原文传递
基于强化学习的VANET路由算法研究
| 论文题名： | 基于强化学习的VANET路由算法研究 |
| 关键词： | 车载自组织网络;强化学习;路由算法;电子地图;启发式Q学习 |
| 摘要： | 2003年的 ITU-T汽车通信标准化会议上正式提出了车载自组织网络（Vehicular Ad Hoc Network，VANET），从此将Ad Hoc网络技术正式应用于汽车驾驶上。VANET是智能交通系统的关键部分，它的首要目的是保证司机与乘客的行驶安全，通过提供实时的道路预警和公共安全等信息，提高行车安全性；此外，VANET还能提供不同的应用服务，包括车辆动态接入到互联网、数据文件传输、在线视频会议等，方便司机和乘客在行车途中处理业务或娱乐放松。 路由算法是VANET研究的关键组成之一，在很大程度上影响了VANET的效率。本文分析了国内外VANET路由算法研究现状，改进现有路由算法，提出了适用于VANET环境的路由算法，研究内容如下： （1）针对VANET中因车辆移动性和路段车流密度分布不均匀导致路由算法性能低的问题，利用电子地图将城市环境中的路口作为路由决策因素，路由路径采用稳定的“路口到路口”形式，并基于Q学习方法动态适应各个路段车流密度变化，提出了一种结合Q学习和电子地图的路由算法，有效解决链路频繁断开、路段车流密度时刻变化造成的分组投递率低的问题。 （2）针对QLAODV存在的学习收敛速度缓慢的问题，本文基于启发式Q学习改进QLAODV。通过引入启发函数，结合节点间的时延信息指导节点的转发动作，提出了一种基于启发式Q学习的路由算法，加快学习收敛速度。仿真实验表明，基于启发式Q学习的路由算法比QLAODV具有更高的分组投递率和更低的端到端时延。 （3）分析了VANET中包含的不同应用服务以及所对应的传输消息，并对不同类型的传输消息进行分类，分配不同的消息优先级。提出一种面向于多优先级消息的路由算法，在VANET的网络资源（如带宽、缓存等）有限情况下，将网络资源优先分配给服务质量要求高的消息。仿真实验表明，面向于多优先级消息的路由算法在不同通信量的情况下拥有较好的负载均衡能力，适用于高负载的网络环境。 |
| 作者： | 袁铭 |
| 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 |
检索历史
应用推荐
