基于時(shí)延期望的車載自組織網(wǎng)絡(luò)機(jī)會(huì)路由算法

劉麗萍, 裴金金

(天津大學(xué) 電氣與自動(dòng)化工程學(xué)院，天津 300072)

基于時(shí)延期望的車載自組織網(wǎng)絡(luò)機(jī)會(huì)路由算法

劉麗萍, 裴金金

(天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津300072)

針對車載自組織網(wǎng)絡(luò)中，車輛隨機(jī)運(yùn)動(dòng)的環(huán)境下源節(jié)點(diǎn)、目的節(jié)點(diǎn)均為運(yùn)動(dòng)中的車輛時(shí)數(shù)據(jù)傳輸效率低下的問題，提出了一種基于時(shí)延期望的機(jī)會(huì)路由算法。算法融合了概率論和統(tǒng)計(jì)學(xué)知識(shí)，綜合考慮目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性兩方面需求，得到時(shí)延期望參數(shù)，以該參數(shù)作為整個(gè)數(shù)據(jù)傳輸過程中每一次數(shù)據(jù)轉(zhuǎn)發(fā)中繼節(jié)點(diǎn)選擇標(biāo)準(zhǔn)，保證數(shù)據(jù)能夠及時(shí)、有效地由移動(dòng)中的源節(jié)點(diǎn)轉(zhuǎn)發(fā)至移動(dòng)中的目的節(jié)點(diǎn)。

車載自組織網(wǎng)絡(luò)； 時(shí)延期望； 機(jī)會(huì)路由算法

0 引 言

車載自組織(Ad Hoc)網(wǎng)絡(luò)是以車輛上安裝了智能計(jì)算機(jī)系統(tǒng)、無線通信設(shè)備以及車輛傳感器和全球定位系統(tǒng)(GPS)等設(shè)備為基礎(chǔ)構(gòu)建的無線車輛通信網(wǎng)絡(luò)[1],是移動(dòng)Ad Hoc網(wǎng)絡(luò)的一個(gè)子類。車載自組織網(wǎng)絡(luò)中,車輛節(jié)點(diǎn)分布不均勻并持續(xù)運(yùn)動(dòng)導(dǎo)致網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化快、鏈路可用時(shí)間短,且應(yīng)用信息具有實(shí)時(shí)性要求,使車載自組織網(wǎng)絡(luò)數(shù)據(jù)傳輸面臨很大挑戰(zhàn)。

目前,車載自組織網(wǎng)絡(luò)路由協(xié)議主要分為三類：基于拓?fù)涞穆酚蓞f(xié)議、基于地圖的路由協(xié)議、基于地理位置的路由協(xié)議[2]?；谕?fù)涞穆酚蓞f(xié)議中,所有節(jié)點(diǎn)地位平等,網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)通過節(jié)點(diǎn)的路由表來維護(hù),每個(gè)節(jié)點(diǎn)既要參與信息的轉(zhuǎn)發(fā)又要維護(hù)路由表,該協(xié)議又分為先應(yīng)式路由和反應(yīng)式路由兩類,按需距離矢量(As Hoc on-demand distance vector,AODV)[3]路由協(xié)議是典型的反應(yīng)式路由協(xié)議,源節(jié)點(diǎn)與目的節(jié)點(diǎn)通信前先建立一條可靠的路徑,路由選擇基于網(wǎng)絡(luò)拓?fù)?但路由有效期很短?；诘貓D的路由協(xié)議,將車輛位置信息在地圖中定位,再結(jié)合電子導(dǎo)航地圖提供的豐富道路信息,由節(jié)點(diǎn)集、道路集、十字路口集作為計(jì)算最優(yōu)轉(zhuǎn)發(fā)路徑的判據(jù),全局狀態(tài)路由(global state routing,GSR)[4]協(xié)議利用電子地圖技術(shù)和Dijkstm算法來計(jì)算一跳到達(dá)目的節(jié)點(diǎn)的最短路徑,即源節(jié)點(diǎn)通過電子地圖計(jì)算好一個(gè)到目的節(jié)點(diǎn)的十字路口序列,數(shù)據(jù)將沿著這條路徑傳至目的節(jié)點(diǎn)。貪婪周邊無狀態(tài)路由(greedy perimeter stateless routing,GPSR)[5]協(xié)議是基于地理位置的路由協(xié)議,采用貪婪轉(zhuǎn)發(fā)和周邊轉(zhuǎn)發(fā)的算法相結(jié)合的一種轉(zhuǎn)發(fā)策略,每個(gè)節(jié)點(diǎn)需要在一定周期內(nèi)廣播自身位置信息,源節(jié)點(diǎn)在進(jìn)行數(shù)據(jù)包轉(zhuǎn)發(fā)時(shí),需要計(jì)算鄰居節(jié)點(diǎn)與目的節(jié)點(diǎn)的距離[6],選擇離目的節(jié)點(diǎn)更近的鄰居節(jié)點(diǎn)作為下一跳中繼節(jié)點(diǎn)。

