一種基于V-NDN的車聯(lián)網(wǎng)數(shù)據(jù)轉(zhuǎn)發(fā)決策算法

弓之箭，苗 笛，李 揚(yáng)，段效賢

（1.天津職業(yè)技術(shù)師范大學(xué) 電子工程學(xué)院，天津 300350；2.天津中德應(yīng)用技術(shù)大學(xué) 軟件與通信學(xué)院，天津 300350；3.天津工業(yè)大學(xué) 電子與信息工程學(xué)院，天津 300387）

0 引 言

車載自組織網(wǎng)絡(luò)（Vehicle Ad-Hoc Networks,VANET）[1-2]是一種特殊的移動(dòng)自組織網(wǎng)絡(luò)，其網(wǎng)絡(luò)規(guī)模大，車輛節(jié)點(diǎn)運(yùn)動(dòng)軌跡被嚴(yán)格限制在道路中，網(wǎng)絡(luò)密度不均勻，節(jié)點(diǎn)的快速移動(dòng)將導(dǎo)致網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)變化更為頻繁。因此，對于這種動(dòng)態(tài)的、高速移動(dòng)的網(wǎng)絡(luò)環(huán)境，相較于TCP/IP的段和段的管道式連接，作為以數(shù)據(jù)為中心的多源未來網(wǎng)絡(luò)架構(gòu)NDN[3-4]更適用于互聯(lián)網(wǎng)、救援等高速移動(dòng)場景。車載Ad-Hoc網(wǎng)絡(luò)（VANET）是一種移動(dòng)Ad-Hoc網(wǎng)絡(luò)（MANET）。在VANET中，有三種常見的通信模式：車對車（V2V）、車對基礎(chǔ)設(shè)施（V2I）和車對路邊（V2R）單元。在這個(gè)網(wǎng)絡(luò)的100～300 m的拓?fù)浞秶鷥?nèi)，各個(gè)車輛節(jié)點(diǎn)可以互相路由鏈接，形成自己的轉(zhuǎn)發(fā)網(wǎng)絡(luò)，VANET支持簡單的一跳信息傳播，在高速移動(dòng)的車輛中，在這個(gè)拓?fù)浞秶鷥?nèi)交替。無線車載網(wǎng)絡(luò)在通信方面的技術(shù)挑戰(zhàn)是路由轉(zhuǎn)發(fā)，路由是到達(dá)目標(biāo)的最優(yōu)路徑，而轉(zhuǎn)發(fā)路由被選定后如何將包從某個(gè)節(jié)點(diǎn)傳輸?shù)搅硪粋€(gè)節(jié)點(diǎn)則面臨著很多挑戰(zhàn)[5]。由于VANET擁有高速動(dòng)態(tài)的拓?fù)浣Y(jié)構(gòu)，可能存在節(jié)點(diǎn)的高速移動(dòng)產(chǎn)生的軌跡是否可以預(yù)測、定位是否準(zhǔn)確、時(shí)延是否符合用戶要求等一系列節(jié)點(diǎn)轉(zhuǎn)發(fā)的問題，這也使得VANET的研究引起了學(xué)術(shù)和工業(yè)領(lǐng)域許多專家的注意。

目前針對節(jié)點(diǎn)通信轉(zhuǎn)發(fā)的問題，專家們已經(jīng)做出了很多努力，發(fā)表了很多篇文獻(xiàn)來介紹NDN興趣包的轉(zhuǎn)發(fā)策略[6-11]。Wang等人[12]設(shè)計(jì)了一種將興趣包轉(zhuǎn)發(fā)限制在一跳范圍的策略，一跳范圍外的車輛獲取信息依靠NDN的網(wǎng)內(nèi)緩存實(shí)現(xiàn)。Chair-Bi等人[13]設(shè)計(jì)了一種基于計(jì)時(shí)器的貪婪轉(zhuǎn)發(fā)策略，擴(kuò)展NDN興趣包格式，在其中添加了附加字段用于攜帶興趣包發(fā)送者的位置信息，距離發(fā)送車輛最遠(yuǎn)的車輛節(jié)點(diǎn)優(yōu)先轉(zhuǎn)發(fā)興趣包。Yu等人[14]設(shè)計(jì)了一種基于地理位置的轉(zhuǎn)發(fā)方案。對于一個(gè)給定的目標(biāo)位置，轉(zhuǎn)發(fā)節(jié)點(diǎn)在興趣包中加入其自身的位置和目的位置信息，然后廣播興趣包，根據(jù)節(jié)點(diǎn)位置信息計(jì)算最短路徑，形成了基于最短路徑的轉(zhuǎn)發(fā)方案（NDN-G）。Guo等人[15]設(shè)計(jì)的BRFD轉(zhuǎn)發(fā)策略是一種基于貝葉斯的接收機(jī)轉(zhuǎn)發(fā)策略方案。

