中间节点都必须维护路由表，即节点中隐式地保存了路由请求和回答的结果，其路由分组中无需包含完整的路径信息。
在AODV路由协议中，对三种消息类型进行了定义，即路由请求RREQ、路由回复RREP以及路由错误RRER。在路由发现的阶段，当在源节点发送数据包或者转发数据包到目的节点时，源节点会对路由表进行查询，如果在路由表中没有找到对应的路由表项，则会广播一个路由请求分组RREQ，收到路由请求的中间节点会根据所收到的RREQ信息来建立一个反向路由，同时继续广播该分组。当目的节点收到RREQ后，会沿着之前所建立的反向路由回复路由应答RREP到源节点。收到RREP的中间节点再建立到目的节点的正向路由，当源节点收到RREP后，表明路由已经找到，即可开始发送数据。
但是在车载网络的环境下，由于道路上车辆的密度大，移动速度快，因此网络拓扑结构变化比较快，导致通信链路的断裂是很频繁的，所以传统的AODV路由协议并不能很好的适用于车载网络，因此，找到一个稳定的链路是很有必要的。
第1.3、道路节点分簇；
分层路由协议在大规模AdHoc网络中可以起到不错的效果，能够有效的减少网络能量的消耗，其中就需要把网络进行分簇。分簇是由网络拓扑结构的控制，建立数据传输路径的过程，主要包括：簇头节点的产生，簇的形成和数据传输三个部分。通过分簇，可以有效的改善网络的可扩展性，减少网络的整体负载及开销。
现有的分簇类型种类比较繁多，其中最常见的分为动态分簇和静态分簇，平面分簇和立体分簇。其中，静态分簇方法主要是指的是在一旦划分好簇后，簇内节点不再改变；动态分簇指的是节点可以在任意时间任意过程中申请加入簇和离开簇，即簇内节点数量在不断的变化。
在给定的车辆模型中，车辆始终以固定的运动速度进行运动，不会滞留在同一个簇区当中，必然涉及了进出簇区。因此本发明主要结合了动态分簇的方法，在保持每个簇区簇头节点不变，簇内节点改变的情况下，对给定的车辆模型进行动态分簇，用于优化整个路由协议的通信。
第1.4、节点能量消耗计算；
一条链路所有节点能量的总消耗需要作为整个路由路径能量考虑。计算如下：
Figure BDA0002549258150000031
其中，n为每条路径的车辆节点总数，C表示一个任意的常数，Cost(a)表示为车辆节点a的能量消耗，可以通过无线传感网络节点能耗ET(l,d)和ER(l,d)表示，即发送和接受数据时的能量消耗，k表示车辆节点，计算如下：
Cost(k)＝ET(l,d)+ER(l,d) (2)
根据无线电能量消耗模型，每发送lbit的数据，节点的能耗如下：
Figure BDA0002549258150000041
其中，
Figure BDA0002549258150000042
l为传输数据包字节数，d为传输距离；当节点以及节点之间距离小于等于阈值d0时，采用自由空间模式；当节点以及节点之间的距离大于阈值d0时，节点采用多径衰减模式；Eelec为射频能耗系数；Efs为自由空间模式下电路放大器的能耗系数，Emp为多径衰减模式下电路放大器的能耗系数；
同时，节点接收lbit消息的能耗计算公式如下：
ER(l,d)＝lEelec (4)。
第2、通信方式的选择；
第2.1、簇区内通信；
当车辆A,B处于同一个边缘超级节点的簇区内通信时，为了降低部署在RSU的边缘服务器的能耗，选择通过V2V模式，即车辆与车辆间的模式直接进行通信。当使用V2V模式进行通信的时候，本发明主要使用的是按需路由协议中的AODV路由协议，同时，考虑到传统的AODV路由协议仅通过最小跳数来建立路由链路，在网络拓扑结构变化迅速的车辆自组织网络中极有可能出现链路不稳定的情况，因此在链路选择的方式上，通过使用Q-Learning算法，对中间节点的选择进行优化。在强化学习算法中，Q-Learning是其中最为重要的算法之一。在Q-Learning算法中，S为给定的状态空间，A为给定的动作集合，在t时刻的st状态下(st∈S)采取动作at(at∈A)，同时根据动作反馈相应的奖励R，即为Q(s,a)。Q-Learning采用状态-动作迭代的方式来得到最优策略，因此可以得到函数Q更新的公式如下：
Q(st,at)←Q(st,at)+α(Rt+1+γmaxaQ(st+1,a)-Q(st,at)) (5)
式中，α为学习率，α越大，Q值收敛越快；maxaQ(st+1,a)指的是从动作集合A中选择使得Q(st+1,a)取值最大的动作；γ在这里为折扣因子，γ∈[0,1]，接近1时指的是函数考虑将来回报，反之则是考虑即刻回报。
考虑到Q-Learning中，Q值的确定和奖励R的计算有着十分重要的关系，因此在奖惩函数的选择上，本发明对传统的AODV路由协议，综合考虑跳数HOP、车辆与邻居车辆节点间的链路保持时间T、以及能量消耗ENG相结合生成：
R(s,a)＝(1/w1×HOP+w2×ENG+w3×T)
(6)
在默认情况下，可以根据节点间的距离进行获取相应的跳数。使用均衡的权值来选取适应度，因此可以认为w1＝w2＝w3＝1/3。当R(s,a)的值越大，则说明奖励值越高，得到的Q值也就越高。
综上所述，在V2V通信模式下，由AODV路由协议可知，源车辆节点a发起路由请求，位于相同簇区的车辆节点在收到路由请求后，中间车辆节点根据跳数，车辆连通概率以及自身能量的消耗，结合奖励函数R，根据Q-Learning算法优化中间节点的选择，直到目的车辆节点收到请求，并沿着建立的反向路由应答到源车辆节点，最终完成路由链路的建立。
第2.2、簇区间通信；
假设源车辆节点位于P1簇区，目的车辆节点位于Pn簇区，如果使用V2V模式进行通信，会导致中间车辆节点过多，在传输过程中，过多的中间车辆节点存在大量的不稳定因素导致链路的失效，如车辆间的距离过大导致链路断开，会使网络拓扑进行重新建立，因此会浪费大量的资源。为了避免V2V模式带来的资源浪费问题，当车辆节点在簇区间进行通信时，采用V2R模式，即车辆与道路的模式进行通信。
