车载自组织网络中基于道路拓扑的自适应多副本路由方法
【技术领域】
[0001] 本发明属于车载自组织网络技术领域，涉及一种车载自组织网络中基于道路拓扑 的自适应多副本路由方法。
【背景技术】
[0002] 车载自组织网络（Vehicular Ad hoc Network, VANET)是以车内网、车际网和车载 移动互联网为基础，按照约定的通信协议和数据交互标准，在车与车、车与路、车与行人及 与互联网等之间，进行无线通讯和信息交换的网络。车载自组织网络的研究，可以大大提高 安全性和智能性，车辆通信网络已经在交通调度、车辆娱乐与导航、智能驾驶车辆预警、辅 助驾驶、自动化系统等安全性应用和商业运用等方面极大改变人们的生活和出行。未来结 合全球卫星定位系统（Global Positioning System)、传感技术、计算机处理技术等技术运 用到智能交通和信息服务上，具有广泛前景。
[0003] 由于VANET传输环境恶劣并且车辆高速移动，所以很容易造成车辆间链路的中 断。一般的MANET (Mobile Ad hoc Network)的路由协议在VANET路由中表现极差，因此引 入DTN (Delay Tolerant Networks)，很多车载网络的应用都是建立在DTN上的，两者在很 多方面存在着同样的挑战和机遇。而且当车载自组织网络工作时，网络层需要获得最多的 关注。在这样的网络中，各种不同的目标和用于各种特定需求的丰富的路由协议已经提出 了。在网络层的两个最重要的操作，即数据转发和路由，它们有着不同的概念。数据转发管 理数据包如何从一个链接放到其他。路由决定数据分组从源节点到目标应从哪条路径。后 者本质上提供了前者的控制输入。设计有效的车载自组织网络DTN路由协议来提高网络连 接性、降低开销与时延、增加消息传输率成为研究的核心问题。
【发明内容】
[0004] 针对现有技术的不足，提出了一种提高消息的投递率，又降低时延的车载自组织 网络中基于道路拓扑的自适应多副本路由方法，本发明的技术方案如下：一种车载自组 织网络中基于道路拓扑的自适应多副本路由方法，将整个路由的步骤分为副本消息喷发阶 段和到达阶段即Reach阶段，所述副本消息喷发阶段包括以下步骤：
[0005] 101、在副本消息喷发阶段，车辆源节点S首先从自身复制获得L个消息副本，查找 一跳范围的邻居列表，并判断是否存在目的车辆，若存在目的车辆，则直接将消息副本转发 给该目的车辆，结束路由寻找过程，如果不是目的车辆，再根据网络环境，判断是否进入了 路口模式，若判断进入了路口模式，则跳转至步骤102 ;若判断进入了直路模式则跳转至步 骤 103 ;
[0006] 102、若进入路口模式，判断邻居车辆与车辆源节点S方向是否相同，若存在与车 辆源节点S方向不同的节点，获取与车辆源节点S方向不同的车辆节点的速度方向，然后计 算与车辆源节点S方向不同的车辆节点与车辆源节点S的夹角，然后选取夹角最大的车辆 即代表与自身运动方向差异最大的方向喷射自身副本数一半的消息副本；再从与车辆源节 点S行驶方向相同的车辆中，选取运动速度最大的邻居车辆将自身消息剩余的副本全部转 发给该车辆，重复该步骤，当每辆车携带的消息副本数散发到仅剩一个副本时，结束喷发阶 段，进入Reach阶段；跳转至步骤104 ;
[0007] 103、车辆进入直路模式，在只有两个运动方向的情况下，首先，找到与车辆源节点 S自己运动方向相反的节点，选择距离自己最近的车辆，转发一半的副本数，剩下的副本转 发给与自己同一运动方向且运动速度最快的车辆；重复步骤102,当每辆车携带的消息副 本数散发到仅剩一个副本时，结束喷发阶段，跳转至步骤104 ;进入Reach阶段；
[0008] 104、设置车辆密度的阈值M，当车辆密度小于M时，采用拉格朗日插值法预测未来 的位置选择下一跳中继车辆进行转发，当车辆密度大于M时，采用基于Q-学习选取时延最 优路径的算法建立Q学习模型，初始化Q值路由表，并更新Q值，选择中继车辆进行转发，本 次路由结束。
[0009] 进一步的，步骤104中的采用基于Q-学习选取时延最优路径的算法建立Q学习模 型，初始化Q值路由表，并更新Q值的具体步骤为：
[0010] A1、建立Q学习模型，如下定义：整个车载自组织网络环境即为Q学习的环境，包括 车载自组织网络中的车辆节点、节点间的通信链路以及数组包，在网络中所有车辆节点集 是一个状态空间，一个车辆节点选择转发包的下一跳，因此可能行为集定义在节点的一跳 的邻居集，一个状态的转变是包从一个节点发送给它的邻居；
[0011] A2、首先，初始化Q值表，令Q值表为全零，并分别设定初始学习率a和折扣因子 Y ;
[0012] A3、每个节点对每一个邻居维持一个Q值表，Q值表通过接收hello消息来更 新，包含了从0-1范围的Q值，这个Q值表的大小依赖于一跳通信范围内节点数，公式为：
