用于车载网络的地理路由协议的最佳下一跳路由算法研究

摘要

车载自组网（VANET）是一个现代通信网络技术，由于其被认为是支持未来智能交通系统（ITS）的主要技术之一，因此在不久的将来可以成为提供更安全和更高效组织的智能交通的希望。另一方面，VANET是ITS的主要应用，如协同交通监控，交通流量控制、盲人穿越马路、预防碰撞、邻近的信息服务以及实时绕行路线计算，这就需要让网络传输更安全、效率更高。VANET的另一个重要应用是提供互联网连接，每车辆都能够与附近的车辆通信并访问信息，用户可以下载音乐，发送电子邮件或后座乘客玩的游戏。VANET是一种特殊的无线网络，在这种网络中通过其他中间车辆（即具有车载单元的车辆）在道路上进行通信的无线网络的特殊类型。可以通过利用车载节点提供的新的连接机会来提供信息，这些机会将数据存储和转发到最佳的下一跳转发器，直到数据传送到目的地。　　VANET具有独特而重要的特性，例如：车辆之间可能会在另一个传输范围突然或逐渐连接或分开。由于不同的车辆在路上以不同方向和速度行驶，网络拓扑异常活跃，因此通信会连接，建立在车辆之间的无线链路可能会中断，车辆从出发点到目的中间的通信链路很容易断开。VANET的独特性在于，在配置这些网络之前就可以发现和指出应该解决的障碍。由于这种流动性的存在，VANET有许多具有挑战性的研究问题，如数据传播，数据共享以及安全性问题。目前最值得讨论的主题之一是设计可靠的路由协议，以应对VANET中复杂和高度移动的环境。　　VANET路由协议的主要要求是以最少的网络资源消耗实现最短的通信时间。这就需要一个能够与高动态拓扑结合使用的简单有效的转发机制。这个转发机制能够定期选择一个最佳next-hop转发器，并能被许多路由算法用来将数据包转发到目的地。因此，路由的性能依赖于用于车辆间数据传输的next-hop选择机制是否是最合适的。如果路由找不到适当的next-hop车辆，则它仍然不能很好地运行，因为这是从出发点到目的地传送数据包的基本实体。然而，现有的地理路由协议通常通过根据传统greedy（贪婪）转发器来选择车辆，而greedy转发器通常是选择最接近目的地的车辆，而不管新形成的链路的可靠性如何，这将给地理路由进入本地最大问题带来极大挑战。此外，车辆的信息是提高地理路由协议性能的关键因素。据我们所知，车辆的方向和速度对智能next-hop为VANET路由协议选择算法的精确度上的影响最大。　　本文的目的是通过适合于ITS的VANET地理路由协议，使用最佳next-hop选择算法（ONSA）中获得车辆的Hello信息和数据包头的信息。利用车辆方向和速度的影响，同时通过地理路由协议（如周边无状态路由（GPSR））最广泛地用于建模高效的转发机制。GPSR使用主要依赖于节点的准确位置信息心和周边方案进行转发决策。当位置信息过期时，可能导致错误的方向，并选择错误的next-hop转发节点，因此转发过程可能会失败。为了减轻GPSR路由协议的缺点，针对提供可靠和高效的VANET各种参数的机制，提出了不同的概念框架。　　为了实现这个全局目标，采用余弦相似性和速度相似性的概念。在基于相似性模型（ONSA-SM）的next-hop选择算法中考虑了车辆运动方向和速度信息的研究，选择具有最大相似性值的车辆作为转发数据分组的合适的next-hop。仿真结果表明，与其他现有的next-hop选择算法相比，提出的ONSA-SM算法在分组传输率和平均端到端延迟性能方面表现良好。　　然后，本文提出了基于GPSR下运动方向模型（ONSA-MDM）的最优next-hop选择算法。首先，选择最优的next-hop车辆，而不是周边路由恢复局部最大值，计算在目的地车辆方向上移动的车辆的数量。考虑每个候选next-hop的向量投影，以选择最优的next-hop节点。否则，基于链路到期时间（LET）信息，考虑每个邻居与当前车辆节点之间的链路可靠性，选择具有最大LETnext-hop。仿真结果表明，提出的ONSA-MDM方法可以在分组传输率和平均端到端延迟方面实现更好的性能。　　此外，本文提出了一种基于预测距离模型（ONSA-PDM）的最佳next-hop选择，其中包含预测距离和链路可靠性模型以进行转发决策。为了选择最佳的next-hop，将使用预测距离模型研究在不久的将来距离目的地最近的邻居。在本地最大情况下，还使用车辆在下一跳选择策略中的连通性，选择具有最大值LET的相邻车辆作为将数据包转发到目的地的最佳next-hop。在该框架中，所提出的ONSA-PDM算法比其他现有的地理路由算法呈现较低的归一化路由负载，并且在VANET情景中具有更高的分组传送率和吞吐量。　　最后，为了减少数据包转发的错误，提高地理路由性能，提出了基于混合模型（ONSA-HM）的称为最优next-hop选择算法的移动方向，预测距离和链路可靠性模型的组合。考虑到适合VANET环境的各种仿真参数，确认提出的ONSA-HM算法在分组传送率和平均端到端延迟方面优于现有的地理路由算法。　　此外，在网络仿真的设计中，对于评估VANET路由协议性能的所有方面都具有非常重要的意义。因此，在一步一步地在自下而上的过程中工作。首先，研究了实际通信场景中车辆移动性的不同组件和工具，以支持更高程度的仿真更加真实的场景。在这项工作中，考虑了城市环境的网络拓扑，已经通过VanetMobiSim生成了VANET方案，这些方面在模拟结果中产生了巨大的变化。然后，研究了网络架构，流量生成器和传播模型，以测试和评估新的VANET路由协议的性能。我们在NS-2中进行了模拟。在评估VANET路由协议时要考虑的另一个重要方面是应使用哪些性能指标，以便表示路由协议的无偏差性能。最后，研究了车辆的数量和最大速度等重要因素对现有地理路由算法性能的影响。仿真结果清楚地表明，基于相似性度量，运动方向模型，预测距离模型和链路质量模型提出的最优next-hop选择算法是可行的，并且可以显著提高与现有地理路由算法相比的性能。