当源节点车辆发出通信请求后，RSU-MEC会接收到该通信请求，在自身维护的路由表中查找目的车辆节点是否在路由表内，如果不在，则向附近的RSU发起请求，此时会出现两种情况：非相邻簇区通信和相邻簇区通信。
第3、路由协议设计；
第3.1、协议描述；
步骤1：簇区的划分
根据RSU-MEC设备，首先对于车辆节点进行簇区的划分，每个RSU-MEC配置有边缘服务器，只负责统计自身通信范围内的车辆。每辆车在同一时刻只能在一个簇区内。在总长度为LROAD的道路上相邻的RSU之间的距离为LRSU。因此，整个道路可以被分割为LROAD/LRSU个簇区。每个簇区可以表示为：P0＝{n1,n2,n3,…,ni}，其中，ni表示为车辆节点，P为每个簇区。
步骤2：节点位置的确定
根据已经划分好的簇区，当簇区P的RSU-MEC收到车辆节点发出通信请求后，首先在查找目的车辆节点是否位于本簇区，如果不在当前簇区，则向相邻的边缘超级节点发出请求，以此来确定目的车辆节点所处的位置。
步骤3：通信方式选择及路由建立
Ⅰ.如果车辆节点处于同一个簇区，采用簇区内的通信方式，即采用V2V的通信模式。根据通过优化后的AODV路由协议。
Ⅱ.如果车辆节点处于相邻簇区，采用相邻簇区的通信方式。
Ⅲ.如果车辆节点处于非相邻簇区，采用非相邻簇区的通信方式，即使用V2R通信模式，源车辆节点与该簇区的RSU-MEC进行通信，中间RSU-MEC相互进行通信，然后目的节点所在簇区的RSU-MEC与目的车辆节点进行通信。
第3.2、复杂度分析；
AODV-MEC算法的时间复杂度主要由对于车辆节点进行簇区划分以及对通信分配方式的选择来决定。在对于车辆所处簇区进行分配时需要通过车辆所处位置是否位于RSU-MEC的通信范围之内，其时间复杂度为O(n2)；在簇区划分完成并发起通信请求后，RSU-MEC需要通过判断源车辆节点与目的车辆节点是否位于同一簇区内，本AODV-MEC算法中，在分配通信方式时其最坏情况时间复杂度为O(n)。综合两者的时间复杂度可以得到本方法的时间复杂度为O(n2)。
对于车辆道路模型，车辆的高速移动将导致网络拓扑结构的快速改变，因此不断会有链路的生成和断开，因此比较适合用图的邻接矩阵对于节点信息以及路由情况进行表示，因此空间复杂度为O(n2)。
本发明的优点和积极效果
本发明方法相比于传统的移动自组织网络，由于车辆节点的高速移动的特殊性，在链路稳定性及网络拓扑控制开销上有了更高的挑战。本发明提出了一种基于边缘计算策略的分簇AODV路由新方法，在传统的AODV路由协议中，综合考虑车辆节点能量，车辆行驶速度的信息，对以最小跳数为基础的AODV路由协议进行优化，并结合车对车以及车对路的通信模式，通过在路边单元RSU中添加边缘服务器，使用分层分簇的方法，即簇内车辆节点使用V2V通信模式，簇间车辆节点使用V2V与V2R相结合的通信模式来进行路由的选择。该方法在高速移动车辆自组织网络中提高了路由的先择效率，降低了链路因高速移动而导致断开重新建立链接带来的网络拓扑控制开销。
【附图说明】
图1是不同数据包发送率分组投递率的关系图；
图2是不同数据包发送率端到端时延的关系图；
图3是不同数据包发送率开销的关系图；
图4是不同车辆节点运动速度分组投递率的关系图；
图5是不同车辆节点运动速度开销的关系图；
图6是不同车辆节点运动速度端到端时延的关系图；
图7是本发明一种基于边缘计算策略的分簇AODV路由方法流程图。
【具体实施方式】
实施例1
本实验使用了MATLAB平台，对我们设置的算法AODV-MEC进行测试。将其和传统的AODV路由协议、DSR路由协议、GA-BFODSR路由协议以及AODV-EO路由协议进行对比。针对车辆节点在不同的行驶速度，不同的数据包发送速率，不同的车辆节点数目的情况下，对车辆节点之间的数据包分组交付率，节点间的平均端到端时延以及在整个路由过程中的拓扑开销控制进行分析。
参见附图7，本实施例提供的一种基于边缘计算策略的分簇AODV路由方法，主要包括如下关键步骤：
第1、基本原理的描述；
第1.1、建立道路模型；
我们考虑一条双向通行道路，总长度为LROAD，车辆在道路上以一定的速度匀速运动，在通信范围内，车辆密度为ρ。沿路设有路边设备RSU，相邻的RSU之间的距离为LRSU，RSU提供在通信范围内的无线通信，将其无线通信范围设置为LRSU/2。综上，整条道路可以被看作分成了为LROAD/LRSU段。根据V2V通信模式，任意两辆车都是可以进行相互通信的。同时根据V2R的通信模式，给定通信范围内的车辆只能与对应段中的RSU进行通信。
假设每个路边设备RSU都配置有MEC服务器，且每个MEC服务器只能够和对应的RSU进行通信，因此可以认为通信范围段内的RSU和MEC是具有一一对应关系的，RSU和RSU之间以LRSU/2通信范围进行通信。
第1.2、车载通信路由协议；
整个车辆网络体系是建立在车辆密度较大的场景下，V2R和V2V都采用了AdHoc网络模型，在路由协议的选择上，我们使用了AODV路由协议。AODV路由协议是在表驱动路由协议DSDV的基础上，通过结合DSR路由协议的机制，加以改进后所提出的一种按需路由协议。与DSR路由协议不同，AODV路由协议采用了逐跳路由，而并非DSR协议所采取的源路由，其路由中的每个中间节点都必须维护路由表，即节点中隐式地保存了路由请求和回答的结果，其路由分组中无需包含完整的路径信息。
在AODV路由协议中，对三种消息类型进行了定义，即路由请求RREQ、路由回复RREP以及路由错误RRER。在路由发现的阶段，当在源节点发送数据包或者转发数据包到目的节点时，源节点会对路由表进行查询。如果在路由表中没有找到对应的路由表项，则会广播一个路由请求分组RREQ，收到路由请求的中间节点会根据所收到的RREQ信息来建立一个反向路由，同时继续广播该分组。当目的节点收到RREQ后，会沿着之前所建立的反向路由回复路由应答RREP到源节点。收到RREP的中间节点再建立到目的节点的正向路由，当源节点收到RREP后，表明路由已经找到，即可开始发送数据。
