基于机器学习的车载自组织网络DTN路由协议研究

发布时间：2017-03-23 19:13

  本文关键词：基于机器学习的车载自组织网络DTN路由协议研究，由笔耕文化传播整理发布。

【摘要】：车载自组织网络(Vehicular Ad hoc Network,VANETs)是智能交通的重要组成部分,近年来其研究发展受到政企和科研机构的广泛关注。VANETs的消息传递依靠车辆间的机会相遇来完成信息交换和资源共享,使其具有无线链路易断裂、网络规模较大、机会投递消息和拓扑结构变化频繁等特点。在车载自组织网络中,通过搭建车载容忍延迟网络(Vehicular Delay Tolerant Network,VDTN)的结构可以有效改善VANETs的传输稳定性和可扩展性。因此,VDTN是VANETs的一个研究重点。针对车载社会网络提出了一种基于决策树的VDTN多副本路由协议,重点解决因为车联社会网络间断性连接、相遇时间过短以及如何合理选取相应属性进行数据包转发所带来的问题。本文主要通过对社会属性的选取方面进行改进,首先结合机器学习方法对历史数据进行收集,并依据对历史数据的学习结果建立属性规则。其次在喷发与转发阶段,通过建立的属性规则预测最优的下一跳节点,使消息能够快速、有向的接近目标节点。本文通过ONE(Opportunitic Network Environment simulation)仿真软件和真实的数据来模拟场景,通过改变各方面指标来验证路由协议性能,可以得出该路由协议比单属性社会路由协议路由开销降低了近20%。针对城市内不同区域间车辆节点密度分布不均,消息传输易受网络环境与道路上车辆流量因素影响的问题。本文提出一种基于交通信息的车载机会路由方案,既能保证较高投递率,又能降低时延;同时证明车载网络属性中节点度具有无标度性。该方案主要包括两个方面:首先,根据区域间道路车辆流量的大小来选取区域间通信数据转发道路,使消息能够以最快的速度到达非己区域;其次,在区域内采用分类回归(Classification and Regression tree,CART)学习算法评估社区内属性的“价值”,进一步依据CART算法建立的IF-THEN规则进行消息转发。通过ONE仿真验证得出,与现有算法相比,该算法不仅能够保证较高的投递率,还能降低消息投递时延。
【关键词】：车载自组织网络 路由协议 载容忍延迟网络 多副本 机器学习
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;U495
【目录】：

• 摘要3-4
• Abstract4-9
• 注释表9-10
• 第1章 绪论10-17
• 1.1 研究背景10-11
• 1.2 VANET相关应用11-13
• 1.3 国内外研究状况13-15
• 1.3.1 VANETs通信技术13
• 1.3.2 VANETs的研究项目13-15
• 1.4 问题与挑战15
• 1.5 论文结构和章节安排15-17
• 第2章 车载自组织网络VDTN协议综述17-29
• 2.1 车载自组织网络特性17-18
• 2.2 车载容延容断网络18-20
• 2.2.1 VDTN概念18-19
• 2.2.2 VDTN网络体系结构19-20
• 2.3 VDTN路由20-21
• 2.3.1 VDTN基本术语20
• 2.3.2 VDTN路由评价指标20-21
• 2.4 VDTN协议分类21-27
• 2.4.1 盲目型22-23
• 2.4.2 概率预测策略23-24
• 2.4.3 社会学策略24-26
• 2.4.4 路基辅助策略26-27
• 2.5 路由存在的挑战27-28
• 2.6 本章小结28-29
• 第3章 基于决策树的VDTN多副本路由协议29-46
• 3.1 引言29-30
• 3.2 基于D-Tree的路由协议30-36
• 3.2.1 基本定义30-31
• 3.2.2 VANET属性31-32
• 3.2.3 D-Tree协议32-35
• 3.2.4 规则分析35-36
• 3.3 数据仿真及分析36-45
• 3.3.1 仿真软件介绍37-38
• 3.3.2 参数设置38-39
• 3.3.3 TTL对性能的影响39-41
• 3.3.4 副本数对性能的影响41-45
• 3.4 本章小结45-46
• 第4章 基于交通流量的车载机会路由算法46-64
• 4.1 引言46-47
• 4.2 基于TF-VDTN的路由协议47-55
• 4.2.1 系统模型47-50
• 4.2.2 TF-VDTN社区内路由算法50-51
• 4.2.3 VANETs网络的非均匀性51-53
• 4.2.4 TF-VDTN路由协议流程53-55
• 4.3 仿真结果及分析55-62
• 4.3.1 TTL对消息性能的影响57-59
• 4.3.2 消息副本数对性能的影响59-61
• 4.3.3 车辆密度对性能的影响61-62
• 4.4 本章小结62-64
• 第5章 总结与展望64-66
• 5.1 本文工作总结64-65
• 5.2 后续研究工作65-66
• 参考文献66-70
• 致谢70-71
• 攻读硕士学位期间从事的科研工作及取得的成果71

【参考文献】

中国期刊全文数据库 前9条

1 赵慧;刘明;刘念伯;龚海刚;周圣二;吴跃;;城市车载网络中基于停放车辆辅助的数据分发[J];软件学报;2015年06期

2 吴大鹏;孔晓龙;张洪沛;刘乔寿;熊余;王汝言;;社会属性感知的间断连接无线网络数据转发策略[J];通信学报;2015年01期

3 王翔;冷u&鹏;张可;刘浩;;车联社会网络综述[J];通信学报;2015年01期

4 吴大鹏;张普宁;王汝言;;节点连接态势感知的低开销机会网络消息传输策略[J];通信学报;2013年03期

5 于海宁;张宏莉;;VANETs路由协议的研究进展[J];电子学报;2011年12期

6 熊永平;孙利民;牛建伟;刘燕;;机会网络[J];软件学报;2009年01期

7 杜海峰;李树茁;W.F.Marcus;悦中山;杨绪松;;小世界网络与无标度网络的社区结构研究[J];物理学报;2007年12期

8 吴俊;谭跃进;邓宏钟;朱大智;;无标度网络拓扑结构非均匀性研究[J];系统工程理论与实践;2007年05期

9 谭跃进,吴俊;网络结构熵及其在非标度网络中的应用[J];系统工程理论与实践;2004年06期

  本文关键词：基于机器学习的车载自组织网络DTN路由协议研究，，由笔耕文化传播整理发布。

本文编号：264406