道路車輛密度和速度的快速變化帶來的不穩(wěn)定網(wǎng)絡(luò)拓?fù)涫沟肎PSR協(xié)議出現(xiàn)路由選擇錯(cuò)誤和路由中斷問題,由于數(shù)據(jù)源和目的地均處于隨機(jī)運(yùn)動(dòng)中的車輛,軌跡不能預(yù)設(shè),使得網(wǎng)絡(luò)拓?fù)渥兓?導(dǎo)致鏈路可用時(shí)間更短,給車輛節(jié)點(diǎn)之間數(shù)據(jù)轉(zhuǎn)發(fā)帶來更大困難。

本文提出了一種基于時(shí)延期望的機(jī)會(huì)路由協(xié)議,基于概率論和統(tǒng)計(jì)學(xué)中的期望原理,將數(shù)據(jù)當(dāng)前所在車輛節(jié)點(diǎn)到目的節(jié)點(diǎn)將要經(jīng)過的交叉路口的時(shí)延期望作為路由中繼節(jié)點(diǎn)選擇依據(jù),根據(jù)實(shí)時(shí)的交通狀況進(jìn)行調(diào)整,獲得較高的數(shù)據(jù)傳輸成功率和較低的數(shù)據(jù)傳輸時(shí)延。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)模型

車載自組織網(wǎng)絡(luò)中,車輛節(jié)點(diǎn)間可進(jìn)行通信,遠(yuǎn)距離的車輛節(jié)點(diǎn)間可以通過中繼節(jié)點(diǎn)多跳轉(zhuǎn)發(fā)的方式進(jìn)行通信[7]。網(wǎng)絡(luò)構(gòu)架中存在3種重要的實(shí)體：車輛、路口和路段,前者處于運(yùn)動(dòng)中,后兩者相對固定。數(shù)據(jù)轉(zhuǎn)發(fā)[8]完全依靠行駛中車輛的存儲(chǔ)、攜帶和轉(zhuǎn)發(fā)完成,轉(zhuǎn)發(fā)過程為：

1)計(jì)算攜帶數(shù)據(jù)車輛與其他車輛的距離。若不存在鄰居節(jié)點(diǎn),由該車輛繼續(xù)攜帶數(shù)據(jù)；否則,進(jìn)行下一步判斷。

2)若攜帶數(shù)據(jù)車輛一跳通信范圍內(nèi)存在鄰居節(jié)點(diǎn),選擇最優(yōu)的鄰居節(jié)點(diǎn)作為下一跳中繼節(jié)點(diǎn),進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)。

3)數(shù)據(jù)由源節(jié)點(diǎn)轉(zhuǎn)發(fā)至目的節(jié)點(diǎn),轉(zhuǎn)發(fā)過程結(jié)束。

