VANETs中基于密度估计的1‑hop和2‑hop簇并存的自适应分簇法的制作方法

本发明涉及vanets中基于最小id分簇的分簇路由协议cbrp(clusteringbasedroutingprotocol)，特别涉及一种vanets中基于密度估计的1-hop和2-hop簇并存的自适应分簇法。

背景技术：

随着人们生活水平的连年提高，汽车数量激增，城市交通密度大幅提高，道路堵塞问题越来越严重。因此伴随着计算机技术及通信技术的快速发展，车辆间通信v2v和车辆与路边设备间通信v2i促进了车辆自组织网络vanet的发展与升级。虽然vanet是adhoc网络的一种应用，但由于其特殊的网络环境、运动规律及应用背景，使得无线信道不稳定、网络容量有限和移动拓扑动态变化，针对这些特点，相比较平面结构的路由协议，分簇路由协议能够在短时间内快速的覆盖全网，并且达到尽量保持网络结构稳定的目的。

在分簇路由协议中，按照某种分簇算法形成若干个簇网络，一个簇网络通常由一个簇首和若干簇成员组成。典型的分簇路由协议有基于最小id算法的cbrp协议。一种好的分簇算法应使算法对节点的运动具有一定的稳定性，即当只有一些节点发生移动或网络拓扑结构发生较慢的变化时，分簇结构不发生剧烈的变化，整个网络只是针对发生变化的部分进行簇结构调整，使部分脱离网络的节点能在最短的时间内就近加入簇，而其余部分则保持不变。尤其是在有簇头的分簇算法中，簇头的频繁变动会导致簇结构的不稳定性，同时影响路由性能进而影响网络的通信性能，增加用于重新分簇的控制开销，并降低信道的利用率。

考虑到分簇结构的稳定性和网络的通信性能，目前已有多种基于id、速度、方向、节点度、距离和目的地等的分簇算法被提出，这些算法大多都是基于节点的1-hop邻居节点进行分簇的，当网络中车辆密度过大或过小的时候，这些分簇算法容易造成簇数量和簇大小失衡。当交通处于高峰期时，通信半径内的车辆数目急剧增多，由于限制了分簇的范围，容易导致簇重叠的情况，此时簇头数量过多，路由性能和通信性能都降低；当车辆密度过低时，通信半径内的车辆数目减少，簇中的簇成员数量过少，造成分簇结构的浪费，同时降低了通信效率。近年来有multi-hop分簇算法被提出，但是这些算法都是基于单一的multi-hop簇结构。

技术实现要素：

本发明的目的在于克服现有的vanets中分簇结构单一的缺陷，提供了一种vanets中基于密度估计的1-hop和2-hop簇并存的自适应分簇法，与传统分簇算法相比，该方法可以有效的提高网络的通信性能。

为达到上述目的，本发明通过如下的技术方案予以实现：

vanets中基于密度估计的1-hop和2-hop簇并存的自适应分簇法，包括以下步骤：

1)基于1-hop邻居节点密度估计的自适应分簇方法：通过对节点间欧式距离和通信半径tr比较获得1-hop邻居节点密度，基于节点的当前位置、速度和加速度来估计将来时刻的1-hop邻居节点密度，归一化和权重化后保存在节点的表项中，通过和阈值比较来判断该节点适合形成1-hop或者2-hop簇，并初始化节点为簇头节点；

2)基于最低相对移动性的簇头选择方法：步骤1)中已经将所有节点划分为固定大小的1-hop或者2-hop簇并初始化每个节点为簇头，在每个簇中，对每个节点和簇中其他节点的速度大小进行比较，选择和1-hop邻居节点的速度方差最小的节点为簇头，簇中其他节点则降为簇成员，如果相对移动性最小的节点为两个或者多个，则选择id最小的节点为簇头；

3)簇结构的维护：在网络中出现两种情况，一种是一个无状态的车辆节点刚进入到系统请求加入邻居簇，另一种是一个1-hop簇的簇头发出请求和另一个相邻的1-hop簇进行合并。

本发明进一步的改进在于，步骤1)中，vanets中的簇数量和簇大小影响车辆间的通信性能，簇数量和簇大小和车辆密度相关，通过对车辆节点的1-hop邻居节点密度估计使得车辆节点自适应形成1-hop或者2-hop簇来平衡vanets中的簇数量和簇大小；车辆密度低时，适合形成1-hop簇，簇中簇头和所有簇成员都是1-hop距离，节点间能够直接通信，车辆密度相对高时，适合形成2-hop簇，簇中簇头和部分簇成员是1-hop距离、直接通信，和另一部分簇成员是2-hop距离、间接通信。

