研究文章|开放获取
辉裴,陈魏、窗口郑Luyao Du, ”<年代pan class="adjust-article-svg-size">最大的优化路由跳数参数基于VANET的车辆密度年代pan>”,移动信息系统我>, 卷。2020年, 文章的ID2741648, 11 页面, 2020年。 https://doi.org/10.1155/2020/2741648
最大的优化路由跳数参数基于VANET的车辆密度
文摘
车载Ad Hoc网络(VANET)是智能交通系统的基本技术提供可靠的和实时的车辆和车辆和路边单元之间的通信。为了提高VANET的通信质量,本文研究不同最大路由跳数的影响参数对网络的性能在不同的车辆密度。我们建立的数学模型节点连接概率和包交货率通过使用泊松分布模型。和最大的路由跳数选择算法(MRHSA)提出了基于本文建立的理论模型。仿真实验和统计分析包交货率、吞吐量和端到端延迟执行在笔直的公路和城市道路场景下,车辆在网络支持的仿真(静脉)。结果表明,最大的路由跳数参数是一个重要的影响因素在网络的通信质量。发现MRSHA提出了可以提高包交货率约9.1%最多在直路场景中,这表明MRHSA将有助于VANET的通信质量的提高。
1。介绍
近年来,随着智能交通系统(ITS)的迅速发展和无人驾驶技术、车载Ad Hoc网络(VANET)也作为一个备受关注的关键技术1- - - - - -3]。VANET可以实现实时、可靠的通信,允许车辆相互沟通以及周边基础设施(V2V / V2I)。
由于高速车辆节点的特点,VANET是高度动态的网络拓扑结构。大多数路由技术在传统网络不能保证良好的沟通质量在这样一个高度动态的网络环境。许多路由方案已经提出了VANET的高动态特性和实际应用的网络需求4,5]。根据路由所需的信息技术,它可分为架构路由、定位路由、基于地图的路由和基于路径的路由。根据传输策略,它可分为单播路由协议、多播路由协议和广播路由协议(6]。
在各种路由协议,最大的路由跳数是最重要的参数之一,这是密切相关的链接连接,连接可靠性和包交货率。和它的重要性尤为突出在VANETs这样一个高度动态的网络环境。目前,大多数研究在VANET路由跳数优化路由方案尽量减少路由跳数、路由寿命最大化,或考虑多个通信性能指标(7,8]。然而,他们很少研究最大的路由跳数的选择参数。最大的参数设置路由跳数限制了路由数据包的生命周期,并确定中继节点的最大数量经过的路由路径。值得注意的是,即使一个最优路由路径选择策略,最大的路由跳数设置在网络上仍有更大的影响。大值可能过度增加路由开销和网络拥塞,降低网络包交货率和可靠性。小值将导致较低的路由成功率,这也会降低网络的数据包交货率和可靠性(9,10]。
本文的目的是提出一个最优最大路由跳数参数设置方法基于车辆密度,可提供更高的包交货率和吞吐量的网络车辆(IoV)通信。通过建立概率模型的节点连接和数据包交付率最高的路由跳数和车辆密度,分析节点的连接概率的增长率和包的还原速度交货率增加造成的最大不同车辆密度下的路由跳数。在此基础上,算法查找算法最大的路由跳数根据不同车辆密度。
剩下的纸是组织如下。部分2讨论了相关工作在VANET路由协议和车辆密度。节3,我们提出的节点连接概率模型和包交货率模型。部分4介绍了最大车辆密度为基础的路由跳数选择算法。仿真结果显示和分析部分5。最后,我们得出结论本文并提出未来工作部分6。
2。相关工作
一些传统的路由协议在VANET来自移动Ad Hoc网络(MANET),包括临时按需距离矢量(AODV)基于网络拓扑结构的路由协议(11]和贪婪的周边无状态路由(GPSR)基于位置信息(12]。文献[13)提出了一种混合地理路由协议,它结合了AODV和GPSR。地理源路由(GSR)协议计算转发路径根据车辆在地图上的位置信息(14]。Vehicle-Assisted数据交付(VADD)使用可预测的车辆运动路径计算数据包传输延迟和寻找下一个路由转发数据包(15]。它包括三个不同的转发协议:第一探测器位置,方向第一探测器,Hybrid-VADD。
一般来说,不同的路由协议有自己的路由选择方案。AODV路由协议使用一个路径的最小的路由跳数可选路由路径,并VADD选择转发路径最低的延迟。纳比尔et al。16]改善位置辅助路由(政治)通过使用车辆的位置信息和相邻车辆的行驶方向和估计时间增加路由一生。参考文献(17)提出了一个名为长寿命的方法Anypaths (LLA)来提供稳定的通信路径。它添加了一个稳定指数anypath路由和选择相邻车辆转发的相对稳定的距离。在[18),鲁棒性被定义为一个定性的QoS参数取决于链路的通信链路寿命和错误率的链接。建模和量化link-robustness和route-robustness进行合成纸的时间,空间和环境的依赖关系网络。在此基础上,提出了一种路由选择策略。然而,从上面的研究,我们可以发现最大的最优设置路由跳数不被认为是在路由过程中。