1.2 移動(dòng)模型

為了更接近真實(shí)的城市道路場景[9],準(zhǔn)確反映車輛運(yùn)動(dòng)規(guī)律,包括節(jié)點(diǎn)位置、速度、運(yùn)動(dòng)時(shí)間等,并考慮到仿真模型精確性需求,設(shè)計(jì)了一種簡單且符合實(shí)際的道路模型[10]。如圖1所示,首先,采取方格形道路,路口分為十字路口、丁字路口和L形路口。車輛運(yùn)動(dòng)軌跡受拓?fù)浣Y(jié)構(gòu)限制,只能在定義的路段上沿道路直線行駛,每次連續(xù)運(yùn)動(dòng)均由路段的起始點(diǎn)開始,運(yùn)動(dòng)到路段的終止點(diǎn)結(jié)束,然后,隨機(jī)選擇下一條路段開始新的運(yùn)動(dòng)。車輛速度分為4個(gè)等級(jí),每個(gè)車輛的速度和加速度隨機(jī)。將整個(gè)車載網(wǎng)絡(luò)道路地圖建模成一個(gè)有向圖G(J,E),J為地圖上交叉路口的集合,E為連接交叉路口的道路集合。兩個(gè)交叉路口間的可行路徑path及路徑長度D可由Dijkstra算法直接獲得。在交通圖G中,N和P為非常重要的2個(gè)參數(shù),N為車輛集合,ni∈N為車輛集合中的某一個(gè)車輛,P為車輛行駛軌跡集合,pni∈P為車輛ni的行使軌跡,nsour為源車輛節(jié)點(diǎn),ntar為目標(biāo)車輛節(jié)點(diǎn),車輛在時(shí)刻t的位置被定義為pni(t),也可用坐標(biāo)(xni(t),yni(t))表示其在地圖中的位置,其中x和y分別為位置的經(jīng)度和緯度。對于車輛運(yùn)動(dòng)特點(diǎn),V為各車輛行駛速度集合,vi∈V為車輛ni的速度,A為各車輛加速度集合,ai∈A表示車輛ni的加速度,道路限速為Vm。

圖1 車載自組織網(wǎng)絡(luò)構(gòu)架

2 算法設(shè)計(jì)

2.1 問題分析

1)數(shù)據(jù)源和目的地均為處于運(yùn)動(dòng)中的車輛,網(wǎng)絡(luò)拓?fù)渥兓?導(dǎo)致鏈路可用時(shí)間更短。

2)車輛沿道路隨機(jī)運(yùn)動(dòng),其軌跡無法預(yù)設(shè),給車輛軌跡預(yù)測增加難度。

3)車載自組織網(wǎng)絡(luò)的大部分應(yīng)用均有實(shí)時(shí)性的要求,故數(shù)據(jù)需在其有效期(time to live,TTL)內(nèi)到達(dá)目的節(jié)點(diǎn)。

針對以上問題,采用基于時(shí)延期望的車載自組織網(wǎng)絡(luò)機(jī)會(huì)路由算法,實(shí)現(xiàn)車載自組織網(wǎng)絡(luò)中高效率的V2V數(shù)據(jù)傳輸。時(shí)延期望指數(shù)據(jù)當(dāng)前所在車輛節(jié)點(diǎn)到目的節(jié)點(diǎn)將要經(jīng)過的交叉路口的時(shí)延期望值,為了提高鏈路的準(zhǔn)確性,需要對目的節(jié)點(diǎn)的運(yùn)動(dòng)進(jìn)行預(yù)測,又因?yàn)檐囕v節(jié)點(diǎn)完全沿道路隨機(jī)運(yùn)動(dòng),軌跡不可預(yù)設(shè),僅根據(jù)目的節(jié)點(diǎn)運(yùn)動(dòng)速度和運(yùn)動(dòng)方向?qū)ζ溥M(jìn)行一步交叉路口預(yù)測。為了滿足數(shù)據(jù)的實(shí)時(shí)性要求,又加入了數(shù)據(jù)時(shí)效性參數(shù),時(shí)延期望即目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性綜合考慮得出的結(jié)果。