本文提出了一種面向VANET的NDN實(shí)時(shí)車輛節(jié)點(diǎn)軌跡路徑選擇方案，該方案是一種基于機(jī)器學(xué)習(xí)的概率轉(zhuǎn)發(fā)策略方案—DT-NB。首先用SUMO仿真聯(lián)合ndnSIM平臺模擬上海市某高架的實(shí)時(shí)車輛運(yùn)行狀態(tài)信息，如車輛坐標(biāo)x和y、車輛類型Type、車輛速度Speed、車輛所在的車道Lane及位置Pos等信息。然后利用DT-NB算法預(yù)測車輛的轉(zhuǎn)發(fā)行動(dòng)，進(jìn)而選擇合適的信息傳輸路徑轉(zhuǎn)發(fā)數(shù)據(jù)包。當(dāng)前運(yùn)動(dòng)著的車輛節(jié)點(diǎn)會(huì)實(shí)時(shí)周期性地交換運(yùn)行狀態(tài)信息，并根據(jù)轉(zhuǎn)發(fā)概率判斷是否轉(zhuǎn)發(fā)，以此改善上面提出的洪泛問題。在V-NDN數(shù)據(jù)傳播的基礎(chǔ)上具體展示了SUMO仿真及轉(zhuǎn)發(fā)決策的構(gòu)建過程，并且對比了BSRF、Multicast、NDN-G三種轉(zhuǎn)發(fā)策略下滿足的興趣包數(shù)、興趣包轉(zhuǎn)發(fā)數(shù)和時(shí)延的性能等，證明了本文方案在優(yōu)化廣播風(fēng)暴和解決網(wǎng)絡(luò)擁塞方面的優(yōu)勢。

1 V-NDN數(shù)據(jù)傳播

V-NDN將地理位置信息編碼進(jìn)數(shù)據(jù)名字，所有興趣包可以向提出請求期望數(shù)據(jù)的地理位置進(jìn)行轉(zhuǎn)發(fā)。在有線環(huán)境下，僅當(dāng)PIT表中有對應(yīng)的請求該數(shù)據(jù)的條目，NDN節(jié)點(diǎn)才接收數(shù)據(jù)包；如果沒有對應(yīng)條目，看數(shù)據(jù)的策略是什么，如果策略是緩存，嘗試插入CS，否則什么也不做。然而，在高度動(dòng)態(tài)的移動(dòng)場景中，假定最初的消費(fèi)者到擁有數(shù)據(jù)的節(jié)點(diǎn)的一條穩(wěn)定的鏈路不可行，將會(huì)與有線NDN有一個(gè)基本的不同。因此，除了在可能的時(shí)候使用PIT進(jìn)行數(shù)據(jù)轉(zhuǎn)發(fā)，V-NDN還會(huì)利用無線廣播特性，讓廣播范圍內(nèi)的每個(gè)節(jié)點(diǎn)緩存接收到的數(shù)據(jù)，而不管是否存在匹配的PIT條目或者是否需要數(shù)據(jù)本身。在圖1中，Data-A傳播到鄰居車輛，并被所有接收者緩存。由于這些車輛的移動(dòng)，它們將作為數(shù)據(jù)騾角色，攜帶Data-A到一個(gè)更廣闊的區(qū)域。大量的數(shù)據(jù)騾擴(kuò)大了數(shù)據(jù)傳播區(qū)域，增加了與Data-A的消費(fèi)者會(huì)合的機(jī)會(huì)，數(shù)據(jù)騾攜帶Data-A。