节点的密度可以使一个重要的影响不仅在传统的特设网络,而且VANETs。大量的研究已经进行网络连接和车辆密度之间的关系(19- - - - - -22]。一般来说,在车辆密度高的环境中,节点之间的连接概率高网络拥塞概率高。相反,网络拥塞的概率较低,当车辆密度较低,但节点之间的连接概率也减少23,24]。
历史或实时获取车辆密度优化路由策略也在一些研究中使用。文献[9)提出了自适应连接意识到路由(ACAR)协议,利用历史统计车辆密度和实时获取车辆密度信息优化路由策略误包率降到最低。一个智能路由协议使用实时交通信息在城市车辆的环境(IRTIV)提出了25]。它收集实时交通密度通过周期性你好消息和计算道路段的重量基于交通密度和迪杰斯特拉算法然后选择最短的传输路径有足够的车辆连接。然而,很难找到一个转发路径,当交通密度很低。王等人。26)提出了一种软件定义认知路由网络的车辆(SDCoR),它使用软件定义网络和强化学习感知环境(环境参数的车辆密度和速度是主要用于本文),设计了基于q学习的认知路由(查收我们)算法,根据不同的环境选择不同的路由策略。
与AODV的增量固定价值的固定值GPSR VADD,基于路由的研究啤酒花和车辆密度在现有文献,本文提出动态调整参数的最大每个通信节点路由跳数根据车辆密度。更详细的比较如表所示1。
|
||||||||||||||||||||||||
3所示。系统模型
本部分首先介绍了多次反射VANET系统体系结构,然后建立了理论模型的节点连接概率和包交货率。
3.1。多次反射VANET系统
VANET是高动态的大型网络,包括通信车辆和路边单元(RSU)。包括V2V和V2I通信模式。目前,大多数VANET是单跳通信的通信标准。在简化网络拓扑结构的同时,还降低了网络资源的利用率和增加网络建设的成本。多次反射交流是VANET发展的必然趋势。的多次反射VANET系统架构图所示1,路边单元可以被视为小通信基站和车辆可以被看作是大量的移动通信终端。
在VANET多次反射沟通的优点是体现在两个方面。V2I通信的一个是,另一个是V2V沟通。RSU的布局,如果只允许单跳通信,其布局密度要求高。这两个限制必须无缝连接,以确保所有车辆被通信覆盖范围的限制。然而,如果允许多次反射传播,布局密度RSU可以相对减少。例如,<我>V我>一个年代ub>在图1不是RSU1的通信范围内,而是可以通过沟通与RSU1沟通<我>V我>一个年代ub>和<我>V我>E年代ub>。为V2V沟通,另一方面,如果目标节点不是源节点的通信范围内,单跳通信无法完成,但多次反射的沟通是可能的。
最大的路由跳数的设置参数具有重要意义在多次反射VANET。大的值通常会增加车辆节点之间连接的可能性,但这也增加了路由开销和网络的数据包碰撞概率。例如,在图1,源节点<我>V我>年代年代ub>需要建立一个与目标节点通信链路<我>V我>D年代ub>。如果最大的路由跳数参数设置为1时,两个节点之间的通信链路无法建立,因为距离<我>x我>两个节点大于节点之间的通信距离<我>R我>。当最大的路由跳数参数设置为2,一个可能的通信链路<我>V我>年代年代ub>⟶<我>V我>一个年代ub>⟶<我>V我>D年代ub>可以建立。当它被设置为3,四种可能可以建立通信链路,其中一个是2-hop交流:<我>V我>年代年代ub>⟶<我>V我>一个年代ub>⟶<我>V我>D年代ub>,另3个可能的通信链接3-hop通信:<我>V我>年代年代ub>⟶<我>V我>一个年代ub>⟶<我>V我>C年代ub>⟶<我>V我>D年代ub>,<我>V我>年代年代ub>⟶<我>V我>B年代ub>⟶<我>V我>一个年代ub>⟶<我>V我>D年代ub>,<我>V我>年代年代ub>⟶<我>V我>B年代ub>⟶<我>V我>C年代ub>⟶<我>V我>D年代ub>。可以直观地看到,适当的值最大的路由跳数可以增加建立通信链路的可能性。但这通常也会增加数据包碰撞的可能性,因为大量的路由跳意味着更多的数据包将网络中传播。因此,我们可以提高通信链路的连接概率通过设置一个适当的最大路线跳值的基础上,尽可能不增加网络冲突;也就是说,找到连接概率和碰撞概率之间的平衡。
3.2。节点连接概率模型