算法在如下假設(shè)基礎(chǔ)上進(jìn)行：1)車輛節(jié)點(diǎn)均配置了無線通信設(shè)備,任何2個(gè)車輛節(jié)點(diǎn)在其通信范圍內(nèi),可彼此通信；2)車輛節(jié)點(diǎn)配置全球定位系統(tǒng)(GPS)定位設(shè)備,能實(shí)時(shí)獲取自身位置信息；3)向目的節(jié)點(diǎn)發(fā)送數(shù)據(jù)前,源節(jié)點(diǎn)通過位置服務(wù)協(xié)議獲取目的節(jié)點(diǎn)的當(dāng)前位置及速度；4)所有車輛節(jié)點(diǎn)能獲取自身當(dāng)前位置所在信息,包括道路及道路長度、交叉路口及交叉路口的位置、道路的拓?fù)浣Y(jié)構(gòu)。

2.2 運(yùn)動(dòng)建模

根據(jù)車輛節(jié)點(diǎn)的移動(dòng)特點(diǎn),通過其運(yùn)動(dòng)速度、加速度、方向等數(shù)據(jù),即可得出有效鏈路。對一個(gè)車輛節(jié)點(diǎn),速度分別為v,加速度為a,道路限速為Vm,則其在[0,t]時(shí)刻運(yùn)行路程為

(1)

在同一路段上,t時(shí)刻車輛節(jié)點(diǎn)i和j的距離為

Di,j(t)=Si(t)-Sj(t)+D0

(2)

如果Di,j≤R,則在t時(shí)刻內(nèi)鏈路有效,兩車輛節(jié)點(diǎn)之間可以通信；否則,鏈路無效,自動(dòng)斷開鏈路鏈接。

在圖1所示的網(wǎng)絡(luò)移動(dòng)模型中,車輛節(jié)點(diǎn)運(yùn)動(dòng)軌跡受拓?fù)浣Y(jié)構(gòu)限制,在路段上沿道路直線行駛,某一路段的運(yùn)動(dòng)結(jié)束后,隨機(jī)選擇下一條路段開始新的運(yùn)動(dòng)。車輛節(jié)點(diǎn)在路口a選擇下一條路段方向的概率為

(3)

2.3 基于時(shí)延期望的機(jī)會(huì)路由算法

算法用于將數(shù)據(jù)從移動(dòng)中的源節(jié)點(diǎn)傳遞至移動(dòng)的目的節(jié)點(diǎn),而數(shù)據(jù)傳輸?shù)倪^程要求完全依靠行駛中車輛的存儲(chǔ)、攜帶和機(jī)會(huì)轉(zhuǎn)發(fā)完成。因此,尋找每次數(shù)據(jù)轉(zhuǎn)發(fā)的最佳中繼節(jié)點(diǎn)是本文算法的最重要的組成部分。在整個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)過程中,時(shí)延期望即目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性綜合考慮得出的結(jié)果。

根據(jù)目的節(jié)點(diǎn)運(yùn)動(dòng)速度和運(yùn)動(dòng)方向?qū)ζ溥M(jìn)行一步交叉路口預(yù)測,此時(shí)得到時(shí)延期望為

(4)

式中Di,a(t)為車輛與其將要經(jīng)過的路口的距離；兩個(gè)路口之間的最短路徑長度：Da,b(由最短路徑Dijkstra算法求得)。

由于數(shù)據(jù)的傳輸有實(shí)時(shí)性的要求,需在其TTL內(nèi)到達(dá)目的節(jié)點(diǎn)。故在數(shù)據(jù)轉(zhuǎn)發(fā)過程中,需要對數(shù)據(jù)進(jìn)行有效性判斷,若數(shù)據(jù)已過期,則舍棄該數(shù)據(jù)；否則,繼續(xù)進(jìn)行轉(zhuǎn)發(fā)。定義數(shù)據(jù)有效性為

(5)