但是在车载网络的环境下，由于道路上车辆的密度大，移动速度快，因此网络拓扑结构变化比较快，导致通信链路的断裂是很频繁的，所以传统的AODV路由协议并不能很好的适用于车载网络，因此，找到一个稳定的链路是很有必要的。
第1.3、道路节点分簇；
分层路由协议在大规模AdHoc网络中可以起到不错的效果，能够有效的减少网络能量的消耗，其中就需要把网络进行分簇。分簇是由网络拓扑结构的控制，建立数据传输路径的过程，主要包括：簇头节点的产生，簇的形成和数据传输三个部分。通过分簇，可以有效的改善网络的可扩展性，减少网络的整体负载及开销。
现有的分簇类型种类比较繁多，其中最常见的分为动态分簇和静态分簇，平面分簇和立体分簇。其中，静态分簇方法主要是指的是在一旦划分好簇后，簇内节点不再改变；动态分簇指的是节点可以在任意时间任意过程中申请加入簇和离开簇，即簇内节点数量在不断的变化。
在给定的车辆模型中，车辆始终以固定的运动速度进行运动，不会滞留在同一个簇区当中，必然涉及了进出簇区。因此本发明主要结合了动态分簇的方法，在保持每个簇区簇头节点不变，簇内节点改变的情况下，对给定的车辆模型进行动态分簇，用于优化整个路由协议的通信。
第1.4、节点能量消耗计算；
一条链路所有节点能量的总消耗需要作为整个路由路径能量的考虑。计算如下：
Figure BDA0002549258150000091
其中，n为每条路径的车辆节点总数，C表示一个任意的常数，Cost(a)表示为车辆节点a的能量消耗，可以通过无线传感网络节点能耗ET(l,d)和ER(l,d)表示，即发送和接受数据时的能量消耗，k表示车辆节点，计算如下：
Cost(k)＝ET(l,d)+ER(l,d) (2)
根据无线电能量消耗模型，每发送lbit的数据，节点的能耗如下：
Figure BDA0002549258150000092
其中，
Figure BDA0002549258150000093
l为传输数据包字节数，d为传输距离；当节点以及节点之间距离小于等于阈值d0时，采用自由空间模式；当节点以及节点之间的距离大于阈值d0时，节点采用多径衰减模式；Eelec为射频能耗系数；Efs为自由空间模式下电路放大器的能耗系数，Emp为多径衰减模式下电路放大器的能耗系数；
同时，节点接收lbit消息的能耗计算公式如下：
ER(l,d)＝lEelec (4)
第2、通信方式的选择；
第2.1、簇区内通信；
当车辆A,B处于同一个边缘超级节点的簇区内通信时，为了降低部署在RSU的边缘服务器的能耗，选择通过V2V模式，即车辆与车辆间的模式直接进行通信。当使用V2V模式进行通信的时候，本发明主要使用的是按需路由协议中的AODV路由协议，同时，考虑到传统的AODV路由协议仅通过最小跳数来建立路由链路，在网络拓扑结构变化迅速的车辆自组织网络中极有可能出现链路不稳定的情况，因此在链路选择的方式上，通过使用Q-Learning算法，对中间节点的选择进行优化。在强化学习算法中，Q-Learning是其中最为重要的算法之一。在Q-Learning算法中，S为给定的状态空间，A为给定的动作集合，在t时刻的st状态下(st∈S)采取动作at(at∈A)，同时根据动作反馈相应的奖励R，即为Q(s,a)。Q-Learning采用状态-动作迭代的方式来得到最优策略，因此可以得到函数Q更新的公式如下：
Q(st,at)←Q(st,at)+α(Rt+1+γmaxaQ(st+1,a)-Q(st,at)) (5)
式中，α为学习率，α越大，Q值收敛越快；maxaQ(st+1,a)指的是从动作集合A中选择使得Q(st+1,a)取值最大的动作；γ在这里为折扣因子，γ∈[0,1]，接近1时指的是函数考虑将来回报，反之则是考虑即刻回报。
考虑到Q-Learning中，Q值的确定和奖励R的计算有着十分重要的关系，因此在奖惩函数的选择上，本发明对传统的AODV路由协议，综合考虑跳数HOP、车辆与邻居车辆节点间的链路保持时间T、以及能量消耗ENG相结合生成：
R(s,a)＝(1/w1×HOP+w2×ENG+w3×T)
(6)
在默认情况下，可以根据节点间的距离进行获取相应的跳数。使用均衡的权值来选取适应度，因此可以认为w1＝w2＝w3＝1/3。当R(s,a)的值越大，则说明奖励值越高，得到的Q值也就越高。
综上所述，在V2V通信模式下，由AODV路由协议可知，源车辆节点a发起路由请求，位于相同簇区的车辆节点在收到路由请求后，中间车辆节点根据跳数，车辆连通概率以及自身能量的消耗，结合奖励函数R，根据Q-Learning算法优化中间节点的选择，直到目的车辆节点收到请求，并沿着建立的反向路由应答到源车辆节点，最终完成路由链路的建立。
第2.2、簇区间通信；
假设源车辆节点位于P1簇区，目的车辆节点位于Pn簇区，如果使用V2V模式进行通信，会导致中间车辆节点过多，在传输过程中，过多的中间车辆节点存在大量的不稳定因素导致链路的失效，如车辆间的距离过大导致链路断开，会使网络拓扑进行重新建立，因此会浪费大量的资源。为了避免V2V模式带来的资源浪费问题，当车辆节点在簇区间进行通信时，采用V2R模式，即车辆与道路的模式进行通信。
当源节点车辆发出通信请求后，RSU-MEC会接收到该通信请求，在自身维护的路由表中查找目的车辆节点是否在路由表内，如果不在，则向附近的RSU发起请求，此时会出现两种情况：非相邻簇区通信和相邻簇区通信。
第3、路由协议设计；
第3.1、协议描述：
步骤1：簇区的划分
根据RSU-MEC设备，首先对于车辆节点进行簇区的划分，每个RSU-MEC配置有边缘服务器，只负责统计自身通信范围内的车辆。每辆车在同一时刻只能在一个簇区内。在总长度为LROAD的道路上相邻的RSU之间的距离为LRSU。因此，整个道路可以被分割为LROAD/LRSU个簇区。每个簇区可以表示为：P0＝{n1,n2,n3,…,ni},其中，ni表示为车辆节点，P为每个簇区。
