基于数字地图和移动预测的车辆网络数据路由方法

暂无

技术领域\n本发明涉及一种车辆网络路由方法，特别是指一种基于数字地图和移动预测的车辆网络数据路由方法，属于自动控制与信息技术领域。\n背景技术\n由于全球定位系统和其他定位技术的广泛应用，地理位置路由方法被越来越多地应用于移动自组织网络中。所述移动自组织网络的特点是利用移动节点的地理位置作为地址将数据包传向目的节点，各节点只需知道邻居节点的位置，而不需要建立明确的路由，也不需要路由维持过程，仿真和实际应用都表明这种数据传送具有很好的可扩展性和鲁棒性。\n车辆网络是一种特定的移动自组织网络，它是由车辆与车辆组成的移动自组织网络。车辆网络中常采用地理位置路由方法进行数据路由，但是车辆节点往往在道路上是高速移动的，这种高速移动带来的位置误差会显著降低路由的性能。譬如当一个数据包想由某个车辆节点转发的时候，所述车辆节点由于高速移动可能已远离了原来的位置，从而会造成数据传输失败。\n作为网络节点的车辆，大多数情况下都是在预先定义好的道路上行驶，而且往往装备有GPS接收机和数字地图，因此，如何利用数字地图等提高车辆网络数据包传送的成功率，实已成为本领域技术人员亟待解决的技术课题。\n发明内容\n本发明的目的在于提供一种基于数字地图和移动预测的车辆网络数据路由方法，以提高车辆网络数据包发送的准确率。\n为实现上述目的，本发明的基于数字地图和移动预测的车辆网络数据路由方法包括步骤：1)处于车辆网络中的各节点周期性广播从各相应GPS接收机上所获得的自身经纬度、时间信息和自身的身份号，其中，各节点即为所述车辆网络中的相应各车辆，所述各车辆分别装载有GPS接收机和数字地图；2)各节点分别接收所述车辆网络中自身的各邻居节点周期性广播的各信息，并各自保存所接收的各邻居节点发送至的两次信息；3)待往目的节点发送数据包的源节点根据自身保存的各邻居节点的两次信息、及装载在自身的数字地图，采用移动预测算法预测各邻居节点当前的位置，并根据所预测出的各位置在各邻居节点中选择出要将所述数据包发送至的中间节点，再将数据包发送至所述中间节点；4)所述中间节点接收到数据包后判断其是否为所述目的节点，若否，则所述中间节点依照所述源节点选择中间节点的方法在其自身的各邻居节点中选择出相应的下一个中间节点，并将所述数据包发送至所述下一个中间节点。\n其中，所述步骤3)的移动预测算法包括步骤：(1)所述源节点根据自身保存的各邻居节点的两次信息、及装载在自身的GPS接收机中的数字地图计算各邻居节点移动的距离；(2)所述源节点根据计算出的各邻居节点移动的距离计算相应各邻居节点的移动速率，并根据所述数字地图获取所述各邻居节点所在道路与坐标轴的夹角；(3)所述源节点根据所计算出的各移动速率及相应的夹角计算出所述各邻居节点当前的位置。\n较佳地，在各邻居节点中选择出的中间节点为距离所述目的节点最近的节点。\n较佳地，所述源节点在所述数字地图按照最短路径来计算各邻居节点移动的距离。\n较佳地，所述源节点采用v＝L(x，y)/T1来计算各邻居节点的移动速率，其中，v为移动速率，L(x，y)为相应邻居节点移动的距离，T1为相应邻居节点两次信息中的时间信息的差值。\n较佳地，若所述夹角为道路与x轴的夹角，则所述源节点采用xest＝x2+v*cos(σ)*T2和yest＝y2+v*sin(σ)*T2来计算各邻居节点当前的位置，其中，(xest，yest)为邻居节点的当前位置，(x2，y2)为所述源节点接收到的邻居节点两次信息中的后一次的经纬度，σ为相应夹角，T2为当前时间与两次信息中的后一次时间信息的差值。\n由上所述，本发明与现有技术相比，具有如下优点：\n1.车辆节点越来越多的装有车载终端，都带有GPS接收机和数字地图，本发明利用这些信息可有效提高数据路由的效率。\n2.车辆节点在道路上高速移动，位置不断变化，本发明采用移动预测技术，可提高位置信息的准确度，从而提高了路由的准确率。\n附图说明\n图1是本发明的基于数字地图和移动预测的车辆网络数据路由方 法所应用的车辆网络示意图。\n图2是本发明的基于数字地图和移动预测的车辆网络数据路由方法操作流程示意图。\n图3是本发明的基于数字地图和移动预测的车辆网络数据路由方法的节点移动路线示意图。