VANET 城市場景下基于車流特征的路由算法

張 智，張 劍，聶 鈴，李陸君

（上海工程技術(shù)大學(xué) 航空運(yùn)輸學(xué)院，上海 201620）

0 引言

當(dāng)前社會(huì)中，汽車成為人們出行必不可少的交通工具，同時(shí)也引起了諸多的社會(huì)問題［1］。汽車數(shù)量的增多、駕駛員行為方式的差異，造成交通擁擠，以及各類道路交通傷害等。為改善此類事件的發(fā)生，智能交通系統(tǒng)（Intelligent Transportation System，ITS）應(yīng)運(yùn)而生。車載自組織網(wǎng)絡(luò)（Vehicle Ad-hoc Network，VANET）是智能交通系統(tǒng)的一種高級運(yùn)用，車聯(lián)網(wǎng)VANET 是由搭載了無線通信裝置的車輛作為節(jié)點(diǎn)而構(gòu)成的一種特殊形式的移動(dòng)自組織網(wǎng)絡(luò)（Mobile Ad Hoc Network，MANET）［2］。

由于VANET 中節(jié)點(diǎn)移動(dòng)速度快，網(wǎng)絡(luò)拓?fù)渥兓焖?，特別是在城市環(huán)境中，節(jié)點(diǎn)移動(dòng)路線固定，受道路拓?fù)溆绊懀还?jié)點(diǎn)數(shù)量多且速度受限；建筑物高大密集，影響無線傳輸?shù)男阅艿纫蛩赜绊?，很多路由協(xié)議并不適用于城市環(huán)境中車輛之間的通信。因此，研究適合于城市環(huán)境VANET 的路由算法，是當(dāng)前VANET 技術(shù)的熱點(diǎn)問題［3］。

1 相關(guān)工作

路由協(xié)議大體上分為兩大類：基于拓?fù)涞穆酚蓞f(xié)議和基于位置的路由協(xié)議。前者需要考慮整個(gè)網(wǎng)絡(luò)拓?fù)涞男畔?，后者僅依賴于部分位置信息。目前，許多研究人員均對VANET 相關(guān)路由協(xié)議進(jìn)行了研究。文獻(xiàn)［4-6］中指出，AODV 是一種基于拓?fù)涞穆酚蓞f(xié)議，該協(xié)議主要實(shí)現(xiàn)路由發(fā)現(xiàn)和路由維護(hù)［4-6］功能。當(dāng)源節(jié)點(diǎn)需要向目的節(jié)點(diǎn)發(fā)送數(shù)據(jù)包時(shí)，啟動(dòng)路由發(fā)現(xiàn)過程，并定期發(fā)送HELLO 包進(jìn)行路由維護(hù)［7］。對于城市環(huán)境下復(fù)雜的路況信息，AODV 協(xié)議并不適用。GPSR 是一種基于地理位置的路由協(xié)議，主要實(shí)現(xiàn)貪婪轉(zhuǎn)發(fā)算法和周邊轉(zhuǎn)發(fā)算法［8］。GPSR 基于平面圖遍歷，動(dòng)態(tài)性高，易引發(fā)路由循環(huán)問題，適用于節(jié)點(diǎn)分布均勻、場景開闊的空間，不適用于城市環(huán)境的VANET［9］。Hassan 等人提出了一種針對城市環(huán)境的多度量地理路由（MGEDIR）。采用動(dòng)態(tài)轉(zhuǎn)發(fā)技術(shù)，以接收信號(hào)強(qiáng)度、傳輸范圍邊界關(guān)鍵區(qū)域、車輛未來位置等指標(biāo)來選擇下一跳車輛（NHV），在選擇NHV 時(shí)考慮了最大的權(quán)衡因素［10］。Abbasi 等人提出了一種可靠路徑選擇和分組轉(zhuǎn)發(fā)路由協(xié)議（RPSPF）的路由方案，采用基于錨的路由方法進(jìn)行分組路由。RPSPF 動(dòng)態(tài)地選擇兩個(gè)直接交叉點(diǎn)來求解路徑靈敏度，通過短曲線距離指標(biāo)選擇下一跳車輛［11］。

