AFSgydF4y2Ba 模糊系统的进步gydF4y2Ba 1687 - 711 xgydF4y2Ba 1687 - 7101gydF4y2Ba HindawigydF4y2Ba 10.1155 / 2018/7210253gydF4y2Ba 7210253gydF4y2Ba 研究文章gydF4y2Ba 多目标优化VANETs路由协议gydF4y2Ba http://orcid.org/0000 - 0001 - 7537 - 9682gydF4y2Ba 法赫德gydF4y2Ba Taqwa O。gydF4y2Ba 1gydF4y2Ba 阿里gydF4y2Ba Abduladhem。gydF4y2Ba 2gydF4y2Ba 刘gydF4y2Ba JiefenggydF4y2Ba 1gydF4y2Ba 科技大学的gydF4y2Ba 伊拉克gydF4y2Ba uotechnology.edu.iqgydF4y2Ba 2gydF4y2Ba 计算机工程系gydF4y2Ba 巴士拉大学gydF4y2Ba 伊拉克gydF4y2Ba uobasrah.edu.iqgydF4y2Ba 2018年gydF4y2Ba 11gydF4y2Ba 12gydF4y2Ba 2018年gydF4y2Ba 2018年gydF4y2Ba 25gydF4y2Ba 05年gydF4y2Ba 2018年gydF4y2Ba 30.gydF4y2Ba 10gydF4y2Ba 2018年gydF4y2Ba 26gydF4y2Ba 11gydF4y2Ba 2018年gydF4y2Ba 11gydF4y2Ba 12gydF4y2Ba 2018年gydF4y2Ba 2018年gydF4y2Ba 版权©2018 Taqwa o·法赫德Abduladhem阿里。gydF4y2Ba 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。gydF4y2Ba

车载ad hoc网络(VANET)路由协议已经吸引了相当大的注意研究和工业社区,由于其在智能交通系统应用程序中重要的角色。本文采用一种优化集成的多播、多准则,自适应路由寿命作为VANETs路由协议。选择,只有一个最优的子集的邻居车辆(RREQ)消息传递路线的要求基于距离,方向,速度,和未来的方向信息sender-receiver相结合的方式。其中选择最优路径路由发现,最好的路线以最低的成本将被选为指定的时间转发数据包分配取决于获得成本和中间路线的车辆的数量。模糊控制器是用来评估路线的成本和一生。此外,人工蜂群(ABC)算法被用来同时优化所有使用模糊系统,获得最佳的最高等级的链接内的成本价值的邻居可以选为中继节点在路由发现过程。仿真结果证明提出的路由方案极大地提高了网络性能在城市和高速公路场景,在不同情况下的车辆密度。gydF4y2Ba

 1。介绍gydF4y2Ba

车载网络(gydF4y2Ba 1gydF4y2Ba,gydF4y2Ba 2gydF4y2Ba)是一种很有前途的技术,使智能车能够无线消息交换,以达到更方便和更安全的交通系统。这些信息可能包括交通流信息条件下,自适应旅行援助,警告和警报,和停车或加油站可用性,以及娱乐应用程序。gydF4y2Ba

这些无数VANET的应用大大依赖VANET路由协议(gydF4y2Ba 3gydF4y2Ba,gydF4y2Ba 4gydF4y2Ba),起源于前无线移动ad hoc网络(MANET)算法,但都进行了广泛的改革应对VANET的特点和要求。gydF4y2Ba

独特的VANET高度移动的车辆的特点,覆盖范围有限,间歇性地无线连接,和交通密度,除了在道路限制运动模式和交通规则,使这些挑战提供更可靠和高效的路由协议网络仍然是一个开放的研究课题;最近的一些相关研究。gydF4y2Ba

李等人。gydF4y2Ba 5gydF4y2Ba]提出一种自适应的QoS路由通过使用终端十字路口和蚁群算法搜索最优路线基于连通概率、包交货率和延迟。gydF4y2Ba

Al-Kharasani et al。gydF4y2Ba 6gydF4y2Ba]提出一种粒子群优化调整链路状态路由协议的考虑多个目标优化吞吐量,包交货率,延迟,评价适应度函数和归一化的路由开销。gydF4y2Ba

拉蒂夫et al。gydF4y2Ba 7gydF4y2Ba)提供一个算法来选择下一个货代车辆通过使用基于多准则的数学公式考虑方向,位置,和距离的车辆对车辆来源。gydF4y2Ba

Zhang et al。gydF4y2Ba 8gydF4y2Ba)建议多播路由协议基于microartificial蜜蜂殖民地,在能源消耗和传输延迟是衡量质量。gydF4y2Ba

苗族et al。gydF4y2Ba 9gydF4y2Ba]目前的基于模糊逻辑的路由方案,提出广播数据包根据不分明化两个因素对距离和时间延迟。gydF4y2Ba

纳比尔et al。gydF4y2Ba 10gydF4y2Ba)提出一个方案来选择最稳定的路线并预测其一生通过计算车辆的邻国的链接稳定时间根据数学方程考虑四例相同或相反方向的运动速度相同。gydF4y2Ba

然而,当前的研究代表的必不可少的独特性主要解决三个关键问题VANET的路由关联形式;第一个问题是盲人广播路由请求(RREQ)消息的路由发现阶段,导致高控制消息开销和数据包碰撞问题尤其是在高密集的网络,甚至在一个稀疏的网络数据包传输速度高。gydF4y2Ba

而第二个问题作为高路线破损结果遗漏的一些影响标准在路线选择过程中,导致大量的错误消息和数据包丢失。gydF4y2Ba

而第三个问题对待使用固定路线的困境一生,不管所选路线的情况,这可能会导致破坏一些有效的线路或考虑一些其他有效当他们打破。gydF4y2Ba

虽然有很多工作上面的前两个问题(gydF4y2Ba 7gydF4y2Ba- - - - - -gydF4y2Ba 9gydF4y2Ba,gydF4y2Ba 11gydF4y2Ba- - - - - -gydF4y2Ba 13gydF4y2Ba),他们大多只考虑两个或三个因素的研究。还有一些是完全基于发送方指定中继节点(gydF4y2Ba 11gydF4y2Ba,gydF4y2Ba 12gydF4y2Ba),通常需要交换周期你好消息,而其他人则是完全基于接收机来确定是否重播包(gydF4y2Ba 9gydF4y2Ba,gydF4y2Ba 13gydF4y2Ba),因此一些冗余的广播仍未消除。gydF4y2Ba

