一种车联网中基于蚁群优化的中继选择方法技术

本发明专利技术公开了一种车联网中基于蚁群优化的中继选择方法，该策略的实现方法如下：首先，利用蚁群特性估计源节点到每个邻居节点的平均时延，作为时延信息素。其次，通过车辆本身的移动性，计算相应的距离、链路持续时间以及MAC层竞争退避的次数。利用蚁群特性总结出相应的转发概率，最后选择转发概率最大的车辆作为中继。本发明专利技术通过采用蚁群优化的方式，利用时延的正反馈以及车辆本身的特性优化中继选择策略。仿真结果表明，与传统的AODV、GPSR协议相比，所提出的策略具有更好的性能。

【技术实现步骤摘要】
一种车联网中基于蚁群优化的中继选择方法
本专利技术属于无线通信
，具体涉及一种车联网中基于蚁群优化的中继选择方法。
技术介绍
车辆自组织网络是由车辆节点组成的多跳通信自治系统。车辆自组网的目的是在车辆环境中提供无线通信能力。车联网场景是第五代移动通信三大典型场景中超高可靠低时延场景的典型案例，在5G中具有重要地位。然而，车辆自组织网络有着其特殊的特性，例如频繁的链路失效、不稳定的网络拓扑以及车辆的随机移动。所以这些特性都对车辆自组织的路由设计产生了巨大挑战。由于车辆通信的主要性能指标是时延，因此传统的路由协议不能很好的适用于车辆环境。设计能够保证超低时延和超高可靠性的路由协议具有很大的挑战性。由于车辆环境的复杂多变性，路由协议只有通过自适应调整车辆环才有可能表现出良好的性能，而考虑到时延的重要性，通过评估每个转发车辆的时延特性，并结合车辆自身移动性的特点，将有助于选择最佳的中继，以便减少整体的传输时延。
技术实现思路
本专利技术的目的是为了降低车辆自组织网络多跳通信时延，保证通信的可靠性，通过引入蚁群优化的方法，提供了针对时延的自适应的中继选择策略，能够有效的提升系统性能。为达到上述目的，本专利技术所采用如下技术方案予以实现：车联网中基于蚁群优化的中继选择方法，包括以下步骤：1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延Dij的大小；2)对于在通信范围Rrange内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离dij和链路持续时间LETij；3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；4)采用蚁群优化的方法对数据包传输时延Dij、距离dij、链路持续时间LETij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。本专利技术进一步的改进在于，步骤1)中，将通信范围Rrange内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延为：其中，表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：其中：是经过稀释之后的信息素，ρ是恒定的稀释速率，τij(t)是在t时间积累的信息素；则经过Δt时间后积累的总信息素浓度为：公式(3)归一化之后的结果为：其中：τmax是车辆i和邻居车辆之间最大的时延信息素。本专利技术进一步的改进在于，步骤2)中，定义车辆i与车辆j之间的坐标分别为(xi,yi)和(xj,yj)，则车辆i与车辆j之间的距离为：发送端车辆i与车辆j之间的夹角为：发送端车辆i与车辆j同向行驶时，链路持续时间为：其中：wij表示车辆i与车辆j的垂直距离，vi和vj分别是车辆i和车辆j的速度，R是最大通信范围；发送端车辆i与车辆j行驶方向相反时时，链路持续时间为：本专利技术进一步的改进在于，在步骤3)中，车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：其中：λ表示数据包的到达速率，则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：λ(j)＝C(j)×λ(10)则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：Pi(t,0)＝e-λ(j)×t(11)依据公式(11),车辆i的所在簇其他车辆有k个数据包发送请求，即车辆i遇到冲突的概率为1-Pi(t,0)，则车辆i竞争成功的平均退避次数为：本专利技术进一步的改进在于，步骤4)中，车辆i与车辆j之间MAC层退避次数、距离dij和链路持续时间LETij的联合权重，也即车辆本身的启发式信息表示为：其中：w1、w2、w3分别为权重系数，是邻居车辆的最大退避次数，LETmax是邻居车辆的最长链路持续时间，dmax是车辆到邻居车辆最长的距离。本专利技术进一步的改进在于，步骤4)中，应用蚁群优化模型，依据公式(4)和公式(13),邻居车辆转发概率模型为：其中：车辆i与车辆j之间的信息素，车辆i与车辆j之间的启发式信息，车辆j与车辆l之间的信息素，车辆j与车辆l之间的信息素，Ni是邻居车辆集合，α和β是权重系数；则选择的最佳中继也即下面优化问题的解：由于该优化问题没有限制条件，只需要找出所有邻居车辆转发概率最大的车辆，将其作为中继。本专利技术所提出的车联网中基于蚁群优化的中继选择方法具有如下优点：本专利技术所述的车联网中继选择方法，通过引入蚁群优化理论，能够使得选择的中继在进行数据包发送时具有较低的时延，符合车辆自组织网络的特性，同时结合了车辆自身的特性，保证了链路的持续时间。因此本专利技术所提出的方案能够提高整个系统的性能。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的不当限定，在附图中：图1为车辆自组织网络场景示意图；图2为不同车辆数下的平均时延对比图；图3为不同车辆数下的数据包传送率对比图；图4为不同车辆数下的平均吞吐量对比图。具体实施方式下面将结合附图以及具体实施例来详细说明本专利技术，在此本专利技术的示意性实施例以及说明用来解释本专利技术，但并不作为对本专利技术的限定。如图1所示，本专利技术车联网中基于蚁群优化的中继选择方法，该车联网场景拓扑由典型的高速公路场景组成，60辆汽车随机分布在场景中，包括以下步骤：步骤1，发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延Dij的大小。将通信范围Rrange内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的集合M中车辆j的平均传输时延为：其中，表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数。则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：其中：是经过稀释之后的信息素，ρ是恒定的稀释速率，τij(t)是在t时间积累的信息素。则经过Δt时间后积累的总信息素浓度为：公式(3)归一化之后的结果为：其中：τmax是车辆i和邻居车辆之间最大的时延信息素。步骤2，对于在通信范围内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离dij、链路持续时间LETij。定义车辆i与车辆j之间的坐标分别为(xi,yi)和(xj,yj)，则车辆i与车辆j之间的距离为：发送端车辆i与车辆j之间的夹角为：发送端车辆i与车辆j同向行驶时，链路持续时间为：其中：wij表示车辆i与车辆j的垂直距离，vi和vj分别是车辆i和车辆j的速度，R是最大通信范围。发送端车辆i与车辆j行驶方向相反时时，链路持续时间为：步骤3，采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B。车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：其中：λ表示数据包的到达速率。则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：λ(j)＝C(j)×λ(10)则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：Pi(t,0)＝e-λ(j)×t(11)依据公式(10),车辆i的本文档来自技高网...