綜上所述，研究人員提出了不同的適用VANET路由算法，但這些路由算法在一定程度上易產(chǎn)生傳輸開銷和時(shí)延問題。為此，本文提出了一種基于車流特征的路由算法（TCR）。該算法利用車流特征等資源，設(shè)計(jì)了符合城市交通環(huán)境VANET 的路由算法，保障車間通信的高效穩(wěn)定傳輸，提高道路上的交通效率和車輛行駛的安全性。

2 系統(tǒng)模型和約束條件

2.1 系統(tǒng)模型

本文對VANET 網(wǎng)絡(luò)在城市環(huán)境下性能的研究，主要考慮城市場景中典型的道路模型，由十字路口和直路段道路建立而成。圖1 所示為SUMO 仿真軟件建立的城市道路模型圖。

圖1 城市道路模型圖Fig.1 Urban road model diagram

其中，Ii表示第i個(gè)十字路口，Si，j表示直路段，每個(gè)路段均有自己的屬性，包括長度、車道數(shù)、車流密度等。

2.2 約束條件

隨著計(jì)算機(jī)和車聯(lián)網(wǎng)技術(shù)的發(fā)展，車輛會(huì)成為可具備高計(jì)算處理能力的設(shè)備，本文提出的TCR 路由算法的實(shí)施基于以下的前提和假設(shè)：

（1）以VANETs 的城市場景為研究對象。

（2）每輛車預(yù)裝數(shù)字地圖和全球定位系統(tǒng)GPS，包括街道地圖和交通統(tǒng)計(jì)數(shù)據(jù)。

（3）每輛車均配備車載單元OBU，每個(gè)車輛具有至少300 米的可訪問通信范圍，可通過信標(biāo)交換獲取實(shí)時(shí)信息。包括車輛ID、速度、當(dāng)前位置及所在道路位置。

（4）道路交叉路口配備路測單元RSU，RSU 根據(jù)相鄰的兩個(gè)道路獲取實(shí)時(shí)信息，包括當(dāng)前道路ID、長度、車輛數(shù)及車輛密度。

（5）車輛擁有協(xié)作感知消息（CAM）：節(jié)點(diǎn)會(huì)按照ETSI 標(biāo)準(zhǔn)中指定的方式發(fā)送CAMs；包括狀態(tài)矢量信息，如物理位置、目的地、當(dāng)前速度和方向。信息包報(bào)頭包括源節(jié)點(diǎn)ID、源節(jié)點(diǎn)位置、信息包生成時(shí)間、過期時(shí)間。

（6）將城市VANET 抽象為G＝｛V，E｝，V 表示車輛，E 表示通信鏈路。

3 TCR 路由算法

3.1 最優(yōu)路段選擇

3.1.1 連通度計(jì)算

首先，定義輔助節(jié)點(diǎn)AN：每個(gè)道路段最外層的兩個(gè)節(jié)點(diǎn)，如圖1 所示。AN 節(jié)點(diǎn)將會(huì)幫助節(jié)點(diǎn)之間進(jìn)行車輛密度信息交換和連接度值的估計(jì)。車輛周期性地廣播beacon 消息，并與附近的車輛節(jié)點(diǎn)和路測單元RSU 進(jìn)行信息交換。隨著傳輸范圍的擴(kuò)大，HELLO 包消息定期更新相關(guān)的鄰居表，進(jìn)行鄰居表的維護(hù)。所以車輛節(jié)點(diǎn)在進(jìn)入到一個(gè)路段后，車輛會(huì)意識(shí)到自己的位置，判斷自身是否為AN 節(jié)點(diǎn)，獲取該路段上的ID 以及車輛密度，路段Si，j上的車輛密度ρi，j。計(jì)算公式如式（1）所示。

其中，Si，j表示十字路口Ii和十字路口Ij之間的路段；Ni，j表示路段Si，j上的車輛總數(shù)；Li，j表示路段Si，j的長度；n表示車道數(shù)。

AN 節(jié)點(diǎn)收集RSU 和其它候選節(jié)點(diǎn)的相關(guān)信息。其中包括路段ID、傳輸時(shí)間、傳輸范圍、路段上車輛密度等，并將這些信息傳送給附近可以傳輸?shù)腁N 節(jié)點(diǎn)。AN 節(jié)點(diǎn)根據(jù)收集到的相關(guān)信息選擇合適的路段。