首先,考虑节点连通性之间的关系和最大概率路由跳数(密度和车辆)在特殊场景。如图2在直路的长度<我>l我>源节点之间的距离<我>V我>0年代ub>和目标节点<我>V我>n我>是<我>x我>,车辆通信模型设置为一个单位圆盘模型的通信范围<我>R我>,在那里<我>R我><<我>x我>< 2<我>R我>。
建立了笛卡儿坐标系统与源节点<我>V我>0年代ub>作为坐标原点。由于道路宽度相比是短暂的车辆通信距离、道路宽度的影响被忽略。
根据单位圆盘模型,假设通信半径的车辆<我>R我>可以建立、沟通只要两辆车之间的距离小于<我>R我>。两个节点之间的通信建立的概率可以表示为<年代pan class="equation_break" id="EEq1"> 在哪里<我>d我>两个节点之间的距离。
为方便分析,假设交通流分布服从泊松分布的车辆密度<我>λ我>车辆/公里[27]。然后还有的概率<我>k我>路上车辆分配与长度<我>x我>是<年代pan class="equation_break" id="EEq2">
根据泊松分布模型,<我>λL我>车辆在部分长度<我>l我>,有<我>λx我>源节点和目标节点之间的车辆。让<我>K我>(<我>R我>)汽车的数量位于部分长度<我>R我>;然后拥有至少一辆车的概率<我>R我>范围是<年代pan class="equation_break" id="EEq3">
车辆在图2屈指可数<我>V我>0年代ub>来<我>V我>n我>从左到右。<我>V我>我我>代表了<我>我我>车辆节点。让邻居节点之间的距离在通信链路<我>d我>我我>;然后<我>d我>我我>=我>V我>我我>−<我>V我>我我>−1年代ub>;也就是说,之间的距离<我>我我>th车辆和(<我>我我>−1)车辆<我>d我>我我>。在车辆<我>V我>0年代ub>来<我>V我>n我>,<我>d我>我我>大于<我>R我>只有当没有车辆节点部分的长度<我>R我>。因此,根据(2),<年代pan class="inline_break"> 。年代pan>确保你的邻居节点可以沟通,<我>d我>我我><<我>R我>是必需的,也就是说,至少有一个车辆的长度<我>R我>部分。的概率<我>d我>我我><<我>R我>是<年代pan class="equation_break" id="EEq4">
让<我>h我>通信链路的路由跳数和让<年代pan class="inline_break"> 源节点之间的连接概率<我>V我>0年代ub>和目标节点<我>V我>n我>当路由跳数=<我>我我>,让<我>x我>我我>的中继节点的坐标位置<我>我我>th跳(节点之间的距离<我>我我>跳,<我>V我>0年代ub>),<我>x我>我我><<我>x我>,如图2。然后我们可以得到<年代pan class="equation_break" id="EEq5">
同样,连接概率在一般情况下可以获得如下。
当<年代pan class="inline_break">
当<年代pan class="inline_break">
让<我>H我>设置最大的路由跳数的节点;然后,源节点之间的连接概率<我>V我>年代年代ub>和目标节点<我>V我>D年代ub>当<我>H我>=<我>j我>是<年代pan class="equation_break" id="EEq8">
很容易看到,最大的价值越大路由跳数(或车辆密度越大),节点之间的连接概率越大。
3.3。包交货率模型
包交货率是指成功地收到数据包的总数比网络中发送的数据包的总数,可以直观地反映了网络通信质量。包传输失败有两个主要原因:数据碰撞和物理层数据错误。
假设每个车辆节点传输一个数据包平均概率<我>τ我>在每个数据包的时间(连续的数据包传输时间)。在实际应用程序中,每辆车每个包的包传输的概率通常有不同的持续时间。在这里,我们只考虑<我>τ我>作为一个近似平均:<年代pan class="equation_break" id="EEq9"> 在哪里<我>年代我>的意思是年代ub>包平均持续时间,<我>T我>的意思是年代ub>是平均数据包间隔,<我>H我>的意思是年代ub>最大平均路由跳数。
让节点的干扰半径<我>R我>;然后2<我>λR我>车辆中存在双向范围2<我>R我>条件下的车辆密度<我>λ我>。因此,有两个没有碰撞发生在同一个包的情况下持续时间。一个是只有一个节点的范围<我>R我>发送数据包,也没有其他节点发送数据包。另一个例子是所有节点的范围<我>R我>不要发送数据包。第一种情况的概率是<年代pan class="nowrap"> ,年代pan>和其他情况的概率<年代pan class="nowrap"> 。年代pan>然后的概率相同的半径内包时间不冲突<我>R我>是<年代pan class="equation_break" id="EEq10">