步骤2：节点位置的确定
根据已经划分好的簇区，当簇区P的RSU-MEC收到车辆节点发出通信请求后，首先在查找目的车辆节点是否位于本簇区，如果不在当前簇区，则向相邻的边缘超级节点发出请求，以此来确定目的车辆节点所处的位置。
步骤3：通信方式选择及路由建立
Ⅰ.如果车辆节点处于同一个簇区，采用簇区内的通信方式，即采用V2V的通信模式。根据通过优化后的AODV路由协议。
Ⅱ.如果车辆节点处于相邻簇区，采用相邻簇区的通信方式。
Ⅲ.如果车辆节点处于非相邻簇区，采用非相邻簇区的通信方式，即使用V2R通信模式，源车辆节点与该簇区的RSU-MEC进行通信，中间RSU-MEC相互进行通信，然后目的节点所在簇区的RSU-MEC与目的车辆节点进行通信。
第3.2、复杂度分析：
根据算法的时间复杂度可以看出，所给出的算法的程序执行时间随着输入规模增长而增长的量级，因此基于边缘计算策略的AODV路由方法的AODV-MEC通信方式的时间复杂度进行分析。
AODV-MEC算法的时间复杂度主要由对于车辆节点进行簇区划分以及对通信分配方式的选择来决定。在对于车辆所处簇区进行分配时需要通过车辆所处位置是否位于RSU-MEC的通信范围之内，其时间复杂度为O(n2)；在簇区划分完成并发起通信请求后，RSU-MEC需要通过判断源车辆节点与目的车辆节点是否位于同一簇区内，本AODV-MEC算法中，在分配通信方式时其最坏情况时间复杂度为O(n)，综合两者的时间复杂度可以得到本方法的时间复杂度为O(n2)。
对于车辆道路模型，车辆的高速移动将导致网络拓扑结构的快速改变，因此不断会有链路的生成和断开，因此比较适合用图的邻接矩阵对于节点信息以及路由情况进行表示，因此空间复杂度为O(n2)。
模拟仿真实验
针对车辆节点在不同的行驶速度，不同的数据包发送速率，不同的车辆节点数目的情况下，对车辆节点之间的数据包分组交付率，节点间的平均端到端时延以及在整个路由过程中的拓扑开销控制进行分析。
表1仿真参数
Figure BDA0002549258150000121
本模拟实验将考虑三个性能指标，其分别是：
1.平均端到端时延：即从节点产生数据流或者接收到数据后开始，到该数据成功被下一跳节点接收的平均延时时间，该参数主要反映了网络的畅通情况，时延越小则说明了网络越通常，其可用性越好。
2.分组投递率：车辆节点发送自己的消息信息数据包，根据建立的路由链接以及源节点发送的数据包数量和目的节点接收到的数据包数量，计算出数据包的分组投递率，分组投递率越高，则说明算法的协议完整性和正确性越高。
3.拓扑控制开销：由于无论是在V2R还是在V2V的模式下进行通信，均是按需路由协议的一种。当车辆节点发起路由请求到路由应答阶段，都会产生开销。另一方面，在路由链接成功建立之后，节点都会维护该路由。所以，对这些维护路由拓扑信息的数据包开销进行分析。
本实例的仿真实验结果如下：
图1，图2，图3是在给定的道路模型上，在车辆稳定行驶，在数据包发送速率不同的情况下，给定的五种路由算法的网络性能。
图1为分组投递率，图2为拓扑控制开销，图3为平均端到端时延。在此情况下，每个车辆进行匀速运动且方向不发生改变，数据包发送的速率规定在4～20个/s的范围之间，并且数据包的大小固定为2000Bit。
如图1所示，在车辆匀速稳定且运动方向不发生改变的情况下，随着数据包发送率的增加，五种协议的分组投递率都有着下降的趋势。这主要的原因在于，数据包发送量不断扩大的同时，将会导致在整个网络中的数据量的增加，即可能产生网络拥堵的情况。在整个仿真实验过程中，本发明所提出的AODV-MEC的路由算法，相比于其他四种，有着较高的分组投递率。
图2呈现的是不同数据包发送率情况下，平均端到端时延所受到的影响，可以明显的看出，随着发送率的提高，五种算法的平均端到端时延都增加了，其中DSR路由协议增加的最明显。由于AODV，DSR路由协议都是按需路由协议，即仅当节点发出路由请求时，才开始寻找路由。此外，由于车辆是一直在运动，且不同方向运动的车辆在通信范围内有建立链接的可能，考虑到DSR路由协议的路由方式，所建立的链路出现断开的可能性更大，所以有需要使用一定量的数据包对断掉的路由进行维护，造成了端到端时延的缓慢递增。本发明提出的AODV-MEC在进行路由建立的过程中，结合传统的AODV路由协议的逐跳路由建立方式，添加了对于链路维持时间的考虑，舍弃了部分不稳定的链路，使得平均端到端时延有所提高。
图3显示的是，在车辆匀速稳定且运动方向不发生改变的情况下，网络拓扑控制开销随着数据包发送速率的增大，总体有着下降的趋势。原因在于车辆运行速度相对稳定，因此网络拓扑结构的变化差异并不大，然而在数据包发送速率增大的情况下，维护网络拓扑的信息所占比例有所减少，所以整体呈现下降的趋势。与其他四种路由协议相比，AODV-MEC在拓扑控制开销效率上有所提高。
图4，图5，图6为在相同的数据包发送率、不同车辆节点运动速度的情况下，给定的五种路由算法的网络性能的仿真。
图4为分组投递率，图5为拓扑控制开销，图6为平均端到端时延。按照设置的仿真环境，车辆节点以[0,Vmax]的速度进行运动，且运动方向不发生改变。数据包发送率为20个/s，数据包的大小固定为2000Bit。
从图4我们可以看出，随着车辆节点运动速度的提升，数据包分组投递率呈下降的趋势。在车辆运行速度都不快时候，五种路由算法分组投递率是近似的，但是速度提升后，车辆间的链路稳定性将下降，与传统的AODV以及DSR路由协议相比较，本发明提出的AODV-MEC路由算法考虑到了链路维持时间，在车辆节点运动速度达到最大时，其分组投递率相比于AODV提高了6％，比DSR提高了8％，相比于AODV-EO提高了3％，相比于GA-BFODSR提高了2％。
