车载自组织网络中基于决策树机制的多副本路由方法
【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决策树机 制的多副本路由方法。
【背景技术】
[0002] 车载自组网络（Vehicular Ad hoc Networks, VANET)是专门为了车辆通信而设计 的自组织网络。由于车辆不断的高速运动所以其网络传输环境一般比较恶劣。VANET近几 年备受关注，在VANTE中，点对点通信对于许多应用非常需要，包括驾驶辅助系统，互联网 接入，和道路交通信息的收集。由于车辆的移动性，无线资源的有限性和无线信道的损耗 性，通过一系列中间节点寻找一条从源节点到目的节点的有效的路径是非常大的挑战。路 由的效率依赖于所有节点参与数据传输，这一系列情况使得路由选择问题比较困难。
[0003] 多副本路由策略被认为是最合适消息传递的方法，所以传染路由方式被提出。传 染路由协议是一种基于存储携带转发方式的洪泛路由协议，它有着很高的投递率和较低的 复杂性，但是同时也有很高的开销和时延，传统的路由算法为追求高的传输成功率、低的 传输延迟，通常会进行大量的数据包转发，大量的无效数据包转发成为节点资源消耗的一 个突出问题。因此，为了最大化传输率、最小化端到端时延和总体资源消耗，需要对传染 路由协议进行消息副本数量的控制，在传染路由的基础上提出了洪泛控制算法Spray and Wait，以及近期热门研究的基于社会属性的Bubb 1 e Rap路由协议来控制洪泛的程度和消息 传递的有向性。
[0004] Spray and Wait路由包含两个阶段：喷发阶段和等待阶段。在喷射阶段，类似于 传染路由的喷发方式，源节点消息生成L个消息副本，拥有此消息副本的节点将其转发给L 个不同的能接收消息副本的节点，然后进入等待阶段。等待阶段，即如果目的节点在喷射阶 段没有被发现，L个携带消息副本的节点一直等到遇见目的节点并把消息投递给它，或者到 达消息的生存时间丢弃消息。
[0005] Bubble Rap转发策略依赖于两个社会特征（社区和中心度）。消息转发的第一个 阶段是基于网络中心性的全局转发阶段，第二个阶段是基于局部中心性的局部转发阶段。 在每个阶段，消息都将向中心性高的节点转发。
[0006] 虽然以上两种协议性能较好，但是它自身也存在一些缺陷，比如，S&W协议转发固 定数量的副本，对于应用在不同的网络中，没有很好的灵活性；在车载自组织网络中，由于 它自身的一些特点，它可以获得关于周围环境的各种信息，所以可以对基础的协议进行改 进，使得更适合在车载自组织网络中的应用。并且，在第二阶段，它一直被动的等待采用直 接传输或者等到消息到达生存时间，非常不利于消息迅速而有效地投递到目的地。而对于 Bubble Rap协议，如果目标节点的所有邻居的网络中心性都较低，消息传递将会失败。
【发明内容】
[0007] 有鉴于此，本发明的目的在于提供一种车载自组织网络中基于决策树机制的多副 本路由方法，该方法根据采集的网络历史数据，对历史数据采用机器学习中的C4. 5算法， 将数据按照一定的属性进行分类、评级，并建立规则树；之后消息的转发根据当前的网络数 据和规则树对消息进行转发和携带；该方法用于在车间通信中提高消息的投递率，降低时 延并且减少资源的消耗和开销。
[0008] 为达到上述目的，本发明提供如下技术方案：
[0009] -种车载自组织网络中基于决策树机制的多副本路由方法，其特征在于：包括以 下步骤：
[0010] 步骤1、车辆对在相同网络下的历史数据（指网络中的车辆位置信息以及转发或 者接受数据的状态）进行采集；
[0011] 步骤2、对步骤1中采集的历史数据进行预处理；
[0012] 步骤3、对处理过的历史数据，采用机器学习 C4. 5学习算法，并建立相应的决策树 准则；