【技术保护点】
1.一种车联网中基于蚁群优化的中继选择方法，其特征在于，包括以下步骤：1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延Dij的大小；2)对于在通信范围Rrange内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离dij和链路持续时间LETij；3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；4)采用蚁群优化的方法对数据包传输时延Dij、距离dij、链路持续时间LETij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。

【技术特征摘要】
1.一种车联网中基于蚁群优化的中继选择方法，其特征在于，包括以下步骤：1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延Dij的大小；2)对于在通信范围Rrange内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离dij和链路持续时间LETij；3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；4)采用蚁群优化的方法对数据包传输时延Dij、距离dij、链路持续时间LETij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。2.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤1)中，将通信范围Rrange内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延为：其中，表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：其中：是经过稀释之后的信息素，ρ是恒定的稀释速率，τij(t)是在t时间积累的信息素；则经过Δt时间后积累的总信息素浓度为：公式(3)归一化之后的结果为：其中：τmax是车辆i和邻居车辆之间最大的时延信息素。3.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤2)中，定义车辆i与车辆j之间的坐标分别为(xi,yi)和(xj,yj)，则车辆i与车辆j之间的距离为：发送端车辆i与车辆j之间的夹角为：发送端车辆i与车...

【专利技术属性】
技术研发人员：任品毅，丁志豪，杜清河，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61