一個(gè)路段可由兩個(gè)端點(diǎn)的元組表示［12］。一個(gè)道路的兩端路口可表示為（S，dS）和（S，dd），而網(wǎng)格區(qū)域內(nèi)各線段的結(jié)節(jié)點(diǎn)坐標(biāo)可表示為：對于給定的道路路段，連通度ECD 的計(jì)算為式（2）所示［13］。

3.1.2 車流分布偏差的計(jì)算

為進(jìn)一步反映車流量，定義車輛的相對位置變量。對于車輛Vehm，其在路段Si，j上的相對位置為如式（3）所示。

其中，表示車輛Vehm的位置，是beacon消息中的載入位置，定義車輛的相對位置是為了方便計(jì)算車流分布情況，并將道路長度為L的路段等間隔分成N個(gè)路段，則每個(gè)均分后路段長度Lav如式（4）所示。

定義nh表示第h個(gè)路段，則路段Si，j上車流分布的標(biāo)準(zhǔn)方差σij如式（5）所示［14］。

為了進(jìn)一步反映車流分布的均勻性，依據(jù)概率論計(jì)算道路段Si，j車流分布的偏差γij，如式（6）所示。

偏差γij越小，表示車流分布越均勻。

為選出最優(yōu)的路段進(jìn)行數(shù)據(jù)包轉(zhuǎn)發(fā)，通過預(yù)估的連通度和車流分布的偏差兩個(gè)參數(shù)，構(gòu)成評價(jià)函數(shù)F，如式（7）所示。

其中α、β是權(quán)重因子，且α+β＝1，α ＞0、β ＞0，具體參數(shù)值需要結(jié)合仿真調(diào)試獲得。通過預(yù)估連通度，計(jì)算有效節(jié)點(diǎn)間的連接性，盡可能地保證候選車輛在傳輸范圍內(nèi)；通過車流分布均勻性的計(jì)算，也保證了候選車輛的充分性。

評價(jià)函數(shù)F不僅考慮了源節(jié)點(diǎn)到目的車輛節(jié)點(diǎn)之間所有候選路徑的質(zhì)量，還考慮了源節(jié)點(diǎn)到目的車輛節(jié)點(diǎn)之間的跨路徑的分段連接。由式（7）可知，當(dāng)連通度和車流分布都達(dá)到最好參數(shù)值時(shí)，評價(jià)函數(shù)F就會(huì)取得最大值，此時(shí)，所選的路段就是數(shù)據(jù)包轉(zhuǎn)發(fā)的最優(yōu)路段。

3.2 道路段內(nèi)數(shù)據(jù)包的轉(zhuǎn)發(fā)

道路段內(nèi)數(shù)據(jù)包轉(zhuǎn)發(fā)采用改進(jìn)的貪婪轉(zhuǎn)發(fā)算法，與傳統(tǒng)的貪婪轉(zhuǎn)發(fā)算法比較存在3 個(gè)方面的優(yōu)化：增加了鏈路狀態(tài)因子L、方向因子F、距離因子D，避免傳輸跳數(shù)和路由中斷次數(shù)的增加，進(jìn)而減少端到端的時(shí)延，保證鏈路的穩(wěn)定性。

3.2.1 鏈路狀態(tài)因子L

城市VANET 拓?fù)浣Y(jié)構(gòu)變化快速，大多是由車輛的速度和運(yùn)行方向變化引起的，這些因素將影響鏈路的穩(wěn)定性。本文利用車輛節(jié)點(diǎn)之間的相對位移量來計(jì)算鏈路狀態(tài)，節(jié)點(diǎn)之間進(jìn)行周期性地廣播信標(biāo)消息，節(jié)點(diǎn)之間的距離通過式（8）即可獲得。

其中，(xs，ys)表示發(fā)送節(jié)點(diǎn)的坐標(biāo)；(xi，yi) 表示一跳傳輸范圍內(nèi)的鄰居節(jié)點(diǎn)坐標(biāo)。

鏈路的穩(wěn)定性如式（9）所示。

其中，R為常量，表示通信傳輸半徑，di（t）表示t時(shí)刻發(fā)送節(jié)點(diǎn)與一跳范圍內(nèi)鄰居節(jié)點(diǎn)的距離。通過式（9）可知，節(jié)點(diǎn)之間相對位移量變化越小，則鏈路越穩(wěn)定。同時(shí)，鏈路的維持時(shí)間也是鏈路可靠性的關(guān)鍵因素。本文通過節(jié)點(diǎn)之間發(fā)送的beacon數(shù)據(jù)包，計(jì)算鏈路的維持時(shí)間ti，如式（10）所示。

