论文部分内容阅读
汽车对当今社会的意义早已不言而喻,然而汽车也给人们带了诸如道路拥堵、交通事故等问题。为了解决这些问题人们开发了智能交通系统,而作为智能交通系统通信基础的车载网络也因此进入大家的视野。车载网络本身是从传统的移动自组织网络中衍生而出。但是由于车载网络存在自身的特点,移动自组织网络的路由协议并不能很好地适应车载网络环境。现有的车载网络路由协议研究大多是在移动自组织网络路由协议基础上做改进工作,但是普遍存在丢包率和网络负载矛盾的问题。即丢包率低的路由协议网络负载高,反之网络负载低的路由协议丢包率高。本文主要针对车载网络路由协议丢包率和网络负载矛盾的问题,在分析和考虑社会属性的基础上,基于行车轨迹路线预测提出了新的车载网络路由协议——TP(Traffic Prediction)路由协议,并在模拟城市环境下做了验证工作。具体工作包括以下三个部分:首先,在研究了现有的交通预测方法的基础上提出了基于车辆转向信息的神经网络交通预测算法VTD-TPA(Vehicle Turning Data based Traffic Prediction Algorithm)。交通预测的具体方法为通过车辆转向信息量化道路之间的动态关系,给出了聚类依据,从而将互相之间影响较大的道路聚集到一组。对每个组使用历史数据训练神经网络,达到预测未来交通状态的目的。然后根据预测的交通状态规划行车路径,并与google地图给出的行车路径进行了耗时对比。其次,设计了基于轨迹预测的车载网络路由协议TP。受到跨层设计思想和社会属性对车载网络路由设计的启发,采取了驾驶员行为习惯和应用层行车路线规划两种方法对车辆行驶轨迹路线进行预测。然后借用MAC层的周期信息交换机制将本车的预测线路共享给周围车辆以此决定路由策略。实验分析表明,该路由协议在控制网络负载的情况下依然有较低的丢包率。最后,修改了NS3网络模拟器和VSimRTI仿真框架,将NS3嵌入框架内网络模拟器部分。设计并实现了TP路由协议,并在SUMO生成的交通环境下验证了协议的丢包率和网络负载情况。