然后,单跳碰撞概率<年代pan class="inline_break"> 。年代pan>任何单跳通信碰撞多次反射通信被认为是一种交流的碰撞。因为每个跳传输的碰撞概率是一个独立的概率事件,碰撞的概率<我>h我>啤酒花是<年代pan class="equation_break" id="EEq11">
从[28),短距离的SINR / IEEE 802.11 p物质环境可以表示为<年代pan class="equation_break" id="EEq12"> 在哪里<我>α我>的衰减因子添加到考虑的影响循环前缀附加到每个OFDM符号,这里吗<我>α我>= 0.8。<我>N我>背景噪音和吗<我>∑我我>是周围的车辆干扰的总和。
假设使用BPSK调制方法,其误比特率(BER)可以表示为<年代pan class="equation_break" id="EEq13">
在哪里<年代pan class="inline_break">
和<年代vg height="11.576pt" id="M22" style="vertical-align:-2.2681pt" version="1.1" viewbox="-0.0498162 -9.3079 26.432 11.576" width="26.432pt" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
因此,考虑到数据碰撞概率和物理层传输的数据包出错率,根据(11)和(15),包交货率可以表示为<年代pan class="equation_break" id="EEq16">
连接概率模型,它可以从(8),它是一个求和的数学概率模型;,对于一个大最大的路由跳数,其连接概率包括连接的累积值概率较小的路由跳数。例如,当<我>H我>= 4,连接概率的总和包括连接的概率<我>H我>= 1,2,3,4。因此,最大的路由跳数的值越大,节点连接的概率就越大。包交货率模型,它可以从(16),其关系最大的路由跳数由两部分组成。第一部分是数据包碰撞概率。方程(11)表明,其与路由跳数的关系是一种成倍增加的功能。第二部分是物理层包错误率,可以从(15)作为增量乘法的数学模型。因此,最大的路由跳数的值越大,越小数据包传输成功率。
通过建立理论模型,车辆密度和最大的影响通信质量的路由跳数可以比较直观地反映。大最大的路由跳数和高车辆密度不仅可以增加节点之间连接的概率,而且增加数据包的传输失败的比率。这允许不同最大路由跳数设置为不同的车辆密度,它提供了一种理论依据的进一步优化路由算法。
4所示。最大的路由跳数选择算法车辆密度
根据节点的连接概率模型和包上一节提出的交货率模型,本节提出了最大跳数选择路由算法车辆密度(MRHSA)。
从(7)和(8),节点连接概率的增长率最高的路由跳数的增加计算如下:<年代pan class="equation_break" id="EEq17">
让指数项<年代pan class="inline_break"> 在(7)近似平均值<我>X我>和代入上面的公式:<年代pan class="equation_break" id="EEq18">
的影响数据包的路由跳数的增加交货率主要是增加数据包的碰撞概率,但并不影响的传播渠道。因此,我们在这里只考虑数据包碰撞的概率。根据(16),包交货率模型简化<年代pan class="equation_break" id="EEq19">
从上面的公式,信息包的还原速度交货率随着路由跳数的增加可以计算:<年代pan class="equation_break" id="EEq20">
如GPSR,假设源的位置坐标可以获得车辆和目标车辆。车辆密度可以得到从信标消息或从历史统计数据获得29日]。<年代pan class="list">(1)年代pan>欧氏距离计算从源和目标车辆的位置,然后最低初始值<年代pan class="inline_break"> 最大的路由跳数计算。看到第5行算法1。年代pan>(2)年代pan>为了简化计算,当目的节点通信范围内的源节点(<我>x我><我>R我>),最大的路由跳数设置为2。理论上,单沟通是更可靠的通信范围。设置值2主要是防止车辆在通信范围的最大优势。看到行6 - 7的算法1。年代pan>(3)年代pan>当车辆密度小于1车辆/公里,最大的路由跳数设置为最大距离的范围内可实现的价值<我>x我>;也就是说,<年代pan class="inline_break"> 。我>见行9到10的算法1。年代pan>(4)年代pan>与<我>H我>最小值年代ub>作为初始值,节点连接概率和包交货率迭代计算,直到连接概率的增长率小于率下降率的包交货率。迭代计算完成后,的价值<我>H我>返回。看到11到17行算法1在哪里<我>σ我>线16是平衡的权重因子偏好包交货率和连接概率和其值范围(0 - 1)。年代pan>