本发明进一步的改进在于，步骤1)中，在t时刻任意节点j到节点i的欧式距离小于tr，即则该节点为节点i的1-hop邻居节点，(xi,t,yi,t)和(xj,t,yj,t)分别为节点i和j在t时刻的二维坐标，计算如下：

式中，为节点i在t时刻的1-hop邻居节点数，为tr范围内所允许的最大1-hop邻居节点数，节点i在t时刻的dfi,t(densityfactor)定义为：

式中，定义为权重化后的dfi,t，ξ为权重因子，ts为固定时间间隔；

节点i在(t+ts)时刻的并保存在每个节点的表项里：

式中，为节点i在(t+ts)时刻下的1-hop邻居节点数，是基于节点的位置、速度和加速度的1-hop邻居节点估计值，和vi,t分别为节点i在(t-ts)时刻和t时刻的速度大小，ai,t为t时刻的加速度：

节点i在(t+ts)时刻的二维坐标为：

节点i和j在(t+ts)时刻的欧氏距离为：

如果则估计节点j为节点i在(t+ts)时刻的1-hop邻居节点。

本发明进一步的改进在于，步骤1)中，为节点i的1-hop邻居节点集，对于中的任意节点j，表示节点i的1-hop邻居节点j的1-hop邻居节点密度情况，即表征了节点i的2-hop邻居节点密度情况，记录满足的数量，如果该数量大于节点i的1-hop邻居节点数的，则表示节点i的2-hop邻居节点密度过大，适合形成2-hop簇，否则适合形成1-hop簇，并初始化节点的状态为簇头。

本发明进一步的改进在于，步骤2)中，相对移动性是基于节点的相对速度差定义的，假定节点的加速度不变，用ai,t对(t+ts)时刻的速度进行估计：

vi,t-ts＝vi,t+ai,t·ts

式中，为节点i的2-hop邻居节点数，为节点i的1-hop和2-hop邻居节点集，和为节点i和1-hop、2-hop邻居节点的平均速度差：

节点i在t时刻的vfi,t(velocityfactor)定义为：

节点i在(t+ts)时刻的定义为：

的估计方法和估计法类似，即对节点i的1-hop邻居节点的1-hop邻居节点进行欧式距离的估计计算，为权重化后的ε为权重因子：

和都保存在节点的表项里，1-hop簇的簇头选择：

2-hop簇的簇头选择：

本发明进一步的改进在于，经过步骤1)和步骤2)中对vanets中所有车辆节点都分好了簇并明确了节点的状态，步骤3)中，为了保证簇结构的稳定性，对分好的簇进行维护，考虑到两种情况：

301)当一个刚进入系统的无状态车辆节点请求加入相邻簇时，选择和相邻簇头节点的欧式距离最小的簇加入，为了避免簇的频繁更新，通过获得节点的移动方向、速度和位置来估计(t+ts)时刻的欧氏距离并初始化节点的状态为簇成员，将该节点和簇头的相对移动性进行比较，若大于等于，则节点状态不变，否则该节点的状态设为簇头，原来的簇头降为簇成员；

302)系统允许当车辆密度过大时，1-hop簇和相邻1-hop簇可以合并成2-hop簇，但是系统不允许1-hop簇和2-hop簇合并成更大的簇；当两个相邻1-hop簇的簇头间的(t+ts)时刻的欧式距离小于tr时，允许两个簇合并，由于簇中允许存在一个簇头，因此对两个簇头的(t+ts)时刻的相对移动性进行比较，选择相对移动性小的作为2-hop簇的簇头，另一个则降为簇成员。

本发明具有如下的有益效果：

本发明在对车载自组织网络中的车辆节点进行分簇时，对将来时刻的1-hop邻居节点密度进行估计，使网络中的节点能够自适应的形成1-hop簇和2-hop簇，并初始化节点的状态为1-hop簇头或者2-hop簇头，再由最小速度方差法选择出每个簇中唯一的簇头节点，其他节点则降为簇成员。相比最小id法选择节点1-hop邻居节点中id最小的节点为簇头，本发明提出的分簇法综合考虑了节点的局部密度即1-hop邻居节点密度和节点的相对移动性，克服了网络中的单一的分簇结构，保证了分簇的合理性，提高了网络中簇结构的稳定性和节点间通信效率。本发明还提出了对于网络中可能出现的两种情况的维护策略，两种策略都是基于将来时刻的估计，避免了簇头的频繁更新。