其中，(xs，yS)表示發(fā)送節(jié)點(diǎn)的坐標(biāo)；(xi，yi) 表示一跳傳輸范圍內(nèi)的鄰居節(jié)點(diǎn)坐標(biāo)；R為通信傳輸半徑；v表示節(jié)點(diǎn)的相對速度。相對速度的計(jì)算如式（11）所示。

其中，vi表示鄰居節(jié)點(diǎn)的速度，vs表示發(fā)送數(shù)據(jù)包的節(jié)點(diǎn)速度。

為更準(zhǔn)確地表示鏈路的維持時(shí)間ti，本文將其進(jìn)行歸一化處理，如式（12）所示。

其中，Tmax表示最大持續(xù)時(shí)間。

根據(jù)上述度量指標(biāo)，可得出鏈路狀態(tài)因子L，如式（13）所示。

3.2.2 方向因子F

本文算法定義車輛運(yùn)行方向與數(shù)據(jù)分組的傳輸方向一致時(shí)，數(shù)據(jù)包標(biāo)志位Flag標(biāo)識(shí)為+1，反之，則標(biāo)識(shí)為-1。如式（14）所示。相同方向的節(jié)點(diǎn)給予同樣的優(yōu)先權(quán)，同時(shí)對車輛行駛方向與數(shù)據(jù)分組傳輸方向相同的車輛節(jié)點(diǎn)給予更高的優(yōu)先權(quán)，這些車輛節(jié)點(diǎn)優(yōu)先作為候選的下一跳節(jié)點(diǎn)。

3.2.3 距離因子D

除上述鏈路狀態(tài)、車輛的行駛方向和數(shù)據(jù)分組的傳輸方向以外，本文算法還增加了車輛之間距離因子度量指標(biāo)，如式（15）所示。在具有相同方向優(yōu)先級的情況下，優(yōu)先選擇距離目的節(jié)點(diǎn)最近的鄰居節(jié)點(diǎn)。

式中，(xD，yD) 表示目的節(jié)點(diǎn)坐標(biāo)；(xi，yi）表示一跳傳輸范圍內(nèi)的鄰居節(jié)點(diǎn)坐標(biāo)；n 表示具有相同優(yōu)先級節(jié)點(diǎn)的個(gè)數(shù)。應(yīng)避免因城市VANET 的高度動(dòng)態(tài)性，造成邊緣節(jié)點(diǎn)下一跳移出通信范圍，從而引起鏈路中斷，造成數(shù)據(jù)包的丟失或重發(fā)。

3.2.4 轉(zhuǎn)發(fā)節(jié)點(diǎn)的選擇

在道路段內(nèi)進(jìn)行數(shù)據(jù)包的轉(zhuǎn)發(fā)，本文結(jié)合鏈路狀態(tài)、方向因子、距離因子3 個(gè)方面因素，權(quán)衡選取下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)，不僅保證了鏈路的穩(wěn)定性，同時(shí)也在傳輸方向優(yōu)先級相同的情況下，優(yōu)先選取距離目的節(jié)點(diǎn)更近的鄰居節(jié)點(diǎn)作為下一跳的轉(zhuǎn)發(fā)數(shù)據(jù)包節(jié)點(diǎn)。轉(zhuǎn)發(fā)節(jié)點(diǎn)的選擇如式（16）所示。

其中，L指發(fā)送節(jié)點(diǎn)s與鄰居節(jié)點(diǎn)i之間的鏈路狀態(tài)；F是節(jié)點(diǎn)的運(yùn)行方向與數(shù)據(jù)包傳輸方向的一致性判定；D是鄰居節(jié)點(diǎn)與目的節(jié)點(diǎn)的最小距離判定；di指發(fā)送節(jié)點(diǎn)與鄰居節(jié)點(diǎn)之間的距離。由于本文只計(jì)算一跳范圍內(nèi)的鄰居節(jié)點(diǎn)，則di還包括一跳范圍內(nèi)的鄰居節(jié)點(diǎn)與發(fā)送節(jié)點(diǎn)之間的距離，其中權(quán)重系數(shù)ω1＝ω2＝ω3＝0.33。