另一方面,一些作品参加第三次提到困境VANET的路由环境(gydF4y2Ba 10gydF4y2Ba,gydF4y2Ba 14gydF4y2Ba];他们主要依赖于数学模型,只考虑两个因素。gydF4y2Ba

尤其是这提出协议包含的原则模糊系统来提高特设的决策过程按需距离矢量路由协议(AODV)车载网络环境通过评估成本的联系每个邻居sender-receiver相结合的方式,考虑到距离和方向的信息发送者,除了考虑速度和未来方向信息接收机。这是为了选择只有一个子集的最佳中继邻居路由发现过程,以及选择携带数据的最佳途径。此外,它可以预测的生命周期每个选定的路线考虑其获得成本,除了数量的啤酒花。此外,美国广播公司(ABC)优化算法用于生成提出模糊会员的顶点和规则,除了阈值选择继电器邻居的联系成本。gydF4y2Ba

更具体地说,该方案的主要贡献的钥匙在目前的工作可以概括如下:gydF4y2Ba

三步优化使用模糊系统在路由发现阶段,关于中继节点选择和适当的路线考虑最有效的稳定因素,除了指定每个路线。gydF4y2Ba

结合sender-receiver-based多播路由协议没有使用周期你好数据包的开销,以及减轻完全receiver-based转发决定人的缺点。gydF4y2Ba

小说稳定系数对未来方向的车辆被认为是在路由发现阶段,没有转移这一基准保持车辆安全的未来运动。gydF4y2Ba

多种因素的距离、方向、速度、未来方向,啤酒花在方案中考虑。gydF4y2Ba

使用人工蜂群优化Automatic-extracted模糊控制器。gydF4y2Ba

四个目标的优化过程是:包交货率和吞吐量最大化,最小化延迟和控制数据包的数量。gydF4y2Ba

剩下的纸是组织如下:部分gydF4y2Ba 2gydF4y2Ba描述了本研究中使用的优化算法。部分gydF4y2Ba 3gydF4y2Ba提供了提出的路由方案的细节。仿真参数和比较研究的结果发表在部分gydF4y2Ba 4gydF4y2Ba。最后,结论和建议未来作品授予部分gydF4y2Ba 5gydF4y2Ba。gydF4y2Ba

 2。采用优化方法gydF4y2Ba 2.1。人工蜂群(ABC)优化gydF4y2Ba

ABC优化(gydF4y2Ba 15gydF4y2Ba- - - - - -gydF4y2Ba 17gydF4y2Ba)是一种基于群智能的方案,模拟蜜蜂殖民地的觅食行为。gydF4y2Ba

它是简单和灵活的算法,需要一些参数调整;此外,它可以杂化与其他智能算法很容易。gydF4y2Ba

此外,许多研究[gydF4y2Ba 18gydF4y2Ba- - - - - -gydF4y2Ba 20.gydF4y2Ba]证明了使用ABC优化和杂交的效率和准确性在许多其他流行的优化方法。gydF4y2Ba

ABC的总体结构优化算法包括三组人工蜜蜂:,旁观者,侦察蜂。gydF4y2Ba

每个雇佣蜂与食物来源(可能的解决方案)和股票的位置信息和花蜜量(质量或健身成本)这些来源的旁观者蜜蜂进行进一步处理。旁观者蜜蜂决定最好的盈利来源食物根据概率选择过程。当食物来源并不能提高既定数量的试验中,食物来源是被蜜蜂和相应的采用蜜蜂成为侦察蜂。gydF4y2Ba

更多细节关于ABC算法给出如下:gydF4y2Ba

首先,让gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba (gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 1gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba DgydF4y2Ba ]gydF4y2Ba 表示gydF4y2Ba 我gydF4y2BathgydF4y2Ba在人口的解决方案,gydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 1、2gydF4y2Ba ,gydF4y2Ba …gydF4y2Ba ,gydF4y2Ba 年代gydF4y2Ba NgydF4y2Ba ;然而,gydF4y2Ba SNgydF4y2Ba解决方案的大小反映了人口和被认为是一半的蜜蜂殖民地(=蜜蜂或旁观者蜜蜂的数量),gydF4y2Ba DgydF4y2Ba代表的数量优化参数。gydF4y2Ba

2.1.1。美国广播公司(ABC)初始化阶段gydF4y2Ba

ABC生成一个随机分布的初始种群gydF4y2Ba SNgydF4y2Ba解决方案的边界范围内根据以下方程:gydF4y2Ba (1)gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba xgydF4y2Ba jgydF4y2Ba 米gydF4y2Ba 我gydF4y2Ba ngydF4y2Ba +gydF4y2Ba xgydF4y2Ba jgydF4y2Ba 米gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba - - - - - -gydF4y2Ba xgydF4y2Ba jgydF4y2Ba 米gydF4y2Ba 我gydF4y2Ba ngydF4y2Ba ∗gydF4y2Ba rgydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba dgydF4y2Ba 0 1gydF4y2Ba

在哪里gydF4y2Ba xgydF4y2Ba jgydF4y2Ba 米gydF4y2Ba 我gydF4y2Ba ngydF4y2Ba 和gydF4y2Ba xgydF4y2Ba jgydF4y2Ba 米gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba 的上下界限吗gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 。gydF4y2Ba