如图5所示，在车辆运动速度增大的情境下，五种算法的网络拓扑控制开销都出现了增大的情况。原因在于速度的增加导致了网络拓补结构的变化，而DSR与AODV都是按需路由协议，当路由链路断裂时，将进行维护。在速度较慢时，无论是同向还是相向而行的车辆所建立的链路，维持时间都比较长，网络拓扑较稳定，因此控制开销增长较慢。当车辆开始高速移动时，网络拓扑变化迅速，车速差异较大的同向车辆以及相向车辆建立的链路出链路维持时间变短，现断裂的比例上升，导致网络开销增长较快。从结果可以看出，本发明提出的AODV-MEC相比于其他算法，在建立链路时充分考虑了车速带来的链路维持时间的问题，因此在控制开销上有所改进。
图6显示了四种算法在不同速度下的平均端到端时延。随着速度增大及网络拓补结构变化的增大，对于按需路由而言，网络拓补的变化导致了需要不断的去进行新的路由的寻找，因此平均端到端时延有所增大，从图中可以看出，在速度不快的情况下，AODV-MEC的平均端到端时延略高于AODV-EO，但是随着速度的增加，二者在时延方面的差距有明显的缩小。

Claims (9)

1.一种基于边缘计算策略的分簇AODV路由方法，其特征在于该方法包括如下步骤：
第1、基本原理的描述：
第1.1、建立道路模型；
第1.2、车载通信路由协议；
第1.3、道路节点分簇；
第1.4、节点能量消耗计算；
第2、通信方式的选择：
第2.1、簇区内通信；
第2.2、簇区间通信；
第3、路由协议设计：
第3.1、协议描述；
第3.2、复杂度分析。
2.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤第1.1中建立道路模型的方法是，考虑一条双向通行道路，总长度为LROAD，车辆在道路上以确定的速度匀速运动，在通信范围内，车辆密度为ρ；沿路设有路边设备RSU，相邻的RSU之间的距离为LRSU，RSU提供在通信范围内的无线通信，将无线通信范围设置为LRSU/2；综上，整条道路被看作分成了为LROAD/LRSU段；根据V2V通信模式，任意两辆车都是能够进行相互通信的，同时根据V2R的通信模式，给定通信范围内的车辆只能与对应段中的RSU进行通信；
假设每个路边设备RSU都配置有MEC服务器，且每个MEC服务器只能够和对应的RSU进行通信，因此认为通信范围段内的RSU和MEC是具有一一对应关系的，RSU和RSU之间以LRSU/2通信范围进行通信。
3.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤第1.2中车载通信路由协议为以下内容，整个车辆网络体系是建立在车辆密度较大的场景下，V2R和V2V都采用了Ad Hoc网络模型，在路由协议的选择上，使用了AODV路由协议；
在AODV路由协议中，对三种消息类型进行了定义，即路由请求RREQ、路由回复RREP以及路由错误RRER；在路由发现的阶段，当在源节点发送数据包或者转发数据包到目的节点时，源节点会对路由表进行查询，如果在路由表中没有找到对应的路由表项，则会广播一个路由请求分组RREQ，收到路由请求的中间节点会根据所收到的RREQ信息来建立一个反向路由，同时继续广播该分组；当目的节点收到RREQ后，会沿着之前所建立的反向路由回复路由应答RREP到源节点；收到RREP的中间节点再建立到目的节点的正向路由，当源节点收到RREP后，表明路由已经找到，即可开始发送数据。
4.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤第1.3中道路节点分簇方法如下：分层路由协议在大规模Ad Hoc网络中可以起到不错的效果，能够有效的减少网络能量的消耗，其中就需要把网络进行分簇；分簇是由网络拓扑结构的控制，建立数据传输路径的过程，包括：簇头节点的产生，簇的形成和数据传输三个部分，通过分簇，能够有效的改善网络的可扩展性，减少网络的整体负载及开销；
在给定的车辆模型中，车辆始终以固定的运动速度进行运动，不会滞留在同一个簇区当中，必然涉及了进出簇区，因此本发明结合了动态分簇的方法，在保持每个簇区簇头节点不变，簇内节点改变的情况下，对给定的车辆模型进行动态分簇，用于优化整个路由协议的通信。
5.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤第1.4中节点能量消耗计算方法如下，一条链路所有节点能量的总消耗需要作为整个路由路径能量的考虑，计算如下：
Figure FDA0002549258140000021
其中，n为每条路径的车辆节点总数，C表示一个任意的常数，Cost(a)表示为车辆节点a的能量消耗，可以通过无线传感网络节点能耗ET(l,d)和ER(l,d)表示，即发送和接受数据时的能量消耗，k表示车辆节点，计算如下：
Cost(k)＝ET(l,d)+ER(l,d) (2)
根据无线电能量消耗模型，每发送lbit的数据，节点的能耗如下：
Figure FDA0002549258140000022
其中，
Figure FDA0002549258140000023
l为传输数据包字节数，d为传输距离；当节点以及节点之间距离小于等于阈值d0时，采用自由空间模式；当节点以及节点之间的距离大于阈值d0时，节点采用多径衰减模式；Eelec为射频能耗系数；Efs为自由空间模式下电路放大器的能耗系数，Emp为多径衰减模式下电路放大器的能耗系数；
同时，节点接收lbit消息的能耗计算公式如下：
ER(l,d)＝lEelec (4)。
6.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤第2.1中簇区内通信是指，当车辆A,B处于同一个边缘超级节点的簇区内通信时，为了降低部署在RSU的边缘服务器的能耗，选择通过V2V模式，即车辆与车辆间的模式直接进行通信；当使用V2V模式进行通信的时候，主要使用的是按需路由协议中的AODV路由协议，同时，考虑到传统的AODV路由协议仅通过最小跳数来建立路由链路，在网络拓扑结构变化迅速的车辆自组织网络中极有可能出现链路不稳定的情况，因此在链路选择的方式上，通过使用Q-Learning算法，对中间节点的选择进行优化，Q-Learning是强化学习算法中最为重要的算法之一；在Q-Learning算法中，S为给定的状态空间，A为给定的动作集合，在t时刻的st状态下(st∈S)采取动作at(at∈A)，同时根据动作反馈相应的奖励R，即为Q(s,a)；Q-Learning采用状态-动作迭代的方式来得到最优策略，因此可以得到函数Q更新的公式如下：