|
MRHSA的过程详细描述算法1。该算法消耗无关紧要的计算能力,因为迭代的数量是有限的(主要是小于20)。
5。仿真和结果
本节介绍了仿真和分析结果的MRHSA AODV路由协议下的车辆在网络仿真(静脉)。MRHSA是评估平均包交货率、吞吐量和平均端到端延迟。
5.1。仿真设置
静脉仿真平台整合了OMNET + +网络模拟器和相扑道路交通模拟器模拟提供一个开源的架构VANET仿真(30.]。本部分首先建立一个双向四车道的直路模拟场景5公里的长度,也可以用来表示高速公路场景。因为车辆密度分布在直路很简单,它可以直观地反映最大的路由跳数的影响通信的参数指标在不同车辆密度。模拟实验是扩展到一般的城市风光,和实时仿真数据的城市道路面积2500 m×2500 m进行了分析。本文最大的影响路由跳数和车辆密度通信指标在同一路上的环境。直路场景之间的环境差异和城市道路场景可以进一步研究进一步的工作。
如表所示2物理层和mac层的模拟参数使用802.11 p标准,网络层采用AODV路由协议和应用层使用UdpApp协议。市区的车辆速度设置为30 - 60公里/小时,和车辆速度的高速公共区域设置为60 - 200公里/小时。为了模拟真实的车辆模型,四个不同的车辆类型是相扑中设置环境,包括不同的设置参数,如最大车速、车辆加速度,车辆减速、车辆长度,模型后,和司机的行为。此外,直路的场景的模拟时间设置为300年代,和城市场景的模拟时间设置为600年代。
|
||||||||||||||||||||
根据车载环境中的无线接入标准文件(波),在物理层和MAC层的主要参数如表所示3。每个车辆节点的通信范围设置为300比特率是6 Mbps。MAC层,每个访问时间槽设置为16<我>μ我>年代,最大队列长度设置为14,和重复访问的最大数量设置为7。
|
||||||||||||||||||||||||
应用程序层定期传送的包在一个随机的时间(0 - 5)车辆进入道路后,传输时间间隔(3 - 8)。传播目的地址是随机选择从现有的车辆节点在路上。在Ipv4地址和包都是格式。每个数据包的大小是512字节。为了实现一个可再生的随机实验研究中,相同的数据集在同样的场景中使用相同的随机数种子,和平均数据的四种不同的随机数种子作为最后的仿真数据。
5.2。仿真结果
在仿真过程中,车辆密度控制通过控制车辆离开<我>λ我>每个车道(每秒离开车辆的概率,以0 - 1的值)。相应的值<我>λ我>为直路场景和车辆密度如表所示4。
|
||||||||||||||||||
图3显示了不同的包交货率车辆密度和不同最大的路由跳数。MRHSA动态调整的最大路由跳数基于车辆密度,与其它设置为一个固定值。可以看出最大路由跳数设置为20在直路的实验情况下太大的包交货率,因为它的包交货率小于包交货率最高的路由跳数的10当车辆离开率是0.1 - -1.0。包交货率的性能最高的路由跳数5的逐步提高和车辆密度的增加,和它的性能在0.7和1.0的车离开率超过最大性能的路由跳数的10。这验证了理论在第三节,当车辆密度较低,更大的最大路由跳数可以增加包交货率增加的连接概率;但当车辆密度高,较大的最大跳数将减少路由数据包交货率增加的数据碰撞概率。
整个MRHSA算法的性能提出了在前一节中比设置最大路由跳数到一个固定的值。在仿真期间,MRHSA包交货率提高了9.1%左右。随着车辆密度的增加,MRHSA曲线之间的间距和其他曲线增加,这表明MRHSA具有更明显的优化效果包交货率当车辆密度大。它也可以观察到,随着车辆密度的增加,整个包交货率减少的价值。这是因为我们设置所有车辆节点在模拟过程中定期发送消息。随着车辆密度的增加,网络中传输的数据包数量增加,和数据包的碰撞概率增加。
如图4,MRHSA的吞吐量性能是最优的,而且,随着车辆密度的增加,优化MRHSA对吞吐量的影响逐渐增强。吞吐量最大的路由跳数的10或20高于5的吞吐量最大的路由跳数<我>λ我>= 0.1至0.5,但其吞吐量增长率低于后者<我>λ我>> 0.5。车辆密度和最大路由跳数的增加可以增加网络中数据包的数量,从而提高网络的吞吐量。然而,当车辆密度和最大的路由跳数都大,碰撞会发生严重的数据,这将减少吞吐量的增长率。
