基于分布式社区学习的VANET数据转发机制

摘要

针对车载自组织网络中移动车辆间的多跳数据传输,结合城市车辆移动特征,通过改进现有的BubbleRap路由机制,提出一种基于分布式学习的数据转发机制(DFDL).该机制基于存储-携带-转发的消息传输模式,利用移动车辆间相遇时间间隔和相遇频率确定车辆的社区标签,并根据车辆运动的移动熵计算节点运动中心度.在转发过程中DFDL机制通过综合判断相遇车辆的社区标签以及运动中心度,为数据包消息选择合适的中继转发节点,实现远距离移动车辆间的多跳消息转发.实验结果表明,对于城市车辆移动场景,与BubbleRap路由机制相比,DFDL机制的消息投递率及平均投递延时性能明显提升.