Q(st,at)←Q(st,at)+α(Rt+1+γmaxaQ(st+1,a)-Q(st,at)) (5)
式中，α为学习率，α越大，Q值收敛越快；maxaQ(st+1,a)指的是从动作集合A中选择使得Q(st+1,a)取值最大的动作；γ在这里为折扣因子，γ∈[0,1]，接近1时指的是函数考虑将来回报，反之则是考虑即刻回报；
考虑到Q-Learning中，Q值的确定和奖励R的计算有着十分重要的关系，因此在奖惩函数的选择上，对传统的AODV路由协议，综合考虑跳数HOP、车辆与邻居车辆节点间的链路保持时间T、以及能量消耗ENG相结合生成：
R(s,a)＝(1/w1×HOP+w2×ENG+w3×T) (6)
在默认情况下，可以根据节点间的距离进行获取相应的跳数；使用均衡的权值来选取适应度，因此可以认为w1＝w2＝w3＝1/3，当R(s,a)的值越大，则说明奖励值越高，得到的Q值也就越高；
综上所述，在V2V通信模式下，由AODV路由协议可知，源车辆节点a发起路由请求，位于相同簇区的车辆节点在收到路由请求后，中间车辆节点根据跳数，车辆连通概率以及自身能量的消耗，结合奖励函数R，根据Q-Learning算法优化中间节点的选择，直到目的车辆节点收到请求，并沿着建立的反向路由应答到源车辆节点，最终完成路由链路的建立。
7.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤2.2中簇区间通信是指，假设源车辆节点位于P1簇区，目的车辆节点位于Pn簇区，如果使用V2V模式进行通信，会导致中间车辆节点过多，在传输过程中，过多的中间车辆节点存在大量的不稳定因素导致链路的失效，因此会浪费大量的资源；为了避免V2V模式带来的资源浪费问题，当车辆节点在簇区间进行通信时，采用V2R模式，即车辆与道路的模式进行通信；
当源节点车辆发出通信请求后，RSU-MEC会接收到该通信请求，在自身维护的路由表中查找目的车辆节点是否在路由表内，如果不在，则向附近的RSU发起请求，此时会出现两种情况：非相邻簇区通信和相邻簇区通信。
8.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤3.1所述协议描述如下：
步骤1：簇区的划分
根据RSU-MEC设备，首先对于车辆节点进行簇区的划分，每个RSU-MEC配置有边缘服务器，只负责统计自身通信范围内的车辆，每辆车在同一时刻只能在一个簇区内，在总长度为LROAD的道路上相邻的RSU之间的距离为LRSU，因此，整个道路被分割为LROAD/LRSU个簇区，每个簇区可以表示为：P0＝{n1,n2,n3,…,ni},其中，ni表示为车辆节点，P为每个簇区；
步骤2：节点位置的确定
根据已经划分好的簇区，当簇区P的RSU-MEC收到车辆节点发出通信请求后，首先在查找目的车辆节点是否位于本簇区，如果不在当前簇区，则向相邻的边缘超级节点发出请求，以此来确定目的车辆节点所处的位置；
步骤3：通信方式选择及路由建立
Ⅰ.如果车辆节点处于同一个簇区，采用簇区内的通信方式，即采用V2V的通信模式，根据通过优化后的AODV路由协议；
Ⅱ.如果车辆节点处于相邻簇区，采用相邻簇区的通信方式；
Ⅲ.如果车辆节点处于非相邻簇区，采用非相邻簇区的通信方式，即使用V2R通信模式，源车辆节点与该簇区的RSU-MEC进行通信，中间RSU-MEC相互进行通信，然后目的节点所在簇区的RSU-MEC与目的车辆节点进行通信。
9.如权利要求1所述的基于边缘计算策略的分簇AODV路由方法，其特征在于，步骤3.2复杂度分析如下：
AODV-MEC算法的时间复杂度主要由对于车辆节点进行簇区划分以及对通信分配方式的选择来决定，在对于车辆所处簇区进行分配时需要通过车辆所处位置是否位于RSU-MEC的通信范围之内，其时间复杂度为O(n2)；在簇区划分完成并发起通信请求后，RSU-MEC需要通过判断源车辆节点与目的车辆节点是否位于同一簇区内，本AODV-MEC算法中，在分配通信方式时其最坏情况时间复杂度为O(n)，综合两者的时间复杂度可以得到本方法的时间复杂度为O(n2)。
CN202010570066.XA 2020-06-21 2020-06-21 一种基于边缘计算策略的分簇aodv路由方法 Active CN111741448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010570066.XA CN111741448B (zh) 2020-06-21 2020-06-21 一种基于边缘计算策略的分簇aodv路由方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010570066.XA CN111741448B (zh) 2020-06-21 2020-06-21 一种基于边缘计算策略的分簇aodv路由方法

Publications (2)

Publication Number Publication Date
CN111741448A true CN111741448A (zh) 2020-10-02
CN111741448B CN111741448B (zh) 2022-04-29

Family

ID=72651981

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010570066.XA Active CN111741448B (zh) 2020-06-21 2020-06-21 一种基于边缘计算策略的分簇aodv路由方法