如图5,端到端延迟增加整体的车辆密度和最大路由跳数增加。这主要是由于两个方面:一是增加引起的延迟的增加平均路由跳;另一个是增加的访问延迟造成的数据拥塞。端到端延迟MRHSA曲线波动较大,这与实际的平均路由跳传输过程。根据不同的车辆密度、MRHSA算法提供了更大的可能性转发啤酒花的前提下尽量减少不必要的拥堵。应该指出的是,本文不优化端到端延迟,只分析其关系最大的路由跳数和车辆密度。
车辆在城市场景的密度很难准确控制仿真中,我们记录的实时车辆仿真分析仿真过程的实时数据,如图6。自从在实时仿真的数据量太大,我们已经做了一批窗口平均法和指数移动平均处理包交货率为方便观察,如图7。
280年代之前,当车辆的数量小于190,最大的路由跳数越大,包交货率就会越好。之后,包交货率最高的路由跳数的10比包交货率最高的路由跳数的20倍。当汽车的数量达到最大值在330年代和450年代之间,所有包交货率曲线减少与一个大斜坡,除了包交货率曲线的最大路由跳数5。因为包交货率最高的路由跳数5是最初很小,这导致更少的数据碰撞时车辆密度非常大。除了第一个50秒,MRHSA总是最佳的表现。在第一个50秒的模拟,汽车的数量很小,车辆的位置进入模拟区域分散,所以无法获得准确的车辆密度。
实时流量数据有一个较大的值范围,所以我们记录每100秒的平均吞吐量为方便观察,如图8。实时的端到端延迟数据随时间波动很大;也为了便于观察,端到端延迟数据平均每100秒,如图9。从图可以看出,最大路由跳数和吞吐量之间的关系(和端到端延迟)城市道路场景类似直路。
6。结论
选择不同的最大路由跳数的影响参数对网络性能在不同车辆密度进行了研究。首先,连接概率模型和包交货率模型最大相关路由跳数和建立了车辆密度。然后,建立的理论模型的基础上,本文提出了MRHSA。通过仿真实验对直路和城市场景,场景我们验证大最大的路由跳数将减少网络性能当车辆密度很高。与此同时,网络性能的改善MRHSA算法也进行了评估。MRHSA具有更明显的优化效果包交货率和吞吐量当车辆密度大。在直路的场景中,MRHSA可以提高包交货率约9.1%。在未来的工作中,MRHSA算法可以集成到路由策略进一步提高网络的传输性能。
的利益冲突
作者宣称没有利益冲突有关的出版。
确认
这项工作得到了中国国家重点研发项目(2018 yfb0105205)。
引用
- m·a·Javed和e . b . Hamida”相互关系的安全、QoS和安全合作,”<我>IEEE智能交通系统我>,18卷,不。7,1943 - 1957年,2017页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- m . s . Ahmed Rehman, a人士et al .,“VANSec: attack-resistant VANET安全算法的信任计算误差和规范化的路由开销,”<我>杂志上的传感器我>ID 6576841条,卷。2018年,17页,2018。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- j . M.-Y。Lim y . c . Chang m . y .别名和j .厕所”联合优化和动态编程阈值结构增强适应VANET MAC,优先配屋计划”<我>无线网络我>,22卷,不。3、897 - 913年,2016页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- f . Goudarzi h . Asgari和h s Al-Raweshidy”Traffic-aware VANET路由基于蚁群优化的城市环境中,一个协议,”<我>IEEE系统杂志我>,13卷,不。1,第581 - 571页,2019。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- l . j . Wei和j . M.-Y。Lim,“识别传输机会通过传动功率和比特率提高VANET效率,”<我>移动网络和应用程序我>,24卷,不。5,1630 - 1638年,2019页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- m·j·j . Cheng Cheng周,美国高,f . Liu和c·刘,“路由网络的车辆:回顾”,<我>IEEE智能交通系统我>,16卷,不。