當(dāng)Rank ＞0 時(shí)，根據(jù)式（16）選擇下一跳轉(zhuǎn)發(fā)節(jié)點(diǎn)；當(dāng)Rank＝0 時(shí)，說明形成了局部最優(yōu)問題。此時(shí)只需發(fā)送節(jié)點(diǎn)攜帶數(shù)據(jù)包，繼續(xù)等待下一個(gè)合適的轉(zhuǎn)發(fā)節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)即可。等待時(shí)間T 設(shè)定一個(gè)閾值ε，當(dāng)T ＞ε時(shí)，發(fā)送節(jié)點(diǎn)結(jié)束等待，放棄相應(yīng)的數(shù)據(jù)包，源節(jié)點(diǎn)進(jìn)行重發(fā)。

4 性能分析

為了更好地評估TCR 算法的性能，對TCR 算法進(jìn)行仿真試驗(yàn)，并與AODV、GPSR 兩個(gè)協(xié)議進(jìn)行對比。仿真主要是從數(shù)據(jù)傳輸成功率、平均端到端時(shí)延兩個(gè)方面進(jìn)行性能的比較和分析。

4.1 仿真模型

本文利用SUMO 和NS 軟件建立仿真平臺(tái)，從OpenStreetMap 官網(wǎng)上選擇上海松江大學(xué)城區(qū)域圖作為仿真地圖，如圖2 所示。圖3 為SUMO 軟件可打開的對應(yīng)場景拓?fù)鋱D。在SUMO 中編寫車輛移動(dòng)模型，利用NS2 腳本調(diào)用SUMO 中相關(guān)文件，并進(jìn)行相應(yīng)的參數(shù)和流量配置。經(jīng)過仿真實(shí)驗(yàn)的不斷調(diào)試，對于最優(yōu)路段評價(jià)函數(shù)性能較佳時(shí)的權(quán)重參數(shù)選定為α＝0.75，β＝0.25，其它仿真參數(shù)詳見表1。

圖2 松江大學(xué)城區(qū)域圖Fig.2 Regional map of Songjiang University Town

圖3 松江大學(xué)城拓?fù)鋱DFig.3 Topology of Songjiang University Town

表1 仿真參數(shù)Tab.1 Simulation parameters

4.2 仿真結(jié)果與分析

4.2.1 數(shù)據(jù)傳輸成功率

數(shù)據(jù)傳輸成功率，是指網(wǎng)絡(luò)中目的節(jié)點(diǎn)接收到的數(shù)據(jù)分組總數(shù)與源節(jié)點(diǎn)發(fā)送的數(shù)據(jù)分組總數(shù)之比，反映的是數(shù)據(jù)傳輸?shù)目煽啃浴?/p>

圖4 反映了3 種協(xié)議下數(shù)據(jù)傳輸成功率與車輛數(shù)的變化曲線關(guān)系。本研究設(shè)置車輛數(shù)為50、100、150、200、250、300。由圖可見，當(dāng)車輛速度固定時(shí)，隨著車輛數(shù)的遞增，車輛節(jié)點(diǎn)之間鏈路數(shù)增多，傳輸成功率也隨之增加。3 種協(xié)議中傳輸成功率最低的為AODV 協(xié)議，其次為GPSR 協(xié)議，本文提出的TCR協(xié)議的傳輸成功率明顯高于AODV 與GPSR 協(xié)議。由于AODV 與GPSR 協(xié)議都未考慮車流特征相關(guān)因素，而TCR 協(xié)議結(jié)合車輛密度與車流分布情況，計(jì)算每個(gè)路段的連通度，選擇源節(jié)點(diǎn)與目的節(jié)點(diǎn)之間鏈路質(zhì)量最優(yōu)的路徑，不僅提升了數(shù)據(jù)包到達(dá)目的節(jié)點(diǎn)的概率，同時(shí)也提高了數(shù)據(jù)包的傳輸成功率。

圖4 數(shù)據(jù)傳輸成功率與車輛數(shù)關(guān)系圖Fig.4 Relationship between data transmission success rate and number of vehicles