設(shè)計(jì)V-NDN時(shí)，假設(shè)每一個(gè)節(jié)點(diǎn)有準(zhǔn)確的地理位置，所有的數(shù)據(jù)名字鏈接到相應(yīng)的地理位置。與固定環(huán)境相反，因?yàn)榘l(fā)布者是移動(dòng)的，所以很難為每個(gè)數(shù)據(jù)保存FIB。因此，地理位置用于在V-NDN中獲取數(shù)據(jù)。許多車輛應(yīng)用程序適合該模型，地理位置可以被用來標(biāo)識數(shù)據(jù)對象，可以嵌入到名字中。例如，在復(fù)雜道路狀況中，尤其是在高速公路、高架橋這種高速度移動(dòng)的場景或者盤山公路等路況，實(shí)時(shí)移動(dòng)的車輛間的交互就顯得尤為重要。因此本文模擬了地圖路況比較好處理的上海某高架橋上的實(shí)時(shí)車輛數(shù)據(jù)交互。

2 車輛數(shù)據(jù)仿真及概率轉(zhuǎn)發(fā)策略

2.1 SUMO交通信息仿真及仿真參數(shù)設(shè)置

使用ndnSIM仿真平臺聯(lián)合SUMO[16-18]車輛交通仿真平臺來獲取上海某高架地圖信息，并轉(zhuǎn)化成net.xml文件，隨后生成rou文件與poly文件。最后創(chuàng)建一個(gè)配置trace文件.sumocfg。為了讓高架公路充滿車輛，添加不同的車輛類型：普通乘用車、運(yùn)動(dòng)型客車、卡車等，設(shè)置更高的期望行駛速度。其中將步長延遲設(shè)置為200 ms，節(jié)點(diǎn)數(shù)為74，邊為80，總邊長為23.47 km，出現(xiàn)的總車輛數(shù)為195個(gè)，車輛的行駛速度在0～27.77 m/s范圍內(nèi)，在VANET中車輛通信范圍為100～300 m，本文中通信范圍是以車輛節(jié)點(diǎn)為圓心的圓形區(qū)域，設(shè)置其半徑為300 m并運(yùn)行仿真。仿真結(jié)果中車輛屬性包括：車輛坐標(biāo)x和y（單位為m）、車輛類型Type、車輛速度Speed、車輛所在的車道Lane和位置Pos。得出圖2所示的局部車輛路網(wǎng)和表1所列的仿真參數(shù)設(shè)置。

圖2 局部車輛路網(wǎng)

2.2 車輛信息

整車數(shù)字化時(shí)代，每輛車的所有車況信息都可以在云端對應(yīng)一個(gè)ID。在所有收到興趣包的車輛中，根據(jù)概率決策理論判斷，只有一些合適的車輛將興趣包轉(zhuǎn)發(fā)，所收到的請求包會(huì)根據(jù)自身的概率轉(zhuǎn)發(fā)決策，使車輛節(jié)點(diǎn)選擇最合適的路徑轉(zhuǎn)發(fā)。車輛節(jié)點(diǎn)狀態(tài)信息見表2所列。

表2 車輛節(jié)點(diǎn)狀態(tài)信息

2.3 DT-NB轉(zhuǎn)發(fā)決策

2.3.1 先決判斷條件

通過車輛狀態(tài)信息進(jìn)行機(jī)器學(xué)習(xí)的驗(yàn)證。在此方案中的拓?fù)渫ㄐ欧秶鷥?nèi)，按概率選擇轉(zhuǎn)發(fā)興趣包，使興趣包能夠在網(wǎng)內(nèi)快速轉(zhuǎn)發(fā)。車輛狀態(tài)信息包括車輛的位置、速度、車道。假設(shè)車輛a接收到請求包數(shù)據(jù)，拓?fù)渫ㄐ欧秶且攒囕v節(jié)點(diǎn)為圓心的圓形區(qū)域，其半徑為300 m。在讀取到當(dāng)前車輛的坐標(biāo)位置后，先通過Lane車道判斷其他車輛車道是否與車輛a統(tǒng)一，可以直接查看位置Pos是否在拓?fù)浞秶鷥?nèi)，若不是就根據(jù)其他車輛位置信息計(jì)算和車輛a之間的距離Dis，再進(jìn)一步計(jì)算概率決定是否轉(zhuǎn)發(fā)。

