基于移动性的车联网分簇优化算法的研究与实现

发布时间:2023-05-13 21:02
  现如今,伴随着社会和经济的飞速进步及汽车的迅速普及,城市交通安全问题和交通拥堵问题日益严重。为了提供更加舒适和安全的交通体验,国内外研究组织高度重视车联网及其相关技术的研究。车联网作为移动自组织网络在车辆交通方面的典型应用,是智慧城市智能交通系统的核心,它利用车载设备获取信息进行人与车、车与车和车与设备的快速通信,以此实现城市智能一体化网络。而由于具备节点移动性强、网络拓扑结构变化迅速和节点移动轨迹受道路限制等不同于移动自组织网络的特点,以往典型有效的移动自组织网络分簇算法并不适用于车联网。在这种情况下,设计出更加符合车联网城市场景特点,并且高效、稳定、可靠的分簇算法已迫在眉睫。本论文深入地研究和分析了车联网的网络特点和现有的分簇机制,并针对簇稳定性、网络开销和延迟等性能,进行了以下研究:首先设计了一种基于移动性的VANET分簇算法,通过三个参数(车辆移动方向,车辆平均速度,车辆间距离)来选择稳定的簇头,可以找到最优的分簇方案。该算法简单而稳定,足以进行相对较少的越区切换和集群重组,通过数据包数量和延时表现出在相对较长的时间内实现了稳定的集群。其次,针对前一算法中簇维护阶段中簇头稳定性...

【文章页数】:64 页

【学位级别】:硕士

【文章目录】:
摘要
Abstract
第一章 绪论
    1.1 级课题研究背景与意义
    1.2 国内外研究现状
        1.2.1 VANET研究现状
        1.2.2 路由协议研究现状
        1.2.3 分簇算法研究现状
    1.3 论文的主要研究内容
    1.4 论文的主要研究内容
第二章 相关背景知识介绍
    2.1 车载自组织网络简介
        2.1.1 车载自组织网络特点
        2.1.2 车联网关键技术
        2.1.3 车联网相关应用
    2.2 VANET路由协议
        2.2.1 基于拓扑的路由协议
        2.2.2 基于位置的路由协议
        2.2.3 基于群集的路由协议
        2.2.4 基于广播的路由协议
        2.2.5 地域性群播路由协议
    2.3 VANET分簇算法
        2.3.1 最低ID算法
        2.3.2 最高连通度分簇算法
        2.3.3 最低移动性分簇算法
        2.3.4 按需加权分簇算法
    2.4 本章小结
第三章 基于移动性的分簇算法VANET分簇算法
    3.1 设计描述
    3.2 簇头选举策略
    3.3 簇的形成及维护
        3.3.1 簇的形成
        3.3.2 簇的维护
    3.4 算法仿真及分析
        3.4.1 算法仿真
        3.4.2 性能分析
    3.5 本章小结
第四章 基于移动性权重的VANET分簇优化算法
    4.1 设计描述
    4.2 簇头选举策略
        4.2.1 节点连接级别
        4.2.2 平均速度
        4.2.3 平均距离
    4.3 簇的形成和簇头的选举过程
    4.4 簇的维护
        4.4.1 领导权从主簇头转移到副簇头
        4.4.2 簇的合并
        4.4.3 成员离开所在簇
    4.5 算法仿真及性能分析
        4.5.1 集群稳定性
        4.5.2 形成的簇数
        4.5.3 端到端时延
    4.6 本章小结
第五章 基于极限学习机的交叉路口自适应分簇算法
    5.1 模型分析
        5.1.1 OS-ELM概述
        5.1.2 OS-ELM转弯预测机制
    5.2 基于极限学习机交叉路口自适应分簇算法
        5.2.1 离线初始化阶段
        5.2.2 集群准备阶段
        5.2.3 顺序学习阶段
    5.3 算法仿真与性能分析
        5.3.1 OS-ELM参数选择和验证
        5.3.2 算法性能评估
    5.4 本章小结
第六章 总结与展望
参考文献
附录 攻读硕士学位期间申请的专利
致谢



本文编号:3816517

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3816517.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户98ed4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com