基于軌跡預(yù)測(cè)的車載網(wǎng)路由協(xié)議研究.pdf

1、汽車對(duì)當(dāng)今社會(huì)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(wèn)題。為了解決這些問(wèn)題人們開(kāi)發(fā)了智能交通系統(tǒng)，而作為智能交通系統(tǒng)通信基礎(chǔ)的車載網(wǎng)絡(luò)也因此進(jìn)入大家的視野。車載網(wǎng)絡(luò)本身是從傳統(tǒng)的移動(dòng)自組織網(wǎng)絡(luò)中衍生而出。但是由于車載網(wǎng)絡(luò)存在自身的特點(diǎn)，移動(dòng)自組織網(wǎng)絡(luò)的路由協(xié)議并不能很好地適應(yīng)車載網(wǎng)絡(luò)環(huán)境?，F(xiàn)有的車載網(wǎng)絡(luò)路由協(xié)議研究大多是在移動(dòng)自組織網(wǎng)絡(luò)路由協(xié)議基礎(chǔ)上做改進(jìn)工作，但是普遍存在丟包率和網(wǎng)絡(luò)負(fù)載矛盾的問(wèn)題。即丟包率低

2、的路由協(xié)議網(wǎng)絡(luò)負(fù)載高，反之網(wǎng)絡(luò)負(fù)載低的路由協(xié)議丟包率高。
　　本文主要針對(duì)車載網(wǎng)絡(luò)路由協(xié)議丟包率和網(wǎng)絡(luò)負(fù)載矛盾的問(wèn)題，在分析和考慮社會(huì)屬性的基礎(chǔ)上，基于行車軌跡路線預(yù)測(cè)提出了新的車載網(wǎng)絡(luò)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(yàn)證工作。具體工作包括以下三個(gè)部分：
　　首先，在研究了現(xiàn)有的交通預(yù)測(cè)方法的基礎(chǔ)上提出了基于車輛轉(zhuǎn)向信息的神經(jīng)網(wǎng)絡(luò)交通預(yù)測(cè)算法 VTD-TPA（Vehic

3、le Turning Data based Traffic Prediction Algorithm）。交通預(yù)測(cè)的具體方法為通過(guò)車輛轉(zhuǎn)向信息量化道路之間的動(dòng)態(tài)關(guān)系，給出了聚類依據(jù)，從而將互相之間影響較大的道路聚集到一組。對(duì)每個(gè)組使用歷史數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，達(dá)到預(yù)測(cè)未來(lái)交通狀態(tài)的目的。然后根據(jù)預(yù)測(cè)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(jìn)行了耗時(shí)對(duì)比。
　　其次，設(shè)計(jì)了基于軌跡預(yù)測(cè)的車載網(wǎng)絡(luò)路由協(xié)議TP。受到跨層設(shè)計(jì)

4、思想和社會(huì)屬性對(duì)車載網(wǎng)絡(luò)路由設(shè)計(jì)的啟發(fā)，采取了駕駛員行為習(xí)慣和應(yīng)用層行車路線規(guī)劃兩種方法對(duì)車輛行駛軌跡路線進(jìn)行預(yù)測(cè)。然后借用MAC層的周期信息交換機(jī)制將本車的預(yù)測(cè)線路共享給周圍車輛以此決定路由策略。實(shí)驗(yàn)分析表明，該路由協(xié)議在控制網(wǎng)絡(luò)負(fù)載的情況下依然有較低的丟包率。
　　最后，修改了NS3網(wǎng)絡(luò)模擬器和VSimRTI仿真框架，將NS3嵌入框架內(nèi)網(wǎng)絡(luò)模擬器部分。設(shè)計(jì)并實(shí)現(xiàn)了TP路由協(xié)議，并在 SUMO生成的交通環(huán)境下驗(yàn)證了協(xié)議的丟包率和