Country Status (1)

Country Link
CN (1) CN111741448B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112601256A (zh) * 2020-12-07 2021-04-02 广西师范大学 一种超密集网络中基于mec-sbs簇化的负载调度方法
CN112654001A (zh) * 2020-10-27 2021-04-13 华中科技大学 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价
CN112822752A (zh) * 2021-01-07 2021-05-18 西安电子科技大学 一种无人机自组织网络的路由建立方法及系统
CN113015149A (zh) * 2021-02-23 2021-06-22 深圳市鼎元智能科技有限公司 一种近场通讯方法及系统
CN113347605A (zh) * 2021-06-23 2021-09-03 重庆大学 车辆信息传输网络组建方法、网络及bsm信息分发方法
CN113965943A (zh) * 2021-09-13 2022-01-21 中国船舶重工集团公司第七一六研究所 基于双向Q-Learning优化AODV路由的方法
CN115119281A (zh) * 2022-06-27 2022-09-27 东北大学 用于卸载5g蜂窝物联网的v2v路由框架的设计方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
CN110502328A (zh) * 2019-08-28 2019-11-26 嘉兴学院 一种海上边缘计算可信协同任务迁移方法
US20190364492A1 (en) * 2016-12-30 2019-11-28 Intel Corporation Methods and devices for radio communications
CN111194018A (zh) * 2020-01-06 2020-05-22 北京邮电大学 面向车辆自组网的移动边缘数据上传方法及系统
CN111294767A (zh) * 2020-01-17 2020-06-16 浙江吉利新能源商用车集团有限公司 一种智能网联车辆数据处理方法、系统、装置及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190364492A1 (en) * 2016-12-30 2019-11-28 Intel Corporation Methods and devices for radio communications
CN109302709A (zh) * 2018-09-14 2019-02-01 重庆邮电大学 面向移动边缘计算的车联网任务卸载与资源分配策略
CN110502328A (zh) * 2019-08-28 2019-11-26 嘉兴学院 一种海上边缘计算可信协同任务迁移方法
CN111194018A (zh) * 2020-01-06 2020-05-22 北京邮电大学 面向车辆自组网的移动边缘数据上传方法及系统
CN111294767A (zh) * 2020-01-17 2020-06-16 浙江吉利新能源商用车集团有限公司 一种智能网联车辆数据处理方法、系统、装置及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
QUYUAN LUO: "EdgeVCD: Intelligent Algorithm-Inspired Content Distribution in Vehicular Edge Computing Network", 《IEEE INTERNET OF THINGS JOURNAL》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112654001A (zh) * 2020-10-27 2021-04-13 华中科技大学 面向多无人艇协同控制的混合通信网络架构、管理方法及通信质量评价
CN112601256A (zh) * 2020-12-07 2021-04-02 广西师范大学 一种超密集网络中基于mec-sbs簇化的负载调度方法
CN112822752A (zh) * 2021-01-07 2021-05-18 西安电子科技大学 一种无人机自组织网络的路由建立方法及系统
CN112822752B (zh) * 2021-01-07 2022-10-25 西安电子科技大学 一种无人机自组织网络的路由建立方法及系统
CN113015149A (zh) * 2021-02-23 2021-06-22 深圳市鼎元智能科技有限公司 一种近场通讯方法及系统
CN113347605A (zh) * 2021-06-23 2021-09-03 重庆大学 车辆信息传输网络组建方法、网络及bsm信息分发方法
CN113965943A (zh) * 2021-09-13 2022-01-21 中国船舶重工集团公司第七一六研究所 基于双向Q-Learning优化AODV路由的方法
CN113965943B (zh) * 2021-09-13 2024-05-17 中国船舶集团有限公司第七一六研究所 基于双向Q-Learning优化AODV路由的方法
CN115119281A (zh) * 2022-06-27 2022-09-27 东北大学 用于卸载5g蜂窝物联网的v2v路由框架的设计方法

Also Published As

Publication number Publication date