[0013] 步骤4、在扩散阶段，车辆节点采集当前网络的数据并递归生成决策规则，看是否 符合扩散规则并以二分法进行扩散；
[0014] 步骤5、在转发阶段，车辆节点采集当前网络的数据，将数据发送到规则树入口，看 是否符合转发规则，进行数据包的转发。
[0015] 进一步，在步骤1中，车辆收集到历史节点网络环境和节点自身的属性，将其定义 为车辆数据集：V1= (A u A2, L，4)，即所选取的类别属性，其中1为车辆标记数据集的个数； 车辆约束数据集：Vu= (A u A2, L，Au)，即在车辆数据集的前提下，对其进行数据处理所得出 的结果，其中Vue V^u e 1。
[0016] 进一步，在步骤2中，根据车辆属性建立车辆属性集合A = (a1，a2, L, am)，其中，m 为车辆属性个数，aj，j e (1，2, L，m)代表车辆节点在网络中或者自身的第j个属性。
[0017] 进一步，在步骤3中，对于收集到的车辆属性集合A，依据决策树C4. 5学习方法， 计算出车辆网络信息熵
其中，S为 跟踪投递数据集，目标变量(^有k个分类；ratio (C S)表示S中目标属性(^所占比例，其 中，i = 0, 1，〃0〃表示投递失败，"1〃表示投递成功；|s|表示数据集S中的样本个数之和；
[0018] 再计算出网络属性条件熵：
设车辆的某种属性 变量为T，有η个分类（这里的分类数η = 0, 1，2L)，其中，^表示考虑该属性时该属性的分 类集合（j = 〇, 1，2L);
[0019] 根据计算出的车辆网络信息熵Info(S)和网络属性条件熵Info(T)，得出车辆网 络中属性变量T对该网络带来的信息增益为，VehicleGain(T) = Info(S)-Info(T)，同时， 车辆网络中属性变量T对该网络带来的车辆信息增益率为，
[0022] 依据生成的车辆信息增益率VehicleGainRatioCT)，利用决策树C4. 5学习算法生 成决策规则树；依据决策规则树对每次相遇的车辆节点进行决策规则树搜索，如果满足决 策规则，则采用二分法进行副本的扩散。
[0023] 进一步，在步骤4中，车辆根据决策规则进行数据包转发，车辆首先收集当前网络 的数据，预处理后送入决策规则进行匹配，如果匹配规则且当前车辆携带的副本数大于1， 则将进行转发的数据包按"二分法"进行扩散；如若不匹配则等待下次相遇机会；
[0024] 当每辆车携带的数据包副本数仅剩一个副本时，结束扩散阶段，进入转发阶段；在 转发阶段同样根据决策规则树主动进行下一跳的选择和转发；同时，对于决策规则树的更 新，需要对历史数据进行重新采集。
[0025] 进一步，在步骤5中，在转发阶段同样根据决策规则主动进行下一跳的选择和转 发，可以有效降低投递延时；同时，对于决策规则树的更新，需要对历史数据进行重新采集 建立新的决策规则。
[0026] 本发明的有益效果在于：本发明提供的路由方法解决了在多副本路由中消息副本 数盲目洪泛带来的网络开销过大的问题，同时也解决了由于被动地采用直接传输使得投递 率不高以及时延较大的问题，该方法相比于传统方法及时性、可靠性等性能更强，更适合高 动态拓扑的车载自组织网络。
【附图说明】
[0027] 为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行 说明：
[0028] 图1为本发明实施例提供的多副本决策树机制的扩散阶段流程图；
[0029] 图2为本发明路由方法中的主动选择下一跳阶段的流程图；
[0030] 图3为在本发明的扩散阶段车辆方向角度的场景图；
[0031] 图4为在本发明的扩散阶段扩散（转发）角度场景示意图；
[0032] 图5为在本发明的决策树C4. 5算法流程图。
【具体实施方式】
[0033] 本发明所述的方法，在扩散阶段：车辆源节点首先获得L个消息副本；通过定位系 统获取当前位置信息、目的地位置信息，通过对当前车联网环境属性的采集