獲取了節(jié)點(diǎn)信息之后，就進(jìn)入到了轉(zhuǎn)發(fā)決策階段。首先要進(jìn)行車輛標(biāo)識，可以將標(biāo)識定位為車牌前綴，進(jìn)入興趣包轉(zhuǎn)發(fā)機(jī)制；然后就是登記節(jié)點(diǎn)信息，進(jìn)行Hello交互。在興趣包中添加自定義域，通過興趣包攜帶節(jié)點(diǎn)相關(guān)位置、速度、Hello標(biāo)識等信息，如圖3所示。在ndnSIM中，第一步是在tlv.hpp文件中添加自己所需的參數(shù)，第二步在interest.hpp文件中設(shè)置數(shù)據(jù)和相關(guān)的GET、SET函數(shù)。在通過SUMO模擬的上海高架軌跡圖中選出仿真步長為97 s時(shí)出現(xiàn)的17個(gè)車輛節(jié)點(diǎn)的輸出信息，進(jìn)行交互和概率轉(zhuǎn)換實(shí)驗(yàn)。

圖3 在興趣包中添加自定義域

2.3.2 單跳DT-NB轉(zhuǎn)發(fā)決策理論

實(shí)現(xiàn)過程如下：

（1）因?yàn)镾UMO仿真的車輛信息中有Lane和Pos的信息，所以可以先判斷是否在同一Lane，如果為True就用Pos，否則繼續(xù)計(jì)算Dis，然后判斷是否可以省去計(jì)算Dis，減少計(jì)算強(qiáng)度，所以可以把Pos和Dis統(tǒng)一定為一個(gè)變量DOP。因此此情況下將由6個(gè)元素組成的集合C作為車輛a的特征值決策條件。集合C如式（1）所示：

（2）已知車輛a的Lane和Pos是Lanea、Posa，要接收的車輛節(jié)點(diǎn)i的Lane和Pos是Lanei、Posi，如果Lanea==Lanei為True，則進(jìn)入比較Posa和Posi的輪次，計(jì)算Pos(i,a)的值，記為Pos，如式（2）所示：

如果Lanea==Lanei為False，則進(jìn)入判斷位置距離公式，已知車輛a的位置坐標(biāo)（xa，ya），其中一輛在拓?fù)浞秶鷥?nèi)的車輛i的坐標(biāo)為（xi，yi）。距離計(jì)算公式如下：

將式（3）和式（4）統(tǒng)一代入DOP進(jìn)行接下來的計(jì)算。

（3）獲取車輛a節(jié)點(diǎn)自身通信范圍內(nèi)車輛節(jié)點(diǎn)的數(shù)量Ntopoa，如式（4）所示：

現(xiàn)在已知C就可以根據(jù)貝葉斯公式計(jì)算出在決策條件C的情況下轉(zhuǎn)發(fā)或不轉(zhuǎn)發(fā)的條件概率，如式（5）和式（6）所示：

在式（4）～（6）中P（C）對于所有特征都是常數(shù)。因此，我們假設(shè)特征的條件是獨(dú)立的，每個(gè)類的概率是相等的，最后只須計(jì)算和P(C|F)P(F)，如式（7）所示：

由于Speeda、Ntopoa、DOP(i,a)為連續(xù)值，可以去估計(jì)似然度P(C|F)和假設(shè)在F和的條件下，C服從高斯分布（正態(tài)分布）。根據(jù)正態(tài)分布的概率密度函數(shù)即可計(jì)算出P(C|F)和平均值為μ，標(biāo)準(zhǔn)差為σ。高斯分布的概率密度計(jì)算如式（8）所示：

由此可以得到P(DOP(i,a)|F)、P(Speeda|F)、P(Ntopoa|F)，如式（9）～（11）所示：

P(F)和的公式如下：

要計(jì)算車輛a是否會(huì)轉(zhuǎn)發(fā)收到的請求包，就要分別計(jì)算P(C|F)P(F)和如果為True時(shí)，車輛a決定轉(zhuǎn)發(fā)收到的請求報(bào)文；否則，車輛將丟棄接收到的報(bào)文。

DT-NB轉(zhuǎn)發(fā)判斷過程如圖4所示。

圖4 DT-NB轉(zhuǎn)發(fā)判斷過程

3 實(shí)際數(shù)據(jù)計(jì)算轉(zhuǎn)發(fā)數(shù)據(jù)

假設(shè)車輛25收到了來自車輛17的請求包，此時(shí)車輛25的拓?fù)浞秶霸谄渫負(fù)浞秶鷥?nèi)其他車輛的自身拓?fù)浞秶约按藭r(shí)車輛25拓?fù)浞秶鷥?nèi)的NDN連接情況，如圖5所示。