进一步，本发明提出一种基于节点的当前位置、速度和加速度来估计节点在将来时刻的位置和速度，从而估计将来时刻节点间的欧式距离和节点的1-hop邻居节点密度，根据密度大小使节点自适应的分为1-hop簇和2-hop簇，同时初始化节点状态为簇头，对网络中的每个1-hop簇或者2-hop簇根据最小速度方差法选择出唯一的簇头节点。自适应分簇法和最小速度方差法都是基于将来时刻的估计法，提高了分簇结构的鲁棒性和稳定性，克服了网络中单一的分簇结构，平衡了网络中的簇数量和簇大小，从而提高了网络的通信性能。

进一步，本发明对网络中可能出现的两种情况：新节点加入相邻簇和两个1-hop簇的合并，增加了基于将来时刻估计的簇结构维护机制，降低了簇头的更新频率，保证了网络的稳定性。

附图说明

图1为本发明的分簇算法的流程框图；

图2为用vanetmobisim建模的仿真场景的模型图；

图3为本发明用ns-2.35仿真的平均时延性能图；

图4为本发明用ns-2.35仿真的丢包率性能图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明：

如图1所示，本发明提供的vanets中基于密度估计的1-hop和2-hop簇并存的自适应分簇法，包括以下步骤：

通过获得节点的当前位置(xi,t,yi,t)、速度vi,t和加速度ai,t估计节点在(t+ts)时刻的位置和速度

通过判断(t+ts)时刻节点间的欧氏距离和节点通信半径tr的比较得到节点在(t+ts)时刻的1-hop邻居节点数的估计值进而计算每个节点在(t+ts)时刻的df、1-hopvf和2-hopvf并保存在每个节点的表项中：

式中：

为节点i的1-hop邻居节点集，对于中的任意节点j，表示节点i的1-hop邻居节点j的1-hop邻居节点密度情况，即表征了节点i的2-hop邻居节点密度情况，记录满足的数量ndf，如果ndf大于节点i的1-hop邻居节点数的，则表示节点i的2-hop邻居节点密度过大，适合形成2-hop簇，否则适合形成1-hop簇，并初始化每个节点的状态为簇头。

由最小速度方差法选择出每个簇中唯一的簇头节点，其他簇头节点则降为簇成员，1-hop簇的簇头选择法为：

2-hop簇的簇头选择法为：

为了避免簇头的频繁更新和保证网络中簇结构的稳定性，对网络中可能出现的两种情况提出维护策略：

1)当一个刚进入系统的无状态车辆节点请求加入相邻簇时，选择和相邻簇头节点的(t+ts)时刻欧式距离最小的簇加入，并初始化节点的状态为簇成员，通过最小速度方差法选判断该节点是保持簇成员的状态还是成为簇头节点。

2)系统允许当车辆密度过大时，且当两个相邻1-hop簇的簇头间的(t+ts)时刻的欧式距离(估计值)小于tr时，允许两个簇合并，由于簇中只允许存在一个簇头，需要对两个簇头的(t+ts)时刻的相对移动性(估计值)进行比较，选择相对速度方差小的作为2-hop簇的簇头，另一个则降为簇成员。

图2为车辆移动仿真器vanetmobisim对车载自组织网络中车辆移动模型的建模。仿真区域为2000×1000m²，仿真时间为1000s，车道数为4，车辆的最大行驶速度为30km/h，车辆移动模型为idm-im(带有十字路口管理功能的智能驾驶员模型)。

图3和图4为本发明和最小id算法在ns-2.35中的平均时延和丢包率仿真性能图。具体参数设置为：仿真时间为100s，传播模型为两径模型，mac层协议为ieee802.11p，数据包类型为cbr，节点通信半径tr＝250m，ζ＝0.5，ε＝0.5，dfthresh＝5.71。

图3的曲线表明，随着网络中车辆节点数的增加，网络负荷增加，本发明所提算法由于综合考虑了节点的局部密度和相对移动性，自适应形成1-hop簇和2-hop簇，从而平衡网络中的簇数量和簇大小。在低密度时(车辆节点数小于60)，本发明的平均时延从3ms缓慢增长到10ms；在高密度时，增长速率稍有提高，平均时延从4ms增长到0.12s。可以看出对比算法的平均时延明显高于本发明所提算法，本发明的分簇算法更适用于对传输时延要求严格的车载自组织网络的应用。

图4的曲线表明，随着网络中车辆节点数的增加，簇数量也会相应的增加，使得节点路由的平均长度增加，从而导致丢包率也随之增加，可以看出本发明所提算法的丢包率小于对比算法。本发明的分簇算法在实现了低传输时延的同时保证了低丢包率，具有更好的鲁棒性和稳定性。