详情

原文传递 VANET中路由算法研究

论文题名：	VANET中路由算法研究
关键词：	车载自组织网络;路由算法;模糊推理;负载均衡;链路间质量
摘要：	近几年，随着智能交通系统的不断发展，安全信息服务、辅助驾驶以及娱乐服务等各种应用得到了实现。作为智能交通系统的核心内容，车载自组织网络也逐渐成为广大学者研究的热点。而路由算法作为车载自组织网络中最重要的核心内容，一直以来是车载网的研究重点。本文结合车载自组织网络的特点，针对车载网路由算法存在的一些问题，对路由算法进行改进，并对改进后的路由算法仿真验证。　　由于AODV路由算法以跳数为衡量路由质量的依据，没有考虑到通信链路的稳定性，从而有可能由于选择的链路质量较差而导致链路频繁中断。针对这个问题，结合车载网络中车辆节点移动具有规律性等特点，对路由可靠性模型进行改进，利用模糊推理改进链路间质量预测方法，并利用改进后的路由可靠性模型改进AODV算法得到基于模糊推理的可靠路由算法FR-AODV。　　通过分析基于Q-learning的路由算法QLAODV，QLAODV算法受节点数量的影响，会由于状态空间过大导致算法收敛速度较慢等问题。结合分簇路由算法的优势，利用虚拟网格的方式对网络进行分簇，以簇作为Q学习的状态空间，提高算法收敛速度和准确性，降低场景规模对路由算法性能的影响。通过综合考虑簇内节点数量和节点运动状态影响簇头在线学习过程，帮助算法在路由发现过程中建立一条质量更为稳定的路由。　　对车载网中网络负载问题进行分析，综合考虑节点队列负载和信道负载给出改进的节点负载度量方法，并结合Q学习对路由算法进行改进，实现网络的负载均衡。并在算法中加入拥塞控制机制，避免负载较重的网络节点参与到新的路由中导致网络产生拥塞的现象。最后，通过利用仿真平台对改进的路由算法仿真验证表明，改进后的路由算法和其他对比算法相比，更能有效的应对车载网络环境。
作者：	郑家瑜
专业：	计算机科学与技术
导师：	方敏
授予学位：	硕士
授予学位单位：	西安电子科技大学
学位年度：	2017
正文语种：	中文