車載自組網(wǎng)路由協(xié)議及路徑?jīng)Q策模型研究.pdf

1、近年來，我國汽車產(chǎn)業(yè)以驚人速度發(fā)展，加之“十二五”期間物聯(lián)網(wǎng)產(chǎn)業(yè)的大力推進，車聯(lián)網(wǎng)成為我國未來智能交通發(fā)展的重要支柱和發(fā)展方向。車聯(lián)網(wǎng)核心技術(shù)突破與應(yīng)用，將有效緩解汽車產(chǎn)業(yè)發(fā)展面臨嚴峻的資源、環(huán)境制約，提高資源使用效率。車載自組網(wǎng)（VANET）作為車聯(lián)網(wǎng)的基礎(chǔ)，移動模型、路由協(xié)議，以及路徑?jīng)Q策與推薦模型成為其核心技術(shù)。
　　首先，VANET具有節(jié)點移動速度快、移動受道路約束等特點，車輛移動模型是車聯(lián)網(wǎng)的核心與基礎(chǔ)。本文提出一種基于

2、動態(tài)路徑規(guī)劃的混合移動模型，該模型將時間依賴、空間依賴與地理限制緊密組合：1）地圖模型以路段和交叉口為基礎(chǔ)，較好地模擬交通環(huán)境；2）利用車載自組網(wǎng)車間通信，實現(xiàn)車輛的運動控制，通過與鄰居節(jié)點車輛通信，獲取路況和地圖信息，使路徑?jīng)Q策更為準確；3）設(shè)計基于Dijkstra的動態(tài)路徑規(guī)劃算法，實現(xiàn)路徑推薦。本文在通暢、擁擠、堵塞等多種交通場景下，從微觀特性和宏觀特性兩方面對提出的移動模型進行量化研究，實驗表明：與車流交通移動模型 FTM和基于

3、圖的移動模型GBMM以及基于智能駕駛員模型的IDM_IM和IDM_LC相比，該移動模型在連接保持時間、鏈路穩(wěn)定性，以及協(xié)議性能等方面均有所提升；與隨機轉(zhuǎn)彎和最短路徑模型相比，該模型使車輛節(jié)點更加快速、高效地抵達目的地。
　　其次，作為未來智能交通基礎(chǔ)設(shè)施的VANET，通過車與車、車與路邊節(jié)點通信構(gòu)成統(tǒng)一無線通信網(wǎng)絡(luò)，傳遞輔助駕駛、事故避免等實時性業(yè)務(wù)，這對于安全駕駛至關(guān)重要。路由協(xié)議是影響 VANET車聯(lián)網(wǎng)實時性的關(guān)鍵。首先，對A

4、ODV、DSDV和DSR三種經(jīng)典路由協(xié)議在車聯(lián)網(wǎng)環(huán)境下的性能進行量化研究，分析發(fā)現(xiàn)：分組傳輸率低、高歸一化路由負載，以及高平均端到端延遲是影響VANET路由協(xié)議實時性的重要因素。有鑒于此，以容遲網(wǎng)絡(luò)的存儲-攜帶-轉(zhuǎn)發(fā)機制為基礎(chǔ)，提出基于容遲網(wǎng)絡(luò)的按需路由協(xié)議DT-AODV，并將VANET建模為有向多圖模型來模擬連接時變性。實驗表明，與基于容遲網(wǎng)絡(luò)的PRAODV和PRAODV-M協(xié)議相比，提出的DT-AODV路由協(xié)議其分組傳輸率和平均端到

5、端延遲等指標性能更佳，更適合于VANET。
　　再次，通過對 VANET海量數(shù)據(jù)的挖掘?qū)崿F(xiàn)路徑?jīng)Q策與優(yōu)化，成為近年國際競相研究的熱點與發(fā)展趨勢，其中行程時間短時預(yù)測模型（Short-Term Forecasting Model）成為未來VANET的一項重要服務(wù)。與長時預(yù)測模型不同，實時性、可靠性與高精度構(gòu)成短時預(yù)測模型的基本要素。首先，以真實海量出租車GPS歷史數(shù)據(jù)為背景，按照地理區(qū)域和密度進行聚類，獲得更加準確的區(qū)域內(nèi)相應(yīng)時間段

6、的車輛運行速度；其次，提出基于人工神經(jīng)網(wǎng)的短時車輛行程時間預(yù)測模型，該模型將車輛速度倒數(shù)作為路徑權(quán)值來衡量路段的擁擠狀況，并設(shè)計改進的A-Dijkstra算法實現(xiàn)路徑推薦。實驗表明，短時預(yù)測模型成功實現(xiàn)當前時間當前地點交通狀況的預(yù)測，與歷史平均時間和SVR支持向量的回歸模型相比，該模型相對誤差更小，預(yù)測更加準確。
　　最后，針對出租車打車難問題，提出基于VANET的乘客打車概率與打車等候時間短時預(yù)測模型。通過對出租車GPS歷史軌跡