5,2339 - 2352年,2015页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- m·纳比尔·a·Hajami, a . Haqiq”预测的路线最长寿命和两辆车之间的数据包交付时间在VANET,”<我>移动信息系统我>卷,2019篇文章ID 2741323, 15页,2019年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- m·哈西姆Eiza t·欧文斯,倪,“安全、健壮multi-constrained QoS VANETs知道路由算法,”<我>IEEE可靠和安全的计算我>,13卷,不。1,32-45,2016页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- 问:杨,a . Lim Li, j .方和p . Agrawal”ACAR:自适应连接意识到车载ad hoc网络路由协议,”<我>学报》第17届国际会议在计算机通信和网络我>圣托马斯,页1 - 6,VI,美国,2008年8月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- w l。金和w·莱克尔,”一位分析模型的多次反射跨车辆通信系统的连接,”<我>IEEE无线通信我>,9卷,不。1,第112 - 106页,2010。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- c·e·帕金斯和e·m·罗伊如是说,“特别的按需距离矢量路由”<我>学报99第二WMCSA IEEE车间在移动计算系统和应用程序我>新奥尔良,页90 - 100年,洛杉矶,美国,1999年2月。<年代pan class="reflinks">视图:谷歌学术搜索
- b·卡普和h·t·龚GPSR:贪婪的周边无状态路由的无线网络,”<我>学报第六届一年一度的移动计算和网络国际会议(MobiCom)我>,页243 - 254,纽约,纽约,美国,2000年8月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- j·斯科尔斯和i Mahgoub VANET的地理配备混合解决方案车际通信”<我>《2016年国际无线通信和移动计算会议(IWCMC)我>帕福斯,页250 - 255年,塞浦路斯,2016年9月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- c . Lochert h . Hartenstein j .田et al .,“车载ad hoc网络路由策略在城市环境中,”<我>《IEEE IV2003智能车辆研讨会我>哥伦布,页156 - 161年,哦,美国,2003年6月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- j .赵和g .曹”VADD: vehicle-assisted数据交付车辆临时网络,”<我>IEEE车辆技术我>卷,57号3、1910 - 1922年,2008页。<年代pan class="reflinks">视图:谷歌学术搜索
- m·纳比尔·a·Hajami, a . Haqiq”改善政治路线的一生VANET的协议在高速公路场景中,”<我>学报2015年IEEE / ACS 12国际会议的计算机系统和应用程序(AICCSA)我>马拉喀什,页1 - 8,摩洛哥,2015年11月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- j .爱你”LLA:一个新的anypath路由方案提供长路径VANETs一生,”<我>IEEE通信信我>,18卷,不。2、281 - 284年,2014页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- n·s·拉其普特人,r·巴纳吉拉其普特人,和A . Siwach”的新模式的有效使用健壮性作为衡量车辆自组网的QoS,”<我>学报》2017年19先进通信技术国际会议(ICACT)我>Bongpyeong,页388 - 398年,韩国,2017年2月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- c .