一种VANET网络自适应路由协议选择方法、计算机程序产品技术

本发明专利技术属于一种路由协议选择方法，为解决目前针对现有路由协议中的参数进行自适应参数调整的路由协议自适应技术，存在适用范围有限、无法实现全局自适应、对于其他协议的适用性较低的技术问题，提供一种VANET网络自适应路由协议选择方法、计算机程序产品，通过遗传粒子群算法对自适应模糊神经推理系统中的参数进行优化，由策略知识库得到各路由协议的性能指标值；然后利用上述方法得到的效用函数得到各路由协议的效用值；最后，将这些效用值代入目标函数中，就可以计算出个路由协议的目标函数值。在某一网络场景下具有最大目标函数值的路由协议即为该场景下的最优路由协议。的路由协议即为该场景下的最优路由协议。的路由协议即为该场景下的最优路由协议。

【技术实现步骤摘要】
一种VANET网络自适应路由协议选择方法、计算机程序产品


[0001]本专利技术属于一种路由协议选择方法，具体涉及一种VANET网络自适应路由协议选择方法、计算机程序产品。

技术介绍

[0002]目前，智能交通和网联车已经成为信息技术和实体经济深度融合的先行者。车辆自组织网络(Vehicular Ad
‑
hoc Network，VANET)，是针对交通场景提出的一种自组织网络，主要被用来为车辆及路边单元提供数据通信的相关服务，是智能交通中不可缺少的重要组成部分，同时，也是解决交通安全性差、道路通行率低、驾驶体验度差等问题的有效途径。随着智能交通的发展，对VANET相关技术的要求也愈加严格。如何支持VANET中海量的数据传输，以及如何为车辆间通信提供更可靠的保障已经成为当前VANET面临的最大挑战。
[0003]在VANET网络的连通性技术中，路由技术是最为关键的一部分。其中，难点在于如何很好地处理VANET网络中一系列对通信质量影响较大的问题，比如链路寿命短、节点移动性高，环境中阻碍多等。目前的路由协议缺少对于网络环境的感知能力，特别是在网络整体的拓扑变化复杂时，无法及时根据网络环境的变化情况对路由信息进行自适应调整。为了应对该特点给VANET网络中路由带来的不良影响，研究人员不断地提出一些自适应方法，期望可以通过给路由协议赋予自适应能力来解决该问题，现有的路由协议自适应技术主要是针对现有路由协议中的参数进行自适应参数调整，首先对传统路由协议的性能进行对比仿真，然后提出一个用于评估动态源路由协议(Dynamic Source Routing，DSR)和目的节点序列距离矢量路由协议(Destination Sequenced Distance
‑
Vector，DSDV)性能的效用函数，通过计算路由协议的效用值，结合先验知识构建路由协议策略库，确定不同网络情景区间的最优路由协议。
[0004]但是，这种针对现有路由协议中的参数进行自适应参数调整的路由协议自适应技术，还存在诸多不足：(1)效用函数固定，且仅能在两种路由协议中进行选择，适用范围有限；(2)路由协议未进行自适应处理，在协议中的参数多采用固定值，无法满足VANET网络场景，实现全局自适应；(3)效用函数对于其他协议的适用性较低，将其中的路由协议替换为其他路由协议，准确率就会大大降低，在实际使用中局限性较大。