表示节点i还剩下的 时间。TTL1表示总的生存时间。Dab为历史数据中的时延，Lab是路段的长度，t ,是一跳传 输时延，R为通信半径，P表示平均车辆密度，其中，σ为学习率，Y为折扣因子，如果传输 完成，根据ACK等确认消息和Q值路由表，完成Q值的更新。
[0013] 进一步的，步骤104中的采用拉格朗日插值法预测未来的位置选择下一跳中继车 辆进行转发的具体步骤为：每个节点维持一个信息表，这个信息表记录了所有节点的过去 位置和相应的时刻，信息表{Xk ω，Yk ω，tk ω } (k = 1，2,…Ν)，Xk ω，Yk ω，tk ω分别表示在 时刻t节点的未来的坐标位置。ω代表记录的数量，Ik⑴表明时刻k t2，…^的拉格朗 日内插法基础函数，然后，在未来的时刻t从节点i，j的距离到节点d通过以下给出：
[0016] 这里，Did, D.j(^示未来的时刻t从节点i，j到节点d的距离。
分别代表预测出未来节点i，j，d的坐标，其中函数：
[0018] f(x，t)>l，表示未来节点j距离目的地更近，将消息副本转发给邻居车辆节点j， f (X，t)〈1，表示未来自己离目的地更近，消息副本由自己携带转发，直至遇到目的车辆。
[0019] 本发明的优点及有益效果如下：
[0020] 本发明提供的车载自组织网络中基于道路拓扑的自适应多副本路由方法，重点解 决因为车辆间断性连接并且行驶速度过高，相遇时间过短带来的消息投递率较低，时延较 大等问题。着重于对现有S&W路由算法应用在车载网络中存在的薄弱环节加以发现与改 进，这种做法的好处在于不会变动既有的路由协议，也不会为数据转发带来太多额外的开 销，因此具有良好的适用性与应用前景。
【附图说明】
[0021] 图1是本发明提供的车载自组织网络中基于道路拓扑的自适应多副本路由方法 第一阶段流程图；
[0022] 图2是本发明路由方法中的第一阶段进入路口模式的场景示意图；
[0023] 图3是本发明路由方法中的第一阶段进入直路模式的场景示意图；
[0024] 图4是本发明提供的车载自组织网络中基于道路拓扑的自适应多副本路由方法 Reach阶段流程图；
[0025] 图5是本发明的摘要附图。
【具体实施方式】
[0026] 以下结合附图，对本发明作进一步说明：
[0027] 参见图1，整个路由过程分为两个阶段，首先车辆源节点自身复制L个消息副本， 第一个阶段，即消息的喷发阶段，为了在第一阶段以最快速度将消息副本散发到网络中去， 根据道路拓扑不同，分为路口模式和直路模式采用不同的喷发方式来喷发副本。第二个阶 段（Reach阶段），由于车载网络（VANETs)是一种节点密度分布不均的自组织网络。车辆 密度的不同对数据传递有着非常明显的影响。车辆密度较大的道路上，车辆节点比较密集， 备选中继节点多，数据转发的机会因此而增加，并大大提高数据传输的成功率。根据网络中 车辆密度的不同，自适应动态地调整Reach阶段的转发方法。网络密度较低的情况下，采用 能保证较高投递率的插值预测法；网络密度较高时，采取通过强化学习预测最小时延路径 方法，减少网络时延。
[0028] 图1为本发明提供的VANET中选择喷发范围的多副本路由方法第一阶段流程图。 如图所示，在本发明中，喷射的具体过程可包括：
[0029] 步骤101 :车辆源节点首先获得L个消息副本，每个车辆节点查找自己的一跳邻居 列表。
[0030] 步骤102 :邻居列表中是否存在目的车辆，若存在目的车辆，则直接将消息副本转 发给它，结束路由寻找过程。
[0031] 步骤103 :如果不是目的车辆，再根据网络环境，判断是否进入路口模式。
[0032] 步骤104a :进入路口模式，如图2为路由方法中的第一阶段进入路口模式的场景 示意图，本节点车辆为图中S，考虑其最复杂的情况，故设置在路口处，并包含可能存在的各 种情况，在它的邻居列表里面存在节点A，B，C，D，E五个邻居车辆，根据本发明设计的喷发 规则，具体方式如下：若存在与携带副本的节点S方向不同的节点，如发现车辆节点E，B，C， F均与当前车辆S的行驶方向不同，计算这几辆车的方向与车辆S的夹角，夹角的计算方法
为 其中f表示当前车辆的速度矢量方向，萏表示其他车辆的速度矢量方 S 向。选取夹角最大的车辆（即代表与自身运动方向差异最大的方向）喷射自身一半的消息 副本。然后，剩下的节点A，D与源节点C是行驶方向相同的车辆，选取运动速度最快的车辆 将自身消息副本全部转发给它。
[0033] 步骤104b :网络环境长时间呈现带状拓扑，即车辆进入直路模式。这样的Spray方 式是根据车载自组织网络独特的运动环境，因为车辆在一条道路上只有两个运动方向，如 果每辆车都携带副本并会造成资源浪费。如图3本发明路由方法中的