為了保證車載自組織網(wǎng)絡(luò)中數(shù)據(jù)能夠及時(shí)、有效地由移動(dòng)中的源節(jié)點(diǎn)轉(zhuǎn)發(fā)至移動(dòng)中的目的節(jié)點(diǎn),需要綜合目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性兩方面來考慮,此時(shí),能夠得到時(shí)延期望

EETi,b(t)=ETi,b(t)×MI(t)

(6)

本文算法框架描述如下：

1)周期性廣播目的節(jié)點(diǎn)運(yùn)動(dòng)信息。

2)攜帶數(shù)據(jù)車輛節(jié)點(diǎn)尋找其鄰居節(jié)點(diǎn)。

3)攜帶數(shù)據(jù)的車輛節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)分別計(jì)算自身與目的節(jié)點(diǎn)的時(shí)延期望EETi,b(t)。

4)由步驟(3)計(jì)算結(jié)果判斷當(dāng)前車輛節(jié)點(diǎn)繼續(xù)攜帶數(shù)據(jù)前行還是將數(shù)據(jù)轉(zhuǎn)發(fā)給鄰居節(jié)點(diǎn)。

5)當(dāng)前攜帶數(shù)據(jù)的車輛節(jié)點(diǎn)檢查數(shù)據(jù)的有效性,若數(shù)據(jù)已經(jīng)無效,則該數(shù)據(jù)將被丟棄。

6)重復(fù)上述步驟,直到數(shù)據(jù)被轉(zhuǎn)發(fā)至目的節(jié)點(diǎn)或者數(shù)據(jù)失效為止。

采用EETi,b(t)作為選擇中繼節(jié)點(diǎn)的衡量標(biāo)準(zhǔn),即在相同情況下,擁有更小時(shí)延期望EETi,b(t)值的車輛節(jié)點(diǎn)能更快地將數(shù)據(jù)攜帶至目的節(jié)點(diǎn)。在整個(gè)車載自組織網(wǎng)絡(luò)中,將整個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)過程中遇到的車輛數(shù)目標(biāo)記為n=|Vmet|,將數(shù)據(jù)更新的次數(shù)標(biāo)記為m=|t|。在每一次相遇過程中,計(jì)算一次EETi,b(t)值的復(fù)雜度為O(m),而每個(gè)備選的中繼節(jié)點(diǎn)均需要進(jìn)行一次該的計(jì)算,在整個(gè)數(shù)據(jù)轉(zhuǎn)發(fā)的過程中,會(huì)發(fā)生n次這樣的相遇過程。因此,基于時(shí)延期望的路由算法復(fù)雜度為O(mn)。

3 性能分析

通過車輛數(shù)目的變化對數(shù)據(jù)傳輸時(shí)延、數(shù)據(jù)傳輸成功率、平均轉(zhuǎn)發(fā)次數(shù)3方面的影響進(jìn)行仿真分析。

針對每個(gè)車載自組織網(wǎng)絡(luò)中的車輛數(shù)目,設(shè)置不同的隨機(jī)種子數(shù)以進(jìn)行100次實(shí)驗(yàn)得到算法的性能結(jié)果。每一組實(shí)驗(yàn)中,車輛的軌跡會(huì)隨著隨機(jī)運(yùn)動(dòng)種子的不同而不同。實(shí)驗(yàn)中選取3km×3km范圍內(nèi)矩形街區(qū)的36個(gè)路口,設(shè)置車輛節(jié)點(diǎn)通信距離為100m,數(shù)據(jù)有效期為500s的場景下進(jìn)行實(shí)驗(yàn),仿真時(shí)間為1000s,車輛數(shù)目為20,40,…,180,200,車輛最小速度為5m/s,車輛最大速度為25m/s。

