论文部分内容阅读
作为智能交通系统的重要载体之一,车载网已经引起全世界汽车产业界的高度关注和学术界的广泛研究。车载网通过车辆与车辆之间、车辆与路边基础设施之间的通信,使驾驶者能够在超视距的范围内获得其他车辆状况信息和实时路况信息,在事故预警、保障交通安全、优化交通流量以及为驾乘人员提供多种服务等方面具有重要作用。数据分发作为车载网应用的基础,对于推动车载网的发展具有重要作用。城市车载网提供的服务多样化,每个车辆参与的网络应用也越来越多。非交通安全类相关应用的需求越来越明显。高覆盖率、满足时空关联需求、低负载等成为非交通安全类数据分发的重要目标。然而,由于城市中车辆移动情况和通信环境复杂,造成网络拓扑结构动态变化,车辆之间、车辆与路边基础设施之间的链路不稳定,因此给数据分发带来严峻挑战。本文针对城市环境中的非交通安全类数据分发,从数据放置与局部数据分发两个方面开展研究。主要内容和贡献包括以下几方面。第一,提出了城市交通流宏观模型TLECTM及数据放置算法MFPGA。通过对城市道路流量的预测决定数据放置,能有效提升数据覆盖率。针对城市交通中道路交叉口包含多输入流和多输出流,有多种交通灯分配,以及存在多种非正常车流变化现象,建立了一种交通灯扩展的元胞传输模型TLECTM。基于TLECTM对流量的预测,提出了一种数据放置算法贪心MFPGA,能达到针对道路车流量的最大数据覆盖。第二,提出了路口流量概率模型及数据放置算法。数据被分发到车辆经过的路径上是覆盖该车辆的前提。针对车辆特别是私家车的完整路径很难获取的问题,本文提出了路口流量概率模型。该模型基于OD矩阵和已知的道路拓扑结构,采用随机路径选择方法,获取车辆经过各个路口的概率及不同车辆选择共同路径的重合度。基于该模型,提出了一种最大覆盖的最优数据放置算法与两种贪心算法。第三,提出了城市环境中局部数据分发的生存时间模型。由于车辆的移动性,局部范围的拓扑不断变化,无法保证数据在局部范围内被一直传递下去。局部数据生存时间是一个基础性问题。本文基于概率论,详细分析了车辆之间的空间关系与相遇情况,刻划了到达率、车速、局部范围大小、通信距离等参数对生存时间的影响,改进了双向直线道路的生存时间模型,提出了十字路口的生存时间模型,从而为局部数据分发协议提供理论指导与参考。第四,提出了一种轻量级的局部数据分发协议LDDP。针对城市车载网中,车辆只是短暂通过局部区域的特点,LDDP首先利用生存时间模型确定时空参数,从而有效控制数据传播的范围,保证局部数据分发的区域性。LDDP采用存储转发方式,通过动态删除机制,尽早删除数据,能在不损失数据生存时间和覆盖率的前提下,有效降低节点存储开销。