[发明专利]一种车联网中基于蚁群优化的中继选择方法

权利要求书

1.一种车联网中基于蚁群优化的中继选择方法，其特征在于，包括以下步骤：

1)发送端车辆选择相应中继时，首先需要计算到每个邻居车辆的数据包传输时延D_ij的大小；

2)对于在通信范围R_range内的每个邻居车辆，计算发送端车辆到各个邻居车辆的距离d_ij和链路持续时间LET_ij；

3)采用泊松过程模型对MAC层退避接入次数进行建模，分析车辆竞争接入信道时所需要的退避次数B；

车辆i在时间间隔t内发送n个数据包的泊松过程概率模型表示为：

其中：λ表示数据包的到达速率,则当车辆所在簇范围有C(j)辆汽车时，数据包到达的总速率为：

λ(j)＝C(j)×λ (10)

则车辆i所在的簇中其他车辆没有数据包发送请求的概率为：

P_i(t,0)＝e^-λ(j)×t (11)

依据公式(10),车辆i的所在簇其他车辆有k个数据包发送请求，即车辆i遇到冲突的概率为1-P_i(t,0)，则车辆i竞争成功的平均退避次数为：

4)采用蚁群优化的方法对数据包传输时延D_ij、距离d_ij、链路持续时间LET_ij以及MAC层退避次数B进行联合分析，建立发送端车辆选择中继的概率模型；

车辆i与车辆j之间MAC层退避次数、距离d_ij和链路持续时间LET_ij的联合权重，也即车辆本身的启发式信息表示为：

其中：w₁、w₂、w₃分别为权重系数，是邻居车辆的最大退避次数，LET_max是邻居车辆的最长链路持续时间，d_max是车辆到邻居车辆最长的距离；

应用蚁群优化模型，依据公式(4)和公式(13),邻居车辆转发概率模型为：

其中：车辆i与车辆j之间的信息素，车辆i与车辆j之间的启发式信息，车辆j与车辆l之间的信息素，车辆j与车辆l之间的信息素，N_i是邻居车辆集合，α和β是权重系数；则选择的最佳中继也即下面优化问题的解：

由于该优化问题没有限制条件，只需要找出所有邻居车辆转发概率最大的车辆，将其作为中继；

5)采用最大化概率的方式，选择转发概率最大的车辆作为中继。

2.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤1)中，将通信范围R_range内的车辆包含到邻居车辆集合M中,在时间间隔Δt内，发送端车辆i到所述的邻居车辆集合M中车辆j的平均传输时延为：

其中，表示车辆i发送到车辆j的第k个数据包的时延，n是车辆i发送到车辆j的数据包的总个数；

则将公式(1)作为在时间间隔Δt内积累的时延信息素的量，基于蚁群优化理论，信息素会随着时间的流逝而稀释，则在时间间隔Δt内信息素的稀释过程如下：

其中：是经过稀释之后的信息素，ρ是恒定的稀释速率，τ_ij(t)是在t时间积累的信息素；

则经过Δt时间后积累的总信息素浓度为：

公式(3)归一化之后的结果为：

其中：τ_max是车辆i和邻居车辆之间最大的时延信息素。

3.根据权利要求1所述的车联网中基于蚁群优化的中继选择方法，其特征在于，步骤2)中，定义车辆i与车辆j之间的坐标分别为(x_i,y_i)和(x_j,y_j)，则车辆i与车辆j之间的距离为：

发送端车辆i与车辆j之间的夹角为：

发送端车辆i与车辆j同向行驶时，链路持续时间为：

其中：w_ij表示车辆i与车辆j的垂直距离，v_i和v_j分别是车辆i和车辆j的速度，R是最大通信范围；

发送端车辆i与车辆j行驶方向相反时，链路持续时间为：