解决方案生成、适应度函数gydF4y2Ba 适合gydF4y2Ba我gydF4y2Ba人口是所有初始解的评估。gydF4y2Ba

 2.1.2。美国广播公司雇佣蜂阶段gydF4y2Ba

在这个阶段中,每一个解决方案是分配给一个员工蜜蜂,它生成一个修改的位置的解决方案如下:gydF4y2Ba (2)gydF4y2Ba vgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba =gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba +gydF4y2Ba φgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 。gydF4y2Ba xgydF4y2Ba kgydF4y2Ba jgydF4y2Ba - - - - - -gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba

在哪里gydF4y2Ba vgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是突变体解决方案最初的解决方案,gydF4y2Ba φgydF4y2Ba 我gydF4y2Ba jgydF4y2Ba 是一个随机号码范围gydF4y2Ba (gydF4y2Ba - - - - - -gydF4y2Ba 1,- 1gydF4y2Ba ]gydF4y2Ba k是我的邻居,gydF4y2Ba kgydF4y2Ba ≠gydF4y2Ba 我gydF4y2Ba 。gydF4y2Ba

之后,一个贪婪的选择是由最初的解决方案及其突变体之间的雇佣蜂根据他们的健康评估值。gydF4y2Ba

 2.1.3。概率计算阶段gydF4y2Ba

对于每一个解决方案,一个概率值gydF4y2Ba pgydF4y2Ba 我gydF4y2Ba 正比于其质量计算gydF4y2Ba (3)gydF4y2Ba pgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba fgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ∑gydF4y2Ba ngydF4y2Ba =gydF4y2Ba 1gydF4y2Ba 年代gydF4y2Ba NgydF4y2Ba fgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba ngydF4y2Ba

2.1.4。ABC旁观者蜜蜂阶段gydF4y2Ba

旁观者蜜蜂评估的信息来自于蜜蜂和选择概率值最高的解决方案。接下来,一样的工作阶段的位置调整机制和贪婪选择应用的旁观者蜜蜂记忆更好的解决方案。gydF4y2Ba

 2.1.5节讨论。ABC侦察蜂阶段gydF4y2Ba

如果一个解决方案并不能提高一个预定义的试验(超过一个控制参数gydF4y2Ba 限制gydF4y2Ba),解决方案是废弃的,其相应的蜜蜂成为侦察蜂取代它与一个新的随机解决方案使用(gydF4y2Ba 1gydF4y2Ba)。gydF4y2Ba

以上四个阶段的执行将被重复,直到达到最大数量的循环搜索,获得最好的解决方案是作为优化的输出。gydF4y2Ba

 2.2。ABC优化模糊系统gydF4y2Ba

模糊逻辑(gydF4y2Ba 21gydF4y2Ba,gydF4y2Ba 22gydF4y2Ba)已被广泛用于支持许多智能建立真实世界系统尤其是在不精确和不确定的信息。gydF4y2Ba

通常,知识库单元由数据库和规则库代表任何模糊系统的核心。gydF4y2Ba

然而,手动生成的模糊知识库取决于系统知识和试验和错误过程是一个非常繁琐和费时的任务。此外,它并不能保证最优体系的建设。gydF4y2Ba

作为ABC优化解决方案,提出了自动提取最优规则集,与“不在乎”条件探索更紧凑的规则获取和优化所有提出的模糊控制器的隶属度函数。gydF4y2Ba

因为所有提出的模糊控制器是依赖,顶点集合的隶属函数的模糊输入和输出,除了顺向的语言学规则,编码到食物来源如图gydF4y2Ba 1gydF4y2Ba保证整个模型的同步生长参数在给定的搜索空间。gydF4y2Ba

食物来源结构。gydF4y2Ba

为了减少数量的优化参数加快优化过程,所用的隶属度函数,提出了模糊控制器将三角形的类型,因为它已被证明的效率比其他类型的网络模型(gydF4y2Ba 23gydF4y2Ba- - - - - -gydF4y2Ba 26gydF4y2Ba]。gydF4y2Ba

三个语言术语与每个模糊关联输入(低、中、高)和5为输出(非常低,低、中、高,非常高)来获得更多的准确性。gydF4y2Ba

将在下一节中介绍,最模糊输入比例形式,所以第一个和最后一个会员点是固定的,不需要优化。这给共有五个成员需要优化的点代表每个模糊输入,如图gydF4y2Ba 2gydF4y2Ba。gydF4y2Ba

模糊输入会员点进行了优化。gydF4y2Ba

类似于上面的机制中,共有11个成员需要优化的点代表第一个两个模糊控制器输出,并添加一个额外的点在过去的模糊控制器输出获得最大最优路线一生。gydF4y2Ba

在其他方面,生成最优规则库集合,模糊输出语言术语编码到真正的数字从1到5,和“0”值用于表示规则缺失。因此,每个规则前期可能需要一个整数值从0到5,这样“1”代表“非常低”,“2”代表“低”,等等。gydF4y2Ba

此外,优化过程,这项工作的目的是探索最好的模糊模型除了链接等级阈值,将纳入提出的路由算法,以满足最大化的最佳网络性能结果通过多个目标包交货率(PDR)和吞吐量(Th)和最小化延迟(D)和(C)控制的数据包数量。gydF4y2Ba

这需要整合网络模拟和优化过程来评估网络性能响应为一个特定的时间间隔(t)在每个可用的解决方案。gydF4y2Ba

加权和用于这些多个目标合并成一个目标函数gydF4y2Ba (4)gydF4y2Ba 米gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba 米gydF4y2Ba 我gydF4y2Ba zgydF4y2Ba egydF4y2Ba FgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba wgydF4y2Ba 1gydF4y2Ba 。gydF4y2Ba fgydF4y2Ba PgydF4y2Ba DgydF4y2Ba RgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba wgydF4y2Ba 2gydF4y2Ba 。gydF4y2Ba fgydF4y2Ba TgydF4y2Ba hgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba wgydF4y2Ba 3gydF4y2Ba 。gydF4y2Ba 1gydF4y2Ba fgydF4y2Ba DgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba +gydF4y2Ba wgydF4y2Ba 4gydF4y2Ba 。gydF4y2Ba 1gydF4y2Ba fgydF4y2Ba CgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba

