论文部分内容阅读
车载自组织网络(Vehicular Ad hoc Network,VANETs)是智能交通的重要组成部分,近年来其研究发展受到政企和科研机构的广泛关注。VANETs的消息传递依靠车辆间的机会相遇来完成信息交换和资源共享,使其具有无线链路易断裂、网络规模较大、机会投递消息和拓扑结构变化频繁等特点。在车载自组织网络中,通过搭建车载容忍延迟网络(Vehicular Delay Tolerant Network,VDTN)的结构可以有效改善VANETs的传输稳定性和可扩展性。因此,VDTN是VANETs的一个研究重点。针对车载社会网络提出了一种基于决策树的VDTN多副本路由协议,重点解决因为车联社会网络间断性连接、相遇时间过短以及如何合理选取相应属性进行数据包转发所带来的问题。本文主要通过对社会属性的选取方面进行改进,首先结合机器学习方法对历史数据进行收集,并依据对历史数据的学习结果建立属性规则。其次在喷发与转发阶段,通过建立的属性规则预测最优的下一跳节点,使消息能够快速、有向的接近目标节点。本文通过ONE(Opportunitic Network Environment simulation)仿真软件和真实的数据来模拟场景,通过改变各方面指标来验证路由协议性能,可以得出该路由协议比单属性社会路由协议路由开销降低了近20%。针对城市内不同区域间车辆节点密度分布不均,消息传输易受网络环境与道路上车辆流量因素影响的问题。本文提出一种基于交通信息的车载机会路由方案,既能保证较高投递率,又能降低时延;同时证明车载网络属性中节点度具有无标度性。该方案主要包括两个方面:首先,根据区域间道路车辆流量的大小来选取区域间通信数据转发道路,使消息能够以最快的速度到达非己区域;其次,在区域内采用分类回归(Classification and Regression tree,CART)学习算法评估社区内属性的“价值”,进一步依据CART算法建立的IF-THEN规则进行消息转发。通过ONE仿真验证得出,与现有算法相比,该算法不仅能够保证较高的投递率,还能降低消息投递时延。