3.1 數(shù)據(jù)傳輸時(shí)延

由圖2可知,隨著車輛數(shù)目N的增大,2種路由協(xié)議的平均傳輸時(shí)延均有一定的降低,因?yàn)楫?dāng)車輛數(shù)目增加時(shí),單位面積內(nèi)節(jié)點(diǎn)密度相應(yīng)增加,有更多的鄰居節(jié)點(diǎn)參與轉(zhuǎn)發(fā),車輛通信時(shí)出現(xiàn)越來越少的中斷鏈路。同時(shí),仿真結(jié)果表明：在不同的車輛數(shù)目下,算法較傳統(tǒng)的GPSR路由協(xié)議具有著更低的數(shù)據(jù)傳輸時(shí)延,在整個(gè)數(shù)據(jù)傳輸過程中,每次尋找最佳中繼節(jié)點(diǎn)時(shí)均要綜合考慮目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性兩方面要求,根據(jù)時(shí)延期望對中繼節(jié)點(diǎn)進(jìn)行選擇,相對于傳統(tǒng)的GPSR協(xié)議的貪婪轉(zhuǎn)發(fā)方式,有效提高了中繼節(jié)點(diǎn)選擇的正確率,從而直接降低了數(shù)據(jù)傳輸時(shí)延。

圖2 數(shù)據(jù)傳輸時(shí)延

3.2 數(shù)據(jù)傳輸成功率

數(shù)據(jù)的成功傳輸率指目的節(jié)點(diǎn)接收到的數(shù)據(jù)包與源節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包的比例。由圖3可知,2種路由協(xié)議的數(shù)據(jù)傳輸成功率隨車輛密度增大均有所增加,因?yàn)檐囕v數(shù)目增加,直接表現(xiàn)為能夠參與數(shù)據(jù)轉(zhuǎn)發(fā)的鄰居節(jié)點(diǎn)數(shù)目增加,路由出現(xiàn)鏈路中斷的現(xiàn)象減少?；跁r(shí)延期望的機(jī)會(huì)路由算法數(shù)據(jù)傳輸成功率明顯高于傳統(tǒng)的GPSR協(xié)議,主要原因是新的路由協(xié)議在轉(zhuǎn)發(fā)過程中充分考慮了車輛運(yùn)動(dòng)速度、方向等問題,對目的節(jié)點(diǎn)運(yùn)動(dòng)進(jìn)行準(zhǔn)確預(yù)測,對已經(jīng)失效的數(shù)據(jù)及時(shí)舍棄,及時(shí)減輕網(wǎng)絡(luò)負(fù)載,從而達(dá)到提高數(shù)據(jù)傳輸成功率的目的。

圖3 數(shù)據(jù)傳輸成功率

3.3 平均轉(zhuǎn)發(fā)次數(shù)

轉(zhuǎn)發(fā)次數(shù)是數(shù)據(jù)由源節(jié)點(diǎn)成功傳輸至目的節(jié)點(diǎn)過程中被轉(zhuǎn)發(fā)的跳數(shù)。轉(zhuǎn)發(fā)次數(shù)越少,說明數(shù)據(jù)傳輸過程中的決策越具備針對性。由圖4可知,隨著車輛密度增大,2種算法的平均轉(zhuǎn)發(fā)次數(shù)均在增長,因?yàn)檐囕v密度增加導(dǎo)致數(shù)據(jù)傳輸過程中所遇車輛數(shù)目隨之增加。但本文算法有效解決了傳統(tǒng)GPSR協(xié)議盲目轉(zhuǎn)發(fā)的問題,使其平均轉(zhuǎn)發(fā)次數(shù)更少,從而有效縮短了路由長度,更具針對性的完成數(shù)據(jù)傳輸過程。

圖4 平均轉(zhuǎn)發(fā)次數(shù)

4 結(jié)束語

提出了一種基于時(shí)延期望的機(jī)會(huì)路由算法。該算法融合了概率論和統(tǒng)計(jì)學(xué)知識(shí),綜合考慮目的節(jié)點(diǎn)軌跡預(yù)測和數(shù)據(jù)時(shí)效性兩方面需求,得到時(shí)延期望參數(shù),以該參數(shù)作為整個(gè)數(shù)據(jù)傳輸過程中每一次數(shù)據(jù)轉(zhuǎn)發(fā)中繼節(jié)點(diǎn)選擇標(biāo)準(zhǔn),保證數(shù)據(jù)能夠及時(shí)、有效地由移動(dòng)中的源節(jié)點(diǎn)轉(zhuǎn)發(fā)至移動(dòng)中的目的節(jié)點(diǎn)。仿真結(jié)果表明：與傳統(tǒng)的GPSR相比,在不同車輛密度情況下,算法在數(shù)據(jù)傳輸時(shí)延、傳輸成功率及平均轉(zhuǎn)發(fā)次數(shù)均有顯著提升。