在各个客观因素项是合格之间的比率获得性能指标的应用解决方案(gydF4y2Ba xgydF4y2Ba 我gydF4y2Ba )对已经取得的原始结果通过传统的协议,以量化的效率变化在每个评估期内使用可用的解决方案模型下提出的路由协议gydF4y2Ba (5)gydF4y2Ba fgydF4y2Ba PgydF4y2Ba DgydF4y2Ba RgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba PDRgydF4y2Ba OFAODVgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba PgydF4y2Ba DgydF4y2Ba RgydF4y2Ba 一个gydF4y2Ba OgydF4y2Ba DgydF4y2Ba VgydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba (6)gydF4y2Ba fgydF4y2Ba TgydF4y2Ba hgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba TgydF4y2Ba HgydF4y2Ba RgydF4y2Ba OgydF4y2Ba UgydF4y2Ba GgydF4y2Ba HgydF4y2Ba PgydF4y2Ba UgydF4y2Ba TgydF4y2Ba OFAODVgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba TgydF4y2Ba HgydF4y2Ba RgydF4y2Ba OgydF4y2Ba UgydF4y2Ba GgydF4y2Ba HgydF4y2Ba PgydF4y2Ba UgydF4y2Ba TgydF4y2Ba 一个gydF4y2Ba OgydF4y2Ba DgydF4y2Ba VgydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba (7)gydF4y2Ba fgydF4y2Ba DgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba 米gydF4y2Ba EgydF4y2Ba 一个gydF4y2Ba NgydF4y2Ba DgydF4y2Ba EgydF4y2Ba lgydF4y2Ba 一个gydF4y2Ba YgydF4y2Ba OFAODVgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba 米gydF4y2Ba EgydF4y2Ba 一个gydF4y2Ba NgydF4y2Ba DgydF4y2Ba EgydF4y2Ba lgydF4y2Ba 一个gydF4y2Ba YgydF4y2Ba 一个gydF4y2Ba OgydF4y2Ba DgydF4y2Ba VgydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba (8)gydF4y2Ba fgydF4y2Ba CgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba =gydF4y2Ba NgydF4y2Ba ogydF4y2Ba 。gydF4y2Ba OgydF4y2Ba FgydF4y2Ba CgydF4y2Ba OgydF4y2Ba NgydF4y2Ba TgydF4y2Ba RgydF4y2Ba OgydF4y2Ba lgydF4y2Ba PgydF4y2Ba 一个gydF4y2Ba CgydF4y2Ba KgydF4y2Ba EgydF4y2Ba TgydF4y2Ba 年代gydF4y2Ba OFAODVgydF4y2Ba xgydF4y2Ba 我gydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba NgydF4y2Ba ogydF4y2Ba 。gydF4y2Ba OgydF4y2Ba FgydF4y2Ba CgydF4y2Ba OgydF4y2Ba NgydF4y2Ba TgydF4y2Ba RgydF4y2Ba OgydF4y2Ba lgydF4y2Ba PgydF4y2Ba 一个gydF4y2Ba CgydF4y2Ba KgydF4y2Ba EgydF4y2Ba TgydF4y2Ba 年代gydF4y2Ba 一个gydF4y2Ba OgydF4y2Ba DgydF4y2Ba VgydF4y2Ba tgydF4y2Ba =gydF4y2Ba 0gydF4y2Ba tgydF4y2Ba =gydF4y2Ba One hundred.gydF4y2Ba 年代gydF4y2Ba

同时,根据事实的四个性能指标是同样的实质性的和所有测量因素属于相同的范围内,0.25已经分配给每个重量值(gydF4y2Ba wgydF4y2Ba kgydF4y2Ba )。gydF4y2Ba

 3所示。提出了路由方案gydF4y2Ba

首先假定每辆车配备了GPS导航系统设备(gydF4y2Ba 27gydF4y2Ba,gydF4y2Ba 28gydF4y2Ba更新车辆的位置信息,路线图,和交通信息,除了multiplanned目的地的方向。此外,假设一个阵列天线gydF4y2Ba 29日gydF4y2Ba,gydF4y2Ba 30.gydF4y2Ba)是利用在每辆车的位置和角运动的邻居车辆。gydF4y2Ba

除了假设问题,提出的路由方案gydF4y2Ba 优化模糊AODV (OFAODV)gydF4y2Ba查找来优化最常用的路由协议在文学:AODV路由协议(gydF4y2Ba 31日gydF4y2Ba,gydF4y2Ba 32gydF4y2Ba在路由发现阶段三个阶段内)。前两个阶段是在发送(RREQ)之前进行数据包,而最后一个阶段是一生关于指定所选路线的路由应答包。gydF4y2Ba

在第一个阶段(图修改gydF4y2Ba 3gydF4y2Ba),每个车辆评估每单邻居链接排名(gydF4y2Ba 排我gydF4y2Ba)之前发送RREQ包使用模糊逻辑相结合的邻居车辆方向的两个因素对目的地的方向,除了距离因素,作为下一个节点之间的比率来计算距离目的地作为当前节点距离目的地的比例如下:gydF4y2Ba (9)gydF4y2Ba 方向的因素gydF4y2Ba =gydF4y2Ba NgydF4y2Ba egydF4y2Ba 我gydF4y2Ba ggydF4y2Ba hgydF4y2Ba bgydF4y2Ba ogydF4y2Ba rgydF4y2Ba DgydF4y2Ba 我gydF4y2Ba rgydF4y2Ba egydF4y2Ba cgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba ggydF4y2Ba lgydF4y2Ba egydF4y2Ba - - - - - -gydF4y2Ba DgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba tgydF4y2Ba 。gydF4y2Ba DgydF4y2Ba 我gydF4y2Ba rgydF4y2Ba egydF4y2Ba cgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba ggydF4y2Ba lgydF4y2Ba egydF4y2Ba 180年gydF4y2Ba 0gydF4y2Ba (10)gydF4y2Ba 距离的因素gydF4y2Ba =gydF4y2Ba 距离邻居服务台。gydF4y2Ba 当前节点距离桌子。gydF4y2Ba