\n图4是本发明的基于数字地图和移动预测的车辆网络数据路由方法的仿真线路区域示意图。\n图5是本发明的基于数字地图和移动预测的车辆网络数据路由方法的仿真结果示意图。\n具体实施方式\n以下将结合具体实施例来对本发明的基于数字地图和移动预测的车辆网络数据路由方法进行详细描述。\n请参见图1，其为在本发明的基于数字地图和移动预测的车辆网络数据路由方法所应用的车辆网络，在所述车辆网络中，有源节点、节点A、节点B、节点C、节点D、及目的节点，每一节点对应一车辆，每一车辆都装载有GPS接收机和数字地图，其中，所述源节点需要在时刻t(t>t2>t1)向所述目的节点发送数据包，所述节点A、节点B、及节点C为所述源节点的邻居节点，所述节点D为所述节点C的邻居节点。\n如图2所示，在本发明的基于数字地图和移动预测的车辆网络数据路由方法中，首先，所述车辆网络中的源节点、节点A、节点B、节点C、节点D、及目的节点按照预先约定的规则在时刻t1分别广播从 各自的GPS接收机上所获得的自身经纬度、时间信息和自身的身份号(即ID号)。\n接着，所述源节点、节点A、节点B、节点C、节点D、及目的节点分别接收各自的各邻居节点在时刻t1广播的各信息(即经纬度、时间信息和身份号)，并予以保存。即所述源节点接收所述节点A、节点B、及节点C广播的各信息，所述节点C接收所述节点D广播的各信息。\n接着，所述源节点、节点A、节点B、节点C、节点D、及目的节点按照预先约定的规则再次在时刻t2分别广播从各自的GPS接收机上所获得的自身经纬度、时间信息和自身的ID号。\n接着，所述源节点、节点A、节点B、节点C、节点D、及目的节点再次分别接收各自的各邻居节点在时刻t2广播的各信息，并再次予以保存。\n接着，所述源节点根据保存的各邻居节点在时刻t1和t2广播的信息及自身装载的数字地图计算各邻居节点A、B、及C在t2-t1时间段内移动的距离。请参见图3，其为所述源节点装载的数字地图，如图3所示，在时刻t1，邻居节点A处于位置M(根据其时刻t1广播的经纬度信息)，在时刻t2，邻居节点A处于位置N(根据其时刻t2广播的经纬度信息)，而所述邻居节点A从位置M到位置N可选择不同的道路，例如，邻居节点A可由位置M经位置1、5、及4到达位置N，也可经位置2、及3到达位置N，还可经位置2、5、及4到达位置N，由于邻居节点A选择不同路线则移动的距离并不相同，但通常车辆在行进时都是选择最短线路，故在本实施例中，所述源节点采用$\begin{array}{c}{L}_{(M,N)}=\min \{L_{(M,1)}+L_{\left(\mathrm{1,5}\right)}+L_{\left(\mathrm{5,4}\right)}+L_{(4,N)},\\ L_{(M,2)}+L_{\left(\mathrm{2,5}\right)}+L_{\left(\mathrm{5,4}\right)}+L_{(4,N)},L_{(M,2)}+L_{\left(\mathrm{2,3}\right)}+L_{(3,N)}\}\end{array}$来计算邻居节点A在t2-t1时间段内移动的距离。同样，所述源节点也可计算出邻居节点B及C在t2-t1时间段内移动的距离。具体的最短路径算法是在Dijkstra算法基础上进行扩充，由于移动节点移动的道路拓扑结构信息可以采用加权图来表示(也可称之为网络)，因此计算节点移动的距离可以看成是计算加权图中一个路径的长度，具体算法为(算法中用到的符号见下表1)：\n1v0←find_head(x)，vd←find_tail(y)\n2for i＝1to vtxnum\n3dist[i]←da.cost[v0，i]\n4S←{v0}\n5For k＝1to vtxnum-1\n6Select j，makedist[j]←Min{dist[i]|vi∈V-S}\n7S←SY{j}\n8For i＝1to vtxnum\n9If not(i IN S)AND(dist[j]+da.cost[j，i] L ( M , N ) = L ( M , v 0 ) + L ( v d , N ) + dist [ v d ] \n表1算法符号表\n\n接着，所述源节点根据计算出的各邻居节点移动的距离分别计算节点A、B、及C的移动速率，同时，其根据所述数字地图获取各邻居节点在时刻t2所在道路与坐标轴的夹角。