基于軌跡預測的車載網路由協(xié)議研究.pdf

1、汽車對當今社會的意義早已不言而喻，然而汽車也給人們帶了諸如道路擁堵、交通事故等問題。為了解決這些問題人們開發(fā)了智能交通系統(tǒng)，而作為智能交通系統(tǒng)通信基礎的車載網絡也因此進入大家的視野。車載網絡本身是從傳統(tǒng)的移動自組織網絡中衍生而出。但是由于車載網絡存在自身的特點，移動自組織網絡的路由協(xié)議并不能很好地適應車載網絡環(huán)境?，F有的車載網絡路由協(xié)議研究大多是在移動自組織網絡路由協(xié)議基礎上做改進工作，但是普遍存在丟包率和網絡負載矛盾的問題。即丟包率低

2、的路由協(xié)議網絡負載高，反之網絡負載低的路由協(xié)議丟包率高。
　　本文主要針對車載網絡路由協(xié)議丟包率和網絡負載矛盾的問題，在分析和考慮社會屬性的基礎上，基于行車軌跡路線預測提出了新的車載網絡路由協(xié)議——TP(Traffic Prediction)路由協(xié)議，并在模擬城市環(huán)境下做了驗證工作。具體工作包括以下三個部分：
　　首先，在研究了現有的交通預測方法的基礎上提出了基于車輛轉向信息的神經網絡交通預測算法 VTD-TPA（Vehic

3、le Turning Data based Traffic Prediction Algorithm）。交通預測的具體方法為通過車輛轉向信息量化道路之間的動態(tài)關系，給出了聚類依據，從而將互相之間影響較大的道路聚集到一組。對每個組使用歷史數據訓練神經網絡，達到預測未來交通狀態(tài)的目的。然后根據預測的交通狀態(tài)規(guī)劃行車路徑，并與google地圖給出的行車路徑進行了耗時對比。
　　其次，設計了基于軌跡預測的車載網絡路由協(xié)議TP。受到跨層設計

4、思想和社會屬性對車載網絡路由設計的啟發(fā)，采取了駕駛員行為習慣和應用層行車路線規(guī)劃兩種方法對車輛行駛軌跡路線進行預測。然后借用MAC層的周期信息交換機制將本車的預測線路共享給周圍車輛以此決定路由策略。實驗分析表明，該路由協(xié)議在控制網絡負載的情況下依然有較低的丟包率。
　　最后，修改了NS3網絡模擬器和VSimRTI仿真框架，將NS3嵌入框架內網絡模擬器部分。設計并實現了TP路由協(xié)議，并在 SUMO生成的交通環(huán)境下驗證了協(xié)議的丟包率和