技术实现思路

[0005]本专利技术为解决目前针对现有路由协议中的参数进行自适应参数调整的路由协议自适应技术，存在适用范围有限、无法实现全局自适应、对于其他协议的适用性较低的技术问题，提供一种VANET网络自适应路由协议选择方法、计算机程序产品。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]一种VANET网络自适应路由协议选择方法，其特殊之处在于，包括以下步骤：
[0008]S1，通过遗传粒子群算法对自适应模糊神经推理系统中的参数进行优化，得到优化后的自适应模糊神经推理系统；
[0009]S2，对当前VANET网络中的节点移动速度和网络规模进行感知，将感知结果和各待用协议的数据集，输入至优化后的自适应模糊神经推理系统；
[0010]S3，所述优化后的自适应模糊神经推理系统根据各待用协议的策略库，对相应待用协议在当前网络环境中的多个性能指标进行推理预测，得到与各性能指标相对应推理的性能值；
[0011]S4，将所述推理的性能值代入相应效用值函数，得到与各性能指标对应的效用值；
[0012]S5，根据各待用协议的业务需求，确定与业务需求对应的目标函数，结合与各性能指标对应的效用值，得到各待用协议在当前VANET网络环境下针对相应业务需求的目标函数值；
[0013]S6，选择最大的目标函数值对应的待用协议，作为当前VANET网络的路由协议。
[0014]进一步地，步骤S1之前还包括步骤S0，自适应参数调整：
[0015]根据当前网络中邻居节点的变化率R和当前网络的业务负载L，调整路由更新周期T和自适应因素的检测间隔Δt。
[0016]进一步地，为了使现有路由协议性与多变的VANET网络场景更加适配，实现网络性能大的提升，本专利技术可以先对路由协议中的参数进行调整，具体可采用以下调整方法，步骤S0具体为：
[0017]S0.1，比较变化率R和当前网络中最大的邻居节点变化率R
max
，若R＞R
max
，减小路由更新周期T，执行步骤S0.3；若R＜R
max
，增大路由更新周期T，执行步骤S0.2；
[0018]S0.2，比较路由更新周期T和最大更新周期T
max
，若T＞T
max
，使T＝T
max
；若T＜T
max
，执行步骤S1.3；
[0019]S0.3，比较业务负载L和目前网络MAC层接口队列的最大缓存长度L
max
，若L＜L
max
，减小自适应因素的检测间隔Δt，若L＞L
max
，增大自适应因素的检测间隔Δt。
[0020]进一步地，由于单独使用遗传算法或粒子群算法对自适应模糊神经推理系统进行优化，就无法实现在全局搜索能力以及计算效率上都占有优势。本专利技术采用了一种遗传粒子群算法对自适应模糊神经推理系统进行优化，步骤S1具体为：
[0021]S1.1，对自适应模糊神经推理系统的参数进行初始化；
[0022]S1.2，在空间中，根据自适应模糊神经推理系统的参数范围，随机生成m个粒子，组成粒子集群，粒子集群中每个粒子都具有随机的初始参数；其中，m为大于等于2的整数；
[0023]S1.3，通过下式计算每个粒子的适应度值：
[0024][0025]其中，为第i个粒子的适应度值，为第i个粒子第j个预测数值经自适应模糊神经推理系统的输出值，为第i个粒子第j个预测数值对应的实际值，N为预测数值的数目；
[0026]S1.4，比较和第i个粒子当前的个体最优值P
best
‑
i
，若则用P
best
‑
i
替换否则，保留
[0027]S1.5，比较所有粒子当前的个体最优值P
best
‑
i
，得到其中的最大值，作为全局最优
解G
best
；
[0028]S1.6，对各粒子当前的位置和速度进行修正，并对每个粒子的最大移动范围P
max
和最大移动速度V
max
进行限制；
[0029]S1.7，根据当前各粒子的适应度值对各粒子进行排序；
[0030]S1.8，对各粒子进行筛选，使粒子集群中前一半粒子进入下一代，并对后一半粒子依次执行遗传算法中的选择、交叉和变异操作，得到优选的粒子；
[0031]S1.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种VANET网络自适应路由协议选择方法，其特征在于，包括以下步骤：S1，通过遗传粒子群算法对自适应模糊神经推理系统中的参数进行优化，得到优化后的自适应模糊神经推理系统；S2，对当前VANET网络中的节点移动速度和网络规模进行感知，将感知结果和各待用协议的数据集，输入至优化后的自适应模糊神经推理系统；S3，所述优化后的自适应模糊神经推理系统根据各待用协议的策略库，对相应待用协议在当前网络环境中的多个性能指标进行推理预测，得到与各性能指标相对应推理的性能值；S4，将所述推理的性能值代入相应效用值函数，得到与各性能指标对应的效用值；S5，根据各待用协议的业务需求，确定与业务需求对应的目标函数，结合与各性能指标对应的效用值，得到各待用协议在当前VANET网络环境下针对相应业务需求的目标函数值；S6，选择最大的目标函数值对应的待用协议，作为当前VANET网络的路由协议。2.根据权利要求1所述一种VANET网络自适应路由协议选择方法，其特征在于：步骤S1之前还包括步骤S0，自适应参数调整：根据当前网络中邻居节点的变化率R和当前网络的业务负载L，调整路由更新周期T和自适应因素的检测间隔Δt。3.根据权利要求2所述一种VANET网络自适应路由协议选择方法，其特征在于：步骤S0具体为：S0.1，比较变化率R和当前网络中最大的邻居节点变化率R
max
，若R＞R
max
，减小路由更新周期T，执行步骤S0.3；若R＜R
max
，增大路由更新周期T，执行步骤S0.2；S0.2，比较路由更新周期T和最大更新周期T
max
，若T＞T
max
，使T＝T
max
；若T＜T
max
，执行步骤S1.3；S0.3，比较业务负载L和目前网络MAC层接口队列的最大缓存长度L
max
，若L＜L
max
，减小自适应因素的检测间隔Δt，若L＞L
max
，增大自适应因素的检测间隔Δt。4.根据权利要求1至3任一所述一种VANET网络自适应路由协议选择方法，其特征在于，步骤S1具体为：S1.1，对自适应模糊神经推理系统的参数进行初始化；S1.2，在空间中，根据自适应模糊神经推理系统的参数范围，随机生成m个粒子，组成粒子集群，粒子集群中每个粒子都具有随机的初始参数；其中，m为大于等于2的整数；S1.3，通过下式计算每个粒子的适应度值：其中，为第i个粒子的适应度值，y
j
为第i个粒子第j个预测数值经自适应模糊神经推理系统的输出值，y
dj
为第i个粒子第j个预测数值对应的实际值，N为预测数值的数目；S1.4，比较和第i个粒子当前的个体最优值P
best
‑
i
，若则用P
best
‑
i
替换否则，保留S1.5，比较所有粒子当前的个体最优值P
best
‑
...

【专利技术属性】
技术研发人员：师亚莉，黄楠，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：