[1] 馮 勇,梁 浩.車載自組織網(wǎng)絡(luò)中一種有效的匿名認(rèn)證方法[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(23):126-128.

[2] 李萬磊,朱梅麗,謝 波,等.高速公路環(huán)境下VANET路由性能研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(6):2163-2172.

[3] Perkins C E,Royer E M.Ad Hoc on demand distance vector routing[C]∥Proceeding of the2nd IEEE Workshop on Mobile Computing Systems and Applications,Menlo Park:IEEE,1999:90-100.

[4] Lochert C,Hartenstein H,Tian J,et al.A routing strategy for vehicular Ad Hoc networks in city environments[C]∥Proceeding of IEEE Intelligent Vehicles Symposium,IV’03,IEEE,2003:156-161.

[5] Karp B,Kung H T.GPSR:Greedy perimeter stateless routing for wireless networks[C]∥Proceeding of the6th Annual International Conference on Mobile Computing and Networking,MOBICOM’00, IEEE,2000:243-254.

[6] 盧 穎,陳日莉.基于多描述編碼和距離的車載網(wǎng)DSR路由技術(shù)研究[J].傳感器與微系統(tǒng),2011,30(10):15-18.

[7] 張國慶,慕德俊,洪 亮,等.城市場景下VANET路由協(xié)議大規(guī)模仿真研究[J].計(jì)算機(jī)仿真,2009,26(8):249-252.

[8] 王金龍,王呈貴,吳啟暉,等. Ad Hoc 移動(dòng)無線網(wǎng)絡(luò)[M].北京:國防工業(yè)出版社,2004.

[9] 邁爾斯.智能交通系統(tǒng)手冊[M].北京:人民交通出版社,2007.

[10] 劉志遠(yuǎn),陳 晶,羅惠霞,等.城市環(huán)境下基于地理位置自適應(yīng)的車載網(wǎng)絡(luò)路由協(xié)議[J].武漢大學(xué)學(xué)報(bào):理學(xué)版,2014,60(3):201-210.

OpportunisticroutingalgorithmforvehicularAdHocnetworksbasedondelayexpection

LIU Li-ping, PEI Jin-jin

(SchoolofElectricalEngineering&Automation,TianjinUniversity,Tianjin300072,China)

In vehicular Ad Hoc networks,when vehicles are moving randomly,aiming at problem that efficiency of data transmission is low,propose an opportunistic routing algorithm based on time delay expection to against the situation when both the source node and the destination node are moving.Our opportunistic routing algorithm combines the theory of probability and statistics knowledge,to get the time delay expection parameters, the opportunistic routing algorithm incorporates the trajectory prediction of the destination node timeliness requirements of data packet.When the delay expection parameters are regarded as the selection standard of data packet’s next relay node,can ensure that the data packet can be forwarded from the moving source node to the moving destination node timely and effectively.

vehicular Ad Hoc networks； time delay expection； opportunistic routing algorithm

10.13873/J.1000—9787(2017)10—0150—04

2016—10—31

TP 393

A

1000—9787(2017)10—0150—04

劉麗萍(1979-),女,博士,副教授,從事無線傳感器網(wǎng)絡(luò)、網(wǎng)絡(luò)優(yōu)化研究工作。裴金金(1991-),女,通訊作者,碩士研究生,研究方向?yàn)闊o線傳感器網(wǎng)絡(luò)、車載自組織網(wǎng)絡(luò),E—mail:pw1102@126.com。