目录

声明

DEDICATION

CHAPTER 1: INTRODUCTION

1.1 Background

1.2 Motivation

1.3 Contribution of the thesis

1.4 Organization of the thesis

CHAPTER 2: VANET ROUTING PROTOCOLS AND SIMULATION ENVIRONMENT

2.1 Overview of the VANET routing protocols

2.1.1 Topology-based routing

2.1.2 Geographic routing

2.2 Simulation environment

2.2.1Simulation set-up

2.2.2VANET scenarios

2.2.3Network simulator

2.2.4 Performance metrics

2.3 Performance evaluation

2.3.1 Observation of packet delivery ratio

2.3.2 Observation of average end-to-end delay

2.3.3 Observation of throughput

2.3.4 Summary and Discussion

CHAPTER 3:A LINK RELIABILITY MODELIN GEOGRAPHIC ROUTINGFORVEHICULAR NETWORKS

3.1 Introduction

3.2 Related work

3.3 The link expiration time

3.4 The ONSA-LRM algorithm

3.5Simulation results

3.5.1 Observation of packet delivery ratio

3.5.2 Observation of average end-to-end delay

3.5.3 Discussion

3.6 Conclusion

CHAPTER 4: SIMILARITY MODELSIN GEOGRAPHIC ROUTING FOR VEHICULAR NETWORKS

4.1 Introduction

4.2 Related work

4.3 The proposed next-hop selection algorithm

4.3.1 Cosine similarity model

4.3.2 Speed similarity model

4.3.3 ONSA-SM algorithm

4.4 Simulation results

4.4.1 Observation of the packet delivery ratio

4.4.2 Observation of average end-to-end delay

4.5 Summary

CHAPTER5: MOVEMENT DIRECTION MODEL IN GEOGRAPHIC ROUTING FOR VEHICULAR NETWORKS

5.1 Introduction

5.2 Related Work

5.3 The proposed next-hop selection algorithm

5.3.1 Movement direction model

5.3.2 ONSA-MDM algorithm

5.4 Simulation results

5.4.1 Observation of the packet delivery ratio

5.4.2 Observation of the average end-to-end delay

5.5 Summary

CHAPTER6: PREDICTIVE DISTANCE MODEL IN GEOGRAPHIC ROUTING FOR VEHICULAR NETWORKS

6.1 Introduction

6.2 Related work

6.3 ONSA-PDM algorithm

6.3.1 The limitation of GPSR

6.3.2 Predictive distance model

6.4 Simulation results

6.4.1 Observation of packet delivery ratio

6.4.2 Observation of throughput

6.4.3 Observation of normalized routing load

6.4.4 Observation of predictive error analysis

6.5 Summary

CONCLUSION AND FUTURE WORK

1. Conclusion

2. Discussion

3.Future Work

参考文献

致谢

APPENDIX A PUBLICATIONS

APPENDIX B JOINED SCIENTIFIC RESEARCH PROJECTS DURING DOCTORAL STUDY