额外的步骤之前OFAODV RREQ发送/前进。gydF4y2Ba

因此,只有三个邻居最少的指定链接排名作为中继节点,只有获得链接的等级小于某一特定值gydF4y2Ba Rank1_High(阈值)gydF4y2Ba。gydF4y2Ba

第二个调优阶段(图gydF4y2Ba 4gydF4y2Ba)开始到达RREQ包到中继节点,评估gydF4y2Ba 排名第二gydF4y2Ba链接的价值成本使用其他模糊系统关节,其他两个因素变化的未来方向的车辆和当前和以前的车辆之间的速度差异如下:gydF4y2Ba (11)gydF4y2Ba 下一个方向的因素gydF4y2Ba =gydF4y2Ba NgydF4y2Ba ogydF4y2Ba dgydF4y2Ba egydF4y2Ba NgydF4y2Ba egydF4y2Ba xgydF4y2Ba tgydF4y2Ba DgydF4y2Ba 我gydF4y2Ba rgydF4y2Ba egydF4y2Ba cgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba ggydF4y2Ba lgydF4y2Ba egydF4y2Ba - - - - - -gydF4y2Ba NgydF4y2Ba ogydF4y2Ba dgydF4y2Ba egydF4y2Ba CgydF4y2Ba ugydF4y2Ba rgydF4y2Ba rgydF4y2Ba egydF4y2Ba ngydF4y2Ba tgydF4y2Ba DgydF4y2Ba 我gydF4y2Ba rgydF4y2Ba egydF4y2Ba cgydF4y2Ba tgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ngydF4y2Ba 一个gydF4y2Ba ngydF4y2Ba ggydF4y2Ba lgydF4y2Ba egydF4y2Ba 180年gydF4y2Ba 0gydF4y2Ba (12)gydF4y2Ba 速度的因素gydF4y2Ba =gydF4y2Ba NgydF4y2Ba ogydF4y2Ba dgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba pgydF4y2Ba egydF4y2Ba egydF4y2Ba dgydF4y2Ba - - - - - -gydF4y2Ba PgydF4y2Ba rgydF4y2Ba egydF4y2Ba vgydF4y2Ba 我gydF4y2Ba ogydF4y2Ba ugydF4y2Ba 年代gydF4y2Ba NgydF4y2Ba ogydF4y2Ba dgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba pgydF4y2Ba egydF4y2Ba egydF4y2Ba dgydF4y2Ba 米gydF4y2Ba 一个gydF4y2Ba xgydF4y2Ba 一个gydF4y2Ba lgydF4y2Ba lgydF4y2Ba ogydF4y2Ba wgydF4y2Ba 一个gydF4y2Ba bgydF4y2Ba lgydF4y2Ba egydF4y2Ba 年代gydF4y2Ba pgydF4y2Ba egydF4y2Ba egydF4y2Ba dgydF4y2Ba

对RREQ OFAODV接受额外的步骤。gydF4y2Ba

RREQ包将转发只有在获得排名第二的价值链接的成本小于某个特定值gydF4y2Ba Rank2_High阈值(2)gydF4y2Ba。gydF4y2Ba

此外,与最少的综合等级I +等级II成本将被选择来构造最优路由到目的地。gydF4y2Ba

最后修改阶段之前执行目的地发送路由应答包,和路线的信息成本和收到的啤酒花RREQ包合并使用模糊逻辑来预测所选路线。gydF4y2Ba

此外,Rank1_High的值,Rank2_High模糊隶属度函数的顶点,和模糊规则优化使用ABC算法(如前一节所述)旨在提高最重要的网络性能的结果。gydF4y2Ba

 4所示。仿真模型和结果gydF4y2Ba

模拟区域的3公里3公里的巴士拉城的地图生成和i95公路使用双向耦合的相扑和OMNeT + +模拟器允许车辆交通动力学之间的直接交互和网络通信系统。1000模拟秒,100,200,300,400,和500辆模拟在每个模拟地图TraCI流动模型,每个车都有传播范围250米,IEEE 802.11便士作为介质访问控制协议,和UDP数据流量生成与512 b为每个发送数据包的大小。gydF4y2Ba

另一方面,目前提出的路由协议gydF4y2Ba (OFAODV)gydF4y2Ba模拟并与其他三个协议:gydF4y2Ba AODVgydF4y2Ba路由协议,模糊逻辑基于转发路由优化gydF4y2Ba (FLRBF)gydF4y2Ba(gydF4y2Ba 9gydF4y2Ba),和基于模糊的AODV路由gydF4y2Ba (FAODV)gydF4y2Ba关于数量的继电器,即三个标准车辆,距离,速度运动的汽车被认为是使用模糊逻辑路线选择决策。gydF4y2Ba

所有模拟协议的性能评估是进行包交货率(图gydF4y2Ba 5gydF4y2Ba(图),吞吐量gydF4y2Ba 6gydF4y2Ba),平均延迟(图gydF4y2Ba 7gydF4y2Ba),和发送控制包(图的数量gydF4y2Ba 8gydF4y2Ba)。gydF4y2Ba

包交货率(%)比没有。的车辆。gydF4y2Ba

城市场景gydF4y2Ba

高速公路场景gydF4y2Ba

吞吐量(pkt /秒)和没有。的车辆。gydF4y2Ba

城市场景gydF4y2Ba

高速公路场景gydF4y2Ba

意味着延迟(Sec)比没有。的车辆。gydF4y2Ba

城市场景gydF4y2Ba

高速公路场景gydF4y2Ba

不。发送控制包和不。的车辆。gydF4y2Ba

城市场景gydF4y2Ba

高速公路场景gydF4y2Ba

结果显然证明了网络性能的显著提高使用该方法时(OFAODV路由)平均为23.15%,45.77%,75.15%,和57.65%的传统AODV协议在PDR、吞吐量、延迟,和发送ctrl包,数量分别为13.84%,27.56%,40.22%,和22.43%的比例达到改善通过FAODV协议,和升级平均为9.47%,17.14%,30.38%,18%在FLRBF协议。gydF4y2Ba

