首页> 中文学位 >基于密度感知的车载机会网络数据分发机制研究
【6h】

基于密度感知的车载机会网络数据分发机制研究

代理获取

目录

声明

摘要

第1章 绪论

1.1 研究背景及意义

1.2 车载机会网络的数据分发

1.2.1 车载机会网络基本特征

1.2.2 车载机会网络数据分发的基本特点

1.2.3 发布/订阅系统模型

1.3 国内外研究现状及分析

1.3.1 国内外研究现状

1.3.2 研究现状分析

1.4 论文主要研究内容及组织结构

第2章 传统路由协议在数据分发中的应用及对比分析

2.1 按需距离矢量多播路由协议MAODV

2.1.1 MAODV协议

2.1.2 MAODV协议路由过程

2.2 协议无关组播PIM

2.2.1 PIM协议

2.2.2 PIM-SM组播路由协议

2.2.3 PIM-DM组播路由协议

2.3 按需组播路由协议ODMRP

2.3.1 ODMRP协议

2.3.2 ODMRP协议路由建立过程

2.4 三种路由协议的实验对比及分析

2.4.1 实验场景设置

2.4.2 实验对比评价指标

2.4.3 实验对比结果及分析

2.4.4 实验总结

2.5 本章小结

第3章 基于密度感知的车载机会网络数据分发机制

3.1 基于密度感知的车载机会网络数据分发模型

3.1.1 车载机会网络数据分发的需求

3.1.2 基于密度感知的数据分发模型主要思想

3.1.3 数据分发模型的建立

3.2 基于密度感知的分簇算法DSCA

3.2.1 DSCA分簇算法的主要思想

3.2.2 消息格式与数据结构说明

3.2.3 选举簇头节点

3.2.4 选举网关节点

3.2.5 初始成簇过程

3.2.6 簇的维护过程

3.3 在发布/订阅模式下基于DSCA的数据分发协议D3P

3.3.1 D3P协议的主要思想

3.3.2 改进的ODMRP路由算法

3.3.3 事件发布过程

3.3.4 事件订阅过程

3.4 缓存更新策略MCT

3.4.1 事件发布表更新算法PMCT

3.4.2 事件订阅表更新算法SMCT

3.5 本章小结

第4章 仿真实验及性能分析

4.1 仿真环境设置

4.2 性能评价指标

4.3 D3P的仿真实验及结果分析

4.3.1 节点数量变化对性能的影响

4.3.2 数据产生率变化对性能的影响

4.3.3 数据包大小变化对性能的影响

4.4 MCT的仿真实验及结果分析

4.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢

展开▼

摘要

车载机会网络是一种新兴的网络形式,不需要存在端到端的完整通信链路,主要利用节点间相遇机会以“存储-携带-转发”的路由模式实现车辆间的数据通信。车载机会网络作为车载自组织网络的一种特殊形式,具有网络拓扑结构高度时变性、缓存需求突出、高延迟等特点。鉴于以上特征,传统的数据分发机制无法有效地应用于车载机会网络,因此设计适合于车载机会网络的数据分发机制具有重要的研究意义。目前,数据分发机制是车载机会网络领域研究的重点及热点,但是以往的数据分发机制主要面向单一环境下的数据分发,当车辆快速移动时,未考虑到由于车辆密度改变的车辆间通信带来的链路更易中断的问题。因此,本文提出一种基于密度感知的车载机会网络数据分发机制,主要包括基于密度感知的数据分发模型、基于密度感知分簇的数据分发机制以及缓存更新策略。
  首先,针对车载机会网络中的三种经典多播路由协议进行了路由算法的性能研究及实验对比分析,为进一步研究数据分发机制奠定基础。然后通过分析车载机会网络数据分发的需求,提出了一种密度感知的车载机会网络数据分发模型,该模型面向多种网络环境的数据分发设计了基于密度感知的分簇模块和数据分发模块。其中,基于密度感知的分簇模块负责对网络中的车辆节点分簇并进行簇的维护;数据分发模块负责簇内节点的数据分发和簇间节点的数据分发。其次,鉴于分簇算法作为数据分发机制的研究热点,具有提高数据分发效率、减少网络传输延迟等作用。但是传统的分簇算法未考虑车辆速度和节点密度之间的关系,以及在不同密度下数据分发的特点。因此,设计了一种基于密度感知的分簇算法。该算法通过节点密度进行感知网络的环境,在节点稠密环境下通过综合考虑簇结构的稳定性和节点自私度两方面进行簇头的选举,在节点稀疏的环境下通过考虑车辆节点相遇的概率进行簇头节点选择。进而基于上述算法实现了一种车载机会网络数据分发机制,通过分簇能够在节点稠密环境和稀疏环境下有较好的数据分发效率和较低的网络时延。最后,设计了一种综合考虑用户需求和事件实时性的数据分发缓存更新策略,提高了数据分发过程中事件匹配的命中率。
  仿真实验表明,本文提出的基于密度感知的数据分发机制在高速公路的稠密环境和稀疏环境下均有较高的数据分发效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号