車載自組網(wǎng)路由協(xié)議及路徑?jīng)Q策模型研究.pdf

1、近年來，我國汽車產(chǎn)業(yè)以驚人速度發(fā)展，加之“十二五”期間物聯(lián)網(wǎng)產(chǎn)業(yè)的大力推進(jìn)，車聯(lián)網(wǎng)成為我國未來智能交通發(fā)展的重要支柱和發(fā)展方向。車聯(lián)網(wǎng)核心技術(shù)突破與應(yīng)用，將有效緩解汽車產(chǎn)業(yè)發(fā)展面臨嚴(yán)峻的資源、環(huán)境制約，提高資源使用效率。車載自組網(wǎng)（VANET）作為車聯(lián)網(wǎng)的基礎(chǔ)，移動(dòng)模型、路由協(xié)議，以及路徑?jīng)Q策與推薦模型成為其核心技術(shù)。
　　首先，VANET具有節(jié)點(diǎn)移動(dòng)速度快、移動(dòng)受道路約束等特點(diǎn)，車輛移動(dòng)模型是車聯(lián)網(wǎng)的核心與基礎(chǔ)。本文提出一種基于

2、動(dòng)態(tài)路徑規(guī)劃的混合移動(dòng)模型，該模型將時(shí)間依賴、空間依賴與地理限制緊密組合：1）地圖模型以路段和交叉口為基礎(chǔ)，較好地模擬交通環(huán)境；2）利用車載自組網(wǎng)車間通信，實(shí)現(xiàn)車輛的運(yùn)動(dòng)控制，通過與鄰居節(jié)點(diǎn)車輛通信，獲取路況和地圖信息，使路徑?jīng)Q策更為準(zhǔn)確；3）設(shè)計(jì)基于Dijkstra的動(dòng)態(tài)路徑規(guī)劃算法，實(shí)現(xiàn)路徑推薦。本文在通暢、擁擠、堵塞等多種交通場景下，從微觀特性和宏觀特性兩方面對提出的移動(dòng)模型進(jìn)行量化研究，實(shí)驗(yàn)表明：與車流交通移動(dòng)模型 FTM和基于

3、圖的移動(dòng)模型GBMM以及基于智能駕駛員模型的IDM_IM和IDM_LC相比，該移動(dòng)模型在連接保持時(shí)間、鏈路穩(wěn)定性，以及協(xié)議性能等方面均有所提升；與隨機(jī)轉(zhuǎn)彎和最短路徑模型相比，該模型使車輛節(jié)點(diǎn)更加快速、高效地抵達(dá)目的地。
　　其次，作為未來智能交通基礎(chǔ)設(shè)施的VANET，通過車與車、車與路邊節(jié)點(diǎn)通信構(gòu)成統(tǒng)一無線通信網(wǎng)絡(luò)，傳遞輔助駕駛、事故避免等實(shí)時(shí)性業(yè)務(wù)，這對于安全駕駛至關(guān)重要。路由協(xié)議是影響 VANET車聯(lián)網(wǎng)實(shí)時(shí)性的關(guān)鍵。首先，對A

4、ODV、DSDV和DSR三種經(jīng)典路由協(xié)議在車聯(lián)網(wǎng)環(huán)境下的性能進(jìn)行量化研究，分析發(fā)現(xiàn)：分組傳輸率低、高歸一化路由負(fù)載，以及高平均端到端延遲是影響VANET路由協(xié)議實(shí)時(shí)性的重要因素。有鑒于此，以容遲網(wǎng)絡(luò)的存儲(chǔ)-攜帶-轉(zhuǎn)發(fā)機(jī)制為基礎(chǔ)，提出基于容遲網(wǎng)絡(luò)的按需路由協(xié)議DT-AODV，并將VANET建模為有向多圖模型來模擬連接時(shí)變性。實(shí)驗(yàn)表明，與基于容遲網(wǎng)絡(luò)的PRAODV和PRAODV-M協(xié)議相比，提出的DT-AODV路由協(xié)議其分組傳輸率和平均端到

5、端延遲等指標(biāo)性能更佳，更適合于VANET。
　　再次，通過對 VANET海量數(shù)據(jù)的挖掘?qū)崿F(xiàn)路徑?jīng)Q策與優(yōu)化，成為近年國際競相研究的熱點(diǎn)與發(fā)展趨勢，其中行程時(shí)間短時(shí)預(yù)測模型（Short-Term Forecasting Model）成為未來VANET的一項(xiàng)重要服務(wù)。與長時(shí)預(yù)測模型不同，實(shí)時(shí)性、可靠性與高精度構(gòu)成短時(shí)預(yù)測模型的基本要素。首先，以真實(shí)海量出租車GPS歷史數(shù)據(jù)為背景，按照地理區(qū)域和密度進(jìn)行聚類，獲得更加準(zhǔn)確的區(qū)域內(nèi)相應(yīng)時(shí)間段

6、的車輛運(yùn)行速度；其次，提出基于人工神經(jīng)網(wǎng)的短時(shí)車輛行程時(shí)間預(yù)測模型，該模型將車輛速度倒數(shù)作為路徑權(quán)值來衡量路段的擁擠狀況，并設(shè)計(jì)改進(jìn)的A-Dijkstra算法實(shí)現(xiàn)路徑推薦。實(shí)驗(yàn)表明，短時(shí)預(yù)測模型成功實(shí)現(xiàn)當(dāng)前時(shí)間當(dāng)前地點(diǎn)交通狀況的預(yù)測，與歷史平均時(shí)間和SVR支持向量的回歸模型相比，該模型相對誤差更小，預(yù)測更加準(zhǔn)確。
　　最后，針對出租車打車難問題，提出基于VANET的乘客打車概率與打車等候時(shí)間短時(shí)預(yù)測模型。通過對出租車GPS歷史軌跡