 5。结论gydF4y2Ba

目前的工作介绍了最优路由方法,消除了传播RREQ数据包;也可以减少路线错误和争用开销增加的效率选择的路线,能够预测他们的最佳的一生。gydF4y2Ba

为了适应,三两个输入模糊系统都采用基于多个标准的距离、方向、速度、未来的方向,和跳数信息。gydF4y2Ba

此外,人工蜂群优化算法用于自动提取这些模糊系统的会员和规则,以及获取链接成本限制在中继节点选择。gydF4y2Ba

仿真结果验证了提出的路由协议显著提高网络性能包交货率、吞吐量、端到端延迟,和控制数据包的数量在城市和高速公路环境中在不同条件下的车辆密度。gydF4y2Ba

 数据可用性gydF4y2Ba

使用的数据来支持本研究的发现可以从相应的作者。gydF4y2Ba

 的利益冲突gydF4y2Ba

作者宣称没有利益冲突。gydF4y2Ba

 LaouitigydF4y2Ba 一个。gydF4y2Ba QayyumgydF4y2Ba 一个。gydF4y2Ba 萨德gydF4y2Ba 米gydF4y2Ba 车载自组网的智能城市gydF4y2Ba 2017年gydF4y2Ba 施普林格gydF4y2Ba AbbasigydF4y2Ba 我一个。gydF4y2Ba 汗gydF4y2Ba 答:S。gydF4y2Ba 车辆,车辆通信协议的审查VANETs城市环境gydF4y2Ba 未来的互联网gydF4y2Ba 2018年gydF4y2Ba 10gydF4y2Ba 2gydF4y2Ba 2 - s2.0 - 85042128196gydF4y2Ba 迪克西特gydF4y2Ba M。gydF4y2Ba 库马尔gydF4y2Ba R。gydF4y2Ba SagargydF4y2Ba 答:K。gydF4y2Ba VANET:架构、研究问题,路由协议,其应用程序gydF4y2Ba 学报2016年IEEE国际会议上计算、通信和自动化(ICCCA 16)gydF4y2Ba 2016年4月gydF4y2Ba 555年gydF4y2Ba 561年gydF4y2Ba 10.1109 / CCAA.2016.7813782gydF4y2Ba 2 - s2.0 - 85011085110gydF4y2Ba 耆那教徒的gydF4y2Ba M。gydF4y2Ba SaxenagydF4y2Ba R。gydF4y2Ba VANET的概述:需求及其路由协议gydF4y2Ba 《2017年国际会议上沟通和信号处理(ICCSP)gydF4y2Ba 2017年4月gydF4y2Ba 钦奈gydF4y2Ba 1957年gydF4y2Ba 1961年gydF4y2Ba 10.1109 / ICCSP.2017.8286742gydF4y2Ba 李gydF4y2Ba G。gydF4y2Ba BoukhatemgydF4y2Ba lgydF4y2Ba 吴gydF4y2Ba J。gydF4y2Ba 自适应Quality-of-Service-Based车载Ad Hoc网络路由和蚁群优化gydF4y2Ba IEEE车辆技术gydF4y2Ba 2017年gydF4y2Ba 66年gydF4y2Ba 4gydF4y2Ba 3249年gydF4y2Ba 3264年gydF4y2Ba 10.1109 / TVT.2016.2586382gydF4y2Ba 2 - s2.0 - 85018948620gydF4y2Ba Al-KharasanigydF4y2Ba n·M。gydF4y2Ba ZulkarnaingydF4y2Ba z。gydF4y2Ba 苏gydF4y2Ba 年代。gydF4y2Ba HanapigydF4y2Ba z . M。gydF4y2Ba 一个有效的框架模型在vanets优化路由性能gydF4y2Ba 传感器gydF4y2Ba 2018年gydF4y2Ba 18gydF4y2Ba 2gydF4y2Ba 2 - s2.0 - 85042256660gydF4y2Ba 拉蒂夫gydF4y2Ba 年代。gydF4y2Ba MahfoozgydF4y2Ba 年代。gydF4y2Ba 1月gydF4y2Ba B。gydF4y2Ba 艾哈迈德gydF4y2Ba N。gydF4y2Ba 法曼gydF4y2Ba H。gydF4y2Ba 汗gydF4y2Ba M。gydF4y2Ba JavedgydF4y2Ba H。gydF4y2Ba 基于多准则下货代选择数据传播在车载Ad Hoc网络使用网络分析法gydF4y2Ba 数学问题在工程gydF4y2Ba 2017年gydF4y2Ba 2017年gydF4y2Ba 18gydF4y2Ba 4671892gydF4y2Ba 10.1155 / 2017/4671892gydF4y2Ba 2 - s2.0 - 85031944358gydF4y2Ba 张gydF4y2Ba X。gydF4y2Ba 张gydF4y2Ba X。gydF4y2Ba 顾gydF4y2Ba C。gydF4y2Ba micro-artificial蜜蜂殖民地建立多播路由在车辆特设网络gydF4y2Ba 特设网络gydF4y2Ba 2017年gydF4y2Ba 58gydF4y2Ba 213年gydF4y2Ba 221年gydF4y2Ba 2 - s2.0 - 84977596821gydF4y2Ba 10.1016 / j.adhoc.2016.06.009gydF4y2Ba 苗族gydF4y2Ba Z。gydF4y2Ba 蔡gydF4y2Ba X。gydF4y2Ba 罗gydF4y2Ba Q。gydF4y2Ba 越南盾gydF4y2Ba W。gydF4y2Ba 转发广播数据包的FLRBF方案优化车辆的特设网络gydF4y2Ba 美国27日IEEE年度个人国际研讨会,室内,和移动无线电通信,PIMRC 2016gydF4y2Ba 2016年9月gydF4y2Ba 西班牙gydF4y2Ba 2 - s2.0 - 85010034569gydF4y2Ba 纳比尔gydF4y2Ba M。gydF4y2Ba HajamigydF4y2Ba 一个。