论文部分内容阅读
随着汽车产业的不断发展,智能交通控制系统(Intelligent Transportation System,ITS)在汽车相关产业和技术起着非常重要作用。其中对交通流量的预测是研究中的一个热点,并且是智能交通控制系统的基础。然后车联网(Vehicular Ad-hoc Networks,VANET)是在移动自组织网络(Mobile Ad-Hoc Networks,MANET)的基础上形成的用于车辆与车辆之间进行通信的一种网络,非常具有发展前景。在VANET中路由协议是一项不可或缺的技术,是构成VANET的基础并且对网络的性能起导决定性作用,所以设计一种能够地及时地有效地传递信息的路由协议对于ITS来说具有非常重要的意义。本文首先针对短时交通流量预测进行研究,为了进一步提高预测准确性和降低预测时间,提出使用深度学习中的RNN方法中的GRU模型对交通流量进行短时预测,并提出使用自相关分析的方法来选择输入向量使得多步预测的误差降低;然后针对自私节点等问题提出结合区块链技术,激励着网络中的车辆节点进行有效及时的数据转发;最后对VANET中的GyTAR路由协议进行分析,结合交通流预测提出EP-GyTAR并进行仿真验证。具体研究内容如下:本文首先现有的短时交通流预测模型进行研究和分析,指出现有的短时交通流预测模型存在的一些缺陷。然后对深度学习的RNN方法进行深入的研究和分析,了解RNN工作的基本流程,对几种典型的模型进行研究,再根据交通流量变化的特点,选择LSTM模型中的GRU方法对交通流量进行短时预测,并根据常规的迭代的多步预测精度不高的问题,提出使用自相关分析的方法来选择输入向量,从而减小多步预测误差,提高多步预测精度;然后从PEMS数据库系统提取真实的交通流数据作为数据集,并通过MATLAB软件仿真验证改进的方法比常规的RBF等机器学习预测方法在单步预测和多步预测精度都高。然后,提出将VANET和区块链技术相结合的方式构建社区,提出六层架构,在理论上能够激励着网络中的车辆节点进行有效及时的数据转发,鼓励有着网络通信设备的车辆加入到此社区生态中,为下一部分的路由协议改进做铺垫,进而提高整个VANET网络的通信性能。再结合在上面的预测的方法和区块链技术对GyTAR路由协议从路由转发这个方面进行改进,提出一种基于交通流量预测的EP-GyTAR(Enhanced Prediction-GyTAR)协议并结合六种不同的通信方式来应对现有复杂的城市环境,新改进的路由协议可以解决道路间延迟导致的交通流量的变化而导致的端到端延迟过大等问题。最后,本文采用SUMO结合NS3的联合仿真平台,将改进的EP-GyTAR路由协议与GyTAR,E-GyTAR,S-GyTAR和GPSR在两种不同场景下仿真分析,从端到端平均时延,间隙数量和跳数这三项性能指标来体现EP-GyTAR的优势。