CN111741448B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
CN111741448B (zh) 一种基于边缘计算策略的分簇aodv路由方法
Wu et al. Collaborative learning of communication routes in edge-enabled multi-access vehicular environment
Zhang et al. A new algorithm of clustering AODV based on edge computing strategy in IOV
Wu et al. A reinforcement learning-based data storage scheme for vehicular ad hoc networks
Rajesh et al. Path observation based physical routing protocol for wireless ad hoc networks
Khan et al. Two-level cluster based routing scheme for 5G V2X communication
Rajesh et al. Path observation-based physical routing protocol for wireless ad hoc networks
Qureshi et al. Weighted link quality and forward progress coupled with modified RTS/CTS for beaconless packet forwarding protocol (B-PFP) in VANETs
Qureshi et al. Cluster‐based data dissemination, cluster head formation under sparse, and dense traffic conditions for vehicular ad hoc networks
Santhi et al. Fuzzy-cost based multiconstrained QoS routing with mobility prediction in MANETs
Abbas et al. A position-based reliable emergency message routing scheme for road safety in VANETs
Attia et al. Advanced greedy hybrid bio-inspired routing protocol to improve IoV
Debnath et al. Fuzzy logic-based VANET routing method to increase the QoS by considering the dynamic nature of vehicles
Din et al. Beaconless traffic-aware geographical routing protocol for intelligent transportation system
Sultanuddin et al. Token system‐based efficient route optimization in mobile ad hoc network for vehicular ad hoc network in smart city
Hussain et al. Minimizing broadcast expenses in clustered ad-hoc networks
Gasmi et al. A stable link based zone routing protocol (SL-ZRP) for internet of vehicles environment
Lin et al. Cloud-supported seamless internet access in intelligent transportation systems
Wang et al. Delay-aware relay selection with heterogeneous communication range in VANETs
Ram et al. Density-connected cluster-based routing protocol in vehicular ad hoc networks
Amiri et al. Retracted article: Improved AODV based on Topsis and fuzzy algorithms in vehicular ad-hoc networks
CN110248392B (zh) 一种车联网中基于节点效能的机会转发方法
Tabatabaei et al. A new routing protocol to increase throughput in mobile ad hoc networks
Miri et al. Improving resources in internet of vehicles transportation systems using markov transition and TDMA protocol
Ramamoorthy et al. An enhanced bio-inspired routing algorithm for vehicular ad hoc networks

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