例如，邻居节点A在t2-t1时间段内移动的距离为L(M，N)，相应其移动速率v＝L(M，N)/(t2-t1)，其在时刻t2所在的位置N所处的道路与坐标轴x的夹角为σ，采用同样的方法可计算出邻居节点B及C的移动速率，同样通过数字地图可获得\n邻居节点B及C所在道路与x轴的夹角。\n接着，所述源节点根据所计算出的各邻居节点A、B、及C的移动速率及相应的夹角计算各节点当前的位置。例如，邻居节点的移动速率为v，其在时刻t2所在道路与坐标轴x的夹角为σ，相应计算出其当前位置为：xest＝x2+v*cos(σ)*(t-t2)，yest＝y2+v*sin(σ)*(t-t2)，其中，(xest，yest)为邻居节点A的当前位置，(x2，y2)为邻居节点A在时刻t2的经纬度，采用同样的方法可计算出邻居节点B及C的当前位置。\n接着，所述源节点根据计算出的各邻居节点的当前位置在各邻居 节点中选择一中间节点，并将数据包发送至所述中间节点。在本实施例中，如图1所示，所述源节点选择距离目的节点最近的邻居节点C作为中间节点。\n接着，所述节点C接收到数据包后，判断其自身是否为目的节点，若是则结束，否则，所述节点C按照前述源节点选择中间节点的方法在其各邻居节点中选择出相应的下一个中间节点，并将数据包发送至所述下一个中间节点。如图1所示，所述节点C选择邻居节点D作为其中间节点。\n接着，所述节点D接收到数据包，判断其自身是否为目的节点，若是则结束，否则，所述节点D按照前述源节点选择中间节点的方法在其各邻居节点中选择出相应的下一个中间节点，并将数据包发送至所述下一个中间节点。如图1所示，所述节点D选择目的节点作为其中间节点。\n最后，所述目的节点接收数据包。\n需注意的是，由于各节点周期性广播各信息，故一节点在接收到邻居节点广播的新的信息后，将以所述新的信息取代保存的最早的信息，例如，当源节点接收到节点C在时刻t3(t3>t2)广播的信息后，将以时刻t3的信息取代时刻t1的信息。此外，计算各邻居节点当前位置时所采用的夹角也为道路与其他坐标轴的夹角，例如与y轴的夹角，如此计算是所采用的算法进行相应的调整，此为本领域技术人员所知悉，在此不再详述。\n以下将通过仿真来说明本发明的效果。为了真实的反映本发明的 性能，特别是在车辆网络环境下的路由性能，采用城市交通并行仿真系统产生城市区域车辆微观运动的场景数据。产生的车辆微观运动场景数据的城市区域如图4所示：50个车辆节点在这个1500m×1000m的区域中运动，链路层采用802.11无线通信协议，传输范围设定为250m。数据流量模型采用常速率(CBR：Constant Bit Rate)模式，源目的节点对随机分布在整个网络区域。每个CBR流发送速率为2Kbps，使用64字节大小的数据包。每次仿真持续时间为100秒。\n为了比较性能，将RH-GPSR协议和下面两种协议进行了比较实验：\n●GPSR(Greedy Perimeter Stateless Routing)路由协议\n●NLP-GPSR，改进的GPSR路由协议\n采用如下的性能指标来评价协议的性能：\n成功传输率(SDR：Successful Delivery Rate)：目的节点成功接收到的数据包和总的发送数据包的比值。\n从图5中可以清楚看到RH-GPSR协议的性能和RHP移动预测算法的效果。随着Beacon周期(单位为秒sec)的增加，三种路由协议的SDR性能都有下降的趋势，但是每种协议下降的程度有所不同。在所有的Beacon周期下，NLP-GPSR和RH-GPSR的性能都优于GPSR，同时RH-GPSR又优于NLP-GPSR。例如在周期5秒和8秒的时候，RH-GPSR的SDR值分别比NLP-GPSR要高7.5％和10.4％。\n综上所述，本发明的基于数字地图和移动预测的车辆网络数据路由方法利用数字地图预测车辆网络中各节点的位置，从而能准确地将数据包发送至相应的节点，如此可有效降的数据包的发送失败率。\n以上所述是本发明实施例的一种，但并非用来限定本发明的实施范围，即凡是按照本发明专利——权利要求书所述的特征、构造、精神所做的均等变化和修饰，均属于本发明的保护范围。