gydF4y2Ba HaqiqgydF4y2Ba 一个。gydF4y2Ba 一个稳定的路线和剩余时间预测高速公路环境中发送数据包gydF4y2Ba 552年gydF4y2Ba 学报》第16届国际会议上混合智能系统,智能系统的发展和计算gydF4y2Ba 2017年gydF4y2Ba 施普林格gydF4y2Ba 11gydF4y2Ba 20.gydF4y2Ba 吴gydF4y2Ba C。gydF4y2Ba OhzahatagydF4y2Ba 年代。gydF4y2Ba 霁gydF4y2Ba Y。gydF4y2Ba 加藤gydF4y2Ba T。gydF4y2Ba 联合模糊继电器和network-coding-based转发多次反射在vanets广播gydF4y2Ba IEEE智能交通系统gydF4y2Ba 2015年gydF4y2Ba 16gydF4y2Ba 3gydF4y2Ba 1415年gydF4y2Ba 1427年gydF4y2Ba 2 - s2.0 - 84930948197gydF4y2Ba 10.1109 / TITS.2014.2364044gydF4y2Ba 林gydF4y2Ba C。gydF4y2Ba 越南盾gydF4y2Ba F。gydF4y2Ba 副大臣gydF4y2Ba K。gydF4y2Ba 模糊道路情况模型优化路由(FRSMOR)车载自组网(VANET)gydF4y2Ba 学报2012年联合6日软计算和智能系统,国际会议者2012和13日国际研讨会上先进的情报系统,伊希斯2012gydF4y2Ba 2012年11月gydF4y2Ba 日本gydF4y2Ba 532年gydF4y2Ba 537年gydF4y2Ba 2 - s2.0 - 84877819387gydF4y2Ba 周gydF4y2Ba lgydF4y2Ba 崔gydF4y2Ba G。gydF4y2Ba 刘gydF4y2Ba H。gydF4y2Ba 吴gydF4y2Ba Z。gydF4y2Ba 罗gydF4y2Ba D。gydF4y2Ba 在浓密的VANETs NPPB:广播方案gydF4y2Ba 信息技术杂志gydF4y2Ba 2010年gydF4y2Ba 9gydF4y2Ba 2gydF4y2Ba 247年gydF4y2Ba 256年gydF4y2Ba 2 - s2.0 - 73649125843gydF4y2Ba 10.3923 / itj.2010.247.256gydF4y2Ba 雪莱gydF4y2Ba 年代。gydF4y2Ba 维贾伊gydF4y2Ba V。gydF4y2Ba 先生gydF4y2Ba 答:V。gydF4y2Ba 模型路径持续时间在车载ad hoc网络贪婪转发策略gydF4y2Ba 学报》国际会议上计算机,通信和收敛,ICCC 2015gydF4y2Ba 2015年12月gydF4y2Ba 印度gydF4y2Ba 394年gydF4y2Ba 400年gydF4y2Ba 2 - s2.0 - 84938941650gydF4y2Ba KaswangydF4y2Ba k . S。gydF4y2Ba 超gydF4y2Ba 年代。gydF4y2Ba 沙玛gydF4y2Ba K。gydF4y2Ba 应用人工蜂群优化技术:调查gydF4y2Ba 第二届国际会议上计算为全球可持续发展,INDIACom 2015gydF4y2Ba 2015年3月gydF4y2Ba 印度gydF4y2Ba 1660年gydF4y2Ba 1664年gydF4y2Ba 2 - s2.0 - 84960926358gydF4y2Ba KarabogagydF4y2Ba D。gydF4y2Ba GorkemligydF4y2Ba B。gydF4y2Ba OzturkgydF4y2Ba C。gydF4y2Ba KarabogagydF4y2Ba N。gydF4y2Ba 一个全面的调查:人工蜂群(ABC)算法和应用程序gydF4y2Ba 人工智能审查gydF4y2Ba 2014年gydF4y2Ba 42gydF4y2Ba 21gydF4y2Ba 57gydF4y2Ba 10.1007 / s10462 - 012 - 9328 - 0gydF4y2Ba 2 - s2.0 - 84857833368gydF4y2Ba 库马尔gydF4y2Ba 一个。gydF4y2Ba 库马尔gydF4y2Ba D。gydF4y2Ba JarialgydF4y2Ba 美国K。gydF4y2Ba 回顾人工蜂群算法和数据集群的应用程序gydF4y2Ba 控制论和信息技术gydF4y2Ba 2017年gydF4y2Ba 17gydF4y2Ba 3gydF4y2Ba 3gydF4y2Ba 28gydF4y2Ba 10.1515 / cait - 2017 - 0027gydF4y2Ba MR3706279gydF4y2Ba 2 - s2.0 - 85029849511gydF4y2Ba KarabogagydF4y2Ba D。gydF4y2Ba AkaygydF4y2Ba B。gydF4y2Ba 人工蜂群算法的比较研究gydF4y2Ba 应用数学和计算gydF4y2Ba 2009年gydF4y2Ba 214年gydF4y2Ba 1gydF4y2Ba 108年gydF4y2Ba 132年gydF4y2Ba 10.1016 / j.amc.2009.03.090gydF4y2Ba MR2541051gydF4y2Ba Zbl1169.65053gydF4y2Ba 2 - s2.0 - 67349273050gydF4y2Ba Nozohour-leilabadygydF4y2Ba B。gydF4y2Ba FazelabdolabadigydF4y2Ba B。gydF4y2Ba 在应用人工蜂群(ABC)安置在裂缝储层的优化算法;效率与粒子群优化(PSO)的方法gydF4y2Ba 石油gydF4y2Ba 2016年gydF4y2Ba 2gydF4y2Ba 1gydF4y2Ba 79年gydF4y2Ba 89年gydF4y2Ba 2 - s2.0 - 85044855697gydF4y2Ba 10.1016 / j.petlm.2015.11.004gydF4y2Ba 东部赫拉gydF4y2Ba M。