[发明专利]基于公交车轨迹和蚁群优化的城市车联网路由方法

权利要求书

1.基于公交车轨迹和蚁群优化的城市车联网路由方法，其特征在于，包括：

接收来自于非公交车向外发送的数据包；

当所述数据包中不存在路由路径时，根据公交车线路路由图，采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径；

选取最短路径中连续性概率最大的作为路由路径，并将其封装于数据包中；

当所述数据包中存在路由路径时，判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内；

若不位于通信范围内，则判断通信范围内是否存在位于路由路径中、且与目的地的距离小于携带数据包的公交车与目的地的距离的公交车；

若存在，则选取携带数据包的公交车通信范围内、且与携带数据包的公交车的连接生命期最长的公交车作为下一跳中继公交车，并向其发送数据包，之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内；

若不存在，则携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路；

当采用蚁群优化算法成功找到下一跳中继公交车，则向其发送数据包，之后继续判断数据包的目的地位置是否位于携带数据包的公交车的通信范围内；

当采用蚁群优化算法未能成功找到下一跳中继公交车，判断当前位置是否偏离路由路径；

若未偏离，则继续采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路；否则，返回采用Dijsktra算法计算从当前位置到数据包的目的地位置的多条最短路径；

若位于通信范围内，向数据包的目的地位置发送数据包；

所述连续性概率的计算公式为：

其中，街道i’和i’+1相邻，N_i’为经过街道i’的公交车线路条数；PSC_i’,i’+1为街道i’到街道i’+1的连贯性概率；n_i’,i’+1为经过街道i’且经过街道i’+1的公交车线路条数。

2.根据权利要求1所述的基于公交车轨迹和蚁群优化的城市车联网路由方法，其特征在于，所述携带数据包的公交车采用蚁群优化算法发现最优下一跳中继公交车和到下一跳中继公交车的最优多跳链路的方法包括：

携带数据包的公交车生成多个具有下一跳中继公交车选取条件的请求蚂蚁，所述选取条件为公交车所在街道位于路由路径中且与目的地的距离小于携带数据包的公交车与目的地的距离；

计算携带数据包的公交车通信范围内的车辆节点与携带数据包的公交车之间所有链路的转发概率；

携带数据包的公交车通过其邻近车辆节点的最大转发概率对应的链路向其邻近车辆节点发送请求蚂蚁；

当在设定的门限时间内接收到响应蚂蚁时，计算每个响应蚂蚁的功能函数值；

选择功能函数值最大的响应蚂蚁中的目的公交车作为下一跳中继公交车，并输出响应蚂蚁中保存的多跳链路及已找到的下一跳中继公交车；

当在设定的门限时间内未接收到响应蚂蚁时，判断携带数据包的公交车当前所在位置是否偏离路由路径；

若未偏离，则重新生成多个具有下一跳中继公交车选取条件的请求蚂蚁；否则，输出未找到下一跳中继公交车。

3.根据权利要求2所述的基于公交车轨迹和蚁群优化的城市车联网路由方法，其特征在于，所述转发概率的计算公式为：

其中，p_i,j(t)为t时刻的接收请求蚂蚁的车辆i和其邻近车辆j之间的转发概率；为接收请求蚂蚁的车辆i通信范围内的邻近车辆集合；τ_ij(t)为t时刻接收请求蚂蚁的车辆i存储的与其邻近车辆j之间的信息素强度；η_ij(t)为t时刻车辆i和车辆j之间的链路l_i,j的启发函数值；η_ik(t)为t时刻车辆i和其邻近车辆k之间的链l_i,k的启发函数值；α、β分别为信息素启发因子和期望值因子；

启发函数值η_ij的计算公式为：

其中，LT(l_i,j)为链路l_i,j的生命期；D(l_i,j)为链路l_i,j的延迟；为权重。