车联网路口场景下分簇算法的研究

摘要

近年来，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堵塞问题日益严重。为了提供更加舒适和安全的交通体验，针对车联网及其相关技术的研究已经引起了国内外有关研究组织的高度重视。车联网（Vehicular Ad Hoc Networks，VANETs）是移动自组织网络(Mobile Ad HocNetworks，MANETs)在车辆交通方面的典型应用，是利用装载在车辆上的电子设备获取和道路和交通信息，在人与车、车与车、车与路边设备、车与建筑物之间，进行无线通信和信息交互，以实现智能交管控制、实时路况信息共享及乘客的娱乐和广告发布等服务的一体化网络。由于车联网具有节点移动性强、网络拓扑结构变化迅速，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，以往的移动自组织网络MANET中的分簇算法将不再适用于车联网。在这种情况下，设计更加符合车联网特点，并且高效、稳定、可靠的分簇算法已迫在眉睫。
　　本研究主要内容包括：⑴LOSC(Low Overhead and Stable Clustering scheme)算法。算法针对车联网路口场景，结合节点间的相对移动性和信道质量，提出了一个新的簇头能力参数M，并基于该参数设计了LOSC簇生成算法:比较每个节点的簇头选举参数M的大小，选举M值最小的节点成为簇头并生成簇，进而提高了簇的稳定性。通过簇维护过程中的“簇头预先选举机制”(Cluster Head Electing inAdvance Mechanism，CHEAM)，帮助簇成员预测其在簇内停留的时间，并在簇成员离开当前簇前预先选择下一任簇头。以簇头预先选举机制为核心的LOSC簇维护算法，明显地降低了车联网中的孤立节点个数和网络通信开销。⑵EnLOSC(Enhanced Low Overhead and Stable Clustering scheme)算法。该算法以LOSC算法为基础，针对簇维护策略的负载均衡和安全性等问题进行了修正。EnLOSC算法沿用了LOSC算法中的簇头预先选举机制CHEAM，在此基础上，设计了两种新的网络状态表征参数:簇大小参数和节点密度参数，并利用这些参数提出了簇合并和分裂机制(Cluster Merging and Splitting Mechanisms)，该机制能够保持网络和簇的负载均衡。同时，为了防止恶意节点破坏簇内以及簇间的通信，设计了恶意节点发现和剔除机制(Discovery& Elimination Scheme，DES)。基于以上参数和机制，提出EnLOSC簇维护算法，在降低孤立节点个数和网络开销的同时，保证簇头的负载均衡，以及簇内和簇间通信的链接安全和用户隐私。⑶仿真结果表明，与传统的车联网和移动自组织网络分簇算法相比，LOSC算法生成的簇在稳定性和网络开销的性能上有了极大的提升;EnLOSC相对于LOSC算法，虽然增加了算法复杂度，但EnLOSC算法不仅能大幅度提升簇的稳定性和降低网络开销，还可以有效地均衡簇头负载以及防止恶意节点破坏通信质量。

目录

声明

致谢

摘要

1 引言

1．1 研究背景及意义

1．2 国内外研究现状

1．3 论文研究内容和结构安排

1．3．1 论文研究内容

1．3．2 论文结构安排

2 车联网及其分簇算法概述

2．1 车联网简介

2．1．1 车联网体系结构

2．1．2 车联网主要特点

2．1．3 车联网应用

2．2 车联网路由协议分类

2．3 车联网分簇算法

2．3．1 MOBIC分簇算法

2．3．2 其它分簇算法

2．4 本章小结

3 LOSC：一种车联网中低通信开销且稳定的分簇算法

3．1 系统模型

3．2 相关参数

3．2．1 相对速度参数RVM

3．2．2 功率损耗参数PLM

3．2．3 簇头能力参数M

3．3 LOSC簇生成算法

3．4 LOSC簇维护算法

3．4．1 停留时间预测

3．4．2 簇头预先选举机制(CHEAM)

3．4．3 簇维护算法

3．5 数据包格式

3．6 仿真与性能分析

3．6 本章小结

4 改进的LOSC算法：EnLOSC算法

4．1 系统模型

4．2 相关参数

4．2．1 簇大小参数

4．2．2 节点密度参数

4．3 EnLOSC簇生成算法

4．4 EnLOSC簇维护算法

4．4．1 簇合并和分裂机制

4．4．2 恶意节点发现和剔除机制

4．4．3 簇维护算法

4．5 数据包格式

4．6 仿真与性能分析

4．6．1 网络性能仿真和分析

4．6．2 安全性分析

4．7 本章小结

5 结论

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集