圖5 拓?fù)湫畔⒓败囕v25的轉(zhuǎn)發(fā)結(jié)果

假設(shè)車輛25收到了來自車輛17的請求包，用本文的DT-NB算法計(jì)算FW為1或0。此時(shí)在車輛25及其余車輛上生成的決策信息見表3所列，可以通過表3的信息判斷此時(shí)通信范圍內(nèi)其余車輛收到車輛25的信息是否會(huì)轉(zhuǎn)發(fā)。

表3 決策信息

由表3能直觀地看出，本文的轉(zhuǎn)發(fā)策略遠(yuǎn)勝于Multicast多播轉(zhuǎn)發(fā)、單一根據(jù)節(jié)點(diǎn)距離計(jì)算的NDN-G轉(zhuǎn)發(fā)和BSRF轉(zhuǎn)發(fā)，即便是在通信拓?fù)浞秶鷥?nèi)DT-NB也會(huì)根據(jù)Speed、Ntopo、Lane、DOP等條件來判斷是否轉(zhuǎn)發(fā)。本方案綜合考慮決策條件的復(fù)雜度和算法的精確度，大大降低了廣播風(fēng)暴，避免了網(wǎng)絡(luò)擁塞。下面取更多組數(shù)據(jù)進(jìn)行圖表可視化來直觀顯示DT-NB的優(yōu)勝性。

4 性能對比和分析

本章將評估比較DT-NB方案與其他兩種方案（Multicast、NDN-G）的性能。在仿真環(huán)境中進(jìn)行模擬測試，將SUMO仿真出的實(shí)時(shí)節(jié)點(diǎn)位置信息（x，y）作為拓?fù)浣Y(jié)構(gòu)的節(jié)點(diǎn)位置，針對模擬出的節(jié)點(diǎn)軌跡數(shù)據(jù)分析其FullDelay、OutSatisfiedInterests、OutInterests。本文仿真是在Ubuntu操作系統(tǒng)環(huán)境中進(jìn)行的，基于NS-3的仿真模擬器ndnSIM對DT-NB方案和Multicast、NDN-G三種轉(zhuǎn)發(fā)策略方案進(jìn)行了評價(jià)和分析。

FullDelay表示獲取最后一次有關(guān)發(fā)出興趣和接收相應(yīng)數(shù)據(jù)包之間的延遲，核心代碼為：ndn：：AppDelayTracer：：InstallAll.FullDelay。

滿足興趣包轉(zhuǎn)發(fā)個(gè)數(shù)（OutSatisfiedInterests）是指滿足興趣包從內(nèi)容請求者到內(nèi)容提供者所經(jīng)歷的轉(zhuǎn)發(fā)數(shù)，核心代碼為：ndn：：L3RateTracer：：InstallAll.OutSatisfiedInterests。

興趣包轉(zhuǎn)發(fā)個(gè)數(shù)（OutInterests）是指興趣包從內(nèi)容請求者到內(nèi)容提供者所經(jīng)歷的轉(zhuǎn)發(fā)數(shù)，核心代碼為：ndn：：L3RateTracer：：InstallAll.OutInterests。

由圖6可以清晰地看出，隨著車輛節(jié)點(diǎn)的增多，3種方案的興趣包轉(zhuǎn)發(fā)數(shù)都逐漸上升。因?yàn)樵趎dnSIM文件中設(shè)定的網(wǎng)絡(luò)數(shù)據(jù)傳輸速率、隊(duì)列最大容量和每秒發(fā)送興趣包的數(shù)量都會(huì)隨拓?fù)浣Y(jié)構(gòu)的變化而變化。Multicast轉(zhuǎn)發(fā)策略興趣包轉(zhuǎn)發(fā)數(shù)最高，因?yàn)槎嗖マD(zhuǎn)發(fā)策略是將興趣包轉(zhuǎn)發(fā)給所有上游的節(jié)點(diǎn)，導(dǎo)致在相同數(shù)量興趣包與數(shù)據(jù)包的條件下，所經(jīng)過的跳數(shù)最多，可能會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞。NDN-G的興趣包轉(zhuǎn)發(fā)數(shù)相比Multicast較好一點(diǎn)，是因?yàn)镹DN-G是相較于Multicast的單純洪泛廣播，轉(zhuǎn)發(fā)節(jié)點(diǎn)會(huì)根據(jù)其位置（x，y）信息，先廣播興趣包而后根據(jù)由位置信息計(jì)算到的最短路徑而減少跳數(shù)，會(huì)相應(yīng)地減少網(wǎng)絡(luò)擁塞。而DT-NB轉(zhuǎn)發(fā)策略在這一方面優(yōu)勢明顯，所以對于Multicast、NDN-G而言，DT-NB的興趣包轉(zhuǎn)發(fā)跳數(shù)分別降低了63%、49%。使用本方案在避免網(wǎng)絡(luò)擁塞的同時(shí)還能減少帶寬占用率。