圖5 反映了3 種協(xié)議下數(shù)據(jù)傳輸成功率與車輛速度之間的變化曲線關(guān)系。本研究設(shè)置車輛速度為10、20、30、40、50 km／h。由圖可見，當(dāng)車輛節(jié)點(diǎn)固定時(shí)，3 種協(xié)議的傳輸成功率都受車輛速度因素影響，隨著車輛速度的增加，數(shù)據(jù)傳輸成功率都有不同程度的下降，當(dāng)車輛速度增加時(shí)，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化大，車輛節(jié)點(diǎn)之間鏈路持續(xù)時(shí)間減少，鏈路穩(wěn)定性變差，易發(fā)生斷裂，數(shù)據(jù)包丟失概率增加，所以數(shù)據(jù)傳輸成功率相應(yīng)下降。由于AODV 協(xié)議是基于拓?fù)涞穆酚蓞f(xié)議，GPSR 協(xié)議考慮因素單一，都不適合VANET。TCR 協(xié)議權(quán)衡密度信息與全局搜索，選擇最佳路段，實(shí)時(shí)性較低，因此TCR 協(xié)議數(shù)據(jù)傳輸成功率始終高于AODV 與GPSR 協(xié)議，且變化趨于平緩。

圖5 數(shù)據(jù)傳輸成功率與車輛速度關(guān)系圖Fig.5 Relationship between data transmission success rate and vehicle speed

4.2.2 端到端平均時(shí)延

平均端到端時(shí)延是指數(shù)據(jù)分組，從源節(jié)點(diǎn)到目的節(jié)點(diǎn)的平均發(fā)送時(shí)間，反映的是數(shù)據(jù)傳輸?shù)挠行浴?/p>

平均端到端時(shí)延與車輛數(shù)變化曲線關(guān)系如圖6所示。本研究設(shè)置車輛數(shù)為50、100、150、200、250、300。由此可見，當(dāng)車輛速度固定時(shí)，隨著車輛數(shù)的增加，3 種路由協(xié)議的平均端到端時(shí)延都有明顯的下降，TCR 協(xié)議進(jìn)行路段選擇時(shí)，計(jì)算各個(gè)路段以及跨路段的連通性，相比于AODV 與GPSR 協(xié)議，平均端到端延遲最少，且隨著車輛數(shù)的不斷增加，TCR的平均端到端延遲下降變化趨勢愈加平緩。

圖6 平均端到端時(shí)延與車輛數(shù)關(guān)系圖Fig.6 Relationship between average end -to -end delay and number of vehicles

圖7 給出了平均端到端時(shí)延與車輛速度之間的變化曲線關(guān)系。本研究設(shè)置車輛速度為10、20、30、40、50 km／h。由圖中可知，當(dāng)車輛節(jié)點(diǎn)固定時(shí)，車輛速度變大時(shí)，3 種協(xié)議的時(shí)延都在增加。在車輛速度不斷增加的過程中，車輛節(jié)點(diǎn)位置快速發(fā)生變化，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)快速改變，網(wǎng)絡(luò)中車輛節(jié)點(diǎn)之間的連通性不斷降低，在數(shù)據(jù)包轉(zhuǎn)發(fā)的過程中，車輛節(jié)點(diǎn)一跳范圍內(nèi)可選的下一個(gè)轉(zhuǎn)發(fā)節(jié)點(diǎn)概率在減少，數(shù)據(jù)包傳輸?shù)侥康墓?jié)點(diǎn)的時(shí)間就會(huì)增加，相應(yīng)的平均端到端時(shí)延增加。TCR 協(xié)議與AODV、GPSR 協(xié)議相比，在保證鏈路可靠性的基礎(chǔ)上，增加了鏈路因子、方向因子、距離因子3 方面因素的考慮，減少了平均端到端時(shí)延。

圖7 平均端到端時(shí)延與車輛速度關(guān)系圖Fig.7 Relationship between average end-to-end delay and vehicle speed

5 結(jié)束語

針對城市場景VANET 的網(wǎng)絡(luò)特性，提出了基于車流特征的路由算法TCR，通過預(yù)估實(shí)時(shí)車輛密度信息和路段連通度，進(jìn)行最優(yōu)路段選擇外，對道路段內(nèi)數(shù)據(jù)轉(zhuǎn)發(fā)進(jìn)行了優(yōu)化改進(jìn)。仿真表明，TCR 算法在數(shù)據(jù)傳輸成功率和平均端到端時(shí)延方面都要優(yōu)于AODV、GPSR 協(xié)議，能夠更好的滿足城市場景下VANET 的通信需求。