邵s愣,y, a . Vinel和m·琼森”分析platoon-based车载ad hoc网络的连接概率”<我>《2014年国际无线通信和移动计算会议(IWCMC)我>尼科西亚,页706 - 711年,塞浦路斯,2014年8月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- d . a .树篱和j.p.浣熊,”在几何继电器和基础设施密度之间的关系有界relay-assisted无线网络,“<我>IEEE车辆技术我>,卷67,不。11日,第10994 - 10983页,2018年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- r . s .喝和m . s . Sharma连接在车辆通信安全运输系统分析,”<我>学报2017年会议信息和通信技术(CICT)我>瓜廖尔,页1 - 5,印度,2017年11月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- c .邵s愣,y, a . Vinel和m·琼森”连接概率的性能分析和connectivity-aware MAC协议设计platoon-based VANETs,”<我>IEEE车辆技术我>,卷64,不。12日,第5609 - 5596页,2015年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- z曹、施k歌,和j .王”之间的相关性分析在VANETs车辆密度和网络拥塞,”<我>学报2017年第七届IEEE国际会议上电子信息和应急通信(ICEIEC)我>,页409 - 412,澳门,香港,2017年7月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- 刘j .左y, y, y,“绩效评估的路由协议在VANET vehicle-node密度,”<我>学报2010年6日无线通讯网络和移动计算国际会议(WiCOM)我>,页1 - 4,成都,中国,2010年9月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- o . s . Oubbati n . Lagraa a .拉和m . b . Yagoubi”IRTIV:智能路由协议使用实时交通信息在城市车辆的环境”<我>学报2014年第六届国际会议上新技术、流动性和安全性(特种加工)我>,页1 - 4、迪拜、阿联酋,2014年3月。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- l . c . Wang张、李z和c .江”SDCoR:软件定义认知路由网络的车辆,“<我>IEEE物联网我>,5卷,不。5,3513 - 3520年,2018页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- d·j·巴克利,”Semi-Poisson交通流模型”,<我>交通科学我>,卷2,不。2、107 - 133年,1968页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- y藏,l .同业拆借g . Orfanos s .郭和h . j . Reumerman“跨车辆通信在高速公路场景下的误差模型在5.9 GHz,”<我>诉讼的ACM国际研讨会无线特设的绩效评估我>页49-56蒙特利尔,魁北克,加拿大,2005。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- j . Sanguesa j . Barrachina m . Fogue et al .,“感应交通密度结合V2V V2I无线通讯,”<我>传感器我>,15卷,不。12日,第31810 - 31794页,2015年。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
- c·萨默r .德国f·杜丝勒,“双向耦合网络对于改善印度河流域文明的道路交通仿真分析,“<我>IEEE移动计算我>,10卷,不。1,3日- 15日,2011页。<年代pan class="reflinks">视图:出版商的网站|年代pan>谷歌学术搜索
版权
版权©2020年辉裴等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。