圖6 興趣包轉(zhuǎn)發(fā)數(shù)

由圖7可知，如同上述描述，3種轉(zhuǎn)發(fā)策略的滿足興趣包轉(zhuǎn)發(fā)數(shù)都隨著節(jié)點(diǎn)數(shù)的增多而增多。主要關(guān)注的是在該節(jié)點(diǎn)與其他路由節(jié)點(diǎn)相連的端口netDeviceFace的PacketRaw指標(biāo)數(shù)，因?yàn)樵趶?fù)雜的拓?fù)滠壽E中，興趣包如何轉(zhuǎn)發(fā)要根據(jù)轉(zhuǎn)發(fā)決策判斷，所以興趣包會(huì)存在轉(zhuǎn)發(fā)超時(shí)的問題，滿足興趣包轉(zhuǎn)發(fā)數(shù)也會(huì)隨著節(jié)點(diǎn)數(shù)的增多以及時(shí)延的增加而遞減。3種轉(zhuǎn)發(fā)策略在最后平均周期內(nèi)的絕對滿足興趣包轉(zhuǎn)發(fā)數(shù)差距都不是很大，可以達(dá)到本文要改善洪泛問題的預(yù)期，DT-NB的滿足轉(zhuǎn)發(fā)數(shù)相較于Multicast降低了34%，相較于NDN-G降低了30%。

由圖8可知，3種轉(zhuǎn)發(fā)策略的時(shí)延均隨仿真時(shí)間增加而增加，但由于在同樣通信范圍內(nèi)隨著節(jié)點(diǎn)數(shù)和興趣包數(shù)的增加，節(jié)點(diǎn)之間相距更近。因此可以看到圖8中隨著節(jié)點(diǎn)的逐漸增多，時(shí)延的增長斜率變小。Multicast策略由于在每次轉(zhuǎn)發(fā)前都需要進(jìn)行洪泛多播路由消耗最長的路徑，因而平均時(shí)延最高，在用戶體驗(yàn)上表現(xiàn)不佳。由于NDN-G在拓?fù)渎窂竭x擇上會(huì)依據(jù)最短原則，優(yōu)先從地圖中心預(yù)先給定的位置獲取內(nèi)容數(shù)據(jù)包，進(jìn)行NDN-G的策略決斷后，拓?fù)渥兊帽榷嗖ズ唵魏芏?，因而在平均時(shí)延方面優(yōu)勢比多播轉(zhuǎn)發(fā)明顯。DT-NB對比以上兩種策略平均時(shí)延有明顯的提升，且在同樣是概率算法的BSRF中，表現(xiàn)也更為接近用戶需求，平均時(shí)延最低且對比Multicast減少了68%的延遲，對比NDN-G減少了54%。

圖8 發(fā)送和接收之間的延遲

5 結(jié) 語

本文提出的DT-NB概率轉(zhuǎn)發(fā)策略對于優(yōu)化廣播風(fēng)暴和網(wǎng)絡(luò)擁塞具有優(yōu)勝性，有效地抑制了網(wǎng)絡(luò)洪泛問題，避免了網(wǎng)絡(luò)擁塞的同時(shí)還減少了帶寬占用率。該方案通過將車輛的各種狀態(tài)信息錄入決策表的概率算法大大降低了興趣包的冗余度。雖然優(yōu)化了興趣包的路由轉(zhuǎn)發(fā)，但信息的安全性、內(nèi)容存儲(chǔ)效率等問題仍是需要進(jìn)一步考慮的。本文采用SUMO模擬實(shí)時(shí)車輛數(shù)據(jù)，且經(jīng)過轉(zhuǎn)發(fā)判斷后能夠確定是否轉(zhuǎn)發(fā)，該方案可以用于后續(xù)的機(jī)器學(xué)習(xí)中，便于通過邏輯回歸、貝葉斯決策等判斷出新的數(shù)據(jù)的轉(zhuǎn)發(fā)概率，為后續(xù)的轉(zhuǎn)發(fā)提供了簡易的數(shù)據(jù)庫。