gydF4y2Ba •gydF4y2Ba 一个。gydF4y2Ba 微分进化和粒子群优化的性能比较,人工蜂群算法对非线性系统的模糊建模gydF4y2Ba Elektronika红外ElektrotechnikagydF4y2Ba 2016年gydF4y2Ba 22gydF4y2Ba 5gydF4y2Ba 8gydF4y2Ba 13gydF4y2Ba 2 - s2.0 - 84991782543gydF4y2Ba KacprzykgydF4y2Ba J。gydF4y2Ba SzmidtgydF4y2Ba E。gydF4y2Ba ZadroznygydF4y2Ba 年代。gydF4y2Ba AtanassovgydF4y2Ba K。gydF4y2Ba KrawczykgydF4y2Ba M。gydF4y2Ba ZadrożnygydF4y2Ba 年代。gydF4y2Ba 模糊逻辑技术的进步gydF4y2Ba 2017年gydF4y2Ba 施普林格gydF4y2Ba ZilouchiangydF4y2Ba 一个。gydF4y2Ba 卷gydF4y2Ba M。gydF4y2Ba 智能控制系统使用软计算方法gydF4y2Ba 2001年gydF4y2Ba CRC出版社有限责任公司gydF4y2Ba 10.1201 / 9781420058147gydF4y2Ba 阿里gydF4y2Ba 答:一个。gydF4y2Ba 法赫德gydF4y2Ba t . O。gydF4y2Ba 模糊马奈的基于能量的路由协议gydF4y2Ba 国际期刊的计算机应用程序gydF4y2Ba 2012年gydF4y2Ba 46gydF4y2Ba 1gydF4y2Ba 38gydF4y2Ba 40gydF4y2Ba 法赫德gydF4y2Ba t . O。gydF4y2Ba 阿里gydF4y2Ba 答:一个。gydF4y2Ba 改进AODV路由在manet使用模糊系统gydF4y2Ba 学报第一IEEE国际会议的能量,力量,和控制gydF4y2Ba 2010年gydF4y2Ba 伊拉克gydF4y2Ba 297年gydF4y2Ba 301年gydF4y2Ba 法赫德gydF4y2Ba t . O。gydF4y2Ba 阿里gydF4y2Ba 答:一个。gydF4y2Ba 基于模糊控制器的稳定的路线和马奈的寿命预测gydF4y2Ba 国际计算机网络杂志(IJCN)gydF4y2Ba 2011年gydF4y2Ba 3gydF4y2Ba 1gydF4y2Ba 37gydF4y2Ba 42gydF4y2Ba 法赫德gydF4y2Ba t . O。gydF4y2Ba 阿里gydF4y2Ba 答:一个。gydF4y2Ba 压缩的基于模糊逻辑的多标准aodv路由在VANET的环境中gydF4y2Ba 9gydF4y2Ba 《国际电气和计算机工程杂志》上gydF4y2Ba 不。2019gydF4y2Ba RahimangydF4y2Ba W。gydF4y2Ba 。gydF4y2Ba Z。gydF4y2Ba 发展自主汽车GPS导航的概述gydF4y2Ba 学报2013年IEEE 8日会议上工业电子产品和应用程序,ICIEA 2013gydF4y2Ba 2013年6月gydF4y2Ba 澳大利亚gydF4y2Ba 1112年gydF4y2Ba 1118年gydF4y2Ba 2 - s2.0 - 84881397073gydF4y2Ba ParakkalgydF4y2Ba p·G。gydF4y2Ba Sajith VariyargydF4y2Ba 诉V。gydF4y2Ba 基于GPS的导航系统自主车gydF4y2Ba 学报2017年国际会议上的进步计算、通信和信息,ICACCI 2017gydF4y2Ba 2017年9月gydF4y2Ba 印度gydF4y2Ba 1888年gydF4y2Ba 1893年gydF4y2Ba 2 - s2.0 - 85042792034gydF4y2Ba 拉比诺维奇gydF4y2Ba V。gydF4y2Ba AlexandrovgydF4y2Ba N。gydF4y2Ba 天线阵列和汽车应用gydF4y2Ba 2013年gydF4y2Ba 施普林格gydF4y2Ba 马里奥gydF4y2Ba M·a . M。gydF4y2Ba VinelgydF4y2Ba 一个。gydF4y2Ba AntreichgydF4y2Ba F。gydF4y2Ba Da CostagydF4y2Ba j·p·c·L。gydF4y2Ba De FreitasgydF4y2Ba e . P。gydF4y2Ba 车载网络基于天线阵列的定位方案gydF4y2Ba 《17 IEEE计算机和信息技术国际会议上,CIT 2017gydF4y2Ba 2017年8月gydF4y2Ba 芬兰gydF4y2Ba 142年gydF4y2Ba 146年gydF4y2Ba 2 - s2.0 - 85032330318gydF4y2Ba 古普塔gydF4y2Ba 一个。gydF4y2Ba 辛格gydF4y2Ba R。gydF4y2Ba 皮革、皮革制品gydF4y2Ba D。gydF4y2Ba 舒克拉gydF4y2Ba r S。gydF4y2Ba 比较各种VANETS路由算法gydF4y2Ba 第五届国际会议上学报》系统建模和研究发展趋势,智能2016gydF4y2Ba 2016年11月gydF4y2Ba 印度gydF4y2Ba 153年gydF4y2Ba 157年gydF4y2Ba 2 - s2.0 - 85018333371gydF4y2Ba 珀金斯gydF4y2Ba C。gydF4y2Ba Belding-RoyergydF4y2Ba E。gydF4y2Ba 达斯gydF4y2Ba 年代。gydF4y2Ba 特别的按需距离矢量路由(AODV)gydF4y2Ba 不。RFCgydF4y2Ba 2003年gydF4y2Ba 3561年gydF4y2Ba 10.17487 / RFC3561gydF4y2Ba